我們將通過《NVIDIA 加速計算，百萬倍加速行業應用》系列文章，為您詳解 NVIDIA 如何通過數據中心規模的全棧加速計算，助力多個行業實現百萬倍計算性能飛躍，高效解決人類挑戰。

在日前舉辦的全球頂級超算大會 SC22 上，有著 HPC 領域諾貝爾獎之稱的戈登貝爾獎揭曉，來自 NVIDIA 與芝加哥大學等機構的研究員憑借共同開發的一個處理基因組規模數據的先進模型，獲得旨在表彰基于高性能計算的 COVID-19 研究的“戈登貝爾特別獎”。

身為加速計算專家的 NVIDIA 何以在醫療方面取得如此矚目的成就？憑借全球領先的 AI 計算平臺和對多個行業的深耕打造的AI全棧解決方案，在過去的幾年，NVIDIA 對包括醫療健康在內的多個行業的 AI 應用帶來了百萬倍的加速。

過去十年，全球迎來一場 AI 革命，人工智能在各行各業引發了顛覆性的變革。在機器學習、深度學習、大規模語言模型等 AI 能力的加持下，藥物研發等領域正迎來百萬倍的效率飛躍。而這一切的背后，離不開加速計算。

加速計算引領行業新方向

半個多世紀前，尚在仙童半導體公司任職的戈登·摩爾預測，硅基芯片中的晶體管數量每 18-24 個月左右會實現翻番，性能因此獲得成倍提升，成本則成倍下降。之后數十年間，這一預測成為推動半導體產業發展的準則。時至今日，硅基半導體接近尺寸維度的物理極限，繼續研發先進制程工藝的成本不斷遞增，曾被奉為圭臬的摩爾定律正走向消亡。

另一方面，AI 在加速計算的推動下飛速發展。據《經濟學人》統計，僅僅從 2012 年到 2018 年，用于訓練大型模型的計算能力就增長了 30 萬倍，并且約每三個半月翻一番。

作為加速計算的主導者，NVIDIA 的 GPU 是掀起這場行業變革浪潮不可或缺的重要推力。AI 應用的工作負載以重復密集型計算為主，而 GPU 擅長并行計算，可以讓 AI 計算的速度獲得幾何倍數的提升。NVIDIA 不斷針對 AI 場景優化產品，讓以 GPU 為核心的“全棧加速計算”成為 AI 計算不可或缺的一部分。加速計算與機器學習相結合，在全球包括藥物研發在內的科學計算相關的多個行業掀起一場百萬倍加速的革命，并超越摩爾定律成為半導體行業新的風向標。

三大驅動力助推百萬倍性能飛躍

今年 GTC 大會上，NVIDIA 創始人兼 CEO 黃仁勛在主題演講中指出，過去十年中，NVIDIA 加速計算在 AI 領域中實現了百萬倍的加速，并引發現代 AI 革命。未來十年，將力爭在再實現百萬倍的提速，以應對藥物研發等人類面臨的重大挑戰。

利用 AI 的大規模加速計算可實現指數級加速

過去的十年，在計算能力的構建，和對應用程序的計算性能的提升上，發生了跨越式發展。

首先，加速計算和異構計算已經成為業界共識，圍繞著 GPU 芯片，NVIDIA 建立了豐富的加速計算軟件生態；第二，數據中心，因其具有強大的擴展能力，能夠支撐起超大規模的計算任務，成為新的計算單元；第三，也是最具變革性的驅動力是 AI 的廣泛應用，將很多科學計算過程，用神經網絡進行模擬代替，從而進一步簡化計算，提高速度。

加速計算、數據中心大規模擴展，和 AI 的結合正在推動科學計算和工業計算的高速發展，實現百萬倍的性能飛躍，從而解決氣候變化、藥物研發、數字孿生，等等以往最具計算挑戰的問題。

目前，NVIDIA 已建立了一個從計算架構、硬件、算法和軟件以及應用框架多角度協同，并且覆蓋 CPU 、GPU 、DPU 三芯的全棧數據中心級加速計算平臺，這種全棧式加速計算技術能力，使得 NVIDIA 成為全球“加速計算專家”。

NVIDIA 的 CUDA 庫和 NVIDIA SDK 是加速計算的核心，伴隨著每一個新的 SDK，新的科學領域、新的應用和行業都可以利用到 NVIDIA 強大的計算能力，這些 SDK 解決了計算、算法和科學交叉領域中極其復雜的問題，NVIDIA 的全棧方法產生的復合效應，實現了百萬倍的加速。NVIDIA SDK 現已服務于醫療健康、能源、交通、零售、金融、媒體和娛樂等多個行業，并且每年都保持著高速的更新和擴展。通過在全棧和數據中心級實現加速，多個行業將在 AI 的推動下受益并實現百萬倍飛躍。

NVIDIA 加速藥物研發突破瓶頸

得益于 NVIDIA 數據中心級全棧加速計算能力和人工智能技術的進步，藥物研發領域也將迎來效率升級。

研發時間一直是藥物研發領域的一大痛點。一款新藥從研發到上市，平均需要 10 年之久。對藥企而言，縮短新藥研發的時間就意味著更早獲得回報；而對于一些身患重癥甚至絕癥的病人來說，新藥更早問世，則意味著他們有更大的機會重獲新生。

為助力藥物研發領域加快速度，NVIDIA 專門打造了一套名為 NVIDIA Clara Discovery 的 AI 加速計算軟件平臺。該解決方案集 GPU 加速及優化框架、工具、應用和預訓練模型于一體，整合了人工智能、數據分析、模擬仿真和可視化能力，可支持化學信息學研究、蛋白質結構預測、候選藥物虛擬篩選以及分子動力學模擬等藥物開發過程中的跨學科工作流程。通過加速計算，研究人員可以一次模擬數以百萬的分子，同時篩選出數百種潛在藥物，從而降低成本、提高效率。

此外， NVIDIA 推出的基因測序分析加速軟件 NVIDIA Clara Parabricks 可以大幅提升基因組學分析的速度和準確性，大型語言模型（LLM）框架 NVIDIA BioNeMo 則可用于訓練和部署超算規模的大型生物分子語言模型，幫助科學家更好地了解疾病，并為患者找到治療方法。

全球醫藥企業研發效率實現指數級提升

在 NVIDIA 針對醫療行業的全棧加速計算平臺的賦能下，來自全球的藥物研發企業，正在跨越曾經的計算鴻溝，實現研發效率的指數級提升：

• AI 制藥公司 Entos 在 Clara Discovery 的幫助下，利用自主開發的 OrbNet 深度學習架構將蛋白質和候選藥物之間的化學反應模擬速度提高 1000 倍，從而在三個小時內就完成了原本需要超過三個月時間的工作量。

• 現已加入 NVIDIA 的初創公司 Parabricks 在對序列基因組中的關鍵標志物和異常值檢測時，使用 NVIDIA DGX 人工智能超級計算機將遺傳信息分解成微小的單獨碎片進行處理，成功把原先需要幾天完成的工作縮短到半小時以內，效率提升超過 50-80 倍。

• 全球化學模擬軟件開發領導者 Schr?dinger 通過采用 NVIDIA DGX 系統提升計算藥物研發平臺的速度和準確性，實現對數十億分子快速、準確的評估，加速新的治療方法的開發。

• 生物技術公司Recursion 通過部署基于 NVIDIA DGX SuperPOD 參考架構的超級計算機 BioHive-1 ，使其能夠在一天內便能運行完成深度學習項目，而之前使用他們已有的集群完成該項目需要一周以上。

• 初創公司 Peptone 使用基于 NVIDIA DGX 系統、BlueField-2 DPU 和 NVIDIA InfiniBand 網絡構建的 NVIDIA DGX SuperPOD 集群 Cambridge-1 超級計算機，能夠在幾個小時內，針對數百萬種蛋白質并行地執行高吞吐量推理 ，并基于這些計算結果，研發針對特定 IDP 的專有創新藥。

• 初創企業 PrecisionLife 借助 NVIDIA GPU ，可以在短短幾個小時內分析 10 萬名患者的數據，這在以前是不可能實現的，這使得其可以在大型患者群體中識別具有匹配疾病驅動因素、疾病進展和治療反應的亞群，幫助研究人員選擇正確的藥物研發目標、為個人選擇正確的治療方式并為臨床試驗選擇合適的患者。

• 以 AI 驅動的生物醫藥科技企業英矽智能在 NVIDIA 加速計算平臺的幫助下，僅用時不到 18 個月，就實現了從靶點發現、分子生成和設計、體內體外療效確認及安全性評估、到提名臨床前候選化合物的早期藥物發現過程，相比傳統方法所需的四年半左右的耗時，節約了三分之二的時間，及花費成本也遠低于傳統的方式。

• “AI + 冷凍電鏡” 驅動的新型藥物研發企業水木未來在使用冷凍電鏡預處理圖像時，借助 NVIDIA GPU 計算平臺，樣品篩選、樣品質量監控和數據采集的效率提升高達 10 倍以上，大大降低了藥物研發的成本。

• 新一代機器學習+生物技術初創企業燧坤智能借助 NVIDIA GPU 計算平臺，使其開發的 AI4D 線上服務平臺的計算效率和模型訓練速度有超過 10 倍的提升，對靶點的定向分子進行生成與篩選、分子的類藥性及成藥性預測效率均有巨大幫助，大幅縮減了藥物研發后期投入，提高了藥物臨床及上市成功率。

憑借數據中心級別的全棧能力，NVIDIA 針對醫療健康領域也擁有豐富的的全棧加速計算方案，除了 Clara Discovery，NVIDIA 還有針對醫療設備、醫學影像、基因組學和患者看護需求的 Clara Holoscan、Clara Parabricks 以及 Clara Guardian 等針對不同醫療應用場景的解決方案。

從傳統醫藥巨頭到初創企業，越來越多的全球醫療企業選擇 NVIDIA 加速計算平臺來提升AI生產力，降低研發成本。Million-X 百萬倍計算性能飛躍的愿景，已經在醫療健康以及更多關乎人類未來褔祉的領域落地生根。未來，只要人類探索科技，發現未知的腳步還在繼續，加速計算的夢想就永遠不會停息。