國際生醫新聞

過去十年間，一個又一個電子科技巨頭試圖涉足醫療保健領域，但都以失敗告終。亞馬遜 (Amazon) 試圖重塑成本和交付方式的努力化為烏有、IBM 的沃森健康 (Watson Health) 以混亂告終、資金雄厚的 Alphabet 的專案 (如 Verily 和 Calico) 也未能產生與其核心科技業務相近的影響力。

然而，輝達 (Nvidia) ─ 一家晶片製造商 ─ 儼然已成為利用人工智慧在生物製藥研發產業設計藥物的主導者，它在醫療保健領域創造了 10 多億美元的收入。以下是輝達成功路上的幾個關鍵事件：

1. 1999 年，輝達推廣圖形處理單元 (GPU) 的概念。

2. 2006 年，推出名為 CUDA 的新程式設計語言，將其晶片從視訊遊戲渲染器 (video-game renderers) 變成了通用計算動力裝置。CUDA 允許輝達的晶片將計算任務分解成小部分，然後同時處理這些工作。突然之間，GPU 不再僅僅用於視訊遊戲。

3. 2010 年，輝達邀請其用戶 ─ 伊利諾大學的 Klaus Schulten，在其首次開發者大會上發表動態的 3D 分子動畫，利用輝達技術的預測模型回答了豬流感病毒如何抵禦抗病毒藥物的問題。

4. 2018 年，輝達不再只是個晶片製造商，它涉及的領域包括分子動力學、基因定序和冷凍電子顯微鏡 (CryoEM)。此外，當時 Google 的 DeepMind 取得了突破性進展，其名為 AlphaFold 的模型贏得了一項長期舉辦的蛋白質結構預測競賽；在幾年時間裡，AlphaFold 強大到足以將數以億計的胺基酸序列轉化為高精度的蛋白質 3D 預測結構。而 AlphaFold 的成功，也讓輝達的醫療保健副總裁 Kimberly Powell開始想像還有哪些可能。

5. 2022 年，輝達推出了 BioNeMo 軟體服務，提供包括 AlphaFold 在內的數十種人工智慧模型。其他模型可以用 DiffDock 類比分子對接、用 MolMIM 生成小分子、用 RFdiffusion 生成蛋白質，或者用 NeuralPLexer 預測分子與蛋白質的結合強度。

6. 2024 年，輝達於三月推出了所謂的「微服務」，向用戶收取每 GPU 每年 4,500 美元或每 GPU 每小時 1 美元的費用。

輝達的工程師為製藥公司優化、訓練和微調模型。製藥公司可以在幾分鐘內開始使用這些模型，無需自己具備人工智慧專業知識。它讓製藥公司做他們最熟悉的事情，而輝達則提供其核心優勢 ─「計算能力」與「工程技術」。

誠如台灣的股市，因為人工智慧的加持與輝達的推波助瀾，站上了歷史的高點，輝達也正迫不及待地將製藥業帶入下一個高峰。

資料來源：EndPoints、Nvidia