Nvidia y Eli Lilly están lanzando un laboratorio de descubrimiento de fármacos con IA.

Nvidia $NVDA y Eli Lilly $LLY anunciaron el lunes que están lanzando un laboratorio de co-innovación de IA destinado a acelerar el descubrimiento de medicamentos, un compromiso de cinco años de hasta $1 mil millones, basado en un descubrimiento acelerado de circuito cerrado que pretende "industrializar" modelos de IA y acelerar el desarrollo clínico. Las empresas se ubicarán conjuntamente en un nuevo sitio en el Área de la Bahía para que los equipos puedan trabajar juntos en tiempo real, con la apertura prevista para finales de marzo.

Kimberly Powell, vicepresidenta de atención médica de Nvidia, vinculó el plan de escalamiento al hardware futuro de Nvidia, diciendo que se espera que la nueva fábrica de IA desplegada por Lilly crezca en un entorno de nube híbrida impulsado por futuros sistemas Nvidia Vera Rubin, junto con la capacidad en la nube DGX de Nvidia. Para Nvidia, ese es el tipo de detalle que convierte una asociación en algo más sólido que un titular: un plan de varios años que ya mira más allá de la generación actual de máquinas.

“Al combinar la profunda experiencia de Lilly en el descubrimiento de medicamentos con la experiencia de Nvidia en IA y computación acelerada”, dijo Powell, “estamos construyendo el futuro de cómo se diseñarán y desarrollarán los medicamentos”.

Su descripción de lo que hará el laboratorio se centra mucho en la generación de datos, el ingrediente poco glamuroso que determina si el “descubrimiento de medicamentos con IA” se comporta como una disciplina o una demostración. Dijo que un enfoque principal será producir “datos de entrenamiento asombrosos” a través de trabajo de laboratorio a gran escala, creando “datos de verdad de base en el laboratorio” para entrenar modelos fundamentales de biología con datos multimodales, luego estrechar el circuito entre hipótesis y descubrimiento. Y esa es la premisa detrás de todo el montaje: mejores experimentos crean mejores datos; mejores datos crean mejores modelos; mejores modelos hacen que los próximos experimentos sean más específicos, un ciclo de retroalimentación diseñado para el rendimiento.

En un comunicado de prensa, el director de información y digital de Lilly, Diogo Rau, describió el laboratorio como un cambio en la forma en que se lleva a cabo el descubrimiento. “Vemos esto como un catalizador para las capacidades que definirán la próxima era del descubrimiento de medicamentos”, dijo. “Al trabajar con Nvidia, estamos uniendo una computación masiva, talento especializado y la capacidad de dar forma a los datos a una escala inmensa”. Agregó: “Nos estamos moviendo hacia un futuro donde el descubrimiento está impulsado por experimentación rápida y modelos cada vez más personalizados”.

La versión de Powell de la misma apuesta se centra mucho en la creación de datos: “datos de verdad de base en el laboratorio” producidos a través de trabajo de laboratorio a gran escala, porque los modelos de biología solo son tan buenos como los insumos que puedes defender. El alcance va más allá de la I+D inicial. Powell dijo que las empresas explorarán la aplicación de la computación acelerada y la IA avanzada en toda la empresa de Lilly, desde la fabricación hasta las operaciones comerciales. Ese es un mandato amplio, y uno familiar para Nvidia, que tiende a comenzar con el flujo de trabajo más atractivo y luego apunta al resto de la pila empresarial una vez que la infraestructura está en su lugar.

“Vamos a usar todo el increíble trabajo con nuestros modelos abiertos en Nemotron para desenterrar toda esta comprensión clínica, de modo que el desarrollo clínico también pueda ser mejorado y optimizado tanto como sea humanamente posible”, dijo Powell.

El laboratorio es una expansión sobre la infraestructura que Lilly ya ha estado construyendo con Nvidia. A finales de octubre, Lilly anunció que estaba construyendo lo que llamó la supercomputadora de IA más poderosa de la industria propiedad de una farmacéutica, utilizando la plataforma DGX SuperPOD de Nvidia para impulsar una “fábrica de IA” para el descubrimiento y desarrollo de medicamentos.

Las empresas de IA han estado compitiendo para convertir la “salud” en una categoría de producto real en lugar de una promesa vaga, con OpenAI lanzando ChatGPT Health y Anthropic lanzando Claude para Healthcare en pocos días. Ese impulso hacia el consumidor y el clínico tiene la misma lógica subyacente que Nvidia: quien posee el flujo de trabajo posee el hábito, y quien posee el hábito puede vender la infraestructura.

El punto más amplio de Nvidia en la conferencia de salud de JPMorgan $JPM, que comienza el lunes, es que el cuidado de la salud está listo para la misma toma de control de pila completa que ya ha logrado en otras industrias. La empresa también está lanzando una colaboración con Thermo Fisher $TMO destinada a integrar las plataformas de IA de Nvidia en instrumentos científicos y flujos de trabajo de laboratorio, una asociación con Multiply Labs que se apoya en la robótica y los gemelos digitales para la biofabricación, y una plataforma BioNeMo ampliada que Nvidia dice enviará más modelos abiertos, herramientas y recetas de entrenamiento para trabajos de biología y descubrimiento de medicamentos de principio a fin.

Para Lilly, un compromiso de cinco años y mil millones de dólares ejerce una presión real sobre los resultados que a los inversores farmacéuticos realmente les importan: ciclos de descubrimiento más cortos, más candidatos viables que ingresan a ensayos clínicos, menos callejones sin salida que absorben años y capital antes de desaparecer silenciosamente. IA ha prometido todo eso antes. Este laboratorio es Lilly diciendo que está dispuesto a ser juzgado sobre si la promesa aparece en la tubería, no solo en las demostraciones.

Eso también agudiza el riesgo. El descubrimiento de medicamentos no falla porque las ideas sean escasas; falla porque la biología es obstinada, la regulación es lenta y la validación es implacable. Los modelos entrenados en “verdad fundamental” todavía tienen que sobrevivir a la replicación, la escala y el escrutinio de la FDA. La automatización todavía tiene que ganarse la confianza de científicos cuyas carreras se basan en el escepticismo. Si este laboratorio funciona, podría convertirse en un modelo de cómo la farmacéutica realmente construye medicamentos. Si no lo hace, podría convertirse en un recordatorio costoso de que el cálculo no puede negociar con la biología.