NVIDIA ed Eli Lilly hanno annunciato a meta' luglio 2026 un laboratorio congiunto di co-innovazione da circa 1 miliardo di dollari, pensato per creare un "sistema che apprende in continuo" collegando i laboratori fisici automatizzati (i cosiddetti wet lab) con i laboratori computazionali (i dry lab). E' l'ultima, grande scommessa su un'idea che nel 2026 ha smesso di essere una promessa: usare l'intelligenza artificiale per scoprire nuovi farmaci in mesi, non in anni.
Un laboratorio da 1 miliardo tra NVIDIA ed Eli Lilly
Il progetto mette insieme la potenza di calcolo e il software di NVIDIA con le competenze farmaceutiche di Eli Lilly, uno dei colossi mondiali del settore. L'obiettivo e' costruire un ciclo chiuso: i modelli propongono molecole candidate, i robot le sintetizzano e le testano fisicamente, i risultati tornano ai modelli che imparano dagli esiti reali e propongono la generazione successiva. Un circuito che, in teoria, migliora a ogni giro.
Wet lab e dry lab: cosa significa "sistema che apprende in continuo"
La novita' non e' usare l'IA per prevedere come si ripiega una proteina o quali molecole potrebbero legarsi a un bersaglio: questo si fa da anni. La novita' e' chiudere l'anello con l'automazione fisica. Nei laboratori tradizionali passano settimane tra un'ipotesi generata al computer e la sua verifica sperimentale. Collegando modelli e robot in un unico flusso, quel divario si accorcia drasticamente, e soprattutto ogni esperimento reale diventa nuovo dato di addestramento. E' la stessa logica del "ciclo di feedback" che ha reso potenti i modelli linguistici, applicata alla chimica.
Anthropic entra nella scoperta di farmaci
NVIDIA ed Eli Lilly non sono sole. Nelle stesse settimane Anthropic ha avviato un programma interno dedicato alla scoperta di farmaci, con l'obiettivo di sviluppare strumenti di IA per le aziende del settore. E' un segnale che i grandi laboratori generalisti non vogliono limitarsi a vendere modelli, ma puntano a entrare nelle filiere verticali ad alto valore, come la sanita' e la ricerca biomedica, dove un singolo successo puo' valere miliardi.
I numeri: tempi dimezzati e tassi di successo in salita
I dati che circolano nel settore aiutano a capire perche' gli investimenti stiano accelerando. Secondo analisi recenti, la scoperta di farmaci assistita dall'IA ha attratto oltre 2 miliardi di dollari di nuovi investimenti, con tempi di sviluppo che scendono dai classici 4-5 anni a 12-18 mesi. I farmaci individuati con il supporto dell'IA mostrerebbero tassi di successo nella Fase I clinica dell'80-90 per cento, ben sopra la media storica, con oltre 3.000 molecole in sviluppo e piu' di 200 approvazioni assistite dall'IA attese entro il 2030.
Vanno lette con cautela: sono cifre riportate da chi opera nel settore, e i tassi di successo nelle fasi cliniche successive (II e III) restano la vera prova del nove. Ma la direzione e' coerente con quanto visto in altri annunci del 2026, dalla britannica CuspAI sui nuovi materiali agli sforzi di Google DeepMind sulla biologia.
Non solo NVIDIA e Lilly: la corsa dell'IA alla biologia
L'annuncio si inserisce in un movimento piu' ampio. Isomorphic Labs, la costola di Google DeepMind nata dal lavoro su AlphaFold, punta a portare in clinica i primi farmaci progettati con l'IA. Grandi case farmaceutiche hanno stretto accordi con laboratori di IA per integrare i modelli nei propri processi di ricerca. E una schiera di startup — molte finanziate proprio nel 2026, anno record per il venture — si concentra su nicchie specifiche, dalle malattie rare alla progettazione di anticorpi. Il filo comune e' trattare la biologia come un problema di dati e simulazione, dove piu' potenza di calcolo e modelli migliori si traducono in ipotesi piu' rapide da testare.
Anche l'Italia ha un ruolo, soprattutto nella ricerca pubblica e nei poli universitari che lavorano su bioinformatica e farmacologia computazionale. Il nodo, come spesso accade, e' la scala: servono infrastrutture di calcolo e collaborazioni con l'industria per non restare fermi alla fase accademica.
I limiti: servono ancora sperimentazioni cliniche
Un punto va ribadito con chiarezza: l'IA accelera la parte iniziale — trovare candidati promettenti e scartare i vicoli ciechi — ma non elimina le sperimentazioni cliniche sull'uomo, che restano lunghe, costose e regolate. Va aggiunto un secondo caveat: molti dei dati piu' entusiastici arrivano da aziende e investitori che hanno interesse a mostrare risultati brillanti, e la comunita' scientifica invita a distinguere tra i successi reali, gia' arrivati in clinica, e le proiezioni sul futuro. Un farmaco "scoperto" da un modello deve comunque superare le fasi I, II e III e ottenere l'approvazione delle autorita'. La promessa realistica non e' "farmaci in un weekend", ma un imbuto piu' efficiente: piu' candidati di qualita' che arrivano alla porta della clinica, con meno tempo e denaro sprecati nei tentativi a vuoto. Se il laboratorio NVIDIA-Lilly manterra' le attese, sara' un tassello importante di questa transizione.
