从影像工具
到数字生物学，
再到物理 AI。

NVIDIA 在 GTC 上推出 Project Clara，定位为一台旨在"革新医学影像"的医学影像超级计算机。这是 NVIDIA 把医疗正式列为加速计算重点行业的起点，标志着它从单纯的 GPU 供应商，开始向医疗 AI 基础设施提供方转型。

Clara 扩展到联邦学习：NVIDIA 与伦敦国王学院推出首个面向医学影像的隐私保护联邦学习系统。疫情期间，NVIDIA 组织全球约 20 家医院进行联邦学习，在不交换原始数据的前提下训练更具泛化能力的模型，用于预测症状患者的临床结局。这条"数据合规 + 多方协作"的线索后来固化为 NVIDIA FLARE。

这是对你所在领域最关键的一次发布。黄仁勋在主题演讲中提出，AI、physics-ML、光线追踪与边缘计算将重塑医疗器械：算法将被 AI 重写，器械将被边缘计算架构重新发明。他还做出一个商业模式预言——器械销售将被"医疗器械软件即服务（MDSaaS）"取代，并类比说医疗行业需要一个"软件定义的影像平台"，正如汽车行业需要软件定义的自动驾驶平台。Clara Holoscan 基于 AGX Orin 机器人芯片，面向超声、数字病理、内窥镜等场景。

NVIDIA 推出面向药物发现与生物学的生成式 AI 平台 BioNeMo，覆盖蛋白质与分子结构、生成式分子设计等任务。这一步把"生成式 AI"正式引入生命科学，为之后两年的"数字生物学"叙事埋下伏笔。

在这场被广泛引用的演讲中，黄仁勋先回顾 AI 如何依次学会理解文字、图像、视频、语音，然后抛出问题："我们还数字化了什么？"——答案是蛋白质、基因、脑电波。他的逻辑链是：只要数据有结构，就能学到模式；能学到模式，就能理解其含义；能理解，就有可能生成。由此宣告"生成式革命已经到来"。同期发布：BioNeMo 平台扩展、NIM（NVIDIA 推理微服务），以及与 AWS、Azure 扩大合作；现场还演示了手术机器人的灵巧操作。

医疗成为这届 GTC 的重头戏（Kimberly Powell 专场，数十项新品）。核心发布包括：Isaac for Healthcare——面向医疗机器人的开发框架，建立在 NVIDIA "三台计算机"之上（DGX 训练 / Omniverse 仿真 / Holoscan 边缘）；MONAI 多模态与智能体框架（你熟悉的 MONAI）；Holoscan 3.0 实时医学影像；以及与 Arc Institute 合作的 Evo 2——迄今最大的公开生物基础模型，训练于 9 万亿个核苷酸，可预测基因变异、甚至设计新基因组，在 BioNeMo 上开源。物理 AI 影像方面，与 GE HealthCare 合作探索自主 X 光与超声；并推出面向研究者与小型诊所的个人 AI 超算 DGX Spark。手术机器人生态密集落地：Moon Surgical Maestro（ScoPilot 获 FDA 许可，基于 Holoscan + IGX 700 Orin）、Medtronic GI Genius（首个 FDA 许可的 AI 结肠镜）、强生 MedTech Polyphonic、Karl Storz、Synchron 脑机接口。

黄仁勋将当下定义为智能体 AI（agentic AI）驱动的平台级转变，并延伸到医疗。NVIDIA 医疗负责人 Kimberly Powell 称"生物学与药物发现的 transformer 时刻已经到来"，并指出 4.9 万亿美元的医疗行业 AI 部署速度是大盘的两倍以上，初创公司占医疗 AI 支出的 85% 以上。重要发布：BioNeMo 新增 Proteina-Complexa 蛋白复合体模型加速蛋白质药物发现；与 Google DeepMind、EMBL-EBI、首尔国立大学合作，向 AlphaFold 数据库贡献约 170 万个新预测蛋白复合体；推出面向医疗机器人的开放物理 AI 模型（手术机器人采用方：CMR Surgical、强生 MedTech、Moon Surgical、Rob Surgical）；以及 Roche AI 工厂、Nemotron 3 / Cosmos 3 / Isaac GR00T N1.7 等。

在巴黎站，NVIDIA 宣布与 诺和诺德（Novo Nordisk）合作推进药物发现，借助丹麦旗舰主权 AI 超算 Gefion（由 DCAI 运营），共建定制 AI 模型与智能体用于早期研究与临床开发。NVIDIA 反复强调的一句判断是：没有哪个领域比药物发现更能从加速计算中获益。