Eli Lilly Constrói Poderoso Supercomputador NVIDIA para Acelerar a Descoberta de Medicamentos e Transformar a Indústria Farmacêutica com IA
A Aposta Bilionária: Por Dentro da Corrida da Indústria Farmacêutica para Dominar a Inteligência Artificial
INDIANÁPOLIS — Dentro de um edifício tranquilo e sem identificação em Indianápolis, milhares de chips de computador de alto desempenho zumbem em uníssono. Juntos, eles estão formando o que a Eli Lilly afirma ser o computador mais poderoso já de propriedade de uma empresa farmacêutica. Não se trata apenas de um projeto de tecnologia chamativo – é uma aposta massiva no futuro da medicina, e os riscos não poderiam ser maiores.
A parceria da Lilly com a NVIDIA, anunciada em 28 de outubro de 2025, soou como o otimismo corporativo típico: descoberta de medicamentos mais rápida, fabricação mais inteligente, melhores resultados. Mas por trás do comunicado de imprensa reside algo muito maior. A Lilly não está simplesmente comprando máquinas – ela está tentando construir a espinha dorsal digital da revolução da IA de toda uma indústria. E, ao fazer isso, uma crescente divisão está surgindo entre os grandes players da indústria farmacêutica e todos os outros que lutam para acompanhar o ritmo.
“Estamos fazendo isso em uma escala que ninguém mais em nosso campo sequer tenta”, disse Diogo Rau, diretor de informações e digital da Lilly. A mensagem era em parte gabarolice, em parte um aviso.
Ele tem razão.
A Corrida Armamentista Oculta da IA
O próximo sistema da Lilly, oficialmente chamado de NVIDIA DGX SuperPOD alimentado por chips Blackwell B300, não é o primeiro supercomputador de IA na indústria farmacêutica. A Recursion Pharmaceuticals já opera o BioHive-2. A Amgen utiliza sistemas semelhantes com a deCODE Genetics na Islândia. A Novo Nordisk possui sua fábrica de IA Gefion na Dinamarca, e a Roche, juntamente com a Genentech, está profundamente ligada à NVIDIA para engenharia de produtos biológicos.
Mas o movimento da Lilly se destaca por seu escopo. Enquanto outros abordam problemas específicos — como a descoberta de medicamentos ou a otimização da produção — a Lilly está integrando a IA em tudo o que faz. Desde o design molecular e testes clínicos até a fabricação digital e a tomada de decisões internas, cada parte das operações da empresa está sendo reimaginada por meio de algoritmos.
No centro de tudo está o TuneLab, uma plataforma de IA de bilhões de dólares que permite que empresas externas de biotecnologia acessem os modelos de aprendizado de máquina da Lilly e 150 anos de dados proprietários – sem que esses dados saiam dos muros seguros da Lilly. Pense nisso como a Amazon Web Services, mas para o desenvolvimento de medicamentos. A Lilly se torna tanto a proprietária quanto a cobradora de pedágio.
“A IA não é mais apenas uma ferramenta – é uma colega”, disse Thomas Fuchs, diretor de IA da Lilly. É uma forma ousada de descrever um computador, mas capta a profundidade da crença da empresa de que a IA moldará seu futuro científico.
A Lógica por Trás da Loucura
O desenvolvimento de um único novo medicamento geralmente custa entre US$ 1 bilhão e US$ 2,6 bilhões e pode levar até 15 anos, com nove em cada dez candidatos falhando nos testes clínicos. A Lilly, atualmente em alta graças à sua terapia blockbuster GLP-1 Mounjaro, vê uma oportunidade de ouro. Se a IA puder reduzir o prazo em apenas 20 ou 30 por cento, a empresa poderá lançar medicamentos de bilhões de dólares no mercado anos antes. Isso não é uma pequena vantagem – é uma revolução.
O lado da fabricação parece ainda mais atraente. As projeções internas da Lilly sugerem que o uso de “gêmeos digitais” — cópias virtuais de suas linhas de produção — poderia aumentar o rendimento de produtos biológicos em apenas um ou dois por cento. Isso pode parecer pouco, mas poderia significar centenas de milhões em lucro anual extra com produtos existentes. E, ao contrário dos testes clínicos, esses ganhos aparecem rapidamente e sem problemas regulatórios.
Documentos de investidores revelam um nível de precisão incomum para uma tecnologia tão inovadora. Os executivos da Lilly estão rastreando métricas concretas e rigorosas: taxas de uso de GPU, tempos de ciclo de descoberta, falhas de lote e quantos compostos projetados por IA atingem as metas de potência antes de entrar em testes em humanos.
“A vantagem não está nos chips”, afirmou um memorando de investidor de forma direta. “Está em controlar o ciclo completo — dos dados ao modelo, do laboratório à fábrica e ao mercado.”
Quem Ganha, Quem Perde
Para a NVIDIA, que já domina o mercado de chips de IA, a indústria farmacêutica é um cliente dos sonhos – rico, de longo prazo e sentado sobre montanhas de dados privados. O acordo com a Lilly pode não impactar significativamente a receita da NVIDIA por si só, mas estabelece um poderoso exemplo que outros se apressarão em copiar.
O verdadeiro dinheiro para a NVIDIA reside no ecossistema em torno do hardware: BioNeMo para modelagem biológica, Omniverse para gêmeos digitais e serviços de IA baseados em nuvem que se sobrepõem aos chips. Como uma análise colocou, “A saúde não é mais um estudo de caso – é um vertical de mercado completo.”
Pequenas empresas de biotecnologia, no entanto, enfrentam uma realidade mais complicada. O TuneLab lhes dá acesso a um poder computacional que nunca sonhariam em possuir. Mas também as amarra ao ecossistema da Lilly. “Os custos de computação estão forçando players menores à dependência”, alertou uma nota de investidor. “Isso centraliza o poder – mas também abre portas para aqueles que não conseguem construir do zero.”
Enquanto isso, o discurso ambiental da Lilly – neutralidade de carbono até 2030, 100% de energia renovável, resfriamento líquido – é bem recebido por investidores com foco em ESG. No entanto, a verdade permanece: essas GPUs Blackwell são máquinas que demandam muita energia. Mesmo com melhorias de eficiência, operar mais de mil delas poderia consumir de 10 a 20 megawatts de energia.
Quando as Coisas Dão Errado
Apesar de todo o alarido, a IA ainda não entregou um medicamento totalmente aprovado ao mercado. Até agora, suas vitórias são em ensaios em estágio inicial e resultados de laboratório promissores – não em tratamentos nas mãos das pessoas. Analistas observam que os medicamentos projetados por IA mostram taxas de sucesso mais altas na Fase I – cerca de 80 a 90 por cento, contra 40 a 65 por cento para métodos tradicionais – mas o tamanho da amostra ainda é pequeno. Um par de falhas de alto perfil poderia facilmente azedar o entusiasmo dos investidores.
Os riscos não são apenas financeiros. Algoritmos de “caixa preta” podem deixar de identificar novas descobertas biológicas, levando pesquisadores a becos sem saída. Biomarcadores criados por IA poderiam falhar quando testados em pacientes reais. Os reguladores estão cautelosamente abertos à assistência da IA, mas ninguém sabe como esses sistemas se comportarão sob a pressão de uma implantação em massa.
Então vem o elefante na sala de servidores: a utilização. Supercomputadores custam uma fortuna para comprar – e ainda mais para operar. Se a Lilly não mantiver essas GPUs ocupadas, máquinas ociosas poderão se tornar pesos de papel caros. Investidores já estão fazendo perguntas difíceis: Quem decide qual departamento tem prioridade? Como se mede a produtividade? O que acontece se o pipeline de IA tiver desempenho abaixo do esperado?
Um investidor expressou claramente: “GPUs ociosas geram ótimas manchetes – e retornos terríveis.”
O Cenário Geral
Por trás dos slogans corporativos brilhantes, a aposta de IA da Lilly expõe uma verdade maior. O futuro dos produtos farmacêuticos dependerá não apenas da perspicácia científica, mas do poder computacional e do acesso a dados proprietários. É um novo tipo de corrida armamentista, e nem todos podem pagar o ingresso.
Se a Lilly conseguir o feito, as recompensas poderão ser enormes. A medicina personalizada poderá se tornar mais rápida, mais barata e mais precisa. Tratamentos para doenças raras – antes financeiramente inviáveis – poderão finalmente chegar aos pacientes. E uma fabricação mais inteligente poderia reduzir os custos em todas as áreas.
Mas se o experimento falhar, bilhões poderiam desaparecer em silício e software, deixando P&D tradicional subfinanciado e rivais menores ainda mais para trás.
O sistema entra em operação em janeiro de 2026. Os resultados não ficarão claros até por volta de 2030. Até lá, saberemos se esta foi a “missão impossível” da indústria farmacêutica – ou sua Linha Maginot, uma fortaleza cara que parece poderosa, mas não muda nada.
Uma coisa é certa: a corrida começou, a taxa de entrada é altíssima e apenas um punhado de players chegará à linha de chegada.
NÃO É ACONSELHAMENTO DE INVESTIMENTO