製薬大手ブリストル・マイヤーズ スクイブ（BMS）は、NVIDIAの次世代AI基盤「Vera Rubin」を採用したDGX SuperPODを導入する。既存のAIクラスタで計算資源が飽和状態にある中、新システムでは全研究者が利用制限なくアクセス可能になる。これはAI活用を一部の専門家から全社的インフラへ移行させる転換点であり、創薬プロセス全体の再設計を示唆する。

既存クラスタはすでに飽和、計算需要が供給を上回る

BMSは約3年前からNVIDIA DGX SuperPODを運用し、AIによるターゲット同定や分子最適化で成果を上げてきた。しかし同社のリサーチ・ビジネスインサイト＆テクノロジー担当バイスプレジデント、エリン・デイビス氏は、大規模予測や自社基盤モデルの構築により「我々は飽和状態にある」と明かしている。今回のVera RubinベースのDGX SuperPOD導入は、単なる設備増強ではなく、研究組織全体で需要が供給を恒常的に超過している構造的問題への対応と位置づけられる。

Vera Rubinアーキテクチャがもたらす電力効率の飛躍

新たに導入される8台のDGX Vera Rubin NVL72ラックスケールシステムは、NVIDIA Vera CPUとRubin GPUで構成され、置き換え対象のインフラと比較してメガワットあたり最大10倍の性能を提供する。企業の公式ブログという情報源の特性上、比較対象の具体的な世代や測定条件は明示されていないが、電力効率の大幅改善が設計上の中心課題であることは明確だ。GPU集約型の創薬AIワークロードにおいて、電力制約は計算規模拡大の物理的限界となるため、この効率改善は利用可能な計算資源の総量を実質的に拡大する。

AIは実験の優先順位づけを再定義する

BMSの治療領域探索科学担当シニアバイスプレジデント、パヤル・シェス氏は「Predict First（予測を先行させる）」という方法論に言及している。これは複数パラメータの最適化において、AIによる予測を分子合成の優先順位決定に用い、実験段階で失敗する可能性が高い分子を事前に排除する手法だ。限られた実験資源を成功確率の高い候補に集中させるこの考え方は、AIが単なる効率化ツールではなく、研究資源の配分そのものを方向付ける意思決定インフラへと変化していることを示している。

産業構造に波及する製薬AIの計算需要拡大

この導入は製薬業界内の一企業の設備投資にとどまらず、GPU供給からクラウドサービス、AIモデル開発までを含む産業構造全体に影響を与えうる。BMSが自社基盤モデルを構築し、NVIDIA BioNeMo Agent Toolkitを含む統合AIプラットフォームを全研究者に開放するという形態は、外部APIへの従量課金型依存から、自社保有のAI工場への大規模資本投下への移行を意味する。国内の製薬企業や受託研究機関においても、計算資源の調達形態が研究開発戦略と直接連動する時代に入ったことを示唆する事例である。

今後見るべき論点は計算資源の民主化と成果の因果関係

「制限なき計算資源」を掲げるBMSの試みが成功するかは、利用制限の撤廃が実際の創薬成功確率やリードタイム短縮にどの程度寄与するかという因果関係の検証にかかっている。現時点でBMSはCELMoD化合物ライブラリの拡大などの成果を示しているが、Vera Rubin導入後の具体的なKPIは明らかにされていない。また、電力効率の向上がGPU調達コストとどのようにバランスするか、研究現場の文化やワークフローが計算資源の潤沢化にどう適応するかも、技術仕様以上に重要な観察点となる。