Databricks e NVIDIA: impulsionando a próxima geração de AI para as indústrias

Transformações de casos de uso das indústrias com AI

Enquanto nos preparamos para o re:Invent da Amazon Web Services (AWS) em Las Vegas, uma tendência é inconfundível: as empresas estão indo além de projetos-piloto genéricos de GenAI e agora estão desenvolvendo sistemas de AI específicos de domínio e prontos para produção, que exigem tanto computação de alto desempenho quanto profundo conhecimento do setor.

Juntas, Databricks e NVIDIA estão possibilitando essa mudança. Ao combinar a Databricks Data Intelligence Platform com a computação acelerada e o stack de software de AI da NVIDIA, os clientes podem resolver seus desafios mais complexos, desde pesquisa clínica e descoberta de medicamentos até logística global e manufatura.

Embora essa plataforma conjunta impulsione soluções em quase todos os setores, incluindo detecção de fraudes em tempo real e recomendações de mídia personalizadas, três áreas estão ganhando um impulso inovador hoje:

1. Imagens médicas
2. Descoberta de medicamentos e P&D em ciências da vida
3. Otimização de rotas e AI para cadeia de suprimentos

Ao executar SDKs, frameworks e bibliotecas CUDA-X da NVIDIA diretamente no Databricks on AWS, as empresas podem manter dados confidenciais seguros em seu ambiente da AWS enquanto aproveitam a aceleração de GPU de última geração.

Aprimorando imagens médicas com Databricks Pixels e NVIDIA MONAI

As organizações de saúde enfrentam um enorme desafio de dados: quase 97% dos dados médicos não são estruturados, com imagens bloqueadas em formatos proprietários como o DICOM. Os radiologistas geralmente têm dificuldade para indexar, fazer query e preparar esses datasets para pipelines de AI.

Databricks Pixels resolve isso ingerindo milhões de arquivos DICOM diretamente no Delta Lake, extraindo metadados para consultas rápidas enquanto gerencia dados de pixel nativamente. O NVIDIA MONAI, o framework de código aberto para imagens médicas acelerado por GPU, traz recursos avançados de AI diretamente para esses dados selecionados.

Juntas, as organizações podem criar fluxos de trabalho eficientes para:

• Segmentação de imagens 3D
• Detecção de lesões e detecção de anomalia
• Rotulagem e classificação automatizada de órgãos
• Analítica de imagens multimodais

Executar o MONAI no Databricks permite:

• Fluxos de trabalho automatizados com alinhamento clínico
• Suporte a diagnósticos mais rápido
• Maior compliance com os requisitos de governança de dados de saúde

Saiba mais no re:Invent no estande n.º 1022 da NVIDIA — quarta-feira, 3 de dezembro, às 10h30. Ou começar a criar com o repo Pixels no GitHub. 

Acelerando a descoberta de medicamentos com o Genesis Workbench e o NVIDIA BioNeMo

A descoberta moderna de medicamentos exige o processamento de enormes datasets biológicos — estruturas de proteínas, interações moleculares, perfis genômicos — e a execução iterativa sobre eles em grande escala. Isso pode levar anos e bilhões em investimentos de P&D. A IA generativa está transformando esse pipeline, permitindo que pesquisadores modelem estruturas de proteínas, projetem novas moléculas e analisem o comportamento celular com uma velocidade sem precedentes.

O Genesis Workbench, Solution Accelerator de código aberto da Databricks, torna a AI biológica avançada acessível com forte governança de dados e implantação simplificada. 

Em combinação com a computação acelerada da NVIDIA no Databricks Serverless GPU Compute, os pesquisadores podem integrar perfeitamente:

• NVIDIA BioNeMo Framework para química generativa e modelagem de proteínas
• RAPIDS single-cell para transcriptômica escalonável de célula única
• Parabricks para fluxos de trabalho genômicos acelerados por GPU 

Esta plataforma unificada permite que os pesquisadores:

• Fazer o ajuste fino e implantar modelos generativos específicos de domínio
• Realize a triagem virtual de compostos em grande escala
• Reduzir o tempo de obtenção de percepções para a descoberta terapêutica
• Acelere os ciclos de P&D em ciência de proteínas, genomics e biologia celular

Veja ao vivo no re:Invent, no estande n.º 1420 da Databricks, na quarta-feira, 3 de dezembro, às 10h. E comece a criar agora, usando o Genesis Workbench no GitHub. 

Solucionando logística complexa com otimização de rotas acelerada por GPU

Organizações de manufatura, varejo e logística enfrentam um dos problemas matemáticos mais difíceis em operações: o Problema de Roteamento de Veículos (VRP). Em CPUs, grandes cargas de trabalho de VRP do mundo real podem levar horas para serem compute, geralmente exigindo pré-clusterização manual, o que limita a qualidade das soluções.

Com GPUs Serverless do Databricks e o NVIDIA cuOpt, as organizações agora podem executar a otimização de rotas em grande escala e em tempo real. O NVIDIA cuOpt é um mecanismo de otimização acelerado por GPU capaz de resolver as maiores cargas de trabalho de roteamento com:

• Tempo de resolução mais rápido
• Rotas de maior qualidade
• Menores custos operacionais
• Re-roteirização dinâmica em segundos

Ao alimentar o cuOpt com as posições da frota em tempo real, os destinos dos pacotes, o tráfego e os dados meteorológicos do Delta Lake, as empresas podem:

• Reduzir o consumo de combustível
• Melhore a precisão da janela de entrega
• Otimizar milhares de rotas simultaneamente
• Responder instantaneamente a interrupções do mundo real

Comece a criar hoje mesmo com o Route Optimization no GitHub.

Junte-se à Databricks e à NVIDIA no AWS re:Invent

Esses casos de uso são apenas o começo. Se você deseja criar casos de uso da indústria em nível de produção, convidamos você a explorar o que é possível.

Encontre-nos pessoalmente no re:Invent:

• Estande da Databricks nº 1420
• Estande n.º 1022 da NVIDIA

Participe das nossas sessões:

• Genesis Workbench x BioNeMo: Estande da Databricks nº 1420 — 3 de dezembro, a partir das 10h.
• Pixels x MONAI:  Estande n.º 1022 da NVIDIA — 3 de dezembro, a partir das 10h30.

Reserve seu lugar e join a festa:

• Terça-feira, 2 de dezembro de 2025 - das 19h às 22h (PST) | Grand Lux Cafe, The Venetian

(This blog post has been translated using AI-powered tools) Original Post