过去，维贾伊·潘德（Vijay Pande）在学术界的名气远大于投资者圈。大约十二年前，这一局面发生了急剧变化：马克·安德森（Marc Andreessen）和本·霍洛维茨（Ben Horowitz）——他们此前五年刻意避开医疗和生命科学领域——最终认为该类别值得押注，并将钥匙交给了潘德。当时，他是斯坦福大学的化学教授，因创建 Folding@home 而闻名，该项目将数百万台家用电脑转化为用于疾病研究的超级计算机。在接下来的十多年里，他将 a16z 的投资发展为管理近 40 亿美元的业务。
因此，去年六月潘德毅然放弃一切去创办一家规模小得多的机构，这多少令人意外。事实上，他与长期投资者扎克·韦纳共同创立的 VZVC 专注于每年进行少数几项集中投资，而非数十项，不设助理，并高度依赖人工智能处理日常运营。
为了更深入地了解潘德的战略转型，我们本周与他进行了交谈，探讨为何在当前市场环境下他选择进行少数集中投资，而非分散精力；同时也探讨了 AI 驱动的生物科技领域一个更为有趣的难题：与文本不同，生物数据无法从互联网上抓取，因此几乎每家公司最终都会建立自己的封闭数据集。这对 AI 在医学领域承诺的所有进步意味着什么？谁才能真正获得这些成果？
本次对话已根据篇幅和清晰度进行了编辑。您也可以收听更完整的对话内容（见下文）。
你曾说生物学正从“发现科学”转变为一种可以工程化的学科。这是什么意思？
在许多药物开发方式中，存在很大的偶然性因素。我认为发生转变的是，AI 和机器学习使计算机能够对其非常复杂的对象形成理解……试图确定药物应针对特定疾病的靶点，从而制造出这些药物，现在甚至还能协助临床试验——这是整个过程中最昂贵的部分。
我以为临床试验正在变得更便宜，因为药物开发商使用了更多合成数据，因此不需要那么多人参与这些试验。
我认为这更多是一种愿景。
进入临床试验的成本和时间一直在缩短，尤其是在 AI 的推动下，但开展一项试验仍可能花费数亿美元，这也是药物价格高昂的原因。药物从第一次试验成功推进到第三次试验结束的概率仅为 20%。如果 10 中有 8 个失败，且每项成本高达数亿美元，分摊成本就会变得非常高昂。它们失败的原因通常不是生物学家做错了什么，而是这些药物所基于的实验都是在小鼠等动物模型上进行的，而最终，动物模型对人类预测能力很差。AI 模型不会完美无缺，但它会比任何动物模型都好得多，一旦跨越这一门槛，事情就会变得非常令人兴奋。
[随后的阶段是]：该药物是否适合我？
你是指个性化医疗……
这里的术语是所谓的“精准医疗”。如果你因非轻微病症去看医生，他们只能猜测病情，因为他们的判断能力有限。然后他们会给你开一种药——如果无效，再换另一种，接着又换第三种。这种情况在癌症治疗中很常见，在许多其他领域也是如此。如果第一种药就是对症的，那我们会好得多。通常，你的血液检测值是与人群平均值进行比较的。但实际上，它们应该与这样的标准比较：这个[结果]对你来说是否异常？我们在医学方面也开始[具备这种能力]，即理解什么方案最适合个体。
你认为走到这一步的路径是缓慢而稳定的，还是最近才突然加速？
我认为这是许多不同因素[汇聚在一起]的结果。例如，长期以来，精准医疗主要基于基因组学。但现实情况是，你的基因组就像你房子建成第一天的蓝图，而现在的房子与建成时相比已经大不相同。因此，人们现在可以在蛋白质组学等领域测量许多其他指标，这些指标对于理解疾病和你当前的身体状况更为相关。此外，机器人测量方面的自动化程度大幅提高，这自然与人工智能（AI）紧密相连，两者配合得非常好。
在过去十年中，这一进程稳步发展。在用于生物学的 AI 和用于化学的 AI 中，生物学部分关注的是：如何治疗这种疾病？而化学部分则关注：如何设计出针对该特定蛋白质的药物？在这十年间，实际上取得了非常显著的进展。
你提到生物学是少数几个 AI 无法仅从互联网抓取数据的领域之一。这对该领域的发展意味着什么？
这是一个缺乏那种所有人都能用来训练同一模型的数据的地方，而且你的数据无法从一个模型蒸馏到另一个模型。从纯 AI 的角度来看，这是一个非常有趣的局面。
但这难道不呼应了医学中的一个老问题吗——医生们往往处于[各自为政、常具竞争性]的信息孤岛中？
你触及了一个非常重要的问题。假设[某人]患有一种癌症，它既涉及肿瘤学，也涉及内分泌学——这两类医生之间的协作往往并不顺畅。AI 真正令人着迷之处在于，原则上它可以成为所有领域的专家，并能发现任何单个人类都无法察觉的问题。这相当于让最优秀的医生团队在同一时刻协同工作。
但是，为了实现这一愿景，是否有足够的数据共享？我理解创始人和投资者希望保护他们[各自的成果]，但是……
我认为一个更大的趋势是，我们开始看到向构建生物信息图谱的转变——从技术角度来看，这些通常是基础模型。随着它们变得越来越普遍，我认为我们会看到与开源大型语言模型（LLM）相同的情况，后者在企业级模型中表现非常出色：开源的基础模型在生物学领域也将产生非常广泛的影响。
你参与了 Genesis Molecular AI，它源自你在斯坦福大学的实验室，还参与了 Insitro，这是一家由你前斯坦福同事 Daphne Koller 创立的药物发现公司。你还说正在孵化一家公司，其创始人是你相识 20 年的朋友。你在寻找什么样的创始人，以及在哪些领域？
我大部分时间都花在两个领域。一个是用于医疗交付的 AI，我在 a16z 时也做了大量相关工作；另一个是用于临床试验的 AI。
我对[创始人]最看重的事情之一是我们能够真正相互信任——具有高诚信度、言行一致的创始人……我希望这种关系能持续 5 年、10 年甚至更久，理想情况下延伸到他们的下一家公司。我想与那些具有长期思维的人合作。理想情况下，这些人不仅仅是试图击败他人，而是真正思考这样一个问题：我们如何共同获胜？
到目前为止，你的投资生涯中有哪些做对和做错的地方？
当我十多年前开始谈论人工智能、机器学习、技术与医学和生物技术时，存在很多阻力，很多人说‘哦，那永远不会发生’、‘那永远不会有用’等等。现在这种阻力已基本消失，见证这一发展过程让我感到非常满足。
我认为我花了一些时间才真正认识到，尽管最酷的技术多么诱人，但最终还是要回到市场进入策略上。我告诉我的创始人，尤其是那些来自科学或产品背景的创始人，让他们把所有的才华和创造力真正应用到市场进入方面，因为市场进入部分至少和技术部分一样难，甚至更难。
请帮助我们理解，你设计这家新公司与之前在 a16z 运营的公司有何不同。
目前，我们正在做一些非常不同的事情……VZ 是以我和联合创始人 Zack Werner 的名字命名的，我是 Vijay，他是 Z。我们故意保持非常小的规模……在投资方面，实际上只有我们两个人。我们原本打算招聘助理，但结果发现，由于我们已经建立起来的智能体（agents），这并不是我们需要做的事情。
"集中"到底有多集中？
我们每年并不是在投 30 个项目……我们说的是大概五个，投资数量并不多——非常集中。在一个典型基金里增加一家公司，就像加一个 Facebook 好友一样，那是一件很快就能完成的事。而对我来说和 Zack 来说，这更像是……想要再要一个孩子。这对我们来说是一件大事。
在这种结构下，你在争夺项目时与谁竞争？
这个模式有趣之处在于，通常我们并不去争抢热门轮次——人们会为我们腾出空间。这与去争抢热门的 A 轮或 B 轮截然不同。人们大多希望我们作为投资者，是因为 Zack 和我能带来的价值以及我们能够深度参与的程度。当我寻找灵感来源时，我会看向 Valor 的 Antonio Gracias——他因 SpaceX 的交易而广为人知，但他已经做了 20 年这样的工作。Thrive 通过更集中的投资组合所取得的成就，也给了我很大的启发。当然，a16z 也在我的 DNA 里，但我认为其他这些才是我们思维方式中新的补充。
目前 AI 和生物技术领域有哪些被过度炒作的内容？
现实情况是，AI 能够发现仅靠人类无法获得的洞察。最棘手的情况总是出现在那种声称 AI 将治愈一切的论调中。对此持保留态度的原因并非对 AI 本身存疑，而是对数据存疑。大语言模型（LLMs）之所以有效，是因为有海量数据可供学习。当数据根本不存在时，AI 就无法 magically（神奇地）解决那个问题。