Related articles
图片来源：unsplash
英伟达正计划联合医药巨头，赶上当前医疗 AI 热潮。
当地时间 1 月 12 日，英伟达医疗健康副总裁兼总经理金伯利・鲍威尔 （Kimberly Powell） 宣布，英伟达将与制药龙头礼来公司达成合作，共同投资 10 亿美元建立联合 AI 实验室，融合顶尖科学家与 AI 研究员，共同推进从实验室到计算范式的根本性转变。
消息在摩根大通第 44 届年度医疗健康会议 （J.P. Morgan's 44th Annual Healthcare Conference） 上宣布，该会议素有 「医药行业春晚」 之称，聚焦生物技术、生物制药、罕见病治疗、医疗器械、诊断技术、数字健康等议题。
今年大会焦点议题是基因编辑与 AI 医疗。会上，鲍威尔就 AI 医疗发表演讲，还与摩根大通美国半导体分析师哈兰・苏尔 （Harlan Sur） 进行了对谈。
「这是自我从业以来，医疗健康首次在技术企业部署和应用速度上处于领先地位。」 她表示。
在鲍威尔看来，2025 年是 Agentic AI 的爆发之年，其推理、工具调用及与遗留系统交互的能力已成熟。医疗健康行业正率先大规模 「雇用」 这些 AI Agent，以应对全球数千万的医护人力短缺。
目前，全球共 11 家公司市值超过 1 万亿美元，英伟达和礼来占据两席。截至 1 月 12 日美股收盘，英伟达市值 4.49 万亿美元，全球最高。礼来公司市值 1.02 万亿美元，在医疗健康板块市值最高。
在英伟达 CEO 黄仁勋对人工智能演进路径的梳理中，从创造内容的生成式 AI，进阶到能够自主行动的代理 AI 后，最终，会向能在现实世界行动的物理 AI 阶段演进。
鲍威尔表示，英伟达的物理 AI 布局同样将影响医疗制药行业，公司的 Cosmos 模型和 Isaac 机器人平台能在仿真数字世界中训练机器人，再部署至物理实验室，让仪器能自主进行质量控制与调整，加速生物制造与研发。
除实验室项目外，英伟达还在扩展面向医疗健康行业的 AI 模型和智能体产品组合，并将其开源。这意味着任何人都可以对相关技术进行修改和定制，以满足自身需求。
以下金伯利・鲍威尔的演讲全文：
大家晚上好。这是我第一次在你们和鸡尾酒会之间做演讲，但我会确保它尽可能地生动有趣。
首先我想说，这对医疗健康行业来说绝对是千载难逢的平台转变时刻，我非常荣幸能连续第七年被邀请。英伟达在医疗健康领域已经耕耘了 17 年，我非常感谢会议提供这个机会，也感谢我们日复一日合作的众多合作伙伴。我希望能够分享未来的图景。
2025 年是代理式 AI 的爆发之年。过去 12 个月里，许多事情汇聚到了一起。你们听说了推理 AI 模型——能够进行推理的模型；你们听说了工具调用软件——能够代表人类用户使用工具；你们听说了检索增强生成——能够将语言模型与可信的信息和知识连接起来。代理式 AI 已经到来，充满活力，并且在医疗健康领域的部署速度比任何其他行业都要快。
黄仁勋上周向我们描述称，物理 AI 已经迎来 「ChatGPT 时刻」。由于我们在一个非常重要的领域——仿真中实现了闭环，机器人/具身 AI 可以在部署到现实世界之前先在计算机中学习，这使得我们在机器人领域取得了巨大进步，并且正在对整个医疗健康和生命科学产业产生深远影响。
其实，我们已经在这方面努力了一段时间，许多公司也在这里与大家分享，即 AI 正在开始理解和学习自然法则。尤其是在生物学领域，你们可能会听说，我们正处在生物学的 「Transformer 时刻」 的开端。
让我们先从思考 AI 领域正在发生什么开始。花点时间理解 AI 为何能取得如此迅速的进展。我们世界最需要的东西之一就是开源模型和开源软件。就像当年 Linux 作为一个操作系统催生了全新的市场一样，我们现在就处在这个时刻。令人惊叹的是，开源模型如今已达到了前沿水平，这使得每一家初创公司、实际上每一个企业，都有机会像世界各地资源充足的大型 AI 实验室一样充分参与创新。在 2025 年初真正崭露头角的开源模型和推理模型绝对是创新的支柱。这些模型能够 「思考」，与人类更易产生共鸣，并能创造透明度和可解释性的基础。它们可以分解过去软件中无法触及或必须手动编码的非常复杂的任务。
因此，如今 80% 的初创公司都建立在开源模型之上，这对英伟达来说是一个非常非常重要的战略。过去几年，我们一直在开源领域积累大量工作。实际上在 2025 年，英伟达成为了全球最大的开源 AI 贡献者。在 Hugging Face 上，我们贡献了超过 650 个语言模型、250 个数据集，这些不仅涉及语言，还包括生物学、化学、机器人技术和视觉。
因此，构建生态系统的关键不仅仅是提供开源模型。当我们说开源模型时，实际上指的是三件事：一是模型本身；二是针对任何受监管公司或行业的开源数据集，你需要理解这些模型是如何诞生的，甚至可能在未来用于审计目的；第三是开源工具。就像所有智能一样，学习永无止境。你与软件、应用的每一次用户交互，都是用来增强系统的训练数据。因此，你需要为端到端的 AI 生命周期创建一个完整的工具链，这本质上是一个永无止息的生命周期。所以，当我们说开源模型时，其能力极其重要，但同时必须伴随开源数据集和开源工具。
我们一直在一些非常重要的领域开拓。我们刚刚发布了第三代 Nemotron 语言模型，它们绝对处于代理 AI 的前沿。我们最近发布了物理 AI 模型 Earth-2，用于气候和天气模拟。我们自己的 Clara 模型用于医疗健康领域的生物医学 AI，涵盖从靶点发现到分子设计和医疗 AI 推理的一切。的确，我们正处于物理 AI「ChatGPT 时刻」 的黎明。
许多物理 AI 源自我们在英伟达开创的基础模型。去年的 CES 实际上是 Cosmos 世界基础模型的爆发时刻，它因理解世界而被评为展会最佳创新。这个世界基础模型理解物理定律，理解空间感知，可以创建包含数百万、数十亿种排列组合的数字世界，机器人和物理实体可以在这些环境中学习。Groot 是用于机器人的模型，可以训练机器人在这些物理世界中操作。所有不同的训练策略，所有不同的任务，使我们从非常专用的机器人转向更通用的机器人，它们可以完成真正惊人的任务。就在上周，我们首次开源了用于自动驾驶汽车的 Alpamayo 模型。这个模型本质上是一个具备思考能力的自动驾驶车辆模型，其核心是大语言模型，是一个端到端的驾驶系统。这项了不起的工作将为未来许多物理 AI 奠定基础。
关于 2025 年及未来，我同样喜欢的一点是，代理 AI 已经变得可以 「雇用」。我也确实很想 「雇用」 它，我想你们所有人也都会想。我刚才描述的所有突破——推理能力、调用必要工具的能力、与遗留系统交互的能力，无论是排班系统还是其他——在代理 AI 时代，这些都已基本得到解决。因此，全球的医疗系统都意识到，他们可以开始 「雇用」 这些代理式系统和平台，本质上作为数字同事，来弥补我们在医疗服务与专业医疗人员数量之间的巨大缺口。正如你们所知，世界卫生组织预测到 2030 年将短缺数千万医疗工作者。我们可以把那些毕生奉献给专业的优秀医疗工作者从大量不必要的临床文书工作中解放出来。
我喜欢 Menlo Ventures 的报告，它印证了我的感受：在我从事这个行业以来，甚至有史以来，医疗健康首次在技术企业部署和应用速度上处于领先地位。其速度实际上是美国经济整体速度的三倍。这是因为它正在解决如此紧迫的挑战。这是一个价值 4.9 万亿美元的美国市场，我们正在以惊人的规模部署 AI。这些都是付费的企业级软件系统，现在正被 「雇用」。全球首席信息官和医疗系统的心理已经认识到这是一个机会。出去再找 500 名医生招聘到你的系统里是不可能的。但是，通过用我将要分享的系统来辅助你们优秀的医生，我们有一个绝佳的机会来实现目标。
我谈过这一点，我们也讨论了相当长一段时间：软件开发方式已经发生了根本性变化。这本质上就是所有代理式系统和所有软件即服务平台在具备代理能力时的样子。它们接收一些输入提示，然后这个惊人的推理系统会理解用户意图。你将始终使用前沿模型，并用专业模型来增强这些前沿模型，因为工业领域的工作是精细、专业的，涉及专业知识，所以你必须调用许多不同的工具，将这些通用型代理连接起来，使其成为专家，并交付行业所需的价值。
让我分享几个精彩的例子。我想在座很多人都听说过 Abridge，他们今年也在会议日程上。Abridge 是一个临床对话 AI 平台。他们的平台也类似这些系统。通过以如此精妙的方式连接这些系统，以模块化的方式理解工作流以改变工作流程，他们每天为医生节省 30% 或更多的时间，帮助他们生成报告和处理事前授权。已经在超过 200 个医疗系统中部署，并且这个数字在过去六个月里还在急剧增长。
Corti 是一个医疗健康代理平台，正在帮助欧洲和 NHS 部署各种代理。类似地，我们还有 Speechmatics 和 Sully，他们正在创建分诊代理、登记代理。这些代理可以部署在整个医院，同样不一定是临床工作，而是能创造双赢局面的出色工作流程：医疗系统可以服务更多患者，患者则获得极大改善的体验。
现在，这些代理正在进入另一个高风险、高成本的行业领域——临床开发。这是药物研发和医疗器械过程中绝对必要但极具挑战性的部分。它非常劳动密集型，非常手动，坦率地说，非常容易出错。
我们与 ConcertAI 这样优秀的公司合作，他们帮助分层这些临床试验，甚至模拟其结果，以便进行更好的规划，从而节省大量资金、时间和资源，并更精准、更快速地达到临床试验的目标。
Cytoreason 本质上是构建通过建立疾病模型来进行药物研发的能力，利用知识图谱等工具，基于真实世界数据来更好地理解和建模。
我们与 IQVIA 合作已超过一年，他们正在部署代理式系统，从商业团队的商业部署 （能根据相关数据告诉你应在哪个区域联系哪位医生，从而大大提高商业团队的效率） 到整个临床试验过程 （寻找合适的初始研究，并以比以往快得多的速度构建这些研究）。
这个代理式数字健康生态系统正在英伟达平台上构建。依靠我们的开源模型、工具以及我们帮助他们连接和构建这些代理系统的能力，以实现不可思议的成果。
现在，代理 AI 也正处于一个非常激动人心的拐点：它们正在加速科学进程。特别是在生命科学领域，它已经对我们进行科学思考的方式产生了非常大的影响。
AI 科学家就是代理式系统。它们可以去阅读文献，你可以与它们来回讨论和推理。它们可以帮助你设计实验，调用工具，这些工具可以是蛋白质结构预测的基础模型，或者在数字实验室中进行虚拟筛选，或者它们实际上可以去物理实验室启动一个实验。你还可以把计算 「干实验室」 看作是连接这个闭环的粘合剂，正如我们所描述的：你有代理式系统，你有物理空间，但你需要不断地将每个实验转化为数字智能，融入到全球各地进行的研发工作中。
一个新兴的 AI 科学公司生态系统正在形成，它们建立在英伟达的 Nemotron 等模型之上。去年另一项巨大突破——强化学习——变得流行起来，用于创建超越通用理解、进入科学和技术领域的代理。它使用实验数据来强化这些模型，并将它们微调到特定的科学任务。
Edison 是来自 Future House 的新商业公司。这是一个令人惊叹的 AI 科学家。这个科学家可以去阅读 1500 篇论文，编写 4 万行代码，并在大约 16 小时内合成一份研究报告，连续工作 16 小时，完成一名研究员原本需要 4 到 6 个月才能完成的工作量。这非常令人震惊。
礼来正在构建一个超级智能，一个完全集成的自主实验室和代理系统。实际上，所有实验都会反馈给超级智能，形成一个完整的闭环系统。
Owkin 将生物语言模型与深度患者数据相结合，真正帮助生物制药团队在决策时更有信心。
这些科学代理已经到来，并正在产生深远影响。一个全新的科学范式正在涌现。我们知道，生命科学是最大的科学领域之一，而制药研发是其中最大的部分。因此，一个价值 3000 亿美元的研发产业将因这一范式而被重塑。
我想和大家分享代理是如何进入实验室的。它们不仅将成为与你交谈、合作、提出假设、为你创建报告的共同科学家，它们实际上将代表科学家或与科学家一起在实验室里为你工作。
我们非常兴奋地宣布，今天，我们正与全球实验室仪器与服务领导者赛默飞世尔科技合作，构建我们称之为 「实验室基础 AI 基础设施」。你们可以在那里看到，那个小金盒本质上是一个名为 IGX 的台式 AI 超级计算机。这个 IGX 可以运行任何 AI 和加速计算工作负载。你可以把它放在手掌上。我们率先推出了这个首个代理式系统，使仪器能够集成、智能化，就靠那个神奇的小金盒和我们共同构建的一些代理，你可以在科学家那里实现闭环。有时，你甚至可以直接与仪器形成闭环。配备自动质量控制代理的仪器可以理解：「哦，我需要清理仪器里的某个东西。」 它可以自主进行清理，并得出更好的实验数据。
很明显，这将推动、扩大实验室的吞吐量，提高实验质量，人类将不再是限制我们获取数据并进行科学的瓶颈。所以，这是一次了不起的合作，我们很高兴与赛默飞世尔合作，现在正进入物理 AI 领域。
湿实验室是最混乱、最定制化的物理环境之一。因此，我们确实希望通过机器人智能来扩展实验室，进入真实的物理实验室世界。这里有一个进程：我们不仅需要真正理解特定仪器的专用机器人，也希望它们能够通用化。实际上，我们想要兼得两者的优势。
为了实现这种最佳状态，英伟达创建了 「物理 AI^3 计算机平台」 。我早先描述过，你使用仿真和我们的 Cosmo 世界基础模型来创建数字世界，在其中训练这些机器人。你可以改变光照，移动烧杯，练习各种不同的任务，先在仿真中训练你的机器人。首先，你可以使用 Isaac 训练平台来训练各种不同类型的机器人或完成大量不同的任务。有时是避免污染的任务，有时需要不同的感知能力，因为它们要寻找条形码或特定尺寸的玻璃器皿，或者进行移液操作。然后，我们还有边缘计算机供你部署。因此，AI 和实验室自动化正深入物理世界。
同样，一类新型公司正在涌现，不仅是实验室自动化，更是机器人实验室自动化。我们正在与这个领域的一些杰出公司合作。
Multiply Labs 使用我们的 Isaac 平台训练他们的机器人。他们在细胞和基因疗法生物制造实验室中做着了不起的工作，他们使用 Isaac 系统训练了数千种不同的任务。因为在进行一些更复杂的治疗时，涉及非常多的步骤。这些步骤非常精确，而且实际上你不想让人类参与，因为存在污染风险。他们已经取得了巨大的突破，例如，将制造成本高达 10 万美元的细胞疗法，通过他们的机器人系统降低到 3 万美元，降幅超过 70%。并且，他们在给定的实验室面积内实现了 100 倍的吞吐量。这些突破将把药物的规模化生产推向我们需要的高度。
同样，HighRes Biosolutions，大规模、完整的实验室自动化。精细的机器人正在我们的环境中学习，使用 Isaac 和 Cosmos 进行训练，学习所有这些不同的任务，将自动化提升到另一个水平。
还有 Opentrons，以其液体处理系统闻名，已部署在全球 10,000 个实验室，同样使用我们的平台构建仿真环境，并提高这些机器人系统在实验室中处理日益复杂任务的速度。
好的，我们进入最后一章：AI 开始学习自然法则。这上了几条头条。NeurIPS 会议是年度旗舰 AI 会议。那里有超过 30 个以开发者为中心的研讨会。该活动有大约 50 场生物和生命科学公司的派对，并被描述为 「生物学的 Transformer 时刻」 。AI 驱动的制药革命现在正在进行中，我们开始看到 AI 赋能的药物进入临床开发的后期阶段，这非常令人兴奋。
很多这些公司都在这里。我们正在非常努力地推动生物学转化模型领域的前沿。我们的目标不一定是要成为一家生物学基础模型公司，但所有的方法论、所有扩展这些领域特定模型所面临的挑战，我们都致力于解决。语言是短词组合成一个句子序列，这与长达 30 亿个字符的 DNA 看起来非常不同。所以在谈论生物学时，我们需要思考上下文长度。我们需要不同的模型架构。这些模型必须变得图文化，并基于物理学基础。所以有很多有趣的挑战。
因此，我们一直在增加我们的 Clara 开源模型，以帮助整个研究行业在我们推进过程中加速训练更大模型和多模态模型的能力。我们对我们在 La Protina 上的一些工作感到自豪，它允许你在原子尺度上设计蛋白质。我们最新宣布的是用于 RNA 设计的 RNA Pro，这是我们首次涉足。默克公司刚才也在这里。我们与他们在 Kermit 模型 （用于预测毒性） 上做了一些令人兴奋的工作。因此，我们正努力通过这些开源模型贯穿整个药物发现流程。我们还有一个用于分子合成的推理模型在我们的 2.0 版本中。这些模型令人非常兴奋。
我们今天还宣布了对英伟达 BioNeMo 平台的一次相当大规模的扩展。我们不仅在大力投资这些开源模型，而且正如我所说，不仅仅是模型，还有数据集。我们有一个继续投资数据的路线图。这个行业，像自动驾驶汽车等其他行业一样，将从合成生成的数据中受益。因此，我们生成了一些合成蛋白质。我们也非常关注数据处理，比如化学信息学、RDKit 等工作流程。我们现在有一个 GPU 加速的 NeMo 工具包，在化学处理上速度快了 100 倍。因此，这个平台的扩展真的是基础性的，它本质上是那个粘合剂，是那个数字 「干实验室」，它将接收所有实验中的智能，并持续增强这些模型，然后这些模型可以被代理式系统作为工具调用。
令人兴奋的是，我们看到企业正在采用 BioNeMo 和一些非常令人兴奋的平台。
Basecamp Research 是一家 AI 原生公司，今天在这个会议上宣布了他们的 Eden 平台。这是一个 GPT-4 规模的生物学模型，在 10 万亿个生物学 「词元」 上训练而成，现在能够做到他们称之为 「基因插入」 的事情，他们在抗菌和癌症领域的实验室验证结果非常具有突破性，是惊人的 Eden 平台。
我们与专注于游离 DNA 检测的 Natera 合作。他们正在训练自己的模型，同时也在其平台中构建代理式系统，为临床开发提供建议，为临床决策支持提供建议。
还有 TetraScience，一个科学数据云平台，同样致力于连接所有这些数据。我们知道，科学通常是在非常狭窄的范围内进行的，但当你现在能够开始跨越多组不同数据集学习，以提出所有这些科学问题时，我们正与他们合作。他们在内部部署 BioNeMo 模型，部署 Nemotron，这对科学家来说是一个了不起的平台。
所以，这就是愿景，这就是科学的新范式。正如我所说，围绕着 「可以调用工具的 AI 科学家」 这一愿景，正在涌现出一群惊人的新市场、新公司，而这些工具通过实验不断变得更智能，而这些实验则由代理来设置的自动化操作来完成。但你仍然需要机器人等来帮助你在物理世界中执行这些操作。
为了整合这一整个愿景，我们非常兴奋地宣布与礼来公司的合作伙伴关系扩展。今天，我们宣布与礼来建立首个同类联合创新 AI 实验室。这是第一次我们将世界领先的科学家与世界领先的 AI 研究人员联合在一起，位于湾区南旧金山，与从事药物发现的卓越科学和实验室知识相邻。
我们将在未来五年投资 10 亿美元，以真正推动这一科学新范式、药物发现加速新范式的前沿。这是建立在他们深刻的信念之上：他们看到了从 90% 湿实验室/10% 计算的模式转变。想象一下，在未来几年，这个比例将被彻底翻转，并加速突破。我们将合作进行临床开发、制造和实验室自动化，正如我们所描述的他们正在做的事情。礼来在制造领域是世界级的，我们将加速物理 AI 在整个实验室的部署能力。制造也将继续具有变革性，帮助他们满足其在全球创造的惊人药物需求。
所以，这是今年一个非凡的开端。
以下为哈兰·苏尔与金伯利·鲍威尔的对谈实录：
哈兰・苏尔：我们看到了市场领导者，如安进、基因泰克以及最近的礼来，基于 Blackwell Ultra 的 DGX 超级计算机部署了黄仁勋所称的 「AI 工厂」。这可能标志着从试点项目转向工业化规模开发和部署。你能为我们介绍一下你今天与制药公司首席财务官进行的经济性讨论吗？我们是否已经到了他们不再仅仅将 GPU 计算投资视为研发费用，而是视为必要的资本性基础设施，整合 AI 代理、AI 工具，直接决定其研发管线吞吐量和成功概率的阶段？
金伯利・鲍威尔：是的，我认为，正如我刚才所描述的，这完全是一个全新的科学范式。想想那些出色的科学家。作为一个科学家或员工，你真的希望他们尽可能地高效。因此，随着这种新兴的、能够整合所有数据的新科学方法的出现——想想礼来和许多制药公司，数百年的科学成果都写在电子实验记录本中，分散在公司各个角落——你现在有能力将这些全部重建为公司的集体知识。每一位在那里工作的科学家 （的知识）。坦率地说，这是一个人员流动率很高的行业。但是，为什么在科学家离开公司时要失去他们所有的深刻理解呢？你可以将其重新注入系统。
从这个角度来看，就是获取所有这些高价值的惊人数据并加以利用，以赋能整个组织。我们所处的这个 「Transformer 时刻」 正变得非常清晰。我们现在处于 AlphaFold 真正产生初步影响的第五年。它是推动该领域模型工作的灵感源泉。现在，每天都有成千上万的生物学和分子模型被构建出来。随着我们通过开源模型、数据集和工具所做的一切带来的民主化，我们为那些非 OpenAI 背景、但为完成本职工作而聘用的科学团队提供了能力，使他们同样能成为 AI 科学家和 AI 研究员，因为我们让开发这些东西变得更加容易。
因此，我认为你描述的那个图景——有代理科学家与你并肩工作，然后有一个干实验室、一个湿实验室——我的意思是，你说对了，它将被视为完全等同于你的湿实验室。我绝对认为它将被完全视为像湿实验室一样的重要资产。我看到这个 90-10 的比例开始向这个方向翻转，而且这并不意味着实验室支出会减少，我们将只是进行更多的科学研究。这才是关键。这不是一个范式转换，如果你转向计算，我们就不需要更多的科学了？绝对不是。想想放射科医生，相关报告已经出来了。每个人都曾以为，因为 AI 可以完成读取图像并在其中找到某些东西的任务 （这是放射科医生的任务之一），所以我们很快就不再需要放射科医生了。这是我们的一位 AI 教父说过的话。事实上，最近的报告显示，我们增加了招聘放射科医生的数量，因为有更多的工作要做。所以我们应该把这看作是：我们将从根本上进行更多的科学研究，这本质上也会带来更多的突破。
哈兰・苏尔：上周黄仁勋在 CES 进行了主题演讲，发布新的 GPU 计算平台 Vera Rubin。其中一个关键亮点是，Vera Rubin 能将每个 token 的推理成本降低多达 10 倍。在公司推向市场的每一代 GPU 中，推理成本每年都在以 3 倍到 10 倍的幅度下降。考虑到这一点，在医院，你强调了劳动力短缺危机，并引入了代理式 AI 作为从患者分诊到管理编码等一切问题的解决方案。对于一个在微薄利润下运营的医院首席执行官来说，部署英伟达赋能的代理，与传统的增加人员相比，即时投资回报率是什么？换句话说，推理成本现在是否终于低到足以让这种方案在大众医疗健康市场中可行？
金伯利・鲍威尔：是的，你说得对，在过去四年里，我们从 Hopper 到 Blackwell 到 Rubin，我们已经将推理成本降低了超过 100 倍。所以，如果你曾经花 1 美元运行一个代理，现在你只需花 0.01 美元。你需要这些来实现快速采用。因此，我刚才描述的这些公司，例如 Abridge 现在有数亿用户，对吧？Open Evidence 有数亿用户，并且他们在不断使用。所以我们必须持续降低成本。
现在，投资回报率非常明确。如果一个医生有 30% 的时间被释放出来，那要么是他们可以回归家庭生活的 30% 生命时间，保持他们受雇和在工作中安全；要么是你可以多看 30% 的病人。它带来了各种各样的好处。对患者是双赢，对医疗系统也是双赢。所以我们谈到的许多公司，他们实际上在衡量他们为组织 「归还」 了多少临床分钟数。我记得 Sully 和 Speechmatics 那边，自平台部署以来，他们已经衡量出归还给医疗系统的 「时间」 大约相当于 57 年。所以，这在投资回报率上是清晰可衡量的，因为你能归还的 「免费分钟」 越多，本质上就意味着你能处理的患者吞吐量越大。
哈兰・苏尔：当我们想到加速计算和 AI 时，我们通常认为用例和客户是大型云服务商 （云超大规模企业）、你的企业和合作伙伴。但黄仁勋总是提醒我们，还有一个主权 AI 的机遇。这是一个每年 200 亿美元的市场机会。我们看到日本的 Tokyo-1、丹麦的 Gefion 超级计算机启动，都高度关注医疗健康和基因组学，由数据主权和国家竞争力的需求驱动。你是否将主权医疗健康云视为团队一个独立于企业市场的增长因素？你是否预计每个主要经济体都会进行类似的基础设施建设？
金伯利・鲍威尔：我先回答最后一个问题：是的。我期望每个国家都能利用这个不可思议的、再次强调是千载难逢的机会。一些国家将从零医疗健康服务跃升为完全的 AI 原生医疗健康服务，这是一个绝佳的机会。既然我们已经让这一切变得如此容易实现，我们做了几件事：英伟达的平台存在于每个公有云中；英伟达还开创了一代所谓的 「NEO 云」 ，即位于某些国家境内的云，让每个国家都有机会……我的意思是，如果你想想 AI 基础设施是什么，它和道路、电力、水一样重要，是任何国家在未来繁荣发展的必要基础设施。所以他们可以从公有云获取。如果这对他们合适，他们可以开始自建。很多电信公司正在转型为可以托管云服务的云公司。如果你愿意，你也可以在自己企业内部构建。
再回答你的第一个问题：不，它不是独立的。它是我们企业业务的一部分。我们只是现在创造了条件，让每个人都可以、应该、也将建立自己的基础设施，以服务于自己的国家，实现繁荣。
哈兰・苏尔：很好。我们的时间差不多了。感谢你的参与，期待你们再次创造一个强劲的增长年。（作者｜胡珈萌，编辑｜李程程）
