Czy Bayer powinien zbudować własny superkomputer? Albo: kiedy sąsiad kupuje Ferrari

Czy odpowiadam na pytanie, którego nikt nie zadał? Nie wiem, ale nie zdziwiłbym się, gdyby mój szef Bill Anderson zadał je już dawno temu...

Eli Lilly właśnie wyłożyło 110 mln € na superkomputer z 1016 GPU NVIDIA Blackwell Ultra. Dodaj 10 lat kosztów utrzymania i wychodzi 300–370 mln € łącznie.

Tymczasem Bayer strategicznie buduje AI w modelu cloud-first (AWS, Google Cloud, platforma PRINCE) i jednocześnie spłaca dług. Zwrot akcji: wyniki za Q3 2025 wyglądają naprawdę dobrze. Dług niższy o 3,2 mld € rok do roku, blockbustery wchodzą na rynek, marże rosną.

Więc zapytałem: czy Bayer powinien przesiąść się ze służbowego auta na własne Ferrari?

(Nawiasem mówiąc, w Bayerze mamy dużo mniej samochodów służbowych, niż zwykle mają firmy naszej wielkości. W podróżach służbowych po Niemczech jesteśmy zobowiązani jeździć pociągiem, bo Deutsche Bahn zasila swoje pociągi w 100% zieloną energią.)

Spoiler: finanse mówią, że może tak. A znalezienie tych 35 błyskotliwych umysłów, które to poprowadzą? Wyzwanie przyjęte.

Liczby (albo: dlaczego ten pomysł z Ferrari nie jest szalony)

Ferrari Lilly: 110 mln € ceny wywoławczej, 300–400 mln € przez 10 lat. Znajduje cząsteczki w 5 minut zamiast w rok. Jeden z największych superkomputerów AI w farmacji.

Rozpęd Bayera (dopiero się rozkręcamy):

• Dług: 32,7 mld €, niżej o 3,2 mld € rok do roku, robimy to dobrze!

• EBITDA za Q3: 1,5 mld €, wzrost o 21%

• Nubeqa + Kerendia: wzrost o 63% rok do roku, kompensują klif patentowy Xarelto

• Lynkuet: premiera w listopadzie 2025

• Pipeline: terapia komórkowa, terapia genowa, rzeczy głodne mocy obliczeniowej

Realia: 300 mln € to równowartość 2-3 leków blockbusterowych. ALE jeśli dzięki temu odkrywamy cząsteczki 3x szybciej i oszczędzamy setki milionów w produkcji? To nie koszt, to broń.

Kiedy kredyt topnieje o ponad 3 mld € rocznie, a produkty drukują pieniądze? Może czas myśleć większymi kategoriami.

Dlaczego to mogłoby być genialne

Tu metafora Ferrari się sypie: prawdziwe Ferrari jest drogie, prestiżowe i głównie chodzi w nim o to, żeby dobrze wyglądać w szybkiej jeździe. A superkomputer? To droga maszyna, która realnie potrafi skrócić drogę do miliardowych oszczędności i przewagi konkurencyjnej. Oto dlaczego:

Szybkość = miliardy

• Projektowanie cząsteczek: miesiące → godziny

• Optymalizacja produkcji: w czasie rzeczywistym zamiast kwartalnie

• Modelowanie terapii komórkowych: tygodnie → dni

• W wyścigu blockbusterów na rynek szybkość to nie miły dodatek, tylko miliardy warte przewagi pierwszego gracza

Ekonomia + złoto w produkcji

• Rozwiązanie on-premise jest 5-7x tańsze niż chmura przy obciążeniach 24/7

• Obecny rachunek za chmurę: około 12–15 mln € rocznie (i rośnie)

• Próg opłacalności po 3-4 latach, potem czysta oszczędność

• Ukryta perła: poprawa uzysku w biologikach o 1–2% to setki milionów zysku

• Superkomputer mógłby spłacić się samą optymalizacją produkcji

Suwerenność danych

• Twój sprzęt, Twoje dane, Twoja kontrola

• Łatwiejsza zgodność z RODO i wymogami regulacyjnymi

• Kiedy masz miliardy w IP i rezerwach na spory sądowe, własność ma znaczenie

Odporność na przyszłość

• Terapia komórkowa, terapia genowa, onkologia precyzyjna są w późnych fazach badań JUŻ TERAZ

• To nie jest technologia „może kiedyś", tylko konieczna do nauki, którą już uprawiamy

• Pipeline pełen prac wymagających ogromnej mocy obliczeniowej, gotowych nakarmić superkomputer

Wyzwania (nic, z czym byśmy sobie nie poradzili)

300 mln € to prawdziwe pieniądze: za to można opracować 2-3 leki. Kontra: a jeśli to pomoże opracować je szybciej?

Cykle wymiany GPU: karty z 2026 roku będą wymagały wymiany do 2029. Ale przewaga byłaby nasza, ten kompromis się opłaca.

Chmura działa: AWS i Google dowożą. Kontra: przy odpowiedniej skali własność wychodzi taniej.

Walka o ludzi: niemiecka pula specjalistów HPC to około 200 osób. Firmy technologiczne oferują ponad 250 000 €. Ale najlepsi chcą ciekawych problemów. „Zbuduj największy superkomputer w farmacji"? Całkiem ciekawe.

Niemieckie regulacje: wymogi energetyczne, compliance. Ale Bayer radzi sobie z regulacjami od 1863 roku. Jesteśmy w tym dobrzy.

Gdzie zaparkować to Ferrari? (mamy świetne opcje)

Leverkusen: blisko centrali, istniejąca infrastruktura przemysłowa, poparcie polityczne (8/10), bezpiecznie i sensownie

Wuppertal: modernizacja R&D za 1,4 mld € i tak trwa, idealny moment na integrację (7,5/10), naukowo optymalnie

Berlin: najlepsza pula talentów w Niemczech, platforma PRINCE już tam jest, ekosystem startupowy (7/10), magnes na ludzi

Szczerze? Wszystkie trzy zadziałają. Mamy infrastrukturę, poparcie polityczne i lokalizacje. Trudne nie jest „gdzie", tylko „kiedy". A wyniki za Q3 2025 sugerują, że „kiedy" może być wcześniej, niż się wydaje.

No więc... kupujemy to Ferrari?

Moje zdanie: moment robi się naprawdę ciekawy.

Faza 1 (2026): 30–40 mln € na start, 120–150 mln € przez 10 lat. Wyspecjalizowany HPC, zatrudnienie 15-20 osób, udowodnienie 3x większej szybkości ALBO ponad 10 mln € oszczędności.

Faza 2 (2027-2028): skalowanie, gdy Faza 1 dowiezie. Dodatkowe 150–220 mln €. Razem: 270–370 mln €.

Dlaczego to ma sens:

+ Rozpęd finansowy: dług niższy o 3,2 mld € rok do roku

+ Pipeline gotowy: terapia komórkowa i genowa potrzebuje mocy JUŻ TERAZ

+ Potencjał w produkcji: setki milionów oszczędności

+ Konieczność konkurencyjna: nie możemy zostać w tyle za Lilly i Novo

Prawdziwe pytanie: nie brzmi „czy nas na to stać?" (stać nas). Brzmi „czy stać nas na to, żeby tego NIE zrobić?"

Prognoza: planowanie w Q4 2025, decyzja w Q1 2026, wdrożenie Fazy 1 pod koniec 2026. Szybkie skalowanie w 2027.

Realia rynku talentów

Misja: 35 specjalistów za 150 000–220 000 € w konkurencji z gigantami technologicznymi. Niemiecka pula HPC: około 200 osób.

Dlaczego wygramy: najlepsi idą za ciekawymi problemami. „Zbuduj największy superkomputer AI w farmacji, żeby ratować życie" bije „bądź pracownikiem Google nr 47 293". Historia zwrotu Bayera, blockbustery wchodzące na rynek, postawienie na AI, to przekonuje.

Gorące kompetencje: architektura HPC (120 000–220 000 €), chemia obliczeniowa + AI (130 000–180 000 €). Przejście z wet lab do obliczeń to skok wynagrodzenia o 40–60%.

Ewolucja: 2020 = modne hasło. 2025 = wyścig zbrojeń. 2026 = niemiecka farmacja potrzebuje ponad 100 specjalistów. To wyzwanie, które uwielbiam.

Podsumowanie

Lilly kupiło Ferrari. Novo się rozgląda. Bayer analizuje.

Po 8 latach w Bayerze: jesteśmy silniejsi, niż niektórym się wydaje. Dług spada o ponad 3 mld € rocznie. Blockbustery rosną o ponad 60%. Pipeline pełen nauki, która pożera moc obliczeniową.

Sprzęt? Prosta sprawa. Ludzie? Tu zaczyna się zabawa. Nasza historia transformacji jest prawdziwa, nasza nauka jest na czele. Jestem pewien, że „pomóż zbudować największy superkomputer AI w farmacji" przyciąga dokładnie te umysły, których potrzebujemy.

Czy będzie to Faza 1 w 2026 roku (mój typ), czy ścieżka ostrożniejsza, badania i rozwój w farmacji to wyścig zbrojeń AI. Wygrywają ci, którzy łączą właściwy sprzęt z właściwymi ludźmi.

To połączenie? Właśnie po to chce mi się przychodzić do pracy.

Czy Bayer powinien zbudować jeden z największych superkomputerów w farmacji?

Odpowiedzcie w komentarzach!

Jeśli jesteś architektem HPC, chemikiem obliczeniowym albo inżynierem AI i chcesz pracować nad czymś, co ma znaczenie, odezwij się.

Jak to widzisz? Dlaczego Bayerowi miałby się opłacać własny superkomputer?

A może to szaleństwo i tylko część hype'u wokół AI?

(Słyszałem kiedyś ludzi, którzy mówili, że cały ten internet to wielki hype i zabawka wyłącznie dla komputerowych nerdów :P )

Napiszcie w komentarzach, po której jesteście stronie. Czy Bayer powinien zbudować swoje AI Ferrari?

#Pharma #AI #TeamBayer #MoreThanCareer #DSO #DrugDiscovery