Persistent Systems 与 NVIDIA 合作加速 AI 驱动的药物发现

Persistent Systems 宣布与 NVIDIA 建立新的合作关系，旨在推进药物的发现、测试和上市方式。此次合作的重点是将 Persistent 的工程专业知识与 NVIDIA 的 AI 基础设施相结合，将计算药物发现从实验阶段推进到生产环境。

该倡议的核心目标是解决医疗保健领域长期存在的瓶颈：早期药物发现。这一阶段传统上缓慢、昂贵，并且严重依赖物理实验室工作。通过将更多流程转移到由 AI 驱动的高保真模拟中，两家公司旨在缩短时间线，同时提高下游成功的概率。

从湿实验室到模拟主导的发现

合作的一个核心组成部分是 Persistent 新开发的 Generative Molecules and Virtual Screening (GenMolIVS) 解决方案。该系统基于 NVIDIA 的 BioNeMo 平台构建，利用在化学和生物数据上训练的生成式 AI 模型来数字化设计和评估潜在的候选药物。

研究人员无需从一开始就在实验室中合成化合物并进行测试，而是可以在投入资源进行物理实验之前，模拟分子行为，如结合亲和力、稳定性和化学相互作用。这种方法使团队能够探索更大的设计空间，同时在此过程中早期过滤掉低概率的候选分子。

其结果是从试错实验转向模拟主导的决策，其中 AI 充当了第一层验证。

智能体 AI 进入药物发现工作流

此次合作的一个更引人注目的方面是将智能体 AI 系统引入发现流程。利用 NVIDIA 的 NeMo 框架和智能体工具包，Persistent 正在开发能够管理和协调不同研究阶段的 AI 智能体。

这些系统持续分析模拟输出，优先考虑有前景的分子候选物，并为实验验证推荐后续步骤。它们不是作为孤立的工具运行，而是作为相互关联的决策层运作，使一个阶段的见解能够为下一个阶段提供信息。这创造了一个更具动态性和响应性的研究工作流，在需要同时评估多个变量的环境中尤其有价值。

NVIDIA：基础设施与领域特定 AI

NVIDIA 的贡献超越了原始计算能力。该公司提供了一个为生命科学应用量身定制的全栈 AI 平台，包括用于领域特定模型训练的 BioNeMo、用于高级推理的 Nemotron 模型，以及用于可扩展部署的 NIM 微服务。

这种基础设施能够实现大规模的实时模拟和推理，同时保持受监管的医疗环境所需的可靠性水平。它还允许将 AI 输出直接嵌入企业系统，使其具有可操作性，而不仅仅是实验性的。

弥合 AI 实验与生产之间的差距

企业 AI 采用中的一个反复出现的挑战是试点项目与实际部署之间的差距。许多组织成功地进行了 AI 模型实验，但难以将其集成到关键任务工作流中。

此次合作明确强调通过从一开始就设计为生产就绪的系统来弥合这一差距。目标是将 AI 直接嵌入研究流程，确保模拟和见解能够立即影响现实世界的实验室工作。

这对药物开发的未来意味着什么

此次合作的更广泛意义在于向混合发现模式的转变，在这种模式下，数字模拟和物理实验协同运作，而不是分阶段进行。随着模拟取代大部分初始实验室工作，早期研究可能会变得显著加快，使团队能够以更高的速度测试和完善想法。

减少失败实验的数量有可能降低成本，同时提高整个开发流程的效率。与此同时，快速迭代分子设计的能力为更精准和个性化的疗法打开了大门。

更根本的是，这反映了科学研究进行方式的更深层次转变。AI 不再仅仅是一个支持工具，而是开始塑造发现过程本身的结构。随着模拟精度的提高和智能体系统能力的增强，计算建模与现实世界实验之间的界限继续模糊，指向一个未来：大量的早期科学过程在进入实验室之前就已经在计算机中完成。