禮來 LillyPod 啟用:1,016 顆 NVIDIA GPU 的製藥 AI 工廠

摘要： 禮來於 2026 年 2 月 25 日啟用 LillyPod，系統採 1,016 顆 NVIDIA Blackwell Ultra GPU 的 DGX SuperPOD 架構，AI 效能超過 9,000 petaflops。它將支援基因體學、分子設計、影像與量產等工作，TuneLab 則透過聯邦學習使用專有資料；禮來 AI 長仍指出臨床驗證的瓶頸在生物學。

禮來(Eli Lilly)在 2026 年 2 月 25 日(週三)這一天,於印第安納波利斯總部園區為超級電腦 LillyPod 舉辦啟用剪綵,宣佈它正式投入運轉。全機裝設 NVIDIA Blackwell Ultra GPU 共 1,016 顆,以 DGX SuperPOD 的架構串接,AI 效能一舉突破 9,000 petaflops。NVIDIA 用「全球最大、最強大的藥物發現 AI 工廠」來稱呼它,而翻遍製藥產業的紀錄,也找不到一部比它更強的超級電腦。

拉長時間軸看,這樁工程並非一次性的採購,而是一段長期經營的收網:系統早在 2025 年 10 月就於 GTC Washington DC 公開亮相,當時設定的時序是 12 月收尾建置、1 月開機上線;1 月的 J.P. Morgan 醫療照護會議再補上兩筆:與 NVIDIA 攜手成立共同創新實驗室,外加一份五年期、上限 10 億美元的合作。LillyPod 於是成了垂直產業龍頭的完整示範:如何把前沿算力,一步步轉化為自己內部的平台。

1,016 顆 Blackwell Ultra 的硬體底細

規格先攤開:這套系統的 AI 效能超過 9,000 petaflops。禮來 AI 長 Thomas Fuchs 提供過一個更傳神的換算:把 1992 年禮來使用的 Cray 系統疊上 700 萬套,才追得上一顆 Blackwell Ultra GPU 的算力。R&D World 的報導則指出,它也是全球率先用 DGX B300 系統組建出的 DGX SuperPOD。

不過,重點從來不在規模,而在「民主化」。禮來資訊與數位長 Diogo Rau 與 Fuchs 都點出:科學家如今能直接存取這批 GPU——運算資源不再由少數 HPC 團隊把持,而是走進第一線研究人員的日常工作流裡。

上面跑什麼:從基因體學一路到量產

LillyPod 鎖定的工作負載相當具體:基因體學、分子和胜肽設計、單細胞生物學與影像分析,甚至涵蓋製程與量產營運。背後那本經濟帳同樣好算:靠濕式實驗室,禮來團隊針對每個藥物靶點,一年大約只能測試 2,000 個假設;換到電腦模擬的世界,數十億個假設可以平行展開——單位時間內允許嘗試的次數,就此改寫了一個數量級。

TuneLab 與聯邦學習:在資料之上蓋一座模型工廠

比起硬體,軟體這一層更值得細看。禮來的 AI/ML 藥物發現平台 TuneLab,把模型蓋在禮來價值約 10 億美元的專有資料上,並透過 NVIDIA FLARE 進行聯邦學習(federated learning),讓跨機構協作不必把原始資料集中到一處。NVIDIA 也點出,TuneLab 是頭一個同時供應禮來自研模型與 NVIDIA Clara 開放基礎模型的藥物發現平台——自建與開放生態並行發展,正是垂直平台值得借鏡的架構選擇。

瓶頸在生物學,不在算力:一記十年的提醒

剪綵的熱鬧之外,Fuchs 還刻意替現場降溫:「你無法加速一場癌症試驗或神經試驗,瓶頸是生物學。」按他的估計,AI 要能夠端對端生成、驗證並推進藥物候選,大約還得再等十年。對正在評估「AI 顛覆製藥」敘事的人,這句話是很有用的錨點:算力能夠指數式成長,臨床驗證的步調卻跟不上。

下一個里程碑:科學 AI 代理

禮來設下的下一個目標,是「科學 AI 代理」(scientific AI agents):能夠規劃實驗、進行推理,並在運算環境與實體實驗室之間擔任協調角色。用 Fuchs 的話說,就是要讓藥物發現脫離「手工藝式」(artisanal)的流程,走向工業化。CB Insights 才剛將禮來評為 AI 準備度最高的藥廠;同一時間,禮來也持續加碼實體資產:對美國製造與研發許下 500 億美元承諾,還有造價 45 億美元的 Lilly Medicine Foundry。把算力、資料、實驗室三條線放在一起看,才是這則新聞的完整讀法。而 2026 年開年掀起的 AI 資本支出浪潮(我們年初的觀察),如今已從雲端巨頭,一路蔓延到垂直產業的龍頭。