英伟达押注智能体AI，加速生物科技领域科学发现

本周在圣地亚哥举行的国际生物技术大会（Bio International Convention）上，人工智能成为绝对主角。这是生物科技领域规模最大的行业盛会，汇聚了来自整个生态系统的众多企业。

在大会特别演讲环节，英伟达医疗与生命科学业务副总裁兼总经理金伯利·鲍威尔（Kimberly Powell）提出，智能体AI即将为生物科技行业带来的变革，将与它此前为软件行业带来的革命如出一辙。英伟达的BioNeMo平台，正是将通用大语言模型转化为真正意义上的"AI科学家"的核心技术栈，不仅能力更强，运行成本也更低。

英伟达希望让"AI科学家"在生物科技领域普及落地

鲍威尔在演讲开篇描绘了行业现状。"我们正在目睹生命科学领域有史以来速度最快的平台转型，"她表示。她将AI比作显微镜、X射线晶体学和基因测序，称之为一类全新的科学仪器。但这一次，这种仪器不只是观察或测量，它能够推理、规划并付诸行动。

大会上，英伟达正式发布了BioNeMo智能体工具包（BioNeMo Agent Toolkit）。这是一套将大语言模型转化为领域专属AI智能体的软件技术栈，能够执行从文献综述、蛋白质设计到实验室自动化的全流程生物学与化学工作，同时兼顾性能与成本优化。

从生成式AI到科研智能体

鲍威尔的核心观点是：生命科学领域坐拥每年3000亿美元的制药研发预算（全球研发支出已接近3.8万亿美元），在过去十年间已悄然为这一拐点做好了准备。一方面，生物学、化学、影像学和基因组学领域的AI研究呈爆发式增长；另一方面，英伟达也持续在基础设施层面深耕布局，涵盖GPU、网络、CUDA-X库以及MONAI、Parabricks、cuEquivariance和BioNeMo等领域平台。

过去12至18个月，最大的变化在于智能体AI的兴起——在这类系统中，大语言模型充当"大脑"，外层则包裹着管理工具调用、记忆、安全策略和多步骤工作流的执行框架。英伟达的NeMo Curator和NemoClaw框架是这一模式的通用实现，而BioNeMo智能体工具包则是专为生命科学优化的定制版本。

"智能体正在成为生命科学领域现代应用的核心层，"鲍威尔说，"生命科学领域数以千计的企业，都即将成为智能体的构建者。"这与"又一个新模型"的定位截然不同——它意味着生物科技领域下一代应用层，将不再是图形界面和数据管道，而是由专业智能体组成的协作网络，跨越数字实验室与物理实验室协同作业。

BioNeMo：为速度与成本而生的科研工具箱

英伟达此次发布将BioNeMo定位为驱动这些智能体的科学引擎。BioNeMo智能体工具包为生物科技团队提供了三项关键能力：

其一，将蛋白质折叠、分子对接、生成式化学、基因组学和影像分析等经过验证的生命科学模型，封装成智能体可直接调用的工具，并提供清晰的接口规范，明确每个工具的功能、输入要求、预期输出及排错方式。

其二，通过NIM微服务对外暴露上述能力，支持本地部署、公有云或混合环境，使制药和生物科技企业能够根据数据合规和监管要求灵活部署计算资源。

其三，不以原始精度为唯一目标，而是重点优化Token效率和计算成本，赋予智能体高度加速的库和模型调用能力，减少无效Token消耗和重复执行失败步骤所浪费的时间。

鲍威尔专门提到了历史上性能与成本难以兼顾的问题。她将BioNeMo的技能与工具称为"专业知识底座"，使智能体能够以"更高的任务完成率、更准确的工作流执行以及更低的Token开销"完成复杂工作流——"也就是更少的计算资源、更可靠的结果"。换言之，搭载BioNeMo的智能体不仅能产出更好的科研成果，还能减少大语言模型的调用次数，提升GPU利用效率，同时实现成本与性能的双重优化。

鲍威尔还强调，BioNeMo与智能体框架无关，同一套工具包可兼容基于OpenAI、Anthropic、自研大语言模型或英伟达Nemotron模型构建的智能体。对于不希望未来十年的药物研发工作流被单一模型供应商锁定的客户而言，这一点至关重要。

AI"联合科学家"的实际应用场景

为了让这一架构不只停留在图表层面，鲍威尔以靶向MCL1蛋白的蛋白质结合剂设计工作流为例进行了演示。MCL1是一种帮助肿瘤细胞存活的蛋白质。传统上，从理解靶标到生成结合剂候选物、预测结构、评分筛选，再到确定合成方案，整个流程需要耗费数月的专业人力。

通用智能体虽然可以尝试执行这一工作流，但往往会在"搜索合适工具、弄清调用方式"上消耗大量时间和Token，甚至完全无法完成任务。而有了BioNeMo，鲍威尔表示，科学家只需给出一个目标——比如"为MCL1设计一个结合剂"，智能体便会自动完成以下步骤：检索或预测靶蛋白结构及其结合区域；利用BioNeMo生成模型生成候选结合剂；对靶蛋白和结合剂进行共折叠，并通过加速结构引擎评估对接构象；对候选物排序，将最优结果返回人工审核——"全程无需人工干预"。

这正是众多初创企业正在追求的"AI科学家"模式。其中一个关键细节值得关注：Edison Scientific联合创始人兼首席技术官安德鲁·怀特（Andrew White）指出，随着智能体能力的提升，"人类出题、智能体答题的时代已经过去，我们真正需要的是将实验室纳入反馈闭环"。他的核心判断是：真正的瓶颈正在从推理现有文献，转移到开展新实验，而这恰恰是数字闭环实验室和机器人实验室大有用武之地的领域。

对生物科技与制药行业的战略意义

对于生物科技领域的决策者而言，战略层面的影响远不止于某款具体工具，而在于鲍威尔和各位嘉宾所描述的运营模式深层转变：

时间线大幅压缩。鲍威尔认为，智能体将"加速科学发现、压缩研究周期"——原本需要数年的工作将缩短至数月，数月的工作将缩短至数天。Chai Discovery首席执行官乔希·迈耶（Josh Meier）举了一个具体案例：受益于模型改进和迭代加速，抗体设计的成功率已从千分之一跃升至10%至15%。

湿实验室速度压力骤增。随着计算机模拟设计从数月压缩至数小时的GPU计算时间，实验室工作流成为新的瓶颈。迈耶指出，许多实验检测方案此前从未针对速度进行优化，因为没有这方面的驱动力；而现在，加快这一闭环已成为竞争必需。

全新协作模式涌现。鲍威尔预见到，制药公司将从以"深度科研合作关系"为主，转向将前沿AI实验室、工具供应商和平台公司整合进闭环系统的新型合作模式——在这类系统中，每一次实验都会反哺专有基础模型和智能体。Benchling首席执行官萨吉斯·维克拉马塞卡拉（Sajith Wickramasekara）也持相同观点，认为电子实验室记录本正在从事后归档工具，演变为由AI协同参与的"行动系统"。

打破壁垒、促进学科融合。鲍威尔认为，BioNeMo等工具将让生物学家能够"以自然语言方式调用高级建模能力，而无需编写任何代码"，从而打破学科间的壁垒，让更多一线科研人员都能使用现代AI工具。

最后这一点尤为值得关注。如果AI智能体能够在自然语言对话界面背后，可靠地协调高端建模与工作流自动化，那么"计算生物学家"与"湿实验室生物学家"之间的实际界限将开始模糊。

前瞻：行业信号解读

从行业观察者的视角来看，2026年BIO大会传递的核心信号，并非英伟达"进军"生命科学——它在这一领域深耕已逾十年——而是英伟达正在抢先为生物科技领域标准化智能体技术栈。BioNeMo智能体工具包将英伟达现有的多块阵地——包括MONAI、Parabricks、cuEquivariance和BioNeMo模型——整合成一个任何智能体框架都可接入的连贯运行时，并在速度、精度和成本三个维度上提供清晰的价值主张。

开源策略同样值得关注。鲍威尔明确表示，该工具包已在GitHub上开放，并设计为可兼容开源和闭源前沿模型，为制药和生物科技企业提供了在英伟达工具箱之上构建自有领域专属"大脑"的灵活性。在知识产权保护、数据本地化合规和监管机构信任至关重要的行业环境中，这种灵活性意义重大。

鲍威尔在演讲结尾以一句话精准概括了英伟达的战略雄心："智能体AI已经革新了编程——这一点已成定论。现在，这个生态系统正在集结，准备以同样的方式革新科学本身。"她认为，对于生物科技领域的决策者而言，AI能否助力科学研究已不再是问题，真正的问题在于"AI是否拥有运行科学所需的正确工具"。凭借BioNeMo智能体工具包，英伟达正押注于：对于越来越大的行业细分市场而言，答案将是肯定的。

Q&A

Q1：BioNeMo智能体工具包能做什么？和普通大语言模型有什么区别？

A：BioNeMo智能体工具包是英伟达专为生命科学领域优化的软件技术栈，能将通用大语言模型转化为可执行端到端生物学与化学工作流的专业AI智能体，覆盖文献综述、蛋白质设计到实验室自动化等全流程。与普通大语言模型相比，BioNeMo重点优化了Token效率和计算成本，减少无效调用，同时提供蛋白质折叠、分子对接、生成式化学等经过验证的专业工具，使智能体能以更少资源完成更可靠的科研任务。

Q2：英伟达的智能体AI怎么用于药物研发？

A：以靶向MCL1蛋白的药物设计为例，科学家只需输入"为MCL1设计一个结合剂"这样的自然语言指令，BioNeMo智能体便会自动完成靶蛋白结构检索、候选结合剂生成、共折叠结构预测、对接构象评估及候选物排序全流程，最终将最优结果返回给科学家审核，全程无需人工干预。传统上这一流程需要数月专业人力，而AI智能体可大幅压缩至数天甚至数小时。

Q3：BioNeMo支持哪些AI模型？会不会造成供应商锁定？

A：BioNeMo智能体工具包采用与智能体框架无关的开放设计，可兼容基于OpenAI、Anthropic、企业自研大语言模型或英伟达Nemotron模型构建的智能体。工具包已在GitHub开放源代码，支持开源和闭源前沿模型，制药和生物科技企业可在英伟达工具箱之上自主构建专属领域模型，有效避免单一供应商锁定风险。