EXCLUSIF : Les GPU Nvidia sont essentiels, mais ils ne décideront pas qui remportera la découverte de médicaments en IA, déclare le directeur technique de Generate | Benzinga France

Benzinga
Benzinga에서 열기
Share Facebook Twitter LinkedIn Pinterest Email

Les processeurs graphiques (GPU) de Nvidia Corp (NASDAQ: NVDA ) sont devenus la colonne vertébrale de l’intelligence artificielle , mais ils ne suffiront pas à déterminer les gagnants dans la découverte de médicaments par l’IA.

Dans un entretien exclusif par e-mail avec Benzinga, le cofondateur et directeur technique de Generate Biomedicines, Gevorg Grigoryan a déclaré que l’informatique avancée est une condition préalable à la conception de médicaments générés par l’IA, mais que le véritable avantage concurrentiel réside dans ce que les entreprises construisent au-delà de cette puissance de calcul.

La puissance de calcul est essentielle, mais elle ne constitue pas un rempart

Grigoryan n’a laissé guère de doute sur l’importance de l’accès à une informatique de pointe.

“Essentiel. L’envergure de l’entraînement des modèles, de la génération moléculaire et de l’évaluation que nous effectuons ne serait pas possible sans un grand nombre de GPU.”

Mais il a rapidement établi une distinction entre le fait d’avoir accès à la puissance de calcul et le fait de construire un avantage concurrentiel durable.

“La puissance de calcul à elle seule ne permet pas de se démarquer.”

Grigoryan a déclaré que les entreprises les plus susceptibles de mener la découverte de médicaments par l’IA seront celles qui combineront la puissance de calcul avec “des données biologiques exclusives, une échelle de mesure expérimentale et la capacité à boucler la boucle entre la génération et la mesure”.

En d’autres termes, les GPU fournissent la fondation, mais ce sont les données propriétaires et l’apprentissage continu qui transforment cette fondation en une plateforme durable.


Lire aussi :

EXCLUSIF : Le directeur technique de Generate Biomedicines révèle la plus grande contribution de Nvidia dans la découverte de médicaments par l’IA

Pourquoi la boucle de rétroaction est importante

L’approche de Generate s’articule autour de l’utilisation de l’IA pour générer de nouveaux candidats moléculaires, tester ces candidats expérimentalement et réinjecter les résultats dans ses modèles pour améliorer les prédictions futures.

Ce cycle continu de génération, de mesure et d’apprentissage permet aux modèles d’IA de l’entreprise de s’améliorer progressivement au fil du temps. Selon Grigoryan, il est impossible de reproduire cet avantage en augmentant simplement la puissance de calcul sans accès à des données biologiques uniques et à une expérimentation à grande échelle.

Ses commentaires reflètent un changement plus large dans le domaine de l’investissement dans l’IA. À mesure que l’informatique avancée devient plus largement disponible, les investisseurs s’intéressent de plus en plus à des éléments autres que l’infrastructure, afin d’identifier les entreprises disposant de jeux de données propriétaires, de plates-formes différenciées et de systèmes d’IA auto-améliorés.

Conclusion

Le point de vue de Grigoryan suggère que le paysage concurrentiel de la découverte de médicaments par l’IA entre dans une nouvelle phase. Bien que l’accès aux GPU Nvidia reste essentiel, il devient une exigence de base plutôt qu’un avantage déterminant.

Pour les investisseurs qui évaluent les sociétés de biotechnologie fonctionnant à l’IA, la question la plus importante pourrait être de savoir quelles plateformes sont capables de générer, de tester et d’apprendre continuellement à partir de données biologiques exclusives, créant ainsi une boucle de rétroaction que les concurrents ne peuvent pas facilement reproduire.


Lire aussi :

Nvidia aborde ses résultats dans la pire période de pertes depuis 2022, alors que Jim Cramer se prépare à poser “une cargaison” de questions

Crédit photo : Generate Biomedicines