Eli Lilly Construye Potente Supercomputadora NVIDIA para Acelerar el Descubrimiento de Fármacos y Transformar la Industria Farmacéutica con IA
La apuesta multimillonaria: La carrera de la industria farmacéutica por dominar la inteligencia artificial
INDIANÁPOLIS — Dentro de un edificio discreto y sin distintivos en Indianápolis, miles de chips informáticos de alto rendimiento zumban al unísono. Juntos, están configurando lo que Eli Lilly afirma que será el ordenador más potente jamás poseído por una empresa farmacéutica. Esto no es solo un proyecto tecnológico llamativo, es una apuesta masiva por el futuro de la medicina, y lo que está en juego no podría ser mayor.
La asociación de Lilly con NVIDIA, anunciada el 28 de octubre de 2025, sonó como el típico optimismo corporativo: descubrimiento de fármacos más rápido, fabricación más inteligente, mejores resultados. Pero detrás del comunicado de prensa hay algo mucho más grande. Lilly no está simplemente comprando máquinas, está tratando de construir la columna vertebral digital de la revolución de la IA de toda una industria. Y a medida que lo hace, está surgiendo una división creciente entre los grandes actores de la industria farmacéutica y todos los demás que luchan por mantenerse al día.
"Estamos haciendo esto a una escala que nadie más en nuestro campo siquiera intenta", dijo Diogo Rau, director de información y digital de Lilly. El mensaje era en parte alarde, en parte advertencia.
No le falta razón.
La carrera armamentística oculta de la IA
El próximo sistema de Lilly, oficialmente llamado NVIDIA DGX SuperPOD impulsado por chips Blackwell B300, no es el primer superordenador de IA en la industria farmacéutica. Recursion Pharmaceuticals ya utiliza BioHive-2. Amgen utiliza sistemas similares con deCODE Genetics en Islandia. Novo Nordisk tiene su fábrica de IA Gefion en Dinamarca, y Roche junto con Genentech están profundamente vinculados a NVIDIA para la ingeniería de productos biológicos.
Pero el movimiento de Lilly destaca por su alcance. Mientras que otros abordan problemas específicos —como el descubrimiento de fármacos o la optimización de la producción—, Lilly está integrando la IA en todo lo que hace. Desde el diseño molecular y los ensayos clínicos hasta la fabricación digital y la toma de decisiones internas, cada parte de las operaciones de la empresa está siendo reinventada a través de algoritmos.
En el centro de todo está TuneLab, una plataforma de IA de miles de millones de dólares que permite a las empresas biotecnológicas externas acceder a los modelos de aprendizaje automático de Lilly y a 150 años de datos propietarios —sin que esos datos abandonen nunca los muros seguros de Lilly. Piense en ello como Amazon Web Services, pero para el desarrollo de fármacos. Lilly se convierte tanto en el arrendador como en el cobrador de peajes.
"La IA ya no es solo una herramienta, es un colega", dijo Thomas Fuchs, director de IA de Lilly. Es una forma atrevida de describir un ordenador, pero capta lo profundamente que la empresa cree que la IA dará forma a su futuro científico.
Las cifras detrás de la locura
Desarrollar un solo fármaco nuevo suele costar entre 1.000 y 2.600 millones de dólares y puede tardar hasta 15 años, con nueve de cada diez candidatos fracasando en los ensayos clínicos. Lilly, que actualmente goza de un gran éxito gracias a su terapia GLP-1 superventas Mounjaro, ve una oportunidad de oro. Si la IA puede reducir el plazo incluso un 20 o 30 por ciento, la empresa podría lanzar fármacos multimillonarios al mercado años antes. Eso no es una pequeña ventaja, es una revolución.
El lado de la fabricación parece aún más atractivo. Las proyecciones internas de Lilly sugieren que el uso de "gemelos digitales" —copias virtuales de sus líneas de producción— podría aumentar el rendimiento de los productos biológicos en solo uno o dos por ciento. Eso puede sonar insignificante, pero podría significar cientos de millones en ganancias anuales adicionales de los productos existentes. Y a diferencia de los ensayos clínicos, esas ganancias aparecen rápidamente y sin problemas regulatorios.
Los documentos de los inversores revelan un nivel de precisión inusual para una tecnología tan vanguardista. Los ejecutivos de Lilly están rastreando métricas frías y duras: tasas de uso de GPU, tiempos de ciclo de descubrimiento, fallas en lotes y cuántos compuestos diseñados por IA alcanzan los objetivos de potencia antes de ingresar a ensayos en humanos.
"La ventaja no está en los chips", afirmó sin rodeos un memorándum para inversores. "Está en controlar el ciclo completo, desde los datos hasta el modelo, el laboratorio, la fábrica y el mercado".
Quién gana, quién pierde
Para NVIDIA, que ya domina el mercado de chips de IA, la industria farmacéutica es un cliente soñado: rico, a largo plazo y asentado en montañas de datos privados. El acuerdo con Lilly podría no mover la aguja de los ingresos de NVIDIA por sí solo, pero sienta un poderoso ejemplo que otros se apresurarán a copiar.
El dinero real para NVIDIA reside en el ecosistema alrededor del hardware: BioNeMo para modelado biológico, Omniverse para gemelos digitales y servicios de IA basados en la nube que se superponen a los chips. Como lo expresó un análisis, "la atención médica ya no es un estudio de caso, es un vertical de mercado en toda regla".
Las pequeñas empresas biotecnológicas, sin embargo, se enfrentan a una realidad más complicada. TuneLab les da acceso a una potencia informática que nunca podrían soñar con poseer. Pero también los vincula al ecosistema de Lilly. "Los costos computacionales están forzando a los actores más pequeños a la dependencia", advirtió una nota para inversores. "Centraliza el poder, pero también abre puertas para aquellos que no pueden construir desde cero".
Mientras tanto, la propuesta medioambiental de Lilly —neutralidad de carbono para 2030, 100% de energía renovable, refrigeración líquida— encaja bien con los inversores con mentalidad ESG. Sin embargo, la verdad es que: esas GPU Blackwell son bestias hambrientas de energía. Incluso con mejoras de eficiencia, operar más de mil de ellas podría consumir entre 10 y 20 megavatios de energía.
Cuando las cosas salen mal
A pesar de toda la expectación, la IA aún no ha entregado un fármaco totalmente aprobado al mercado. Hasta ahora, sus éxitos son ensayos en fases tempranas y resultados de laboratorio prometedores —no tratamientos en manos de las personas. Los analistas señalan que los fármacos diseñados por IA muestran tasas de éxito más altas en la Fase I —entre el 80 y el 90 por ciento frente al 40-65 para los métodos tradicionales—, pero el tamaño de la muestra aún es pequeño. Un par de fracasos de alto perfil podrían aguar fácilmente el entusiasmo de los inversores.
Los riesgos no son solo financieros. Los algoritmos de "caja negra" podrían pasar por alto biología novedosa, llevando a los investigadores por caminos sin salida. Los biomarcadores construidos por IA podrían desinflarse cuando se prueben en pacientes reales. Los reguladores están cautelosamente abiertos a la asistencia de la IA, pero nadie sabe cómo se comportarán estos sistemas bajo la presión de un despliegue masivo.
Luego viene el elefante en la sala de servidores: la utilización. Los superordenadores cuestan una fortuna comprarlos —y aún más operarlos. Si Lilly no mantiene esas GPU ocupadas, las máquinas inactivas podrían convertirse en costosos pisapapeles. Los inversores ya están haciendo preguntas difíciles: ¿Quién decide qué departamento tiene prioridad? ¿Cómo se mide la productividad? ¿Qué sucede si la cadena de IA rinde por debajo de lo esperado?
Un inversor lo dijo claramente: "Las GPU sin usar generan grandes titulares —y terribles retornos".
El panorama general
Debajo de los brillantes eslóganes corporativos, la apuesta de IA de Lilly expone una verdad más profunda. El futuro de los productos farmacéuticos dependerá no solo del conocimiento científico, sino también de la potencia computacional y el acceso a datos propietarios. Es un nuevo tipo de carrera armamentística, y no todos pueden permitirse un billete.
Si Lilly lo logra, las recompensas podrían ser masivas. La medicina personalizada podría volverse más rápida, más barata y más precisa. Los tratamientos para enfermedades raras —antes inviables financieramente— podrían finalmente llegar a los pacientes. Y una fabricación más inteligente podría reducir los costes en todos los ámbitos.
Pero si el experimento fracasa, miles de millones podrían desvanecerse en silicio y software, dejando la I+D tradicional subfinanciada y a los rivales más pequeños aún más rezagados.
El sistema entrará en funcionamiento en enero de 2026. Los resultados no serán claros hasta alrededor de 2030. Para entonces, sabremos si esto fue la gran apuesta de la industria farmacéutica —o su Línea Maginot, una fortaleza costosa que parece poderosa pero que no cambia nada.
Una cosa es segura: la carrera ha comenzado, la cuota de entrada es altísima y solo un puñado de jugadores llegará a la meta.
NO ES ASESORAMIENTO DE INVERSIÓN