圖片來源：unsplash
英偉達正計劃聯合醫藥巨頭，趕上當前醫療ai熱潮。
當地時間1月12日，英偉達醫療健康副總裁兼總經理金伯利・鮑威爾（kimberly powell）宣布，英偉達將與製藥龍頭禮來公司達成合作，共同投資10億美元建立聯合ai實驗室，融合頂尖科學家與ai研究員，共同推進從實驗室到計算範式的根本性轉變。
消息在摩根大通第44屆年度醫療健康會議（j.p. morgan's 44th annual healthcare conference）上宣布，該會議素有「醫藥行業春晚」之稱，聚焦生物技術、生物製藥、罕見病治療、醫療器械、診斷技術、數字健康等議題。
今年大會焦點議題是基因編輯與ai醫療。會上，鮑威爾就ai醫療發表演講，還與摩根大通美國半導體分析師哈蘭・蘇爾（harlan sur）進行了對談。
「這是自我從業以來，醫療健康首次在技術企業部署和應用速度上處於領先地位。」她表示。
在鮑威爾看來，2025年是agentic ai的爆發之年，其推理、工具調用及與遺留系統交互的能力已成熟。醫療健康行業正率先大規模「僱用」這些ai agent，以應對全球數千萬的醫護人力短缺。
目前，全球共11家公司市值超過1萬億美元，英偉達和禮來佔據兩席。截至1月12日美股收盤，英偉達市值4.49萬億美元，全球最高。禮來公司市值1.02萬億美元，在醫療健康板塊市值最高。
在英偉達ceo黃仁勛對人工智慧演進路徑的梳理中，從創造內容的生成式ai，進階到能夠自主行動的代理ai後，最終，會向能在現實世界行動的物理ai階段演進。
鮑威爾表示，英偉達的物理ai布局同樣將影響醫療製藥行業，公司的cosmos模型和isaac機器人平台能在模擬數字世界中訓練機器人，再部署至物理實驗室，讓儀器能自主進行質量控制與調整，加速生物製造與研發。
除實驗室項目外，英偉達還在擴展面向醫療健康行業的ai模型和智能體產品組合，並將其開源。這意味著任何人都可以對相關技術進行修改和定製，以滿足自身需求。
以下金伯利・鮑威爾的演講全文：
大家晚上好。這是我第一次在你們和雞尾酒會之間做演講，但我會確保它儘可能地生動有趣。
首先我想說，這對醫療健康行業來說絕對是千載難逢的平台轉變時刻，我非常榮幸能連續第七年被邀請。英偉達在醫療健康領域已經耕耘了17年，我非常感謝會議提供這個機會，也感謝我們日復一日合作的眾多合作夥伴。我希望能夠分享未來的圖景。
2025年是代理式ai的爆發之年。過去12個月里，許多事情匯聚到了一起。你們聽說了推理ai模型——能夠進行推理的模型；你們聽說了工具調用軟體——能夠代表人類用戶使用工具；你們聽說了檢索增強生成——能夠將語言模型與可信的信息和知識連接起來。代理式ai已經到來，充滿活力，並且在醫療健康領域的部署速度比任何其他行業都要快。
黃仁勛上周向我們描述稱，物理ai已經迎來「chatgpt時刻」。由於我們在一個非常重要的領域——模擬中實現了閉環，機器人/具身ai可以在部署到現實世界之前先在計算機中學習，這使得我們在機器人領域取得了巨大進步，並且正在對整個醫療健康和生命科學產業產生深遠影響。
其實，我們已經在這方面努力了一段時間，許多公司也在這裡與大家分享，即ai正在開始理解和學習自然法則。尤其是在生物學領域，你們可能會聽說，我們正處在生物學的「transformer時刻」的開端。
讓我們先從思考ai領域正在發生什麼開始。花點時間理解ai為何能取得如此迅速的進展。我們世界最需要的東西之一就是開源模型和開源軟體。就像當年linux作為一個操作系統催生了全新的市場一樣，我們現在就處在這個時刻。令人驚嘆的是，開源模型如今已達到了前沿水平，這使得每一家初創公司、實際上每一個企業，都有機會像世界各地資源充足的大型ai實驗室一樣充分參與創新。在2025年初真正嶄露頭角的開源模型和推理模型絕對是創新的支柱。這些模型能夠「思考」，與人類更易產生共鳴，並能創造透明度和可解釋性的基礎。它們可以分解過去軟體中無法觸及或必須手動編碼的非常複雜的任務。
因此，如今80%的初創公司都建立在開源模型之上，這對英偉達來說是一個非常非常重要的戰略。過去幾年，我們一直在開源領域積累大量工作。實際上在2025年，英偉達成為了全球最大的開源ai貢獻者。在hugging face上，我們貢獻了超過650個語言模型、250個數據集，這些不僅涉及語言，還包括生物學、化學、機器人技術和視覺。
因此，構建生態系統的關鍵不僅僅是提供開源模型。當我們說開源模型時，實際上指的是三件事：一是模型本身；二是針對任何受監管公司或行業的開源數據集，你需要理解這些模型是如何誕生的，甚至可能在未來用於審計目的；第三是開源工具。就像所有智能一樣，學習永無止境。你與軟體、應用的每一次用戶交互，都是用來增強系統的訓練數據。因此，你需要為端到端的ai生命周期創建一個完整的工具鏈，這本質上是一個永無止息的生命周期。所以，當我們說開源模型時，其能力極其重要，但同時必須伴隨開源數據集和開源工具。
我們一直在一些非常重要的領域開拓。我們剛剛發布了第三代nemotron語言模型，它們絕對處於代理ai的前沿。我們最近發布了物理ai模型earth-2，用於氣候和天氣模擬。我們自己的clara模型用於醫療健康領域的生物醫學ai，涵蓋從靶點發現到分子設計和醫療ai推理的一切。的確，我們正處於物理ai「chatgpt時刻」的黎明。
許多物理ai源自我們在英偉達開創的基礎模型。去年的ces實際上是cosmos世界基礎模型的爆發時刻，它因理解世界而被評為展會最佳創新。這個世界基礎模型理解物理定律，理解空間感知，可以創建包含數百萬、數十億種排列組合的數字世界，機器人和物理實體可以在這些環境中學習。groot是用於機器人的模型，可以訓練機器人在這些物理世界中操作。所有不同的訓練策略，所有不同的任務，使我們從非常專用的機器人轉向更通用的機器人，它們可以完成真正驚人的任務。就在上周，我們首次開源了用於自動駕駛汽車的alpamayo模型。這個模型本質上是一個具備思考能力的自動駕駛車輛模型，其核心是大語言模型，是一個端到端的駕駛系統。這項了不起的工作將為未來許多物理ai奠定基礎。
關於2025年及未來，我同樣喜歡的一點是，代理ai已經變得可以「僱用」。我也確實很想「僱用」它，我想你們所有人也都會想。我剛才描述的所有突破——推理能力、調用必要工具的能力、與遺留系統交互的能力，無論是排班系統還是其他——在代理ai時代，這些都已基本得到解決。因此，全球的醫療系統都意識到，他們可以開始「僱用」這些代理式系統和平台，本質上作為數字同事，來彌補我們在醫療服務與專業醫療人員數量之間的巨大缺口。正如你們所知，世界衛生組織預測到2030年將短缺數千萬醫療工作者。我們可以把那些畢生奉獻給專業的優秀醫療工作者從大量不必要的臨床文書工作中解放出來。
我喜歡menlo ventures的報告，它印證了我的感受：在我從事這個行業以來，甚至有史以來，醫療健康首次在技術企業部署和應用速度上處於領先地位。其速度實際上是美國經濟整體速度的三倍。這是因為它正在解決如此緊迫的挑戰。這是一個價值4.9萬億美元的美國市場，我們正在以驚人的規模部署ai。這些都是付費的企業級軟體系統，現在正被「僱用」。全球首席信息官和醫療系統的心理已經認識到這是一個機會。出去再找500名醫生招聘到你的系統里是不可能的。但是，通過用我將要分享的系統來輔助你們優秀的醫生，我們有一個絕佳的機會來實現目標。
我談過這一點，我們也討論了相當長一段時間：軟體開發方式已經發生了根本性變化。這本質上就是所有代理式系統和所有軟體即服務平台在具備代理能力時的樣子。它們接收一些輸入提示，然後這個驚人的推理系統會理解用戶意圖。你將始終使用前沿模型，並用專業模型來增強這些前沿模型，因為工業領域的工作是精細、專業的，涉及專業知識，所以你必須調用許多不同的工具，將這些通用型代理連接起來，使其成為專家，並交付行業所需的價值。
讓我分享幾個精彩的例子。我想在座很多人都聽說過abridge，他們今年也在會議日程上。abridge是一個臨床對話ai平台。他們的平台也類似這些系統。通過以如此精妙的方式連接這些系統，以模塊化的方式理解工作流以改變工作流程，他們每天為醫生節省30%或更多的時間，幫助他們生成報告和處理事前授權。已經在超過200個醫療系統中部署，並且這個數字在過去六個月里還在急劇增長。
corti是一個醫療健康代理平台，正在幫助歐洲和nhs部署各種代理。類似地，我們還有speechmatics和sully，他們正在創建分診代理、登記代理。這些代理可以部署在整個醫院，同樣不一定是臨床工作，而是能創造雙贏局面的出色工作流程：醫療系統可以服務更多患者，患者則獲得極大改善的體驗。
現在，這些代理正在進入另一個高風險、高成本的行業領域——臨床開發。這是藥物研發和醫療器械過程中絕對必要但極具挑戰性的部分。它非常勞動密集型，非常手動，坦率地說，非常容易出錯。
我們與concertai這樣優秀的公司合作，他們幫助分層這些臨床試驗，甚至模擬其結果，以便進行更好的規劃，從而節省大量資金、時間和資源，並更精準、更快速地達到臨床試驗的目標。
cytoreason本質上是構建通過建立疾病模型來進行藥物研發的能力，利用知識圖譜等工具，基於真實世界數據來更好地理解和建模。
我們與iqvia合作已超過一年，他們正在部署代理式系統，從商業團隊的商業部署（能根據相關數據告訴你應在哪個區域聯繫哪位醫生，從而大大提高商業團隊的效率）到整個臨床試驗過程（尋找合適的初始研究，並以比以往快得多的速度構建這些研究）。
這個代理式數字健康生態系統正在英偉達平台上構建。依靠我們的開源模型、工具以及我們幫助他們連接和構建這些代理系統的能力，以實現不可思議的成果。
現在，代理ai也正處於一個非常激動人心的拐點：它們正在加速科學進程。特別是在生命科學領域，它已經對我們進行科學思考的方式產生了非常大的影響。
ai科學家就是代理式系統。它們可以去閱讀文獻，你可以與它們來回討論和推理。它們可以幫助你設計實驗，調用工具，這些工具可以是蛋白質結構預測的基礎模型，或者在數字實驗室中進行虛擬篩選，或者它們實際上可以去物理實驗室啟動一個實驗。你還可以把計算「干實驗室」看作是連接這個閉環的粘合劑，正如我們所描述的：你有代理式系統，你有物理空間，但你需要不斷地將每個實驗轉化為數字智能，融入到全球各地進行的研發工作中。
一個新興的ai科學公司生態系統正在形成，它們建立在英偉達的nemotron等模型之上。去年另一項巨大突破——強化學習——變得流行起來，用於創建超越通用理解、進入科學和技術領域的代理。它使用實驗數據來強化這些模型，並將它們微調到特定的科學任務。
edison是來自future house的新商業公司。這是一個令人驚嘆的ai科學家。這個科學家可以去閱讀1500篇論文，編寫4萬行代碼，並在大約16小時內合成一份研究報告，連續工作16小時，完成一名研究員原本需要4到6個月才能完成的工作量。這非常令人震驚。
禮來正在構建一個超級智能，一個完全集成的自主實驗室和代理系統。實際上，所有實驗都會反饋給超級智能，形成一個完整的閉環系統。
owkin將生物語言模型與深度患者數據相結合，真正幫助生物製藥團隊在決策時更有信心。
這些科學代理已經到來，並正在產生深遠影響。一個全新的科學範式正在湧現。我們知道，生命科學是最大的科學領域之一，而製藥研發是其中最大的部分。因此，一個價值3000億美元的研發產業將因這一範式而被重塑。
我想和大家分享代理是如何進入實驗室的。它們不僅將成為與你交談、合作、提出假設、為你創建報告的共同科學家，它們實際上將代表科學家或與科學家一起在實驗室里為你工作。
我們非常興奮地宣布，今天，我們正與全球實驗室儀器與服務領導者賽默飛世爾科技合作，構建我們稱之為「實驗室基礎ai基礎設施」。你們可以在那裡看到，那個小金盒本質上是一個名為igx的台式ai超級計算機。這個igx可以運行任何ai和加速計算工作負載。你可以把它放在手掌上。我們率先推出了這個首個代理式系統，使儀器能夠集成、智能化，就靠那個神奇的小金盒和我們共同構建的一些代理，你可以在科學家那裡實現閉環。有時，你甚至可以直接與儀器形成閉環。配備自動質量控制代理的儀器可以理解：「哦，我需要清理儀器里的某個東西。」它可以自主進行清理，並得出更好的實驗數據。
很明顯，這將推動、擴大實驗室的吞吐量，提高實驗質量，人類將不再是限制我們獲取數據並進行科學的瓶頸。所以，這是一次了不起的合作，我們很高興與賽默飛世爾合作，現在正進入物理ai領域。
濕實驗室是最混亂、最定製化的物理環境之一。因此，我們確實希望通過機器人智能來擴展實驗室，進入真實的物理實驗室世界。這裡有一個進程：我們不僅需要真正理解特定儀器的專用機器人，也希望它們能夠通用化。實際上，我們想要兼得兩者的優勢。
為了實現這種最佳狀態，英偉達創建了 「物理ai^3計算機平台」 。我早先描述過，你使用模擬和我們的cosmo世界基礎模型來創建數字世界，在其中訓練這些機器人。你可以改變光照，移動燒杯，練習各種不同的任務，先在模擬中訓練你的機器人。首先，你可以使用isaac訓練平台來訓練各種不同類型的機器人或完成大量不同的任務。有時是避免污染的任務，有時需要不同的感知能力，因為它們要尋找條形碼或特定尺寸的玻璃器皿，或者進行移液操作。然後，我們還有邊緣計算機供你部署。因此，ai和實驗室自動化正深入物理世界。
同樣，一類新型公司正在湧現，不僅是實驗室自動化，更是機器人實驗室自動化。我們正在與這個領域的一些傑出公司合作。
multiply labs使用我們的isaac平台訓練他們的機器人。他們在細胞和基因療法生物製造實驗室中做著了不起的工作，他們使用isaac系統訓練了數千種不同的任務。因為在進行一些更複雜的治療時，涉及非常多的步驟。這些步驟非常精確，而且實際上你不想讓人類參與，因為存在污染風險。他們已經取得了巨大的突破，例如，將製造成本高達10萬美元的細胞療法，通過他們的機器人系統降低到3萬美元，降幅超過70%。並且，他們在給定的實驗室面積內實現了100倍的吞吐量。這些突破將把藥物的規模化生產推向我們需要的高度。
同樣，highres biosolutions，大規模、完整的實驗室自動化。精細的機器人正在我們的環境中學習，使用isaac和cosmos進行訓練，學習所有這些不同的任務，將自動化提升到另一個水平。
還有opentrons，以其液體處理系統聞名，已部署在全球10,000個實驗室，同樣使用我們的平台構建模擬環境，並提高這些機器人系統在實驗室中處理日益複雜任務的速度。
好的，我們進入最後一章：ai開始學習自然法則。這上了幾條頭條。neurips會議是年度旗艦ai會議。那裡有超過30個以開發者為中心的研討會。該活動有大約50場生物和生命科學公司的派對，並被描述為「生物學的transformer時刻」 。ai驅動的製藥革命現在正在進行中，我們開始看到ai賦能的藥物進入臨床開發的後期階段，這非常令人興奮。
很多這些公司都在這裡。我們正在非常努力地推動生物學轉化模型領域的前沿。我們的目標不一定是要成為一家生物學基礎模型公司，但所有的方法論、所有擴展這些領域特定模型所面臨的挑戰，我們都致力於解決。語言是短片語合成一個句子序列，這與長達30億個字元的dna看起來非常不同。所以在談論生物學時，我們需要思考上下文長度。我們需要不同的模型架構。這些模型必須變得圖文化，並基於物理學基礎。所以有很多有趣的挑戰。
因此，我們一直在增加我們的clara開源模型，以幫助整個研究行業在我們推進過程中加速訓練更大模型和多模態模型的能力。我們對我們在la protina上的一些工作感到自豪，它允許你在原子尺度上設計蛋白質。我們最新宣布的是用於rna設計的rna pro，這是我們首次涉足。默克公司剛才也在這裡。我們與他們在kermit模型（用於預測毒性）上做了一些令人興奮的工作。因此，我們正努力通過這些開源模型貫穿整個藥物發現流程。我們還有一個用於分子合成的推理模型在我們的2.0版本中。這些模型令人非常興奮。
我們今天還宣布了對英偉達bionemo平台的一次相當大規模的擴展。我們不僅在大力投資這些開源模型，而且正如我所說，不僅僅是模型，還有數據集。我們有一個繼續投資數據的路線圖。這個行業，像自動駕駛汽車等其他行業一樣，將從合成生成的數據中受益。因此，我們生成了一些合成蛋白質。我們也非常關注數據處理，比如化學信息學、rdkit等工作流程。我們現在有一個gpu加速的nemo工具包，在化學處理上速度快了100倍。因此，這個平台的擴展真的是基礎性的，它本質上是那個粘合劑，是那個數字「干實驗室」，它將接收所有實驗中的智能，並持續增強這些模型，然後這些模型可以被代理式系統作為工具調用。
令人興奮的是，我們看到企業正在採用bionemo和一些非常令人興奮的平台。
basecamp research是一家ai原生公司，今天在這個會議上宣布了他們的eden平台。這是一個gpt-4規模的生物學模型，在10萬億個生物學「詞元」上訓練而成，現在能夠做到他們稱之為「基因插入」的事情，他們在抗菌和癌症領域的實驗室驗證結果非常具有突破性，是驚人的eden平台。
我們與專註於遊離dna檢測的natera合作。他們正在訓練自己的模型，同時也在其平台中構建代理式系統，為臨床開發提供建議，為臨床決策支持提供建議。
還有tetrascience，一個科學數據云平台，同樣致力於連接所有這些數據。我們知道，科學通常是在非常狹窄的範圍內進行的，但當你現在能夠開始跨越多組不同數據集學習，以提出所有這些科學問題時，我們正與他們合作。他們在內部部署bionemo模型，部署nemotron，這對科學家來說是一個了不起的平台。
所以，這就是願景，這就是科學的新範式。正如我所說，圍繞著「可以調用工具的ai科學家」這一願景，正在湧現出一群驚人的新市場、新公司，而這些工具通過實驗不斷變得更智能，而這些實驗則由代理來設置的自動化操作來完成。但你仍然需要機器人等來幫助你在物理世界中執行這些操作。
為了整合這一整個願景，我們非常興奮地宣布與禮來公司的合作夥伴關係擴展。今天，我們宣布與禮來建立首個同類聯合創新ai實驗室。這是第一次我們將世界領先的科學家與世界領先的ai研究人員聯合在一起，位於灣區南舊金山，與從事藥物發現的卓越科學和實驗室知識相鄰。
我們將在未來五年投資10億美元，以真正推動這一科學新範式、藥物發現加速新範式的前沿。這是建立在他們深刻的信念之上：他們看到了從90%濕實驗室/10%計算的模式轉變。想像一下，在未來幾年，這個比例將被徹底翻轉，並加速突破。我們將合作進行臨床開發、製造和實驗室自動化，正如我們所描述的他們正在做的事情。禮來在製造領域是世界級的，我們將加速物理ai在整個實驗室的部署能力。製造也將繼續具有變革性，幫助他們滿足其在全球創造的驚人藥物需求。
所以，這是今年一個非凡的開端。
以下為哈蘭·蘇爾與金伯利·鮑威爾的對談實錄：
哈蘭・蘇爾：我們看到了市場領導者，如安進、基因泰克以及最近的禮來，基於blackwell ultra的dgx超級計算機部署了黃仁勛所稱的「ai工廠」。這可能標誌著從試點項目轉向工業化規模開發和部署。你能為我們介紹一下你今天與製藥公司首席財務官進行的經濟性討論嗎？我們是否已經到了他們不再僅僅將gpu計算投資視為研發費用，而是視為必要的資本性基礎設施，整合ai代理、ai工具，直接決定其研發管線吞吐量和成功概率的階段？
金伯利・鮑威爾：是的，我認為，正如我剛才所描述的，這完全是一個全新的科學範式。想想那些出色的科學家。作為一個科學家或員工，你真的希望他們儘可能地高效。因此，隨著這種新興的、能夠整合所有數據的新科學方法的出現——想想禮來和許多製藥公司，數百年的科學成果都寫在電子實驗記錄本中，分散在公司各個角落——你現在有能力將這些全部重建為公司的集體知識。每一位在那裡工作的科學家（的知識）。坦率地說，這是一個人員流動率很高的行業。但是，為什麼在科學家離開公司時要失去他們所有的深刻理解呢？你可以將其重新注入系統。
從這個角度來看，就是獲取所有這些高價值的驚人數據並加以利用，以賦能整個組織。我們所處的這個「transformer時刻」正變得非常清晰。我們現在處於alphafold真正產生初步影響的第五年。它是推動該領域模型工作的靈感源泉。現在，每天都有成千上萬的生物學和分子模型被構建出來。隨著我們通過開源模型、數據集和工具所做的一切帶來的民主化，我們為那些非openai背景、但為完成本職工作而聘用的科學團隊提供了能力，使他們同樣能成為ai科學家和ai研究員，因為我們讓開發這些東西變得更加容易。
因此，我認為你描述的那個圖景——有代理科學家與你並肩工作，然後有一個干實驗室、一個濕實驗室——我的意思是，你說對了，它將被視為完全等同於你的濕實驗室。我絕對認為它將被完全視為像濕實驗室一樣的重要資產。我看到這個90-10的比例開始向這個方向翻轉，而且這並不意味著實驗室支出會減少，我們將只是進行更多的科學研究。這才是關鍵。這不是一個範式轉換，如果你轉向計算，我們就不需要更多的科學了？絕對不是。想想放射科醫生，相關報告已經出來了。每個人都曾以為，因為ai可以完成讀取圖像並在其中找到某些東西的任務（這是放射科醫生的任務之一），所以我們很快就不再需要放射科醫生了。這是我們的一位ai教父說過的話。事實上，最近的報告顯示，我們增加了招聘放射科醫生的數量，因為有更多的工作要做。所以我們應該把這看作是：我們將從根本上進行更多的科學研究，這本質上也會帶來更多的突破。
哈蘭・蘇爾：上周黃仁勛在ces進行了主題演講，發布新的gpu計算平台vera rubin。其中一個關鍵亮點是，vera rubin能將每個token的推理成本降低多達10倍。在公司推向市場的每一代gpu中，推理成本每年都在以3倍到10倍的幅度下降。考慮到這一點，在醫院，你強調了勞動力短缺危機，並引入了代理式ai作為從患者分診到管理編碼等一切問題的解決方案。對於一個在微薄利潤下運營的醫院首席執行官來說，部署英偉達賦能的代理，與傳統的增加人員相比，即時投資回報率是什麼？換句話說，推理成本現在是否終於低到足以讓這種方案在大眾醫療健康市場中可行？
金伯利・鮑威爾：是的，你說得對，在過去四年里，我們從hopper到blackwell到rubin，我們已經將推理成本降低了超過100倍。所以，如果你曾經花1美元運行一個代理，現在你只需花0.01美元。你需要這些來實現快速採用。因此，我剛才描述的這些公司，例如abridge現在有數億用戶，對吧？open evidence有數億用戶，並且他們在不斷使用。所以我們必須持續降低成本。
現在，投資回報率非常明確。如果一個醫生有30%的時間被釋放出來，那要麼是他們可以回歸家庭生活的30%生命時間，保持他們受雇和在工作中安全；要麼是你可以多看30%的病人。它帶來了各種各樣的好處。對患者是雙贏，對醫療系統也是雙贏。所以我們談到的許多公司，他們實際上在衡量他們為組織「歸還」了多少臨床分鐘數。我記得sully和speechmatics那邊，自平台部署以來，他們已經衡量出歸還給醫療系統的「時間」大約相當於57年。所以，這在投資回報率上是清晰可衡量的，因為你能歸還的「免費分鐘」越多，本質上就意味著你能處理的患者吞吐量越大。
哈蘭・蘇爾：當我們想到加速計算和ai時，我們通常認為用例和客戶是大型雲服務商（雲超大規模企業）、你的企業和合作夥伴。但黃仁勛總是提醒我們，還有一個主權ai的機遇。這是一個每年200億美元的市場機會。我們看到日本的tokyo-1、丹麥的gefion超級計算機啟動，都高度關注醫療健康和基因組學，由數據主權和國家競爭力的需求驅動。你是否將主權醫療健康雲視為團隊一個獨立於企業市場的增長因素？你是否預計每個主要經濟體都會進行類似的基礎設施建設？
金伯利・鮑威爾：我先回答最後一個問題：是的。我期望每個國家都能利用這個不可思議的、再次強調是千載難逢的機會。一些國家將從零醫療健康服務躍升為完全的ai原生醫療健康服務，這是一個絕佳的機會。既然我們已經讓這一切變得如此容易實現，我們做了幾件事：英偉達的平台存在於每個公有雲中；英偉達還開創了一代所謂的「neo雲」 ，即位於某些國家境內的雲，讓每個國家都有機會……我的意思是，如果你想想ai基礎設施是什麼，它和道路、電力、水一樣重要，是任何國家在未來繁榮發展的必要基礎設施。所以他們可以從公有雲獲取。如果這對他們合適，他們可以開始自建。很多電信公司正在轉型為可以託管雲服務的雲公司。如果你願意，你也可以在自己企業內部構建。
再回答你的第一個問題：不，它不是獨立的。它是我們企業業務的一部分。我們只是現在創造了條件，讓每個人都可以、應該、也將建立自己的基礎設施，以服務於自己的國家，實現繁榮。
哈蘭・蘇爾：很好。我們的時間差不多了。感謝你的參與，期待你們再次創造一個強勁的增長年。（作者｜胡珈萌，編輯｜李程程）
