GTC 2026｜ “千万缺口”之下，NVIDIA把AI嵌入了医疗行业

作者毛烁世界卫生组织预测2030年全球医疗系统将面临高达1100万的专业医护人员短缺。与此同时在基础设施层面全球运行着16万家医院、40万间手术室承载着超过800万台医疗设备每年需要执行7.2万种极为复杂、非标准化的医疗程序。这带来一个很明显的变化是一边是医疗数据正在变得越来越“重”——影像、语音、文本、结构化指标全面叠加多模态数据不仅体量大而且彼此之间强耦合。另一边是算力需求同样在飙升大模型推理天然倾向于集中化的高性能算力中心。但问题在于医疗行业的数据根本“动不了”隐私、合规、知识产权决定了数据必须被锁在本地局域网或受控私有云里。这就出现了一个矛盾——算力集中但数据必须本地化。这也是为什么简单把云上的大模型“搬下来”是行不通的。而真正可行的路径其实是把模型能力、推理优化和系统工程能力整体下沉直接嵌入企业自身的IT基础设施里。NVIDIA在GTC 2026上发布的Nemotron开源模型家族Nemotron 3 Ultra、Omni、VoiceChat以及配套的NeMo框架正好提供了一整套可以落地的本地化Agentic AI底座。01 医疗Agent突破从三重瓶颈进一步拆解Nemotron优先解决的是几个具体的系统瓶颈。第一个瓶颈是吞吐量。医疗场景中Agent的作用是长链路、多步骤的任务执行即病历生成、文献检索、路径验证其本质上是持续的高强度推理负载。而这类任务会迅速放大Token消耗使系统长期运行在高并发运行状态。另外为了保证稳定性与推理能力采用的需要大模型是FP16或BF16精度。但这种“高精度”的代价是显存占用和内存带宽压力同步上升。一旦进入高并发场景很快就会触碰硬件极限吞吐量随之下降。而Blackwell架构适配的NVFP4四位量化模型 Nemotron 3 Super提供了更有利的部署路径。NVIDIA 最新发布的 Nemotron 3 Super采用混合Mamba-Transformer MoE架构具备120B 总参数和12B 活跃参数每token调用12B 所以不会大量占用显存并在训练与推理阶段引入NVFP4 优化。这样一来更低的数据位宽能够直接减少权重、激活值和相关计算过程带来的显存占用与带宽压力从而让同一套硬件支撑更大的batch和更高并发提升整体吞吐效率。截取自NVIDIA第二个瓶颈是时交互场景中的延迟。传统AI语音交互采用串行管线。ASR转录、LLM生成、TTS合成每一步都会有额外延迟。但是在医疗场景中这种延迟是灾难性的。而Nemotron 3 VoiceChat将语音识别、理解与生成融合在单一系统中并行处理进而延迟下降。但更重要的是其让交互模式发生变化系统可以一边“听”一边“理解”一边生成响应从而支持打断、插话等更接近真实医患沟通的交互行为。截取自NVIDIA在同一层面上新推出的Nemotron 3 Omni进一步统一了多模态感知将音频、视觉与语言理解归纳到同一潜在空间中减少了外部模型调用与调度复杂度也提高了跨模态信息提取的一致性。第三个瓶颈是可靠性。在强监管的场景下医疗场景中Agent的风险在于“生成错误信息却无法被察觉”。因此单纯依赖模型本身的能力无法满足要求必须在系统层引入安全机制。Nemotron在这一层采用的是“双层控制”。一层是模型安全对多模态输入输出进行实时检测另一层是检索增强生成RAG将外部权威知识库与生成过程强绑定确保输出具备可追溯依据。这实际上是在把生成式AI从“概率输出”转变为“受约束的生成”。当这些底层模型通过NVIDIA Agent Toolkit包含NeMo Gym、NeMo RL、TensorRT、Triton以及CUDA-X数据科学库如cuDF、cuML、cuVS集成后产生了显著的系统级的降本增效。截取自GitHub目前Heidi Health通过Nemotron Speech模型进行临床文档记录将系统延迟压缩75%同时降低64%的运营成本。IQVIA依托该架构部署了超150个专业智能体用于缩减临床试验中心选址等复杂工作负载。02 “算力换数据”重构生命科学的计算底座Nemotron解决了是医疗Agent进入真实工作流时的系统问题。这一层处理的是部署端即模型如何在高强度、强监管场景下稳定运行。但对NVIDIA来说沿着同样的路径其正在把GPU、模型框架与推理优化能力继续向生命科学更上游推进覆盖蛋白质结构预测、分子生成设计以及大规模基因组数据处理。这一场景对应的是另一类计算挑战一部分数据生成过慢一部分候选空间过大还有一部分数据处理链路本身已经逼近传统CPU体系的上限。NVIDIA给出的解法仍然是用底层计算重写任务流程再把原本受限于实验周期或串行处理能力的环节压缩进GPU加速的统一管线里。最先被改写的是蛋白质结构预测。在真实生物系统中蛋白质很少以孤立单体存在更多功能依赖复合体层面的相互作用。但从单体结构走向复合体预测计算复杂度会快速上升对模型表达能力、空间约束建模和推理效率都提出更高要求。围绕这一问题NVIDIA联合DeepMind、EMBL-EBI以及首尔大学团队对AlphaFold数据库进行了大规模扩展一次性生成约3000万个蛋白质复合物结构预测并新增170万个高置信度结果。这其中的意义在于其呈现了NVIDIA在生命科学上的一条明确技术路径通过GPU算力、等变神经网络库和推理优化框架协同把高复杂度结构预测任务转化为可规模化执行的数据生成流程。这其中cuEquivariance承担的是底层建模优化。传统方法需要通过大量训练去逼近三维空间中的旋转和平移不变性这会带来参数冗余和额外计算开销。cuEquivariance这类等变神经网络库则是在算子层直接引入物理对称性让模型从起点就满足空间约束减少无效计算。再叠加TensorRT对推理链路的压缩与优化整个OpenFold管线实现了超过100倍的速度提升。对应到结果层面这3000万个复合物结构预测本质上形成了一批可直接调用的预计算结构数据。这正是“以算力换数据”在NVIDIA生命科学技术栈中的一个落点——通过对模型、算子和推理框架的重写把原本高度受实验供给限制的结构空间先用计算批量展开。同样的逻辑继续延伸到生成式生物设计场景中。在BioNeMo体系中模型不再是“一次推理给出答案”而是引入了“测试时计算”Test-Time Compute机制。以维亚生物与NVIDIA合作优化的Proteina Complexa模型为例在生成候选结合剂结构之后系统不会直接输出结果而是通过内置的物理与热力学评分体系进行多轮评估与迭代优化。推理时间在这里不再是成本而是能力的一部分——计算资源投入越多搜索空间覆盖越充分生成结果越接近真实物理约束。这意味着模型从“生成答案”转向“生成并验证答案”。原本属于实验阶段的一部分筛选工作被前移到计算过程中完成从而显著缩小进入湿实验验证的候选空间。基因编辑与RNA药物的突破依赖于大规模、高吞吐量的基因组学分析。但传统基于CPU集群的BWA-GATK比对变异调用在面对海量数据时往往陷入宕机。Basecamp Research构建的Trillion Gene Atlas项目其BaseData数据集规模已扩展至所有公共数据库总和的10倍以上。为处理高达千万亿级的DNA碱基对其系统全面接入NVIDIA Parabricks计算套件通过对深度学习变异检测算法进行底层GPU并行化重写提供了10倍的数据处理加速将原本需要20年的分析任务强行压缩至两年内完成。在单细胞系统生物学领域构建具备高度动态仿真能力的“虚拟细胞模型”需要大量多组学训练矩阵。Tahoe Therapeutics构建了全球最大规模独立单细胞数据集Tahoe-100M涵盖1亿个细胞的高维度特征数据。03 3500块Blackwell罗氏制药的AI工厂“底座”当底层计算在单一节点释放出巨大效能后跨国制药巨头面临的挑战迅速就转向了系统整合。具体来说就是如何将AI能力深度嵌入药物发现、诊断到生产制造的全价值链。要完成这种规模化耦合零散采购云服务远远不够企业须建设可承载核心研发与制造任务的专属计算底座即“企业级AI工厂”。目前罗氏正在推进制药与诊断行业已公开最大规模的AI基础设施部署之一。其算力底座横跨美国与欧洲采用融合公有云与本地数据中心的混合架构整体GPU规模已超过3500块NVIDIA Blackwell。这样的设计逻辑在于中心化集群承担大模型训练与高吞吐计算任务全球研发节点则在本地环境中处理敏感数据、执行微调与推理从而兼顾算力集中调度、低延迟交互与合规要求。算力底座成形后最先被重塑的是药物发现流程。罗氏及其子公司Genentech持续强化“实验室—数据—模型”闭环战略Lab-in-the-Loop将实验反馈、数据积累与模型迭代纳入统一回路。目目前Genentech近90%的合格小分子项目已整合进AI研发流程。依托BioNeMo平台研究人员能够结合内部专有数据微调分子模型在更大化学空间中开展搜索与筛选。计算能力正在直接折算为研发时间某肿瘤降解剂分子的设计效率提升约25%某备用候选分子的开发周期也被压缩至7个月。说研发端解决的是“更快找到候选品”制造端面对的则是“更稳定的做出来”。在复杂生物制剂生产中物理产线上的试错、停机与重排代价极高。罗氏因此在制造网络中引入数字孪生体系利用NVIDIA Omniverse相关能力对工厂设计与流程进行高保真建模、仿真和优化。在诊断场景的核心任务中需要从海量数据中提取微弱而关键的疾病信号。罗氏部署了NVIDIA Parabricks以加速大规模数据洞察在数字病理领域则借助相关视觉分析能力处理高分辨率图像识别细微疾病模式。与此同时为提高数字健康场景中对话式AI的可靠性与合规性罗氏还引入了NVIDIA NeMo Guardrails对模型输出建立系统级安全护栏。由此可见AI在医疗产业中的落地已经不再局限于模型训练中心或单一业务系统而是进一步深入到实验室、工厂和诊断终端等真实业务现场。也正是在这一层面上新的问题随之浮现当AI开始进入高度动态、强约束、需要实时感知与连续动作执行的物理环境中原有的软件式智能框架已经难以覆盖医疗体系对“Physical AI”的需求开始迅速抬升。04 真实数据合成数据仿真环境Physical AI进入“手术室”“Physical AI”在医疗体系中的定位也许是最难被改造的部分。手术操作、器械协同、院内物流、床旁服务等任务面对的是高动态环境、多传感器输入、强安全约束和低时延执行要求。然而NVIDIA在GTC 2026给出的新方向是以面向医疗场景的Physical AI全栈工具链把数据、仿真、策略训练和边缘部署接成一条闭环。这套框架的起点是先解决真实训练数据不足的问题。NVIDIA在GTC 2026发布的Open-H定义为全球最大的医疗机器人数据集由约35家合作方共同构建包含776小时手术视频、11类机器人系统形态和4类手术适应症。其意义在于为视觉流、操作过程与机器人动作之间建立统一的训练基座让医疗机器人第一次拥有足够规模的真实世界先验。在真实数据之外第二层是可扩展的物理世界生成能力。NVIDIA推出的Cosmos-H 模型家族其中包括Cosmos-H-Surgical基于NVIDIA Cosmos用于面向医疗场景的物理约束合成数据生成。具体来说这一模型族可依据文本提示、参考图像或视频以及配对的机器人运动学信息生成手术视频其不只服务于数据扩增也可用于评估机器人策略方法是在给定当前状态和动作条件下预测手术环境的未来状态。目前Johnson Johnson MedTech已将 Cosmos 与 Isaac for Healthcare 的解剖仿真结合用于MONARCH泌尿外科平台的后训练数据增强。第三层是把语义理解直接映射到机器人动作控制。NVIDIA在GTC 2026发布的 GR00T-H是基于 NVIDIA Isaac GR00T N的视觉—语言—动作模型VLA。其能够接收临床任务的文本指令并生成运动命令也就是action tokens用于训练和评估在医疗环境中执行复杂物理动作的机器人。为了让这些模型能在接近真实医院的环境中反复试炼NVIDIA又在Isaac for Healthcare 中提供了Rheo blueprint。Rheo blueprint可用于构建精确的医院仿真环境覆盖临床流程、设备交互、人员走动和院内物流并支持两条仿真路径。一条偏向快速拼装环境与任务的Isaac Lab-Arena适合院内移动、搬运、协作等大场景任务另一条偏向精细操作与大规模强化学习后训练的Isaac Lab适合高精度操作策略开发。这样一来开发者无需从零搭建底层仿真框架就能把环境构建、任务定义、评测与训练连接起来。05 写在最后或许对英伟达来说医疗并不仅仅是垂直赛道的扩张更是其对自身技术栈价值的深度验证。医疗场景的苛刻程度极高。低延迟、强监管、高可靠性、数据不可出境这恰恰构成了最难被复制的压力测试。能在这里跑通的能力要从模型、推理框架到系统工程的整套沉淀。放到医疗本身来看1100万的医护人员缺口不会靠AI彻底填满也不该用这个逻辑去要求。但更现实的期待是用AI接管那些重复性高、负荷密集、容错空间极窄的工作让留下来的人力得以集中在真正需要人类判断的地方。AI介入医疗是重新分配人类注意力的去向——让医生少做记录员多做决策者。