Eli Lilly построит "самый мощный суперкомпьютер в фармацевтике", чтобы обучать AI-модели на миллионах экспериментов и ускорить открытие лекарств
США вступили в геополитическую гонку за лидерство в AI-управляемом открытии лекарств, и инвестиции в инфраструктуру станут решающим фактором конкурентоспособности
Этот шаг знаменует переход от точечного использования AI в фармацевтике к полной трансформации R&D-конвейера на основе вычислительных возможностей
Архитектура революции: зачем фармгиганту свой суперкомпьютер
28 октября 2025 года американский фармацевтический гигант Eli Lilly объявил о стратегическом партнёрстве с NVIDIA, лидером в области вычислительных ускорителей и AI-инфраструктуры. Цель амбициозна: создать "самый мощный суперкомпьютер, владеемый и управляемый фармацевтической компанией".
На поверхности это выглядит как типичное техническое партнёрство. На самом деле это стратегическое перезахватывание лидерства в глобальной гонке за AI-управляемым открытием лекарств — гонке, которую США признают критически важной для своего экономического и геополитического будущего.
Диого Рау, главный информационный и цифровой директор Eli Lilly, прямо обозначил ставку: "Мы в Eli Lilly хотим убедиться, что США выигрывают гонку лекарств". Кимберли Пауэлл, руководитель направления здравоохранения в NVIDIA, добавила: "Нам нужно продолжать лидировать в биомедицинских открытиях".
Фармгиганты исторически использовали облачные вычисления (AWS, Google Cloud) для AI-задач. Собственный суперкомпьютер даёт Eli Lilly четыре стратегических преимущества:
1. Контроль IP-данных: Интеллектуальная собственность не передаётся третьим сторонам, критично для конкурентных преимуществ
2. Оптимизация под задачи: Архитектура настроена специально под молекулярное моделирование и AI-поиск, а не общего назначения
3. Масштабирование без лимитов: Облачные системы взимают плату за использование; собственная инфра даёт неограниченные возможности обучения
4. Тактическая независимость: Гарантия работы даже при геополитических ограничениях или сбоях у провайдеров облачных услуг
Трансформация цепочки создания стоимости: от лаборатории к алгоритму
Традиционное открытие лекарства выглядит так: химики синтезируют молекулы → биологи тестируют в пробирке → результаты поступают в анализ → цикл повторяется. Это занимает годы и стоит миллиарды.
AI меняет парадигму:
Этап 1 – Предсказание in silico (на компьютере): AI-модели обучаются на миллионах исторических экспериментов, в том числе неудачных. На основе этих данных они предсказывают, какие из триллионов возможных молекулярных структур будут работать как лекарство. NVIDIA и Eli Lilly говорят, что суперкомпьютер позволит обучать такие модели на порядки большем объёме экспериментальных данных.
Этап 2 – Ранжирование по вероятности: AI выделяет топ-кандидатов для синтеза. Вместо того чтобы химики "вслепую" синтезировали сотни молекул, они фокусируются на наиболее перспективных вариантах.
Этап 3 – Ускоренный экспериментальный цикл: Роботизированные лаборатории синтезируют и тестируют рекомендуемые молекулы, генерируя новые данные, которые поступают обратно в AI-модели.
Результат: Цикл, который раньше занимал месяцы, теперь может занимать недели. Количество исследуемых молекул растёт экспоненциально.
Eli Lilly давно интегрирует AI в открытие лекарств. Но собственный суперкомпьютер — это качественно новая ставка:
• Eli Lilly — третий крупнейший фармгигант по выручке ($34 млрд в 2024г.)
• NVIDIA предоставляет GPU и инфраструктуру, но точная сумма инвестиции не раскрыта (индустрия ожидает многомиллиардные суммы)
• Эта инфра будет конкурировать с суперкомпьютерами, используемыми в климатических моделях и квантовых вычислениях
Стратегический контекст: геополитическая гонка за AI-лекарства
Это объявление не изолированный акт Eli Lilly. Это часть более широкого американского стратегического ответа на вызовы, поставленные Китаем и ЕС.
Почему это критично для США:
1. Сроки разработки лекарств: Традиционное открытие лекарства занимает 10-15 лет и стоит $2-3 млрд. AI может сократить это до 3-5 лет и $500 млн-$1 млрд. Первый, кто достигнет этого масштаба, получит экономическое и мягкое силовое преимущество.
2. Геополитическая конкуренция в биотехнологии: Китай активно инвестирует в AI-биотех и считает это критической технологией. США видят эту инвестицию в Eli Lilly + NVIDIA как ответный ход.
3. Глобальная справедливость в доступе к лекарствам: Если США сумеют радикально снизить затраты на разработку, это может сделать редкие лекарства доступнее глобально — что имеет геополитическое значение.
Международный контекст:
Европейские фармкомпании (Roche, GSK, AstraZeneca) уже инвестируют в AI-платформы, но часто через облачные провайдеров. Лишь немногие строят собственную инфраструктуру. Объявление Eli Lilly может спровоцировать "гонку вооружений" в европейских и азиатских компаниях.
Практические последствия: что изменится в R&D-конвейере
Суперкомпьютер Eli Lilly ускоряет открытие 3-5 новых молекул-кандидатов для лечения диабета II типа и ожирения на 2-3 года быстрее конкурентов. Компания получает возможность опубликовать данные клинических испытаний раньше, захватив долю рынка за счёт первоочередности. Инвесторы видят ROI и инвестируют в похожие проекты других фармкомпаний.
Инфраструктура оказывается дорогой в обслуживании, требует постоянных обновлений GPU и специалистов. AI-модели показывают высокие ошибки при предсказании молекул для болезней с неполной фундаментальной биологией. Преимущество во времени сокращается, но остаётся значимым (1-2 года). Компания окупает инвестицию через ускорение вывода одного-двух ключевых препаратов.
AI-модели "перенасыщаются" историческими данными и начинают порождать молекулы, которые хороши на бумаге, но не работают в биологии живых организмов. Эффект "шума" в больших данных начинает доминировать. Собственный суперкомпьютер становится дорогим активом, который Eli Lilly продаёт другим компаниям или преобразует в облачный сервис для получения ROI.
Вызовы и ограничения: реальность за пределами хайпа
Технические вызовы:
1. Валидность предсказаний AI: AI может предсказать структуру белка с 99% точностью (как AlphaFold), но предсказать, будет ли эта молекула безопасна и эффективна у человека, намного сложнее. Много лекарств "работают на бумаге" и в пробирке, но не в организме.
2. Переобучение модели: Если AI обучена на исторических данных успешных лекарств, она может просто искать "похожие" молекулы, а не по-настоящему новые. Это ограничивает инновационность.
3. Данные о неудачах редки: Компании неохотно делятся данными о молекулах, которые не сработали. Но эти "отрицательные" результаты наиболее ценны для тренировки AI. Eli Lilly может иметь десятилетия своих неудачных экспериментов, но это по-прежнему недостаточно для обучения на всем многообразии химических пространств.
Организационные вызовы:
1. Культурные сопротивления: Химики и биологи, привыкшие работать эмпирически, могут сопротивляться решениям, предложенным "чёрным ящиком" AI. Нужны переквалификация и новые рабочие процессы.
2. Интеграция с существующей инфраструктурой: NVIDIA должна интегрировать суперкомпьютер с лабораториями Eli Lilly (роботизированные системы, управление данными). Это сложнее, чем просто поставить GPU.
Рынок и инвестиции: что это означает для конкурентов
По данным DelveInsight, рынок AI в открытии лекарств растёт со скоростью 37.67% CAGR (2025-2032). К 2032 году это будет многомиллиардная индустрия.
Ключевые игроки:
- Фармгиганты: GSK, Roche, AstraZeneca, Merck — все инвестируют в AI-платформы, но не все строят собственную инфраструктуру
- AI-специалисты: Atomwise, Exscientia, Numedii, BenevolentAI — помогают фармкомпаниям внедрять AI без собственных инвестиций
- Tech giants: Google DeepMind, IBM — предоставляют AI-модели и облачные сервисы
Объявление Eli Lilly указывает на тренд: крупные фармкомпании переходят от аренды AI-услуг к владению инфраструктурой. Это требует капиталоёмких инвестиций, что доступно только гигантам. Для средних биотех-компаний это означает консолидацию — либо присоединяться к гигантам, либо специализироваться на нишевых технологиях.
Перспективы ближайших 3 лет: что отслеживать
Индикаторы успеха (на горизонте 2026-2027):
- Количество новых молекул-кандидатов, рекомендованных суперкомпьютером, которые перейдут в клинические испытания
- Скорость прохождения фаз I-III испытаний препаратов, "открытых" с помощью AI-инфраструктуры
- Объявления других фармгигантов о похожих инвестициях (GSK, Roche, Merck)
- Появление специализированных "AI-лабораторий" внутри фармкомпаний
Триггеры изменения стратегии:
- Первое FDA одобрение препарата, открытого преимущественно с помощью AI/суперкомпьютера (это произойдёт раньше, чем ожидается)
- Публикация данных о значительном снижении затрат на R&D благодаря AI
- Геополитические меры (например, экспортные ограничения на GPU, что может изменить стратегию инвестиций)
Ключевой вывод: инфраструктура как оружие конкурентоспособности
Объявление Eli Lilly + NVIDIA показывает, что AI-революция в открытии лекарств входит в новую фазу. Дело больше не в том, есть ли у компании AI-алгоритм. Дело в том, кто первый построит инфраструктуру, достаточно мощную, чтобы систематически ускорять весь цикл R&D на масштабах всей фармацевтической компании.
Для США это рассчитанный стратегический ход — показать, что Америка может мобилизовать ресурсы, необходимые для лидерства в AI-биотехнологии. Для других фармгигантов это сигнал: если не инвестировать в собственную инфраструктуру сейчас, в течение 3-5 лет вы окажетесь на год-два позади в выводе лекарств. А в биотехнологии год-два — это ценная валюта.
Источники информации
Материал подготовлен на основе официальных пресс-релизов Eli Lilly и NVIDIA (28 октября 2025), публикаций STAT News, Reuters, Drug Target Review, DelveInsight Analytics. Анализ стратегических последствий основан на публичных данных о фармацевтической промышленности и предыдущих инвестициях в AI-технологии. Данные актуальны на 28 октября 2025 г.