Vijay Pande 過去在學術界比在投資界更為人所知。這在十二年前有了戲劇性的轉變，當時 Andreessen 和 Horowitz 夫婦，他們的公司花了前五年時間明確迴避醫療保健和生命科學領域，最終決定這個領域值得投資，並將其交給 Pande。當時，他是史丹佛大學的化學教授，以開發 Folding@home 而聞名，這是一個分散式運算專案，將數百萬台家用電腦變成超級電腦，用於疾病研究。在接下來的十多年裡，他將 a16z 的投資發展成一個管理近 40 億美元的業務。

因此，去年六月 Pande 離開這一切，創立一家規模小得多的公司，這有些出乎意料。事實上，他與資深投資人 Zach Werner 共同創立的新公司 VZVC，其核心是每年進行幾項集中的投資，而非數十項，公司沒有助理，並且高度依賴 AI 進行日常營運。

為了更深入了解 Pande 的重大轉變，我們本週與他進行了對談，探討他為何在當前市場上選擇進行幾項集中的投資，而非分散精力——以及 AI 驅動的生物技術領域一個非常有趣的難題：與文本不同，生物數據無法從網路上爬取，因此幾乎每家公司最終都會建立自己的封閉式數據集。這對 AI 在醫學領域所承諾的進展意味著什麼，以及誰能真正獲得這些進展？

此對談經過編輯以符合長度和清晰度。您也可以收聽更完整的對談（如下）。

您曾說過，生物學正從「發現科學」轉變為「工程科學」。這意味著什麼？

在許多藥物開發的方式中，都帶有很大的偶然性。我認為現在的轉變是，AI 和機器學習讓電腦能夠圍繞非常、非常複雜的事物建立起它們的理解能力……試圖找出您希望藥物針對哪些特定疾病的標靶，能夠製造這些藥物，甚至現在還能協助進行臨床試驗——這是過程中成本最高的部分。

我以為臨床試驗正在變得更便宜，因為藥物開發者正在使用更多合成數據，所以這些試驗不需要那麼多人。

我認為這很大程度上是一種願望。

到達臨床試驗的成本和時間一直在縮短，尤其是在 AI 的幫助下，但進行一項試驗仍可能耗資數億美元，這也是藥物非常昂貴的原因。藥物從第一期試驗成功走到第三期試驗結束的機率只有 20%。如果 10 個中有 8 個失敗，而這些試驗耗資數億美元，那麼分攤的成本就會變得非常高。它們失敗的原因通常不是因為生物學家做錯了什麼；而是因為這些藥物所基於的所有實驗都是在動物模型（如小鼠）上進行的，而最終，動物模型對人類的預測性並不高。AI 模型不會是完美的，但它會比任何動物模型都好得多，一旦它跨過了這個門檻，那才是真正令人興奮的地方。

[下一個階段是]：這藥物對我來說是正確的藥物嗎？

這裡的術語是所謂的精準醫療。如果您去看醫生，處理一些非小問題，他們必須猜測是什麼情況，因為他們能告訴你的資訊有限。然後他們給你一種藥——如果那種藥無效，他們會給你另一種藥，然後再一種。這在癌症治療中會發生，在許多其他領域也會發生。如果第一種藥就是正確的藥，我們都會好得多。通常，您的血液檢查數值會與人口平均值進行比較。但實際上，它們應該與「這[結果]對您來說是否異常？」進行比較。我們開始在醫學方面做的也是[能力]去了解什麼對個體來說是正確的。

您會說，走到這一刻的道路是緩慢而穩定的，還是最近才出現高峰？

我認為是許多不同的事物[匯集在一起]。例如，精準醫療很長一段時間都基於基因組學。但現實是，您的基因組就像第一天的房屋藍圖，但與建造時相比，您的房屋現在已經相當不同了。因此，人們現在可以在蛋白質組學等方面測量許多其他事物，這些事物對於理解疾病和您身體目前的狀況更為相關。在自動化機器測量方面也有[大量]的進展，這自然與 AI 相關聯，這兩者結合得非常好。

在過去十年裡，AI 在生物學和化學領域都穩步發展。生物學部分是如何治療這種疾病？然後化學部分是如何開發出針對該特定蛋白質的藥物？在這十年裡，實際上取得了非常重大的進展。

您提到生物學是少數 AI 無法僅僅從網路上爬取數據的領域之一。這對該領域的發展意味著什麼？

這是一個您沒有任何數據可以讓大家共同訓練相同東西的領域，您的數據也無法從一個模型轉移到另一個模型。從純粹的 AI 角度來看，這是一個非常有趣的局面。

這是否也反映了醫學中一個熟悉的難題——醫生在[各自為政、經常競爭]的孤島中運作？

您抓到了一個非常大的重點。假設[某人]患有某種類型的癌症，這同時是腫瘤學和內分泌學的問題——這兩位醫生之間實際上並沒有很好的協調。AI 真正引人入勝的地方在於，它原則上可以成為所有領域的專家，並開始看到任何單一人類無法看到的東西。這相當於擁有一支由最頂尖的醫生組成的團隊，在那個時刻一起熱烈討論。

但是否有足夠的數據共享來實現這一願景？我理解創始人和投資者為何想保護他們[各自的發現]，但是……

我認為一個更大的趨勢是，我們開始看到一種轉變，即建立生物資訊圖譜——從技術角度來看，這些通常是基礎模型。隨著它們變得越來越普遍，我認為我們將看到與開源 LLM 發生的事情一樣，它們在與企業模型競爭時表現得非常好：開源生物學基礎模型將產生廣泛的影響。

您參與了 Genesis Therapeutics，該公司源自您在史丹佛的實驗室，以及 Insitro，這是一家由您在史丹佛的前同事 Daphne Koller 創立的藥物發現公司。您說您還在孵化一家與您認識 20 年的創始人合作的公司。您在尋找創始人時，看重哪些方面，以及在哪些領域？

我花費最多時間的兩個領域是：一是醫療保健交付的 AI，這我在 a16z 也做了很多；二是臨床試驗的 AI。

對我來說，[關於創始人]最重要的事情之一是我們能夠真正地相互信任——具有高度誠信的創始人，他們會說到做到……我期望這種關係能持續 5 年、10 年以上，理想情況下是他們下一家公司。我想與像這樣思考長期的人合作。理想情況下，這些人不僅僅是想贏過別人，而是真正思考這個問題：我們如何一起贏？

到目前為止，您在投資生涯中哪些做得對，哪些做得錯？

十多年前，當我開始談論 AI、機器學習、科技與醫學和生物學時，有很多人抵制，很多人說，「哦，這永遠不會發生。這永遠不會有用。」等等。這種阻力在很大程度上已經消失了，看到這個發展軌跡非常令人欣慰。

我認為我花了一些時間才真正體會到，儘管最酷的技術很誘人，但最終總是回歸到市場進入。我告訴我的創始人，特別是那些來自科學或產品方面的創始人，讓他們將所有的才華和創造力真正應用到市場進入方面，市場進入部分至少和技術方面一樣難，甚至更難。

請幫助我們了解，與您在 a16z 領導的團隊相比，您是如何設計這個新公司的？

現在，我們正在做一些非常不同的事情…… VZ 的名字來自於我，Vijay，以及我的聯合創始人 Zach Werner——他是 Z。我們故意做得非常小……在投資方面，真的只有我們兩個人。我們本來打算聘請助理，但結果發現，由於我們建立的代理系統，這並不是我們需要做的事情。

「集中」的程度有多高？

我們[不會]每年進行 30 次投資……我們談論的是大約五次，不多的投資——非常集中。在一家典型基金中增加一家公司就像增加一個 Facebook 好友——這是你很快就能做到的事情。對 Zach 和我來說，這更像是……想要有另一個孩子。對我們來說，這是一件大事。

有了這樣的結構，您在交易中與誰競爭？

這種模式的有趣之處在於，我們通常不會試圖爭奪熱門的融資輪——人們會為我們騰出空間。這與爭奪熱門的 A 輪或 B 輪融資非常不同。在很大程度上，人們希望我們成為投資者，是因為 Zach 和我能做什麼，以及我們能有多麼親力親為。當我看到我敬佩的人時，我會看 Antonio Gracias 這樣的人，他在 Valor 基金，他現在因為 SpaceX 的交易而廣為人知，但他已經做了 20 年了。Thrive 基金以更集中的投資組合所做的，也是真正的啟發。顯然，a16z 也在我的基因裡，但我認為那些其他的想法是我們思考問題的新增內容。

目前 AI 和生物技術領域有哪些被過度炒作？

現實是，AI 可以發現我們僅憑人類無法獲得的見解。總是會變得棘手的問題是，當有人說 AI 將治癒一切時。猶豫的原因不是因為對 AI 有任何懷疑——而是因為對數據有懷疑。LLM 之所以有效，是因為有大量的數據可供學習。當數據根本不存在時，AI 就無法神奇地解決這個問題。