Nvidia 医疗保健和生命科学部门副总裁兼总经理 Kimberly Powell 指出，代理式 AI 将为生物技术带来堪比软件领域的变革。Nvidia 推出的 BioNeMo 正是将通用大语言模型转化为高效、低成本 "AI 科学家 " 的核心技术栈。
打造生命科学的 "AI 科学家 "
Powell 将 AI 比作显微镜、X 射线晶体学和基因测序后的新一代科学仪器。与传统仪器仅能观察或测量不同，新一代 AI 仪器具备推理、规划和行动能力。
Nvidia 正式推出 BioNeMo Agent Toolkit，这是一套旨在将大型语言模型转变为特定领域 AI 智能体的软件堆栈。它能够执行从文献综述、蛋白质设计到实验室自动化的端到端生物学和化学工作流程，同时优化性能与成本。
Powell 强调，拥有 3000 亿美元年度制药预算和 3.8 万亿美元全球研发支出的生命科学行业，已在过去十年为这一转折点做好准备。随着代理式 AI 的出现，由 LLM" 大脑 " 驱动、通过框架管理工具和安全策略的系统正在成为现实。BioNeMo Agent Toolkit 即为针对生命科学优化的版本，而 NeMo Curator 和 NemoClaw 则是其通用版本。
" 智能体正在成为生命科学的现代应用层，"Powell 表示，" 生命科学行业的数千家公司都将成为智能体的构建者。" 这意味着下一层应用不再是传统的图形用户界面，而是协调数字和物理实验室工作的专用智能体网络。
兼顾速度与成本的科学工具箱
BioNeMo Agent Toolkit 主要为生物技术团队解决三大核心问题：
标准化工具调用：将蛋白质折叠、分子对接、生成式化学等成熟生科模型打包为具有清晰输入输出模式的可调用工具。
灵活部署：通过 NIM 微服务暴露能力，支持本地、公有云或混合环境运行，满足制药公司对数据驻留和监管的要求。
优化效率：不仅追求准确性，更优化令牌效率和计算成本，减少智能体在寻找工具或重试失败步骤时的资源消耗。
Powell 指出，BioNeMo 赋予智能体完成复杂工作流的 " 专业知识 "，从而实现更高的任务完成度和更低的令牌开销。此外，该工具包是 " 智能体无关 " 的，可服务于基于 OpenAI、Anthropic、内部 LLM 或 Nvidia Nemotron 模型构建的智能体，避免企业被锁定在单一模型供应商。
从 " 人在回路 " 到闭环实验室
在演示环节，Powell 展示了针对 MCL1 蛋白（一种帮助肿瘤细胞存活的蛋白）的生物结合剂设计工作流。传统流程需数月人工投入，而使用 BioNeMo 后，智能体可自主检索靶点结构、生成候选结合剂、评估对接姿态并返回最佳候选者，全程无需人工干预。
Edison Scientific 联合创始人兼 CTO Andrew White 指出，随着智能体进步，" 人类出题、智能体答题 " 的时代已结束，真正的瓶颈已转移至运行新实验。这凸显了闭环数字和机器人实验室的重要性，即 " 人在回路 " 的验证机制不可或缺。
行业运营模式的深层变革
对于生物技术领导者而言，这一技术演进意味着运营模式的根本转变：
时间线大幅压缩：科学发现周期从数年缩短至数月，甚至数天。Chai Discovery 首席执行官 Josh Meier 举例称，抗体设计成功率在几年内已从千分之一提升至 10% 至 15%。
湿实验室速度成为瓶颈：随着计算机模拟设计加速，未经速度优化的实验室检测成为竞争短板，收紧干湿实验循环成为必要。
协作模式重构：制药业正从依赖深厚科学关系转向整合 AI 实验室、工具提供商和平台公司的合作伙伴关系，形成每项实验都能反馈给专有基础模型的闭环系统。
打破学科壁垒：生物学家可通过自然语言利用高级建模，无需编写代码，模糊了 " 计算生物学家 " 与 " 湿实验生物学家 " 的界限。
标准化代理式堆栈的战略意图
从行业视角看，Nvidia 此举意在为生物技术标准化代理式堆栈。BioNeMo Agent Toolkit 将 Nvidia 现有的 MONAI、Parabricks 等技术转化为连贯的运行环境，任何智能体框架均可接入。
该工具包已在 GitHub 开源，兼容开放和封闭的前沿模型。在知识产权和数据安全至关重要的背景下，这种灵活性赋予制药公司构建自身领域特定 " 大脑 " 的选择权。
Powell 总结道：" 代理式 AI 已经彻底改变了编程。现在，这个生态系统正在组建，以革命性地改变我们要熟知的科学。" 借助 BioNeMo Agent Toolkit，Nvidia 正押注 AI 将成为运行科学的正确仪器。
【星途科讯 图文丨欧阳布布 首发于 ZAKER 科技，转载请注明出处】
