达索系统 BIOVIA
从提示到方案:
MARIE如何重塑药物发现
达索系统 BIOVIA 面向药物发现的智能体 AI 正在迎来新升级。
基于 3DEXPERIENCE 平台，BIOVIA 正借助 NVIDIA BioNeMo 与BioNeMo Agent Toolkit 打造更强大的虚拟助手 **MARIE**，进一步缩短科学家从提出问题到正确完成计算的路径，同时提升研发决策所依赖的**准确性、精度、可解释性与可追溯性**。
在计算药物设计领域，真正的难点从来不只是“有没有方法”，而是能否在具体语境中**正确执行方法**：选择合适的技术路线，以正确的方式配置，按照正确的顺序运行，并把结果交到真正需要答案的科学家手中。与此同时，结果还必须足够清晰，并能对不确定性作出明确判断。减少这一过程中的摩擦，正是下一阶段价值提升的关键，而这也是 MARIE 被设计出来要解决的问题。
● 聚焦加速：让科研计算更快、更优
达索系统与 NVIDIA 正在将 NVIDIA 的加速计算能力与达索系统面向科学家和工程师的应用相结合，带来更快、更高质量的输出，让客户能够以更高效率推进软件驱动的产品开发。
这一合作的意义，不只是性能提升，更在于让先进计算能力真正进入科学研发主流程，帮助团队更顺畅地完成从问题提出到结果获取的全过程。
● 计算范式正在发生阶段性变化
如今，计算领域正经历一次明显的阶段性跃迁。机器学习的进步，正在打开几年前尚不存在的新可能。
长期以来，达索系统始终站在将 AI、机器学习与加速计算结合起来部署建模和仿真应用的前沿，也因此积累了深厚的方法论与实践经验。现在，这些经验正汇聚成一种更加统一的路径。
BIOVIA 正在 3DEXPERIENCE 平台上重塑科学体验：把科学建模、仿真与数据科学能力，与 NVIDIA 的加速计算、生成式 AI 和智能体 AI 结合起来，帮助科学家更高效地从数据走向洞察，加速疗法与材料创新。
● 认识MARIE：面向科学家的虚拟助手
MARIE 是科学家体验的核心。作为部署在 3DEXPERIENCE 平台上的 AI 驱动虚拟助手，它能够把科学知识直接带到科学家和研究人员面前。
MARIE 并不是一个简单外挂在工作流之上的聊天机器人，而是一个真正面向科研工作的科学助手。它可以通过自然语言与用户交互，并在恰当的时刻，把科学家连接到正确的科学工具上。
● 借助 Agent Toolkit，走得更远、更快
为了让 MARIE 更快进化，BIOVIA 正在整合多项新能力：一方面，为求解器引入新的加速方式，例如基于机器学习的近似方法和 GPU 批量优化；另一方面，结合 NVIDIA 的加速计算能力，进一步提升复杂计算任务的执行效率。
其中，BioNeMo Agent Toolkit 为MARIE团队带来了智能体方法、工具调用和 GPU 容量优化方面的最新创新，也成为 BIOVIA 使用 NVIDIA全生命周期科学技术栈的关键基础。与此同时，BIOVIA 还在与NVIDIA Nemotron 协同，构建能够协调复杂科学工具与任务的自主智能体。
除了流程编排，生物分子模型本身同样重要。面向 MolMIM 的 NVIDIA NIM 微服务，以及新一代化学语言模型，能够帮助更快识别治疗候选物、理解分子作用机制，并预测分子的性质与行为。
这些能力并非游离在主业务之外的实验性项目。今天，BIOVIA 的药物发现解决方案已经能够访问 NVIDIA NIM 微服务，并持续引入更多 NIM 微服务、开源模型、库、框架以及生命科学场景配方，以增强并加速现有软件能力。
● 为什么这很重要
这一切的重点，并不是为了 AI 而使用 AI。
真正的目标，是让一线科学家能够以更少的摩擦完成工作，让从想法到计算、再到实验的路径更短。通过让 MARIE 理解自然语言提示，并在结果高度依赖“正确工具、正确配置、正确顺序”的情况下完成任务，BIOVIA 正在让计算药物设计变得更快、更具成本效率。
更关键的是，这一过程并没有牺牲科研结果之所以值得信赖的根本：**准确性、精度、可解释性，以及方法使用过程的完整可追溯性**。
在这样的图景中，智能体 AI 并不是要替代科学严谨性，而是要移除科学家意图与正确、可辩护计算执行之间的额外负担。这正是“演示效果好的 AI”与“能够在高风险、强监管研发环境中被真正信任的 AI”之间的区别。
● 从“能不能做”,走向“下一步该问什么”
这场演进仍处于早期阶段，但节奏正在持续加快。
随着越来越多 NVIDIA 加速计算能力被编织进科学家日常使用的解决方案中，药物发现团队关注的问题，也将从“这个方法能不能跑起来”，转向“我们下一步应该提出什么问题”。
而这，正是科学家最应该投入注意力的地方。
当 AI 真正理解科研语境，并能够调动正确的方法、工具与流程时，药物发现的效率提升就不再只是速度问题，而是科研工作方式本身的重构。
对于生命科学企业而言，这意味着一个更可信、更高效、也更具规模化潜力的研发未来正在到来。
