制药业一直是AI最难啃的骨头之一——数据复杂、监管严格、失败率高、周期极长。
但今年2月，礼来（Eli Lilly）上线了一件让这个行业重新盯着看的设备：LillyPod。
什么是LillyPod
LillyPod是礼来自建的AI超级计算集群，完全由一家制药公司独立拥有和运营——这在医药行业是头一次。
硬件配置：1016颗英伟达Blackwell Ultra（DGX B300）GPU，总算力超过9000 petaflops（9百京次浮点运算/秒）。
从决定建到正式上线，只用了4个月。
礼来将其定位为一个AI工厂，不只是做一个任务，而是让整个药物研发流水线都跑在这上面——从蛋白质结构预测、基因组分析，到化合物筛选、临床试验设计和生产优化。
为什么礼来要自建
传统药企的AI通常外包给云厂商或者AI服务供应商。礼来的选择是把算力控制在自己手里。
理由有几个：
- 药物研发数据极其敏感，外部云存在数据主权和合规风险
- 自建可以针对制药场景做专项优化，不用和其他客户争资源
- 700TB的基因组数据、290TB的GPU高带宽内存——这个规模在外部跑代价太高
和英伟达的10亿美元合作
LillyPod只是礼来-英伟达合作的一部分。
两家公司同时宣布，将在旧金山联合成立AI协同创新实验室（Co-Innovation Lab），五年内合计投入最多10亿美元，用于人才、基础设施和算力。
重点方向：蛋白质扩散模型训练、小分子图神经网络、基因组基础模型。
这相当于让AI介入了新药研发最早期、最昂贵的那几个环节——通常也是失败率最高的地方。
行业大背景
2026年，AI制药已经从看起来很有前途走向了开始拿结果的阶段。
几个同期动作：
- 礼来以最高27.5亿美元从Insilico Medicine（AI药物发现公司）引进了几个临床前候选化合物
- 中国研究团队推出的DrugCLIP框架，能在几小时内扫描1000万个化合物-靶标组合，比传统虚拟筛选快1000万倍
- 多个AI设计的药物候选项正在推进临床试验
制药公司发现他们现在面对的问题不再是找不到候选分子，而是怎么快速从千万个候选里挑出最值得做临床的那几个。
LillyPod要做的，就是让这个筛选过程不再受算力约束。
参考来源：Lilly Launches LillyPod NVIDIA DGX SuperPOD for Genomics and Drug Discovery AI（HPCwire/AIwire）；NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery（NVIDIA Newsroom）；AI in Drug Discovery Hits New Milestone（AI News International）