?礼来制药和英伟达合作构建超算与“AI 工厂”以加速药物发现与开发！
⭕️合作要点
• Lilly 宣布将与 NVIDIA 合作，建设一台由 NVIDIA DGX SuperPOD（含 DGX B300 系统）驱动的超级计算机，用于训练处方药候选的 AI 模型。 
• 超级计算机将处于 Lilly 自己运营环境中，而非完全依托云服务，这样做有助于其控制数据、技术与合规风险。 
• 合作不仅针对早期药物发现，也包括临床开发、制造、医学影像、企业 AI 等更广泛的应用。 
• Lilly 将通过其平台 “Lilly TuneLab” 提供某些 AI 模型给合作伙伴 / 生物科技公司，采用联邦学习等方式保护各方数据隐私。
⭕️战略意义
• 提升研发效率：药物从发现到上市平均可能需要10年或更长时间，成本高、失败率高。此次合作希望通过大规模 AI 模型、巨量数据训练，识别分子、预测结构／作用机制、加速先期筛选，从而减少传统试错时间。 
• 差异化竞争优势：Lilly 希望在药物研发中从“使用工具”转变为“与 AI 共研角色。 
• NVIDIA 跨行业扩张：对 NVIDIA 来说，这是其加速计算＋生物医药／制药领域的旗舰案例之一，进一步巩固其硬件＋软件＋平台在企业级 AI 的地位。
• 商业模式延伸：通过 TuneLab 平台，Lilly 不仅为自己研发，也可能为生态提供模型服务，这隐含“AI 模型+数据+平台”未来服务化方向。
⚠️ 风险与挑战
• 从模型到药物上市仍有长路：尽管 AI 可以提升早期发现效率，但从候选分子到获批药物仍需经过临床试验、安全性评估、监管审批，这一流程仍然耗时且成本巨大。Lilly 也指出其成果可能要到 2030 年代才真正体现。 
• 数据／模型质量与生物学复杂性：药物研发涉及生物复杂性极高的体系，AI 模型虽然强大，但其预测准确性、可解释性、可推广性仍是关键瓶颈。
• 硬件／部署成本高：构建、运行、维护超级计算机及其冷却、能源、物理设施、软件优化需巨额投资。
• 竞争环境激烈：其他制药公司也在投入 AI、超级计算，领先优势并非易
#投资 #礼来制药 #英伟达
⭕️合作要点
• Lilly 宣布将与 NVIDIA 合作，建设一台由 NVIDIA DGX SuperPOD（含 DGX B300 系统）驱动的超级计算机，用于训练处方药候选的 AI 模型。 
• 超级计算机将处于 Lilly 自己运营环境中，而非完全依托云服务，这样做有助于其控制数据、技术与合规风险。 
• 合作不仅针对早期药物发现，也包括临床开发、制造、医学影像、企业 AI 等更广泛的应用。 
• Lilly 将通过其平台 “Lilly TuneLab” 提供某些 AI 模型给合作伙伴 / 生物科技公司，采用联邦学习等方式保护各方数据隐私。
⭕️战略意义
• 提升研发效率：药物从发现到上市平均可能需要10年或更长时间，成本高、失败率高。此次合作希望通过大规模 AI 模型、巨量数据训练，识别分子、预测结构／作用机制、加速先期筛选，从而减少传统试错时间。 
• 差异化竞争优势：Lilly 希望在药物研发中从“使用工具”转变为“与 AI 共研角色。 
• NVIDIA 跨行业扩张：对 NVIDIA 来说，这是其加速计算＋生物医药／制药领域的旗舰案例之一，进一步巩固其硬件＋软件＋平台在企业级 AI 的地位。
• 商业模式延伸：通过 TuneLab 平台，Lilly 不仅为自己研发，也可能为生态提供模型服务，这隐含“AI 模型+数据+平台”未来服务化方向。
⚠️ 风险与挑战
• 从模型到药物上市仍有长路：尽管 AI 可以提升早期发现效率，但从候选分子到获批药物仍需经过临床试验、安全性评估、监管审批，这一流程仍然耗时且成本巨大。Lilly 也指出其成果可能要到 2030 年代才真正体现。 
• 数据／模型质量与生物学复杂性：药物研发涉及生物复杂性极高的体系，AI 模型虽然强大，但其预测准确性、可解释性、可推广性仍是关键瓶颈。
• 硬件／部署成本高：构建、运行、维护超级计算机及其冷却、能源、物理设施、软件优化需巨额投资。
• 竞争环境激烈：其他制药公司也在投入 AI、超级计算，领先优势并非易
#投资 #礼来制药 #英伟达
