"हम साल में 30 बेट नहीं कर रहे": विजय पांडे ने a16z में $4 बिलियन चलाने के बाद छोटे दांव पर बात की

विजय पांडे ने ग्रह पर सबसे प्रभावशाली बायोटेक निवेश प्रथाओं में से एक को चलाया — Andreessen Horowitz में लगभग $4 बिलियन संपत्ति प्रबंधन के तहत। फिर उन्होंने इसे छोड़कर कुछ नाटकीय रूप से छोटा शुरू करने के लिए चले गए। यह निर्णय, और इसके पीछे का तर्क, आपको कुछ महत्वपूर्ण बताता है कि AI और जीव विज्ञान वास्तव में कहां जा रहे हैं — और इसका मतलब संस्थापकों और डेवलपर्स के लिए क्या है जो अभी इस चौराहे पर निर्माण कर रहे हैं।

"हम साल में 30 बेट नहीं कर रहे": विजय पांडे ने a16z में $4 बिलियन चलाने के बाद छोटे दांव पर बात की केवल एक निवेशक के कैरियर मोड़ का प्रोफाइल नहीं है। यह एक संकेत है कि गंभीर तकनीकी दिमाग AI के चारों ओर कैसे पुनर्स्थापित हो रहे हैं — पूंजी को व्यापक रूप से छिड़कने के बजाय, बल्कि कम संख्या में वास्तविक कठिन समस्याओं पर गहराई से जाकर। एशिया की टेक इकोसिस्टम के लिए, जहां AI अवसंरचना तेजी से परिपक्व हो रही है और बायोटेक अभी गंभीर इंजीनियरिंग प्रतिभा को आकर्षित करना शुरू कर रहा है, यह संकेत सावधानीपूर्वक पढ़ने के लायक है।

क्या हुआ

विजय पांडे ने a16z की बायोटेक प्रथा को छोड़ दिया — जो लगभग $4 बिलियन तक बढ़ गई थी — VZVC लॉन्च करने के लिए, एक बहुत छोटी, AI-नेटिव वेंचर फर्म। यह कदम न केवल स्केल अंतर के कारण उल्लेखनीय है, बल्कि इसे चलाने वाली दर्शन के कारण भी।

TechCrunch साक्षात्कार के अनुसार, पांडे का मानना है कि जीव विज्ञान एक मौलिक बदलाव से गुजर रहा है — एक "खोज" विज्ञान से एक "इंजीनियरिंग" विज्ञान में। यह फ्रेमिंग महत्वपूर्ण है। खोज विज्ञान संभाव्य और पोर्टफोलियो-संचालित है: आप कई बेट लगाते हैं क्योंकि अधिकांश विफल होंगे और कुछ भारी भरकम लाभ देंगे। इंजीनियरिंग विज्ञान अलग है। जब आप जैविक प्रणालियों को उसी तरह डिजाइन, सिमुलेट और पुनरावृत्त कर सकते हैं जैसे सॉफ्टवेयर इंजीनियर कोड पर पुनरावृत्त करते हैं, विफलता के तरीके बदल जाते हैं। आपको कम बेट की आवश्यकता है, लेकिन प्रत्येक को गहरे विश्वास और निकट सहयोग की आवश्यकता है।

पांडे जो नहीं बदला है उसके बारे में भी स्पष्ट हैं: नैदानिक परीक्षण अत्यंत महंगे रहते हैं। AI दवा की खोज को तेज कर सकता है, प्रयोगशाला में समय सीमा को संपीड़ित कर सकता है, और उम्मीदवारों को सामने ला सकता है जिन्हें मानव शोधकर्ता याद करेंगे — लेकिन Phase II और Phase III परीक्षणों के माध्यम से एक चिकित्सा प्राप्त करना अभी भी सैकड़ों लाखों डॉलर और वर्षों का समय लगता है। बाधा ऊपर की ओर स्थानांतरित हो गई है, प्रयोगशाला और डेटा में, लेकिन डाउनस्ट्रीम बाधा नहीं हटी है।

उनका एक अन्य मजबूत विश्वास डेटा आर्किटेक्चर के बारे में है। पांडे का तर्क है कि खुले, साझा डेटासेट — बंद मालिकाना वाले नहीं — वह हैं जो वास्तव में AI को चिकित्सा को रूपांतरित करने देंगे। कंपनियां और संस्थाएं जो जैविक डेटा को जमा करती हैं वे अल्पकालिक प्रतिस्पर्धी लाभ जीत सकते हैं, लेकिन साइलो किए गए डेटा पर प्रशिक्षित मॉडल पठार तक पहुंचेंगे। सफलताएं उन शोधकर्ताओं और कंपनियों से आएंगी जो साझा डेटा कॉमन्स में योगदान देने और उससे आकर्षित करने के लिए तैयार हैं। यह अधिकांश फार्मा प्रतिष्ठानों की तुलना में संरचनात्मक रूप से एक अलग दांव है।

VZVC, जैसा कि पांडे इसे वर्णित करते हैं, इस थीसिस के चारों ओर बनाया गया है: कम निवेश, अधिक भागीदारी, और बायोटेक कंपनियों का मूल्यांकन और निर्माण करने के लिए एक वास्तविक AI-नेटिव दृष्टिकोण।

एशिया के लिए यह क्यों महत्वपूर्ण है

एशिया के बायोटेक और हेल्थटेक सेक्टर एक inflection बिंदु पर हैं जो लगभग पांच साल के अंतराल के साथ दर्पण करते हैं, जहां अमेरिका था जब पांडे ने पहली बार a16z में गंभीर AI-बायोटेक दांव लगाना शुरू किया था। यह अंतराल तेजी से संपीड़ित हो रहा है।

दक्षिण कोरिया, सिंगापुर, जापान और भारत जैसे देशों के पास विश्व-स्तरीय जीनोमिक्स अनुसंधान संस्थान, विशिष्ट आनुवंशिक प्रोफाइल वाली बड़ी रोगी आबादी हैं जो पश्चिमी डेटासेट में कम प्रतिनिधित्व करते हैं, और तेजी से परिष्कृत AI इंजीनियरिंग प्रतिभा हैं। ऐतिहासिक रूप से उनके पास जो कमी है वह गहरे विज्ञान को आक्रामक उत्पाद विकास से जोड़ने के लिए वेंचर अवसंरचना है। यह अंतराल बंद हो रहा है।

पांडे का खुले, साझा डेटासेट के बारे में तर्क एशिया में विशेष प्रतिध्वनि रखता है। क्षेत्र की कई सरकारें — सिंगापुर की Precision Health Research पहल, जापान के बायोबैंक कार्यक्रम, भारत की जीनोमिक्स ग्रिड — ने खुली डेटा अवसंरचना पर स्पष्ट नीति दांव लगाए हैं। यदि पांडे सही है कि साझा डेटा कॉमन्स बंद बागों से प्रतिस्पर्धा करेंगे, तो एशियाई संस्थाएं जिन्होंने खुली अवसंरचना में निवेश किया है, अगले दशक में एक संरचनात्मक लाभ खोज सकते हैं, नुकसान नहीं।

खोज विज्ञान से इंजीनियरिंग विज्ञान में बदलाव भी एशिया की ताकत को खेलता है। यह क्षेत्र भारी संख्या में इंजीनियर तैयार करता है — ऐसे लोग जो सिस्टम, पुनरावृत्ति लूप और मापने योग्य आउटपुट में सोचते हैं। जीव विज्ञान-इंजीनियरिंग एक फ्रेमिंग है जो प्राकृतिक रूप से इंजीनियरिंग-भारी संस्कृतियों के समस्या-समाधान दृष्टिकोण पर मैप करता है। चुनौती हमेशा उस इंजीनियरिंग मानसिकता को जैविक डोमेन में अनुवाद करना रही है जहां प्रतिक्रिया लूप धीमे और महंगे हैं। AI उन प्रतिक्रिया लूप को संपीड़ित कर रहा है।

दक्षिण पूर्व एशिया और उत्तर पूर्व एशिया में संस्थापकों के लिए AI-जीव विज्ञान चौराहे पर निर्माण करते हुए, पांडे का फंड आकार विकल्प भी शिक्षाप्रद है। VZVC छोटा और अधिक केंद्रित होने का मतलब है कि अगली पीढ़ी की गंभीर AI-बायोटेक कंपनियों को मेगाफंड उपचार की आवश्यकता नहीं हो सकती — या चाहते हैं। छोटे, अधिक तकनीकी रूप से लगे हुए निवेशक जो वास्तव में विज्ञान का मूल्यांकन कर सकते हैं, संस्थापकों के लिए पसंदीदा भागीदार बन सकते हैं जो स्वयं गहराई से तकनीकी हैं।

एशिया की टेक इकोसिस्टम ने पकड़ने की स्थिति से अमेरिकी AI लहर को देखा है। AI-नेटिव बायोटेक में, शुरुआती लाइनें कभी भी एक-दूसरे के करीब नहीं रही हैं।

डेवलपर्स के लिए इसका क्या मतलब है

यदि आप कहीं भी AI और जीव विज्ञान के पास काम कर रहे हैं — या अपनी अगली कुछ वर्षों की तकनीकी ऊर्जा को कहां निर्देशित करना है इस पर विचार कर रहे हैं — पांडे की थीसिस के ठोस निहितार्थ हैं।

जीव विज्ञान एक इंजीनियरिंग डोमेन बन रहा है। इसका मतलब है कि सॉफ्टवेयर इंजीनियर जो उपकरण, वर्कफ़्लो और मानसिक मॉडल का उपयोग करते हैं, वे सीधे जैविक अनुसंधान पर लागू हो रहे हैं। प्रोटीन संरचना भविष्यवाणी, जीन सर्किट डिजाइन, ड्रग-लक्ष्य इंटरैक्शन मॉडलिंग — ये तेजी से सॉफ्टवेयर समस्याएं हैं। यदि आप एक मजबूत ML इंजीनियर हैं जिन्होंने कम्प्यूटेशनल जीव विज्ञान को गंभीरता से नहीं देखा है, तो प्रवेश लागत कभी भी कम नहीं रही है, और ऊपर की ओर विशाल है।

डेटा अवसंरचना लीवरेज बिंदु है। पांडे का खुले डेटासेट के बारे में विश्वास एक डेटा इंजीनियरिंग तर्क जितना ही वैज्ञानिक है। AI-संचालित दवा की खोज में जीतने वाली टीमें वे हैं जो जैविक डेटासेट को स्केल पर ग्रहण, सफाई, सामंजस्य और क्वेरी कर सकते हैं — मोडेलिटी (जीनोमिक्स, प्रोटिओमिक्स, नैदानिक रिकॉर्ड, इमेजिंग) और संस्थानों में। यह एक कठिन इंजीनियरिंग समस्या है, और यह एक है जहां मजबूत डेटा पाइपलाइन अनुभव वाले डेवलपर्स के पास एक वास्तविक लाभ है।

कम, गहरे दांव कैरियर पर भी लागू होते हैं। नई AI फ्रेमवर्क सीखने के लिए स्प्रे-और-प्रार्थना दृष्टिकोण — हर महीने एक नई लाइब्रेरी उठाना, खिलौना डेमो भेजना, स्थायी रूप से सतह पर रहना — यौगिक नहीं करता है। पांडे का विश्वास-आधारित दृष्टिकोण सर्वोत्तम तकनीकी कैरियर कैसे बनाए जाते हैं इस पर मैप करता है: AI और वास्तविक दुनिया के दांव वाले डोमेन के चौराहे पर एक वास्तविक कठिन समस्या खोजें, गहराई से जाएं, और वहां काफी लंबे समय तक रहें ताकि आप ऐसा निर्णय विकसित कर सकें जिसे कोई भी दोहरा नहीं सकता जिसने बस आपके जैसे ही ब्लॉग पोस्ट पढ़े हैं।

MonstarX जैसे प्लेटफॉर्म पर निर्माण करने वाले डेवलपर्स के लिए — जहां AI-नेटिव विकास डिफ़ॉल्ट है, विचार के बाद नहीं — पांडे थीसिस एक उपयोगी लेंस है। सबसे मूल्यवान चीज जो आप अभी बना सकते हैं वह एक foundation model के चारों ओर एक और wrapper नहीं है। यह अवसंरचना, उपकरण, या अनुप्रयोग हैं जो AI-जीव विज्ञान विकास के कठिन हिस्सों को तेजी से और अधिक विश्वसनीय बनाते हैं: डेटा कनेक्टर, मूल्यांकन पाइपलाइन, प्रयोग ट्रैकिंग, नियामक दस्तावेज पीढ़ी।

AI-नेटिव बायोटेक में इंजीनियरिंग सतह क्षेत्र