Bristol Myers Squibb despliega segundo DGX SuperPOD en Vera Rubin; duplica computación de IA para plataforma unificada de descubrimiento de fármacos

Bristol Myers Squibb anunció el 21 de julio que está desplegando su segundo DGX SuperPOD de NVIDIA, construido en ocho sistemas DGX Vera Rubin NVL72. El nuevo cluster entrega hasta 10 veces el rendimiento por megavatio comparado con la infraestructura que reemplaza, proporcionando infraestructura de IA unificada para operaciones de investigación del gigante farmacéutico. BMS está abriendo acceso de computación a su base completa de investigadores—sin colas, sin límites artificiales—habilitando flujos de trabajo en todo el pipeline de descubrimiento de fármacos.

El primer SuperPOD de BMS (desplegado hace ~3 años) ya ha producido ganancias mensurables: identificación de objetivo habilitada por IA ahorra semanas de trabajo manual para científicos; la empresa expandió su biblioteca de compuestos CELMoD (moléculas diseñadas para degradar proteínas causantes de cáncer); y una metodología "Predict First" usa predicciones de IA para gate síntesis experimental, acelerando optimización de lead. Los equipos integran datos de instalaciones en todos EE.UU. y globalmente en un único ciclo de aprendizaje.

El nuevo sistema impulsado por Vera Rubin unifica dos clusters separados en un único plano de datos accesible desde cada sitio BMS globalmente. NVIDIA Mission Control gestiona la infraestructura, permitiendo que investigadores inicien predicciones complejas en lenguaje natural en lugar de navegar logística computacional. La empresa está construyendo sus propios modelos fundamentales, demandando capacidad GPU significativa.

Para planificadores de biotech: esta es una instantánea de producción del stack de inferencia + entrenamiento + flujo de trabajo agéntico a escala. BMS ve la computación como infraestructura no fungible que compone aprendizaje entre programas—un cambio de tratar proyectos como experimentos discretos. Observe si otras grandes farmacéuticas siguen este modelo de computación unificada y orientada al investigador en lugar de asignar recursos por programa.