北京
AI 正成为药物研发中日益重要的工具。然而，对许多制药和生物技术公司来说，挑战不在于找到更强大的模型，而在于如何让现有模型与专有研究数据和计算基础设施协同工作，使之对科学家真正有用。
这正是 Databricks 和NVIDIA 试图通过全新 Genesis Workbench 解决的问题:一个面向生命科学领域的开源 AI 应用构建蓝图。该项目并非推出新模型，而是将企业数据、NVIDIA BioNeMo 模型和 GPU 基础设施整合到一个统一环境中，帮助研究人员从搭建 AI 工作流快速过渡到实际使用。
Databricks 在博客文章中将Genesis Workbench 描述为"在Databricks 上构建生命科学应用的开源蓝图：一个模块化工作台，将计算药物研发的主要阶段整合到一个平台、一个 UI 和一套治理模型之下。"
核心痛点
药物研发项目通常需要组合多个 AI 模型与不同组件，它们在数据驱动的科学研究中各司其职。这些组件可能包括内部研究数据、实验结果和 GPU 资源。问题在于，这些组件通常分散在不同环境中，使协作和可复现性变得比必要情况更困难。
研究人员可用的 AI 模型数量还在不断增长。这使得将它们与专有数据和现有研究工作流一起管理变得更加重要。
Genesis Workbench 的解决思路
Genesis Workbench 是Databricks 对此的回应。它不是只聚焦药物研发流程的某一个环节，而是将基因组学、单细胞分析、蛋白质工程和小分子设计的工具整合到一个统一环境中，让研究人员能够更便捷地在不同任务间切换。
据 Databricks 介绍："通过在 Databricks AI Search 中集中管理公共和专有数据集，我们完全消除了对外部 API 的依赖。最终，这一无缝设置打通了流程中的每一个环节——使基因组学发现能够顺畅地流向单细胞验证、靶标结构预测、候选分子对接、ADMET 评估和排序。"
技术架构
Databricks 表示，该平台依赖通过 Unity Catalog 管理的开源模型，使用 MLflow 跟踪实验，由 GPU 加速的 Model Serving 处理推理。NVIDIA 贡献了其 BioNeMo Agent Toolkit（智能体工具箱），以及 Parabricks 等技术和不断扩展的生物与化学模型组合，可整合到科学工作流中。
该平台的一个显著特点是完全运行在客户自己的 Databricks 环境内。这一点至关重要，因为它使组织能够将敏感研究数据保留在现有治理管控范围内，而无需将其发送给第三方 AI 服务。
同时，随着生物 AI 持续演进，平台也具备灵活的扩展能力。新的 AI 模型会不断涌现，组织可以添加或替换单个模块，而无需重建整个研究环境。
更大的行业趋势
Genesis Workbench 也反映了企业 AI 平台演进方向的更广泛转变。行业早期的大量焦点集中在构建更大、更强的基础模型。但这种趋势正在改变。厂商越来越聚焦（并竞争）于这些模型与企业数据和领域特定工作流的整合程度。
生命科学——包括药物研发——构成了一个尤为严苛的环境：研究横跨多个学科，从基因组学、结构生物学到化学和临床数据，同时还需处理高度受监管的专有数据。在此环境中构建 AI 应用不仅需要原始算力，还需要安全的数据访问能力以及融入新模型的灵活性。
对 Databricks 而言，Genesis Workbench 是公司从分析领域进一步拓展到基于数据湖仓（lakehouse）构建 AI 应用的又一例证。对 NVIDIA 而言，该项目则将 BioNeMo 及其加速计算软件置于企业药物研发工作流的核心位置，而非将其当作独立的研究工具。
如果研究人员花在数据搬运、模型连接和基础设施配置上的时间更少，他们就能有更多时间专注于科学本身。这正是 NVIDIA 和 Databricks 试图通过 Genesis Workbench 实现的目标。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
