LillyPod من Eli Lilly: 1,016 وحدة GPU ورهان صناعة الأدوية على الحوسبة الفائقة بالذكاء الاصطناعي

الخلاصة الرئيسية: تقدم وحدات GPU الـ1,016 من نوع NVIDIA Blackwell Ultra في LillyPod أكثر من 9,000 بيتافلوبس (Petaflops) من أداء الذكاء الاصطناعي — كل وحدة GPU واحدة أقوى بـ7 ملايين مرة من الحاسوب الفائق Cray-2 الذي اشترته Lilly عام 1989.

قامت Eli Lilly للتو بتدشين أقوى حاسوب فائق بنته شركة أدوية على الإطلاق. LillyPod، وهو نظام NVIDIA DGX SuperPOD مزود بـ1,016 وحدة GPU من طراز Blackwell Ultra، بدأ العمل في حرم الشركة بإنديانابوليس في فبراير 2026 بعد سباق تجميع استمر أربعة أشهر. يقدم الجهاز أكثر من 9,000 بيتافلوبس من أداء الذكاء الاصطناعي — أي ما يقارب 9 كوينتيليون عملية حسابية في الثانية — وتراهن Lilly على أنها تستطيع ضغط دورة تطوير الأدوية النموذجية من عقد إلى خمس سنوات.

السؤال هو ما إذا كانت القوة الحسابية الخام قادرة فعلاً على حل أعمق عنق زجاجة في صناعة الأدوية: تحويل الفرضيات الجزيئية إلى أدوية تعمل في الجسم البشري.

من Cray-2 إلى 9,000 بيتافلوبس: قفزة 37 عامًا

لدى Lilly تاريخ أطول مع الحوسبة الفائقة مما يدركه معظم الناس. في عام 1989، اشترت الشركة جهاز Cray-2 — الذي كان حينها ذروة القوة الحوسبية — لدعم النمذجة الجزيئية المبكرة. اليوم، وحدة GPU واحدة داخل LillyPod أقوى بـ7 ملايين مرة من نظام Cray-2 بأكمله. يحتوي LillyPod على أكثر من ألف منها.

البنية التحتية التقنية ضخمة. يعمل النظام على بنية DGX SuperPOD من NVIDIA مع أنظمة DGX B300 وشبكات Spectrum-X Ethernet وبرمجيات ذكاء اصطناعي محسّنة. ما يقارب 5,000 اتصال تمر عبر أكثر من 450 كيلوغرامًا من كابلات الألياف الضوئية. يمكن لفريق الجينوميات وحده تسخير 700 تيرابايت من البيانات باستخدام أكثر من 290 تيرابايت من ذاكرة GPU عالية النطاق الترددي.

هذه ليست ترقية تدريجية. إنها تمثل تحولاً جذريًا من حوسبة تساعد الباحثين إلى حوسبة قادرة على توليد وتقييم الفرضيات بشكل مستقل على نطاق لا يمكن لأي فريق بشري مضاهاته.

المختبر الحسابي: مليارات الجزيئات بالتوازي

الوعد الأساسي لـ LillyPod هو ما تسميه Lilly “المختبر الحسابي” — بيئة محاكاة ضخمة حيث يمكن للعلماء تقييم مليارات الفرضيات الجزيئية بالتوازي قبل الالتزام بالتجارب الفيزيائية.

القيد الذي تعالجه هذه التقنية حقيقي. حتى فرق اكتشاف الأدوية الأكثر إنتاجية يمكنها عادة تحليل نحو 2,000 فكرة جزيئية لكل هدف سنويًا، لأن كل تجربة تتطلب تخليقًا فيزيائيًا واختبارًا وتحليلاً. يعني عنق زجاجة الإنتاجية هذا أن المرشحين الواعدين يُفقَدون، وأولئك الذين يتقدمون يستغرقون سنوات للتحقق منهم.

يهدف LillyPod إلى قلب هذه النسبة. من خلال تشغيل نماذج الذكاء الاصطناعي عبر الجينوميات وتصميم الجزيئات وبيولوجيا الخلية الواحدة وبيانات التصوير في وقت واحد، يمكن لعلماء Lilly فرز أعداد أكبر بكثير من المرشحين حسابيًا قبل أن يدخل أي شيء أنبوب اختبار.

شراكة المليار دولار مع NVIDIA ورهان Insilico

LillyPod ليس سوى قطعة واحدة من استراتيجية ذكاء اصطناعي أوسع بكثير. في يناير 2026، أعلنت Eli Lilly وNVIDIA عن مختبر ابتكار مشترك مدته خمس سنوات بقيمة مليار دولار في منطقة خليج سان فرانسيسكو.

ثم في مارس 2026، وسّعت Lilly محفظتها من الأدوية المطورة بالذكاء الاصطناعي عبر صفقة بقيمة 2.75 مليار دولار مع Insilico Medicine، شركة مقرها هونغ كونغ طورت 28 دواءً على الأقل باستخدام أدوات الذكاء الاصطناعي التوليدي، نصفها تقريبًا في مرحلة سريرية بالفعل.

إشارة الاستثمار المجمعة لا لبس فيها: تنفق Lilly المليارات للرهان على أن تطوير الأدوية بأولوية الذكاء الاصطناعي ليس احتمالاً مستقبليًا بل متطلب تنافسي حالي.

سباق التسلح في صناعة الأدوية يشتد

احتفظت Lilly بلقب “أكبر حاسوب فائق صيدلاني” لأقل من شهر. في مارس 2026، أعلنت Roche عن مصنع ذكاء اصطناعي خاص بها مدعوم من NVIDIA يضم 2,176 وحدة GPU Blackwell، مما رفع بنيتها التحتية الإجمالية لوحدات GPU إلى أكثر من 3,500 وحدة.

Johnson & Johnson وشركات أدوية كبرى أخرى تتسابق أيضًا لدمج الحوسبة المتقدمة في مسارات أبحاثها. النمط يعكس ما حدث في قطاع التكنولوجيا خلال السنوات الثلاث الماضية: بمجرد أن تُظهر شركة أن الحوسبة بمستوى GPU تخلق ميزة تنافسية، لا يمكن للمنافسين تحمل الانتظار.

الخطر، بالطبع، هو أن العتاد وحده لا يحل التحدي الأساسي. يفشل اكتشاف الأدوية ليس لأن الشركات تفتقر إلى القوة الحوسبية، بل لأن البيولوجيا معقدة بشكل لا يمكن اختزاله.

الاستدامة ومسألة الطاقة

التزمت Lilly بتشغيل بنيتها التحتية الجديدة للحوسبة الفائقة بالذكاء الاصطناعي بكهرباء متجددة بنسبة 100% بحلول 2030. يستخدم النظام تبريدًا سائلًا فعالاً لتقليل بصمته الطاقوية.

يستحق هذا التدقيق. حاسوب فائق بـ1,016 وحدة GPU يعمل بمستوى الإنتاج يستهلك طاقة كبيرة. مع تسارع شركات الأدوية لنشر آلاف وحدات GPU، سينمو الطلب الطاقوي الجماعي للصناعة بشكل كبير.

ماذا يعني هذا لجدول تطوير الأدوية

طموح Lilly المعلن هو تقليص الجدول الزمني النموذجي لتطوير الأدوية من 10 سنوات إلى خمس سنوات. ما إذا كان هذا الهدف واقعيًا يعتمد على أي أجزاء من الجدول الزمني يمكن للذكاء الاصطناعي ضغطها فعلاً. الفرز الحسابي وتحديد الأهداف — بداية المسار — مرشحان قويان للتسريع. التجارب السريرية والمراجعة التنظيمية ومراقبة السلامة — نهاية المسار — مقيدة بالبيولوجيا والبيروقراطية والحاجة غير القابلة للاختزال لبيانات السلامة المبنية على الزمن.

التأطير الأكثر صدقًا هو أن LillyPod سيقدم على الأرجح تسريعات ذات معنى في مراحل محددة من المسار بدلاً من تقليص نظيف بالنصف للجدول الزمني بأكمله. لكن حتى اختصار 18 إلى 24 شهرًا من متوسط دورة تطوير الأدوية سيترجم إلى مليارات من الإيرادات المبكرة، والأهم، وصول أسرع للمرضى إلى علاجات فعالة.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• Now Live: Lilly AI Factory for Pharmaceutical Discovery and Development — NVIDIA Blog
• Lilly debuts Nvidia supercomputer with fanfare and focus on escaping traditional pharma lifecycle — Fierce Biotech
• A new supercomputer is coming to change the way we make medicines — Eli Lilly
• NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery — Eli Lilly Investor Relations
• Roche launches NVIDIA AI factory to accelerate therapeutics development — Roche
• Eli Lilly reaches $2.75 billion deal with Insilico to bring AI-developed drugs to global market — CNBC