Eli Lilly построила собственный ИИ-суперкомпьютер — и прямо сказала инвесторам подождать до 2030 года

Eli Lilly ввела в строй LillyPod — крупнейший в мире корпоративный ИИ-датацентр внутри фармацевтической отрасли. Для маркетологов и собственников это история про то, как меняется логика инвестиций в технологии — и почему горизонт «эффект через 3 месяца» убивает стратегию.

---

Что случилось

Eli Lilly запустила датацентр LillyPod на базе Nvidia DGX SuperPOD с чипами B300. По данным компании, это крупнейший элемент внутренней ИИ-инфраструктуры в фармацевтике в мире.

Ключевое решение: компания ушла от аренды вычислительных мощностей в сторонних облаках и замкнула ИИ-исследования полностью во внутреннем контуре. Руководство прямо обозначило горизонт отдачи: результаты — в 2030 году.

---

Почему это важно для маркетинга и денег

• Переход от аренды к владению — меняет структуру затрат: высокие капитальные вложения сейчас вместо операционных платежей «по факту». CAC (стоимость привлечения) новых молекул в разработке снижается за счёт скорости вычислений, но деньги нужны сразу и много.
• Контроль данных как конкурентное преимущество — закрытый контур означает, что проприетарные данные о препаратах не уходят в инфраструктуру конкурентов или подрядчиков. LTV (пожизненная ценность клиента) продукта растёт, если патентная защита держится дольше за счёт более быстрого цикла открытий.
• Сигнал для всей отрасли — когда лидер рынка по капитализации делает такой шаг, конкуренты вынуждены отвечать. Это перекраивает операционные модели и бюджеты на НИОКР по всей фарме.

---

Где обычно ломается система

• Нетерпение акционеров: квартальный отчёт давит → компания режет долгосрочные инвестиции → теряет позицию через 5 лет.
• Разрыв между ИТ и бизнесом: инфраструктура построена → исследовательские команды не готовы её использовать → железо простаивает, а KPI (ключевые показатели эффективности) не растут.
• Переоценка скорости эффекта: руководство объявляет ИИ-трансформацию → через год нет видимых результатов → внутри компании теряется доверие к инициативе и финансирование режется.

---

Как применить в среднем бизнесе за 30 дней

1. Аудит вычислительных затрат — посчитать, сколько платите за облако под ИИ-задачи сейчас / определить, при каком объёме задач собственная инфраструктура окупается быстрее 3 лет.
2. Зафиксировать горизонт ROI — для каждого ИИ-проекта прописать реалистичный срок измеримого эффекта / убрать из дорожной карты проекты с завышенными ожиданиями на квартал вперёд.
3. Закрыть контур чувствительных данных — проверить, какие данные о клиентах или продуктах уходят во внешние ИИ-сервисы / оценить юридические и репутационные риски.
4. Разделить бюджет на два горизонта — тактика (эффект до 12 месяцев) и стратегия (эффект 2–5 лет) / зафиксировать пропорцию и защитить стратегическую часть от оперативных сокращений.

---

Риски и ограничения

• Собственная инфраструктура — это груз, если стратегия меняется. Железо на $100M+ сложно переориентировать. Снижение риска: модульная архитектура и чёткая привязка к долгосрочной продуктовой стратегии до принятия решения.
• Дефицит компетенций внутри команды. Построить датацентр — одно, укомплектовать его людьми, способными выжать результат, — другое. Снижение риска: параллельный наём и обучение до запуска, а не после.
• Эффект 2030 года может не наступить. Фундаментальные исследования непредсказуемы. Снижение риска: промежуточные измеримые вехи каждые 12 месяцев, чтобы корректировать курс без слома всей программы.

---

Вывод

Eli Lilly сделала ставку на то, что ИИ — это не вспомогательный инструмент, а ядро разработки продукта. И честно предупредила: деньги сейчас, результат через 5 лет.

Для среднего бизнеса масштаб другой, логика та же: если технология стратегическая — считайте горизонт в годах и защищайте бюджет от квартального давления. Если горизонт считать не готовы — лучше оставаться на аренде.