La industria farmacéutica siempre ha sido uno de los huesos más duros de roer para la IA: datos complejos, regulaciones estrictas, altas tasas de fracaso y ciclos extremadamente largos.
Pero en febrero de este año, Eli Lilly puso en marcha un equipo que hizo que toda la industria volviera a mirar: LillyPod.
Qué es LillyPod
LillyPod es un clúster de supercomputación de IA construido por la propia Eli Lilly, propiedad y operado de forma independiente por una empresa farmacéutica, algo sin precedentes en el sector.
Configuración de hardware: 1.016 GPU NVIDIA Blackwell Ultra (DGX B300), con una potencia de procesamiento total superior a 9.000 petaflops (9 exaflops).
Desde la decisión de construirlo hasta su puesta en marcha oficial, solo pasaron 4 meses.
Eli Lilly lo posiciona como una fábrica de IA, no solo para realizar una tarea, sino para que todo el proceso de desarrollo de fármacos se ejecute en él, desde la predicción de la estructura de proteínas y el análisis genómico, hasta el cribado de compuestos, el diseño de ensayos clínicos y la optimización de la producción.
Por qué Eli Lilly construye su propio sistema
Tradicionalmente, las farmacéuticas subcontratan la IA a proveedores de la nube o servicios de IA. La elección de Eli Lilly es mantener el control de la potencia de cálculo en sus propias manos.
Algunas razones:
- Los datos de investigación de fármacos son extremadamente sensibles; la nube externa conlleva riesgos de soberanía de datos y cumplimiento normativo
- La construcción propia permite optimizaciones específicas para escenarios farmacéuticos, sin tener que competir por recursos con otros clientes
- 700 TB de datos genómicos, 290 TB de memoria de alto ancho de banda de GPU: esta escala sería demasiado costosa de ejecutar externamente
La colaboración de 1.000 millones de dólares con NVIDIA
LillyPod es solo una parte de la colaboración entre Eli Lilly y NVIDIA.
Las dos empresas también anunciaron la creación conjunta de un Laboratorio de Innovación en IA (Co-Innovation Lab) en San Francisco, con una inversión total de hasta 1.000 millones de dólares en cinco años, destinada a talento, infraestructura y potencia de cálculo.
Áreas de enfoque: entrenamiento de modelos de difusión de proteínas, redes neuronales de grafos para moléculas pequeñas, modelos fundacionales genómicos.
Esto equivale a permitir que la IA intervenga en las fases más tempranas y más costosas del desarrollo de nuevos fármacos, también aquellas con las tasas de fracaso más altas.
Contexto del sector
En 2026, la IA en el desarrollo de fármacos ha pasado de ser una promesa prometedora a una fase en la que comienza a dar resultados.
Algunos movimientos simultáneos:
- Eli Lilly adquirió por hasta 2.750 millones de dólares varios compuestos candidatos preclínicos de Insilico Medicine (una empresa de descubrimiento de fármacos con IA)
- El framework DrugCLIP, presentado por un equipo de investigación chino, puede escanear 10 millones de combinaciones compuesto-diana en pocas horas, 10 millones de veces más rápido que el cribado virtual tradicional
- Varios candidatos a fármacos diseñados por IA están avanzando en ensayos clínicos
Las farmacéuticas descubren que el problema actual ya no es encontrar moléculas candidatas, sino cómo seleccionar rápidamente, entre millones de candidatos, aquellos que más merecen ser llevados a ensayos clínicos.
LillyPod fue creado para que este proceso de selección ya no esté limitado por la potencia de cálculo.
Fuente de referencia: CocoLoop, 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)