製藥業一直是 AI 最難啃的骨頭之一——數據複雜、監管嚴格、失敗率高、週期極長。
但今年 2 月，禮來（Eli Lilly）上線了一件讓這個行業重新盯著看的設備：LillyPod。
什麼是 LillyPod
LillyPod 是禮來自建的 AI 超級運算叢集，完全由一家製藥公司獨立擁有和營運——這在醫藥行業是頭一次。
硬體配置：1,016 顆輝達 Blackwell Ultra（DGX B300）GPU，總算力超過 9,000 petaflops（9 百京次浮點運算/秒）。
從決定建到正式上線，只用了 4 個月。
禮來將其定位為一個 AI 工廠，不只是做一個任務，而是讓整個藥物研發流水線都跑在上面——從蛋白質結構預測、基因組分析，到化合物篩選、臨床試驗設計和生產優化。
為什麼禮來要自建
傳統藥廠的 AI 通常外包給雲端廠商或 AI 服務供應商。禮來的選擇是把算力控制在自己手裡。
理由有幾個：
- 藥物研發數據極其敏感，外部雲存在數據主權和合規風險
- 自建可以針對製藥場景做專項優化，不用和其他客戶爭資源
- 700TB 的基因組數據、290TB 的 GPU 高頻寬記憶體——這個規模在外部跑代價太高
與輝達的 10 億美元合作
LillyPod 只是禮來-輝達合作的一部分。
兩家公司同時宣布，將在舊金山聯合成立 AI 協同創新實驗室（Co-Innovation Lab），五年內合計投入最多 10 億美元，用於人才、基礎設施和算力。
重點方向：蛋白質擴散模型訓練、小分子圖神經網路、基因組基礎模型。
這相當於讓 AI 介入了新藥研發最早期、最昂貴的那幾個環節——通常也是失敗率最高的地方。
行業大背景
2026 年，AI 製藥已經從看起來很有前途走向了開始拿結果的階段。
幾個同期動作：
- 禮來以最高 27.5 億美元 從 Insilico Medicine（AI 藥物發現公司）引進了幾個臨床前候選化合物
- 中國研究團隊推出的 DrugCLIP 框架，能在幾小時內掃描 1,000 萬個化合物-標靶組合，比傳統虛擬篩選快 1,000 萬倍
- 多個 AI 設計的藥物候選項正在推進臨床試驗
製藥公司發現他們現在面對的問題不再是找不到候選分子，而是怎麼快速從千萬個候選裡挑出最值得做臨床的那幾個。
LillyPod 要做的，就是讓這個篩選過程不再受算力約束。
參考來源：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）