最近，AI霸主英伟达市值突破了4万亿美元，成为全球最重要的股票之一。
同样，黄仁勋造就了一个财富奇迹，从不善言辞的工程师，到财富超越巴菲特老爷子。
谁能成为AI时代的黄仁勋？
不过，老黄明确表示：人人都必须学会计算机的时代过去了，人类生物学才是未来。
在他看来，未来生命科学会像传统行业（比如汽车和软件）那样高度工程化，走向理性设计时代。
“我相信，我们将实现计算机辅助药物设计。因为我们现在能够表示基因、蛋白质，甚至是细胞，几乎可以理解一个细胞的意义了。”
像设计芯片一样从头设计蛋白质？这放到以往可以说是天方夜谭，但现在已经从科幻走进现实。
今天，英伟达联合加拿大魁北克人工智能研究所Mila，推出了一款全新AI+蛋白质基础生成模型La-Proteina ，能够生成全原子级别的蛋白质结构和序列！
这是蛋白质设计领域的重大突破。
La-Proteina能够高精度生成多达800个残基的蛋白质，而大多数现有模型在处理如此长的蛋白质时会失败，甚至直接宕机。
这一功能，这对于蛋白质工程和药物设计具有重要意义。例如，在酶设计中，可以精确地设计活性位点的结构，从而提高酶的催化效率。
在英伟达的加持下，模型的计算效率也大大提高，单A100 GPU生成800残基蛋白仅需13.5秒！
这也意味着，AI蛋白质从头生成领域走向成熟，能够快速产生更完整，更有生物物理学意义的蛋白质。
生物分子正在进入设计时代。
蛋白质从头生成，新突破
从头生成蛋白质，并不是一个全新的概念。
尽管AI近两年在蛋白质生成上面进展迅速，但在设计精度上仍然不足。
之前的成果中，已经能够成功解决高质量的蛋白质骨架设计问题，但完全原子结构的生成带来了新的挑战。
这也意味着设计者必须从零开始构建蛋白质的结构和序列，并且在氨基酸维度进行建模，任务难度较高。
而La-Proteina的核心创新在于其“部分潜在蛋白质表示”和“流匹配"框架。
该框架专为联合生成蛋白质序列和全原子结构而设计，有效地将显式骨架建模与固定大小的残基潜在表示相结合，实现高效快速采样，以捕获序列和原子侧链。
图：La-Proteina的模型结构
这种方法解决了蛋白质生成中的一个关键挑战：显式侧链表示的维度可变性。
该模型在长链上实现了超过75%的共设计性，远超基线模型的两倍。
共设计性这一指标至关重要，因为它表明了生成结构与其相应序列保持稳定和可折叠的可能性。此外，该模型生成了更多样化的新型蛋白质结构，增加了发现新功能候选分子的机会。
此外，La-Proteina能够一次生成长达800个残基的共设计蛋白质。
图：La-Proteina 可以生成多达 800 个残基的多样化的蛋白质骨架
此前，在这一长度范围内，大多数模型因计算限制和内存限制而程序崩溃，无法生成有效样本。
而能够生成长达800个残基的蛋白质，不仅仅是增量改进，而是一个质的飞跃，它使得设计以前生成式人工智能无法触及的复杂、生物学相关蛋白质成为可能。
人类的平均蛋白质长度为510个残基，但许多功能性蛋白质，特别是治疗性抗体或酶，都是大型分子。
La-Proteina的800个氨基酸的生成能力意味着，它能够设计出远超人类平均蛋白质大小的蛋白质，甚至包括大型且复杂的蛋白质。
这直接解决了先前模型在处理此类长度时，因为模型直接崩溃，而无法生成样本的限制。这意味着可设计蛋白质类型的显著扩展，为复杂的生物工程开辟了新途径。
而为了验证分子的有效性，研究团队还评估了 La-Proteina 生成结构的生物物理质量，包括评估键角等物理指标。结果表明，La-Proteina 产生更高质量的结构，得分明显优于所有基线。
图：La-Proteina的蛋白质结构效度
也就是说，La-Proteina生成的分子接近于真实物理世界的蛋白质！
更值得一提的是，在英伟达强大的算力和工程能力支持下，单A100 GPU生成800残基蛋白仅需 13.5秒！这将极大地加快产业应用度。
图：单个A100GPU上的计算速度
该模型代码即将开源，目前预印本论文已经上线arXiv，涵盖了各种细节技术进行业，期待行业的复现与改进。
项目页面：
https://research.nvidia.com/labs/genair/la-proteina/#samples
预印本：
https://arxiv.org/abs/2507.09466
英伟达的AI生命科学野心
如今，英伟达已经成为AI+生命科学领域的关键推动者。
英伟达表示，医疗保健业务在2026财年ARR将超10亿美元，未来，医疗保健和生命科学领域存在超1000亿美元的AI计算机会。
为此，英伟达正在AI+生命科学的投入不断加大，通过基础模型、计算平台、投资合作成为生态的建构者。
此前，Arc Institute联合斯坦福大学发布了全球最大开源AI 生物学模型Evo2，高达400亿参数，能够执行跨 DNA、RNA 和蛋白质的通用预测和设计任务。
Evo2震惊了整个学界，背后就有英伟达的大手笔赞助。
Evo2在英伟达DGX Cloud AI 平台上训练，使用了2000多张H100 GPU，最终使得Evo 2 能够使用比 Evo 1 多 30 倍的数据进行训练，一次推理的核苷酸数量是 Evo 1 的 8 倍以上。
2022年，英伟达发布生命科学服务平台BioNeMo，将目光瞄准了生命科学领域。
BioNeMo打包了以下模型：蛋白质结构预测（AlphaFold2、ESMFold 和 OpenFold）、蛋白质生成（ProtGPT2）、蛋白质嵌入生成（ESM-1nv、ESM-2）、分子生成（MegaMolBART、MoFlow）和分子对接（DiffDock），并且可以部署英伟达DGX云服务中。
如今，BioNeMo平台不仅支持生物分子模型的训练和部署，还集成了NVIDIA NIM微服务和BioNeMo Blueprints，优化了从模型开发到推理部署的整个流程，显著缩短了药物研发时间并降低了成本。
不仅如此，不差钱的英伟达正在全球搜寻具有成长潜力的AI+生物制药公司，以培养新兴制药公司对于算力的需求。
据智药局不完全统计，英伟达已经投资了13家AI制药公司，涵盖小分子药物、蛋白质、单细胞、疾病研究等多个领域。
在英伟达的支持下，随着行业技术的不断突破，我们将迎来生命科学的设计与工程化时代。
