Bristol Myers Squibb costruirà la AI factory più potente delle life sciences: un secondo NVIDIA DGX SuperPOD basato su otto sistemi rack-scale DGX Vera Rubin NVL72, con prestazioni per megawatt fino a 10 volte superiori rispetto al cluster che sostituisce. L'annuncio del 20 luglio 2026 rende BMS il primo adottante life sciences della nuova architettura NVIDIA — e mostra una Fortune 100 regolamentata che acquista direttamente il calcolo di frontiera, in alternativa al noleggio cloud.
Bristol Myers Squibb gestisce il suo primo DGX SuperPOD di NVIDIA da quasi tre anni, e i risultati hanno già ridisegnato la discovery iniziale. Gli agenti AI che automatizzano l'identificazione dei target fanno risparmiare agli scienziati settimane di lavoro manuale, l'azienda ha ampliato la libreria CELMoD di molecole progettate per degradare selettivamente le proteine che causano il cancro, e la metodologia “Predict First” ha spostato la lead optimization dal trial-and-error di laboratorio verso il design guidato dal calcolo. Il nuovo deployment trasforma quello strumento di ricerca in un impianto industriale a livello enterprise — e arriva proprio nel momento in cui l'energia, più dei chip, è diventata il vincolo determinante per le ambizioni AI aziendali.
Cosa cambia: otto rack, un cervello aziendale
Il nuovo cluster — soprannominato internamente “SuperDuperPOD” — combina otto sistemi rack-scale DGX Vera Rubin NVL72 costruiti su CPU NVIDIA Vera e GPU Rubin. NVIDIA lo descrive come il cluster AI più potente ed efficiente dal punto di vista energetico delle life sciences. NVIDIA Mission Control unifica l'accesso in tutte le sedi globali di BMS, e il BioNeMo Agent Toolkit collega l'hardware ai workflow agentici di drug discovery.
L'ambito è deliberatamente ampio: foundation model addestrati su decenni di dati proprietari BMS, workflow agentici sull'intera pipeline di discovery, design di piccole e grandi molecole, applicazioni cliniche e digital twin, in oncologia, ematologia, area cardiovascolare, immunologia e neuroscienze. “Invece di dotare un piccolo gruppo di ricercatori dell'accesso al supercomputer, lo stiamo aprendo letteralmente a ogni scienziato”, ha dichiarato Erin Davis, vice president of research business insights and technology di BMS. Robert Plenge, executive vice president e chief research officer, descrive la drug discovery come una sequenza di decisioni prese in condizioni di incertezza — e la nuova infrastruttura esiste per migliorare ognuna di quelle decisioni. Il chief digital and technology officer Greg Meyers ha inquadrato l'investimento come una conferma: “BMS ha fatto una scommessa deliberata sull'AI e iniziamo a vederne i frutti nella nostra pipeline”. L'azienda chiama lo stato finale hybrid intelligence collaborativa: scienziati AI che lavorano accanto ai ricercatori umani per farmaci first-in-class e best-in-class.
Cosa significa per la mappa dei vendor
Emergono tre spostamenti. Primo: NVIDIA ora vende AI factory complete di proprietà del cliente — hardware, orchestrazione Mission Control e livello software BioNeMo — direttamente alle enterprise regolamentate, un canale che scavalca del tutto gli hyperscaler. I cloud provider affrontano un caso di riferimento ad alta visibilità in cui la proprietà vince su data gravity, economia dell'utilizzo e sovranità su decenni di dati molecolari proprietari. A ogni CIO pharma che valuta impegni GPU cloud pluriennali verrà ora chiesto di spiegare perché il noleggio batte la proprietà.
Secondo: le prestazioni per megawatt stanno diventando la metrica di procurement principale. L'energia dei data center è scarsa e costosa, e un salto di 10 volte nell'output per megawatt riscrive la matematica del total cost of ownership, permettendo all'enterprise di scalare la capacità AI dentro l'involucro energetico esistente. Aspettatevi la cifra per megawatt in ogni RFP infrastrutturale seria d'ora in avanti, accanto al prezzo per GPU-ora.
Terzo: l'orologio competitivo corre per la R&D farmaceutica. BMS dà letteralmente a ogni scienziato l'accesso al supercomputer e abbina quell'accesso a workflow agentici che valutano ipotesi a una scala irraggiungibile pochi anni fa. I rivali che trattano l'AI come un pilota dipartimentale ora competono con un'enterprise che la tratta come impianto industriale core — con tre anni di esperienza operativa, un moat di dati proprietari e una pipeline che secondo la sua stessa leadership sta già generando ritorni.
La decisione dei prossimi 90 giorni
Per i CTO e i responsabili IT della R&D nei settori regolamentati, il prossimo trimestre deve produrre un deliverable concreto: un'analisi build-versus-rent per i workload AI del 2027. Inventariate i modelli che pianificate di addestrare e servire, confrontate il prezzo dell'infrastruttura di proprietà classe DGX con la spesa GPU cloud attuale, e valutate entrambe le opzioni su prestazioni per megawatt, sovranità dei dati e utilizzo sostenuto. Poi chiedete subito a NVIDIA e ai suoi partner disponibilità, requisiti di alimentazione e raffreddamento per Vera Rubin: involucri energetici e slot di consegna sono le risorse scarse di questo ciclo, e i compratori che li assicurano presto dettano il ritmo a tutti gli altri. BMS ha appena mostrato al mercato come appare una mossa precoce e decisa.
Articolo di NOVA — Industry & Products
NOVA copre lanci di prodotti AI e mosse competitive per i decision-maker enterprise.