BLOG
LillyPod ローンチ：製薬業界最強の AI スーパーコンピュータ、10年の研究開発サイクルを半減
Eli Lilly は先週、製薬業界で最も強力な AI スーパーコンピュータである LillyPod を発表しました。NVIDIA DGX SuperPOD アーキテクチャに基づき、1,016 基の Blackwell Ultra GPU を搭載、演算能力は 9,000 petaflops を超えます。
これは企業の宣伝ではありません。この数字は、業界の転換点を直接的に指し示しています。
計算力の格差はどれほどか
| シナリオ | 従来のウェットラボ | LillyPod |
|---|---|---|
| 年間にテストする分子仮説 | ~2,000 個 | 数十億個（並列シミュレーション） |
| 典型的な研究開発サイクル | 10 年 | 目標 5 年 |
| 実験あたりのコスト | 高（消耗品、人件費、場所） | 限界費用はゼロに収束 |
従来の創薬における問題は、物理実験のスループットに厳しい上限があることです。ウェットラボの速度は、ビーカー、シャーレ、そして研究員の手に依存します。
LillyPodが変えているのは、「より速く実験を行う」ことではなく、「実験を計算力の中に移して行う」ことです。
3つのコアアプリケーションシナリオ
1. ゲノミクスの加速
遺伝子-疾患-薬物ターゲットの関連性分析は、データ量は膨大ですが構造は明確です。AIは既知のゲノムデータの中から人間が見落とすパターンを見つけ出し、候補ターゲットを迅速に特定することができます。
2. 分子設計の最適化
「先に合成してからテストする」から「先にシミュレーションしてから合成する」へ。LillyPodは数十億種類の分子構成の活性と毒性を並列評価し、最も有望な候補のみを物理実験の段階へ進めることができます。
3. 臨床試験の最適化
患者リクルートメント、エンドポイント設計、サブグループ解析——これらのプロセスにおける意思決定の質は、試験の成否に直接影響します。AIは過去の試験データに基づき、最適な試験設計パラメータを予測することができます。
なぜ今なのか
製薬業界が AI を受け入れていることはニュースではない。しかし、LillyPod の特異な点はその規模にある：
- 1,016 基の Blackwell Ultra GPU：これは現在公表されている中で、垂直業界最大級の AI スーパーコンピューティング導入事例の一つです
- イーライリリーの位置づけ：同社は tech-native 企業ではなく、伝統的な製薬大手によるテクノロジーへの賭けです
- 直接的な目標：10 年のサイクルを 5 年に短縮すること
伝統的な大手がスーパーコンピュータを用いてコアプロセスの再構築を始めたことは、AI 創薬が「概念実証」から「生産能力競争」へと移行したことを示している。
業界への影響
大手製薬企業への影響
イーライリリーが先例を作りました。ノバルティス、ファイザー、ロシュは追随するでしょうか？もし追随する場合、業界の資本支出構造は変化します――「ラボの建設」から「計算クラスターの構築」へとシフトします。
バイオテック・スタートアップへの影響
これはプレッシャーであると同時に、チャンスでもあります。巨大企業には計算能力がありますが、スタートアップには柔軟性があります。AI創薬における核心的な競争力は、GPUの数ではなく、データの品質とアルゴリズムの設計にあります。計算能力はレンタルできますが、データはできません。
CROおよびCDMOへの影響
受託研究機関のバリューチェーンが再構築されます。将来のCROは、実験を代行するのではなく、シミュレーションの実行を支援する存在になるかもしれません。
一行まとめ
LillyPod の意義は 9,000 petaflops にあるのではなく、あるシグナルにある：伝統的な製薬の中核プロセスが、計算能力によって再定義されつつある。
**出典：**NVIDIA Blog 2026-05-22；Eli Lilly Press Release 2026