"Kami tidak melakukan 30 pertaruhan setahun": Vijay Pande tentang pertaruhan kecil selepas menguruskan $4 bilion di a16z

Vijay Pande menjalankan salah satu amalan pelaburan bioteknologi paling berpengaruh di planet ini — kira-kira $4 bilion dalam aset di bawah pengurusan di Andreessen Horowitz. Kemudian dia meninggalkannya untuk memulai sesuatu yang jauh lebih kecil. Keputusan itu, dan alasan di sebaliknya, memberitahu anda sesuatu yang penting tentang ke mana AI dan biologi sebenarnya menuju — dan apa maksudnya bagi pengasas dan pembangun yang membina di persimpangan itu sekarang.

"Kami tidak melakukan 30 pertaruhan setahun": Vijay Pande tentang pertaruhan kecil selepas menguruskan $4 bilion di a16z bukan sekadar profil tentang perubahan karir seorang pelabur. Ia adalah isyarat tentang bagaimana fikiran teknikal yang serius sedang memposisikan semula di sekitar AI — bukan dengan menyebarkan modal secara meluas, tetapi dengan mendalami bilangan masalah yang lebih kecil dan benar-benar sukar. Bagi ekosistem teknologi Asia, di mana infrastruktur AI semakin matang dan bioteknologi baru mula menarik bakat kejuruteraan yang serius, isyarat itu patut dibaca dengan teliti.

Apa Yang Berlaku

Vijay Pande meninggalkan amalan bioteknologi a16z — yang telah berkembang kepada kira-kira $4 bilion — untuk melancarkan VZVC, firma usaha niaga yang lebih kecil dan berasaskan AI. Langkah ini ketara bukan hanya kerana perbezaan skala, tetapi kerana falsafah yang mendorong ia.

Menurut temu bual TechCrunch, Pande percaya biologi sedang mengalami perubahan asas — daripada sains "penemuan" kepada sains "kejuruteraan". Kerangka itu penting. Sains penemuan adalah probabilistik dan didorong oleh portfolio: anda membuat banyak pertaruhan kerana kebanyakannya akan gagal dan beberapa akan membayar dengan luar biasa. Sains kejuruteraan adalah berbeza. Apabila anda boleh merancang, mensimulasikan, dan mengulangi sistem biologi dengan cara yang sama seperti jurutera perisian mengulangi kod, mod kegagalan berubah. Anda memerlukan lebih sedikit pertaruhan, tetapi setiap satu memerlukan keyakinan yang lebih dalam dan kolaborasi yang lebih rapat.

Pande juga jujur tentang apa yang tidak berubah: ujian klinikal tetap sangat mahal. AI boleh mempercepatkan penemuan ubat, memampatkan garis masa di makmal, dan mendedahkan calon yang penyelidik manusia akan terlepas — tetapi mendapatkan terapi melalui ujian Fasa II dan Fasa III masih memerlukan ratusan juta dolar dan bertahun-tahun masa. Halangan telah beralih ke hulu, ke dalam makmal dan data, tetapi kekangan hiliran tidak bergerak.

Keyakinan kuatnya yang lain adalah tentang seni bina data. Pande berhujah bahawa set data terbuka dan dikongsi — bukan yang tertutup dan proprietari — adalah apa yang benar-benar akan membenarkan AI mengubah perubatan. Syarikat dan institusi yang mengumpul data biologi mungkin menang kelebihan kompetitif jangka pendek, tetapi model yang dilatih pada data yang terpencil akan mencapai tahap. Terobosan akan datang daripada penyelidik dan syarikat yang bersedia untuk menyumbang kepada dan menarik daripada commons data yang dikongsi. Itu adalah pertaruhan yang berbeza secara struktur daripada yang kebanyakan pemain farmaseutikal semasa sedang membuat.

VZVC, seperti yang dijelaskan oleh Pande, dibina di sekitar tesis ini: lebih sedikit pelaburan, lebih banyak penglibatan, dan pendekatan benar-benar berasaskan AI untuk menilai dan membina syarikat bioteknologi dari awal.

Mengapa Ia Penting untuk Asia

Sektor bioteknologi dan kesihatan Asia berada pada titik infleksi yang mencerminkan, dengan ketinggalan kira-kira lima tahun, di mana AS berada apabila Pande mula-mula mula membuat pertaruhan AI-bioteknologi yang serius di a16z. Ketinggalan itu semakin cepat.

Negara seperti Korea Selatan, Singapura, Jepun, dan India mempunyai institusi penyelidikan genomik kelas dunia, populasi pesakit yang besar dengan profil genetik yang berbeza yang kurang diwakili dalam set data Barat, dan bakat kejuruteraan AI yang semakin canggih. Apa yang mereka secara historis kekurangan adalah infrastruktur usaha niaga untuk menghubungkan sains yang mendalam dengan pembangunan produk yang agresif. Jurang itu semakin tertutup.

Hujah Pande tentang set data terbuka dan dikongsi mempunyai resonansi khusus di Asia. Beberapa kerajaan di rantau ini — inisiatif Penyelidikan Kesihatan Presisi Singapura, program biobank Jepun, grid genomik India — telah membuat pertaruhan dasar yang jelas pada infrastruktur data terbuka. Jika Pande betul bahawa commons data yang dikongsi akan mengatasi taman yang tertutup, institusi Asia yang telah melabur dalam infrastruktur terbuka mungkin mendapati diri mereka dengan kelebihan struktur sepanjang dekad seterusnya, bukan kelemahan.

Peralihan daripada sains penemuan kepada sains kejuruteraan juga memainkan kekuatan Asia. Rantau ini menghasilkan bilangan jurutera yang sangat besar — orang yang berfikir dalam sistem, gelung lelaran, dan output yang boleh diukur. Biologi-sebagai-kejuruteraan adalah kerangka yang memetakan secara semula jadi ke cara budaya yang berat kejuruteraan mendekati penyelesaian masalah. Cabaran sentiasa menterjemahkan mentaliti kejuruteraan itu ke dalam domain biologi di mana gelung maklum balas lambat dan mahal. AI memampatkan gelung maklum balas itu.

Bagi pengasas di Asia Tenggara dan Asia Timur yang membina di persimpangan AI-biologi, pilihan saiz dana Pande juga mendidik. VZVC yang lebih kecil dan lebih fokus bermakna generasi seterusnya syarikat AI-bioteknologi yang serius mungkin tidak memerlukan — atau mahu — rawatan megafund. Pelabur yang lebih kecil, lebih terlibat secara teknikal yang benar-benar boleh menilai sains mungkin menjadi rakan pilihan bagi pengasas yang sendiri sangat teknikal.

Ekosistem teknologi Asia telah menonton gelombang AI AS dari kedudukan mengejar. Dalam bioteknologi berasaskan AI, garis permulaan lebih dekat bersama daripada yang pernah ada.

Apa Maksudnya untuk Pembangun

Jika anda seorang pembangun yang bekerja di mana-mana berhampiran AI dan biologi — atau berfikir tentang ke mana untuk menunjukkan beberapa tahun tenaga teknikal anda yang seterusnya — tesis Pande mempunyai implikasi konkrit.

Biologi menjadi domain kejuruteraan. Itu bermakna alat, aliran kerja, dan model mental yang digunakan oleh jurutera perisian menjadi terus digunakan untuk penyelidikan biologi. Ramalan struktur protein, reka bentuk litar gen, pemodelan interaksi ubat-sasaran — ini semakin menjadi masalah perisian. Jika anda seorang jurutera ML yang kuat yang belum melihat biologi pengiraan dengan serius, kos kemasukan lebih rendah daripada yang pernah ada, dan potensi naik adalah besar.

Infrastruktur data adalah titik leverage. Keyakinan Pande tentang set data terbuka adalah hujah kejuruteraan data sebanyak ia adalah hujah saintifik. Pasukan yang akan menang dalam penemuan ubat yang didorong AI adalah pasukan yang boleh mengambil, membersihkan, menyelaraskan, dan menanyakan set data biologi pada skala — merentasi modaliti (genomik, proteomik, rekod klinikal, pengimejan) dan merentasi institusi. Itu adalah masalah kejuruteraan yang sukar, dan ia adalah satu di mana pembangun dengan pengalaman saluran data yang kuat mempunyai kelebihan tulen.

Lebih sedikit, pertaruhan yang lebih dalam juga terpakai pada kerjaya. Pendekatan semprotan-dan-doa untuk mempelajari rangka kerja AI baru — mengambil perpustakaan baru setiap bulan, menghantar demo mainan, kekal secara kekal di permukaan — tidak berganda. Pendekatan berasaskan keyakinan Pande memetakan ke cara kerjaya teknikal terbaik dibina: cari masalah yang benar-benar sukar di persimpangan AI dan domain dengan kepentingan dunia sebenar, pergi dalam, dan kekal di sana cukup lama untuk membangunkan pertimbangan yang tidak boleh direplikasi oleh seseorang yang hanya membaca siaran blog yang sama yang anda buat.

Bagi pembangun yang membina di platform seperti MonstarX — di mana pembangunan berasaskan AI adalah lalai, bukan pemikiran kemudian — tesis Pande adalah lensa yang berguna. Perkara paling berharga yang boleh anda bina sekarang bukan pembungkus lain di sekitar model asas. Ia adalah infrastruktur, alat, atau aplikasi yang membuat bahagian sukar pembangunan AI-biologi lebih cepat dan lebih boleh dipercayai: penyambung data, saluran penilaian, penjejakan eksperimen, penjanaan dokumentasi kawal selia.

Permukaan kejuruteraan dalam bioteknologi berasaskan AI