"আমরা বছরে ৩০টি বিনিয়োগ করছি না": a16z-এ ৪ বিলিয়ন ডলার পরিচালনার পর ছোট বিনিয়োগের উপর বিজয় পান্ডে

বিজয় পান্ডে বিশ্বের সবচেয়ে প্রভাবশালী বায়োটেক বিনিয়োগ অনুশীলনগুলির একটি পরিচালনা করেছিলেন — Andreessen Horowitz-এ প্রায় ৪ বিলিয়ন ডলার সম্পদ ব্যবস্থাপনা। তারপর তিনি এটি থেকে সরে গিয়ে অনেক ছোট কিছু শুরু করতে চলে গেলেন। এই সিদ্ধান্ত এবং এর পিছনের যুক্তি আপনাকে এটি সম্পর্কে গুরুত্বপূর্ণ কিছু বলে যে AI এবং জীববিজ্ঞান আসলে কোথায় যাচ্ছে — এবং এই মুহূর্তে সেই সংযোগস্থলে নির্মাণকারী প্রতিষ্ঠাতা এবং ডেভেলপারদের জন্য এর অর্থ কী।

"আমরা বছরে ৩০টি বিনিয়োগ করছি না": a16z-এ ৪ বিলিয়ন ডলার পরিচালনার পর ছোট বিনিয়োগের উপর বিজয় পান্ডে শুধুমাত্র একজন বিনিয়োগকারীর ক্যারিয়ার পরিবর্তনের একটি প্রোফাইল নয়। এটি একটি সংকেত যে কীভাবে গুরুতর প্রযুক্তিগত মন AI-এর চারপাশে পুনর্অবস্থান করছে — ব্যাপকভাবে পুঁজি ছড়িয়ে দিয়ে নয়, বরং কম সংখ্যক সত্যিকারের কঠিন সমস্যায় গভীরভাবে যাচ্ছে। এশিয়া প্রযুক্তি ইকোসিস্টেমের জন্য, যেখানে AI অবকাঠামো দ্রুত পরিপক্ক হচ্ছে এবং বায়োটেক সবেমাত্র গুরুতর প্রকৌশল প্রতিভা আকর্ষণ করতে শুরু করেছে, সেই সংকেতটি সাবধানে পড়ার যোগ্য।

কী ঘটেছে

বিজয় পান্ডে a16z-এর বায়োটেক অনুশীলন থেকে চলে গেলেন — যা প্রায় ৪ বিলিয়ন ডলারে বৃদ্ধি পেয়েছিল — VZVC চালু করতে, একটি অনেক ছোট, AI-নেটিভ ভেঞ্চার ফার্ম। এই পদক্ষেপটি শুধুমাত্র স্কেলের পার্থক্যের কারণে উল্লেখযোগ্য নয়, বরং এটি চালিত করে এমন দর্শনের কারণেও।

TechCrunch সাক্ষাৎকার অনুযায়ী, পান্ডে বিশ্বাস করেন যে জীববিজ্ঞান একটি মৌলিক পরিবর্তনের মধ্য দিয়ে যাচ্ছে — একটি "আবিষ্কার" বিজ্ঞান থেকে একটি "প্রকৌশল" বিজ্ঞানে। সেই ফ্রেমিংটি গুরুত্বপূর্ণ। আবিষ্কার বিজ্ঞান সম্ভাব্যতামূলক এবং পোর্টফোলিও-চালিত: আপনি অনেক বিনিয়োগ করেন কারণ বেশিরভাগই ব্যর্থ হবে এবং কয়েকটি বিশাল লাভ দেবে। প্রকৌশল বিজ্ঞান ভিন্ন। যখন আপনি জৈবিক সিস্টেমগুলি ডিজাইন, সিমুলেট এবং পুনরাবৃত্তি করতে পারেন যেভাবে সফটওয়্যার ইঞ্জিনিয়াররা কোডে পুনরাবৃত্তি করে, ব্যর্থতার মোড পরিবর্তিত হয়। আপনার কম বিনিয়োগের প্রয়োজন, কিন্তু প্রতিটির জন্য গভীর বিশ্বাস এবং ঘনিষ্ঠ সহযোগিতা প্রয়োজন।

পান্ডে যা পরিবর্তিত হয়নি সে সম্পর্কেও সৎ: ক্লিনিকাল ট্রায়ালগুলি নির্মমভাবে ব্যয়বহুল থাকে। AI ওষুধ আবিষ্কার ত্বরান্বিত করতে পারে, ল্যাবে সময়সীমা সংকুচিত করতে পারে এবং এমন প্রার্থীদের পৃষ্ঠে আনতে পারে যা মানব গবেষকরা মিস করবে — কিন্তু একটি থেরাপি Phase II এবং Phase III ট্রায়ালের মধ্য দিয়ে পাওয়া এখনও শত শত মিলিয়ন ডলার এবং বছরের ক্যালেন্ডার সময় খরচ করে। বাধাটি আপস্ট্রিমে, ল্যাব এবং ডেটায় স্থানান্তরিত হয়েছে, কিন্তু ডাউনস্ট্রিম সীমাবদ্ধতা নড়েনি।

তার অন্যান্য শক্তিশালী বিশ্বাস ডেটা আর্কিটেকচার সম্পর্কে। পান্ডে যুক্তি দেন যে খোলা, ভাগ করা ডেটাসেট — বন্ধ মালিকানাধীন নয় — এটিই যা আসলে AI-কে ওষুধকে রূপান্তরিত করতে দেবে। জৈবিক ডেটা সংরক্ষণকারী কোম্পানি এবং প্রতিষ্ঠানগুলি স্বল্পমেয়াদী প্রতিযোগিতামূলক সুবিধা জিততে পারে, কিন্তু সাইলোড ডেটায় প্রশিক্ষিত মডেলগুলি মালভূমিতে পৌঁছাবে। অগ্রগতি গবেষকদের এবং কোম্পানিগুলি থেকে আসবে যারা ভাগ করা ডেটা কমন্সে অবদান রাখতে এবং আঁকতে ইচ্ছুক। এটি বেশিরভাগ ফার্মা প্রতিষ্ঠানগুলি বর্তমানে যা করছে তার চেয়ে কাঠামোগতভাবে ভিন্ন একটি বিনিয়োগ।

VZVC, যেমন পান্ডে এটি বর্ণনা করে, এই থিসিসের চারপাশে নির্মিত: কম বিনিয়োগ, আরও জড়িততা এবং শুরু থেকে বায়োটেক কোম্পানিগুলি মূল্যায়ন এবং নির্মাণের জন্য একটি প্রকৃত AI-নেটিভ পদ্ধতি।

এশিয়ার জন্য এটি কেন গুরুত্বপূর্ণ

এশিয়ার বায়োটেক এবং হেলথটেক সেক্টরগুলি একটি ইনফ্লেকশন পয়েন্টে রয়েছে যা মিরর করে, প্রায় পাঁচ বছরের ল্যাগ সহ, যেখানে US ছিল যখন পান্ডে প্রথম a16z-এ গুরুতর AI-বায়োটেক বিনিয়োগ করতে শুরু করেছিলেন। সেই ল্যাগটি দ্রুত সংকুচিত হচ্ছে।

দক্ষিণ কোরিয়া, সিঙ্গাপুর, জাপান এবং ভারতের মতো দেশগুলির বিশ্বমানের জিনোমিক্স গবেষণা প্রতিষ্ঠান, বিশাল রোগী জনসংখ্যা যা পশ্চিমা ডেটাসেটে প্রতিনিধিত্ব করা হয় না এমন স্বতন্ত্র জেনেটিক প্রোফাইল সহ এবং ক্রমবর্ধমান পরিশীলিত AI প্রকৌশল প্রতিভা রয়েছে। ঐতিহাসিকভাবে তাদের যা অভাব ছিল তা হল গভীর বিজ্ঞানকে আক্রমণাত্মক পণ্য উন্নয়নের সাথে সংযুক্ত করার জন্য ভেঞ্চার অবকাঠামো। সেই ফাঁক বন্ধ হচ্ছে।

খোলা, ভাগ করা ডেটাসেট সম্পর্কে পান্ডের যুক্তি এশিয়ায় বিশেষ অনুরণন রয়েছে। অঞ্চলের বেশ কয়েকটি সরকার — সিঙ্গাপুরের Precision Health Research উদ্যোগ, জাপানের বায়োব্যাংক প্রোগ্রাম, ভারতের জিনোমিক্স গ্রিড — খোলা ডেটা অবকাঠামোতে স্পষ্ট নীতি বিনিয়োগ করেছে। যদি পান্ডে সঠিক হন যে ভাগ করা ডেটা কমন্স বন্ধ বাগানের সাথে প্রতিযোগিতা করবে, এশিয়ান প্রতিষ্ঠানগুলি যা খোলা অবকাঠামোতে বিনিয়োগ করেছে তারা পরবর্তী দশকে একটি কাঠামোগত সুবিধা খুঁজে পেতে পারে, একটি অসুবিধা নয়।

আবিষ্কার বিজ্ঞান থেকে প্রকৌশল বিজ্ঞানে স্থানান্তর এশিয়ার শক্তিতেও খেলে। অঞ্চলটি বিশাল সংখ্যক প্রকৌশলী তৈরি করে — এমন মানুষ যারা সিস্টেম, পুনরাবৃত্তি লুপ এবং পরিমাপযোগ্য আউটপুটে চিন্তা করে। জীববিজ্ঞান-প্রকৌশল হিসাবে একটি ফ্রেমিং যা স্বাভাবিকভাবে প্রকৌশল-ভারী সংস্কৃতিগুলি সমস্যা সমাধানের পদ্ধতিতে ম্যাপ করে। চ্যালেঞ্জটি সর্বদা সেই প্রকৌশল মানসিকতাকে জৈবিক ডোমেনে অনুবাদ করা হয়েছে যেখানে প্রতিক্রিয়া লুপগুলি ধীর এবং ব্যয়বহুল। AI সেই প্রতিক্রিয়া লুপগুলি সংকুচিত করছে।

দক্ষিণ-পূর্ব এশিয়া এবং উত্তর-পূর্ব এশিয়ায় AI-জীববিজ্ঞান সংযোগস্থলে নির্মাণকারী প্রতিষ্ঠাতাদের জন্য, পান্ডের তহবিল আকারের পছন্দও শিক্ষণীয়। VZVC ছোট এবং আরও ফোকাসড হওয়ার অর্থ পরবর্তী প্রজন্মের গুরুতর AI-বায়োটেক কোম্পানিগুলির মেগাফান্ড চিকিত্সার প্রয়োজন নাও হতে পারে — বা চাইতে পারে। ছোট, আরও প্রযুক্তিগতভাবে নিযুক্ত বিনিয়োগকারীরা যারা আসলে বিজ্ঞান মূল্যায়ন করতে পারে তারা প্রতিষ্ঠাতাদের জন্য পছন্দের অংশীদার হতে পারে যারা নিজেরাই গভীরভাবে প্রযুক্তিগত।

এশিয়া প্রযুক্তি ইকোসিস্টেম ধরার অবস্থান থেকে US AI ঢেউ দেখেছে। AI-নেটিভ বায়োটেকে, স্টার্টিং লাইনগুলি তারা এখন পর্যন্ত একসাথে বন্ধ।

ডেভেলপারদের জন্য এর অর্থ কী

যদি আপনি AI এবং জীববিজ্ঞানের কাছাকাছি কোথাও কাজ করছেন একজন ডেভেলপার — বা আপনার পরবর্তী কয়েক বছরের প্রযুক্তিগত শক্তি কোথায় নির্দেশ করতে হবে তা নিয়ে চিন্তা করছেন — পান্ডের থিসিসের কংক্রিট প্রভাব রয়েছে।

জীববিজ্ঞান একটি প্রকৌশল ডোমেইন হয়ে উঠছে। এর অর্থ সফটওয়্যার ইঞ্জিনিয়াররা যে সরঞ্জাম, ওয়ার্কফ্লো এবং মানসিক মডেলগুলি ব্যবহার করে তা জৈবিক গবেষণায় সরাসরি প্রযোজ্য হয়ে উঠছে। প্রোটিন স্ট্রাকচার পূর্বাভাস, জিন সার্কিট ডিজাইন, ওষুধ-লক্ষ্য মিথস্ক্রিয়া মডেলিং — এগুলি ক্রমবর্ধমান সফটওয়্যার সমস্যা। যদি আপনি একজন শক্তিশালী ML ইঞ্জিনিয়ার যিনি গণনামূলক জীববিজ্ঞানকে গুরুত্ব সহকারে দেখেননি, প্রবেশ খরচ এটি এখন পর্যন্ত কম, এবং আপসাইড বিশাল।

ডেটা অবকাঠামো লিভারেজ পয়েন্ট। খোলা ডেটাসেট সম্পর্কে পান্ডের বিশ্বাস একটি ডেটা প্রকৌশল যুক্তি যেমন এটি একটি বৈজ্ঞানিক। AI-চালিত ওষুধ আবিষ্কারে জয়ী হওয়া দলগুলি হল যারা জৈবিক ডেটাসেটগুলি স্কেলে গ্রহণ, পরিষ্কার, সামঞ্জস্য এবং অনুসন্ধান করতে পারে — মডালিটি জুড়ে (জিনোমিক্স, প্রোটিওমিক্স, ক্লিনিকাল রেকর্ড, ইমেজিং) এবং প্রতিষ্ঠান জুড়ে। এটি একটি কঠিন প্রকৌশল সমস্যা, এবং এটি এমন একটি যেখানে শক্তিশালী ডেটা পাইপলাইন অভিজ্ঞতা সহ ডেভেলপারদের একটি প্রকৃত প্রান্ত রয়েছে।

কম, গভীর বিনিয়োগ ক্যারিয়ারেও প্রযোজ্য। নতুন AI ফ্রেমওয়ার্কগুলিতে শেষ-সব-সব পদ্ধতি — প্রতি মাসে একটি নতুন লাইব্রেরি বাছাই করা, খেলনা ডেমো শিপিং, স্থায়ীভাবে পৃষ্ঠে থাকা — যৌগিক হয় না। পান্ডের বিশ্বাস-ভিত্তিক পদ্ধতি সেরা প্রযুক্তিগত ক্যারিয়ারগুলি কীভাবে নির্মিত হয় তার সাথে ম্যাপ করে: AI এবং একটি ডোমেইনের সংযোগস্থলে একটি সত্যিকারের কঠিন সমস্যা খুঁজুন যার বাস্তব-বিশ্বের স্টেক রয়েছে, গভীরভাবে যান এবং সেখানে যথেষ্ট দীর্ঘ থাকুন যাতে আপনি এমন বিচার বিকাশ করতে পারেন যা কেউ যে একই ব্লগ পোস্টগুলি পড়েছে তার দ্বারা প্রতিলিপি করা যায় না।

MonstarX-এর মতো প্ল্যাটফর্মে নির্মাণকারী ডেভেলপারদের জন্য — যেখানে AI-নেটিভ উন্নয়ন ডিফল্ট, একটি পরবর্তীচিন্তা নয় — পান্ডে থিসিস একটি দরকারী লেন্স। আপনি এখন যা সবচেয়ে মূল্যবান জিনিস তৈরি করতে পারেন তা একটি ভিত্তি মডেলের চারপাশে আরেকটি মোড়ক নয়। এটি অবকাঠামো, সরঞ্জাম বা অ্যাপ্লিকেশন যা AI-জীববিজ্ঞান উন্নয়নের কঠিন অংশগুলি দ্রুত এবং আরও নির্ভরযোগ্য করে তোলে: ডেটা সংযোগকারী, মূল্যায়ন পাইপলাইন, পরীক্ষা ট্র্যাকিং, নিয়ন্ত্রক ডকুমেন্টেশন প্রজন্ম।

AI-নেটিভ বায়োটেকে প্রকৌশল পৃষ্ঠ এলাকা