"연 30건의 투자는 하지 않습니다": a16z에서 40억 달러를 운용한 비제이 판데가 말하는 선택적 투자 전략

비제이 판데(Vijay Pande)는 세계에서 가장 영향력 있는 바이오테크 투자 펀드 중 하나를 운영했습니다. 앤드리센 호로위츠(Andreessen Horowitz)에서 약 40억 달러의 자산을 관리했죠. 그러다 그는 훨씬 더 작은 규모의 새로운 펀드를 시작하기 위해 그 자리를 떠났습니다. 이 결정과 그 배경에 담긴 이유는 AI와 생물학이 실제로 어디로 향하고 있는지, 그리고 그 교집합에서 사업을 하는 창업자와 개발자들에게 무엇을 의미하는지 보여줍니다.

"연 30건의 투자는 하지 않습니다": a16z에서 40억 달러를 운용한 비제이 판데가 말하는 선택적 투자 전략은 단순한 한 투자자의 경력 전환 이야기가 아닙니다. 이는 기술적 역량을 갖춘 사람들이 AI를 중심으로 어떻게 재편성되고 있는지를 보여주는 신호입니다. 자본을 광범위하게 뿌리는 것이 아니라, 정말 어려운 문제들에 깊이 있게 집중하는 방식으로요. 아시아 테크 생태계에서 AI 인프라가 빠르게 성숙해지고 있고 바이오테크가 본격적인 엔지니어링 인재를 받아들이기 시작하는 시점에서, 이 신호는 주의 깊게 읽을 가치가 있습니다.

무슨 일이 있었나

비제이 판데는 약 40억 달러 규모로 성장한 a16z의 바이오테크 펀드를 떠나 VZVC라는 훨씬 더 작은 규모의 AI 네이티브 벤처 펀드를 출범했습니다. 이 결정은 단순히 규모의 차이 때문만이 아니라, 그것을 뒷받침하는 철학 때문에 주목할 만합니다.

테크크런치 인터뷰에 따르면, 판데는 생물학이 근본적인 변화를 겪고 있다고 믿습니다. "발견" 과학에서 "엔지니어링" 과학으로의 전환이죠. 이 프레임이 중요합니다. 발견 과학은 확률론적이고 포트폴리오 중심입니다. 대부분이 실패하고 소수만 엄청난 수익을 낼 것이기 때문에 많은 투자를 합니다. 엔지니어링 과학은 다릅니다. 소프트웨어 엔지니어가 코드를 반복하듯이 생물학적 시스템을 설계하고, 시뮬레이션하고, 반복할 수 있다면, 실패 양식이 달라집니다. 투자 건수는 적어야 하지만, 각각에는 더 깊은 확신과 긴밀한 협업이 필요합니다.

판데는 또한 변하지 않은 것에 대해서도 솔직합니다. 임상 시험은 여전히 엄청나게 비쌉니다. AI는 신약 발견을 가속화하고, 실험실의 타임라인을 단축하고, 인간 연구자가 놓칠 수 있는 후보를 찾아낼 수 있습니다. 하지만 치료제를 2상과 3상 임상시험을 통과시키려면 여전히 수억 달러와 수년의 시간이 필요합니다. 병목 지점은 상류의 실험실과 데이터로 옮겨갔지만, 하류의 제약은 움직이지 않았습니다.

그의 또 다른 강한 신념은 데이터 아키텍처에 관한 것입니다. 판데는 폐쇄적인 독점 데이터셋이 아니라 개방되고 공유되는 데이터셋이 AI가 의학을 실제로 변화시킬 수 있게 해줄 것이라고 주장합니다. 생물학적 데이터를 독점하는 기업과 기관은 단기적인 경쟁 우위를 얻을 수 있지만, 고립된 데이터로 훈련된 모델은 정체될 것입니다. 진정한 혁신은 공유 데이터 커먼즈에 기여하고 그로부터 이익을 얻으려는 연구자와 기업에서 나올 것입니다. 이는 현재 대부분의 제약 기업들이 하고 있는 투자와는 구조적으로 다른 베팅입니다.

판데가 설명하는 VZVC는 이 테제를 중심으로 구축되었습니다. 더 적은 투자, 더 많은 참여, 그리고 처음부터 바이오테크 기업을 평가하고 구축하는 진정한 AI 네이티브 접근 방식이죠.

아시아에 미치는 의미

아시아의 바이오테크와 헬스테크 부문은 판데가 a16z에서 본격적인 AI-바이오테크 투자를 시작했을 때 미국이 있던 위치와 대략 5년의 시차를 두고 있는 변곡점에 있습니다. 그 시차는 빠르게 좁혀지고 있습니다.

한국, 싱가포르, 일본, 인도 같은 국가들은 세계 수준의 유전체학 연구 기관, 서방 데이터셋에서 과소 대표되는 독특한 유전적 프로필을 가진 대규모 환자 집단, 그리고 점점 더 정교해지는 AI 엔지니어링 인재를 보유하고 있습니다. 역사적으로 부족했던 것은 깊이 있는 과학을 공격적인 제품 개발과 연결하는 벤처 인프라입니다. 그 격차는 좁혀지고 있습니다.

개방되고 공유되는 데이터셋에 대한 판데의 주장은 아시아에서 특히 큰 울림을 갖습니다. 지역 내 여러 정부들이 명시적으로 개방 데이터 인프라에 정책적 베팅을 했습니다. 싱가포르의 정밀 보건 연구 이니셔티브, 일본의 바이오뱅크 프로그램, 인도의 유전체학 그리드가 그것입니다. 판데의 주장이 맞다면 공유 데이터 커먼즈가 폐쇄된 정원을 이기게 될 것이고, 개방 인프라에 투자한 아시아 기관들은 향후 10년간 불리함이 아니라 구조적 우위를 갖게 될 수 있습니다.

발견 과학에서 엔지니어링 과학으로의 전환은 아시아의 강점을 활용합니다. 이 지역은 엄청난 수의 엔지니어를 배출합니다. 시스템, 반복 루프, 측정 가능한 결과를 생각하는 사람들이죠. 생물학-엔지니어링이라는 프레임은 엔지니어링 중심 문화가 문제 해결에 접근하는 방식과 자연스럽게 맞아떨어집니다. 항상 어려웠던 것은 그 엔지니어링 사고방식을 피드백 루프가 느리고 비싼 생물학 영역으로 번역하는 것입니다. AI가 그 피드백 루프를 압축하고 있습니다.

동남아시아와 동북아시아에서 AI-생물학 교집합에서 사업하는 창업자들에게 판데의 펀드 규모 선택은 또한 교훈적입니다. VZVC가 더 작고 집중되어 있다는 것은 다음 세대의 진지한 AI-바이오테크 기업들이 메가펀드 규모의 투자를 필요로 하지 않거나 원하지 않을 수 있다는 뜻입니다. 실제로 과학을 평가할 수 있는 더 작고 기술적으로 참여하는 투자자들이 자신들도 깊이 있는 기술을 갖춘 창업자들의 선호 파트너가 될 수 있습니다.

아시아 테크 생태계는 미국의 AI 물결을 따라잡는 입장에서 지켜봤습니다. AI 네이티브 바이오테크에서는 출발선이 그 어느 때보다 가까워졌습니다.

개발자에게 의미하는 바

AI와 생물학의 교집합 어디든 일하고 있거나, 다음 몇 년의 기술적 에너지를 어디에 쏟을지 생각하고 있다면, 판데의 테제는 구체적인 함의를 갖습니다.

생물학이 엔지니어링 영역이 되고 있습니다. 이는 소프트웨어 엔지니어가 사용하는 도구, 워크플로우, 정신 모델이 생물학 연구에 직접 적용 가능해지고 있다는 뜻입니다. 단백질 구조 예측, 유전자 회로 설계, 약물-표적 상호작용 모델링 — 이들은 점점 더 소프트웨어 문제가 되고 있습니다. 강력한 ML 엔지니어인데 계산 생물학을 진지하게 살펴본 적이 없다면, 진입 비용은 그 어느 때보다 낮고, 상승 잠재력은 엄청납니다.

데이터 인프라가 레버리지 포인트입니다. 개방 데이터셋에 대한 판데의 신념은 과학적 주장만큼이나 데이터 엔지니어링 주장입니다. AI 기반 신약 발견에서 승리할 팀은 생물학적 데이터셋을 규모에 맞게 수집, 정제, 조화, 쿼리할 수 있는 팀입니다. 양식(유전체학, 단백질체학, 임상 기록, 이미징)과 기관을 가로질러서요. 이는 어려운 엔지니어링 문제이며, 강력한 데이터 파이프라인 경험을 가진 개발자들이 진정한 우위를 갖는 영역입니다.

더 적은 수의 깊이 있는 베팅은 경력에도 적용됩니다. 새로운 AI 프레임워크를 배우는 데 무분별한 접근 — 매달 새로운 라이브러리를 집어들고, 장난감 데모를 배포하고, 영원히 표면에 머물기 — 는 복리 효과를 내지 못합니다. 판데의 신념 기반 접근은 최고의 기술 경력이 어떻게 구축되는지와 맞아떨어집니다. 실제 세상의 이해관계가 있는 영역과 AI의 교집합에서 정말 어려운 문제를 찾고, 깊이 있게 파고들고, 같은 블로그 글을 읽은 누군가는 복제할 수 없는 판단력을 개발할 만큼 충분히 오래 머물기입니다.

MonstarX와 같은 플랫폼에서 개발하는 개발자들에게 판데의 테제는 유용한 렌즈입니다. AI 네이티브 개발이 기본값인 곳에서요. 지금 당신이 만들 수 있는 가장 가치 있는 것은 기초 모델 주변의 또 다른 래퍼가 아닙니다. AI-생물학 개발의 어려운 부분을 더 빠르고 신뢰할 수 있게 만드는 인프라, 도구, 또는 애플리케이션입니다. 데이터 커넥터, 평가 파이프라인, 실험 추적, 규제 문서 생성 같은 것들이죠.

AI 네이티브 바이오테크의 엔지니어링 표면 영역은