drug discoveryのAI computeは、一部専門家のための装置から全研究者が使うproduction infrastructureへ移り始めた。 Bristol Myers Squibbは7月20日、NVIDIA Vera Rubinベースの2基目のDGX SuperPODを導入すると明らかにした。NVIDIAの公式case studyによれば、このclusterは8台のDGX Vera Rubin NVL72 rack-scale systemで構成され、BMS社内では“SuperDuperPOD”と呼ばれている。

中心になる数字は効率だ。各rack-scale systemはNVIDIA Vera CPUとRubin GPUを組み合わせ、置き換え対象のinfrastructureに比べてmegawattあたり最大10倍の性能を提供すると説明されている。BMSは新systemを既存DGX SuperPODと統合し、世界各地の研究siteから同じAI platformへアクセスできる単一data planeを作る。biological AI向けにはNVIDIA BioNeMo Agent Toolkitも含まれる。

これは実験的なpilotではなく、約3年の運用後の拡張だ。BMSは既存DGX SuperPODでAI-enabled target identificationを行い、科学者の手作業を数週間削減したとしている。CELMoD compounds libraryの拡大、lead optimizationでの“Predict First”手法、large moleculesの大規模prediction、自社foundation model構築にもAIを使っている。GPU需要が飽和しているという説明は、この利用状況と結び付いている。

組織面の変更も大きい。BMSは、研究者がplain Englishで複雑なpredictionを開始できるAI-native toolingを用意し、計算専門家だけに依存する形を減らす。過去の買収に由来するsite別制限も整理し、Lawrencevilleのprogram dataをSan Diegoのteamが使うような横断的な学習loopを作る方針だ。

過度に読むべきではない。これは「AIが即座に新薬を出す」という話ではない。見るべき数字は、clinical candidateまでの速度、失敗実験の削減、program間のmodel再利用、そして全研究者へのcompute解放がR&D throughputを本当に押し上げるかどうかだ。

#bms

BMS、Vera Rubin 8ラックでdrug discovery用AI工場を全研究者へ