"เราไม่ได้ทำการลงทุน 30 ครั้งต่อปี": Vijay Pande เกี่ยวกับการลงทุนอย่างระมัดระวังหลังจากจัดการ 4 พันล้านดอลลาร์ที่ a16z

Vijay Pande บริหารจัดการหนึ่งในการลงทุนด้านเทคโนโลยีชีววิทยาที่มีอิทธิพลมากที่สุดในโลก — ประมาณ 4 พันล้านดอลลาร์ในสินทรัพย์ที่จัดการที่ Andreessen Horowitz จากนั้นเขาก็ออกจากนั่นเพื่อเริ่มต้นสิ่งที่เล็กกว่ามาก การตัดสินใจนี้และเหตุผลเบื้องหลังมันบอกคุณบางสิ่งที่สำคัญเกี่ยวกับว่า AI และชีววิทยาจะไปที่ไหน — และหมายความว่าอะไรสำหรับผู้ก่อตั้งและนักพัฒนาที่สร้างสรรค์ที่จุดตัดนี้ในตอนนี้

"เราไม่ได้ทำการลงทุน 30 ครั้งต่อปี": Vijay Pande เกี่ยวกับการลงทุนอย่างระมัดระวังหลังจากจัดการ 4 พันล้านดอลลาร์ที่ a16z ไม่ใช่แค่โปรไฟล์ของการเปลี่ยนแปลงอาชีพของนักลงทุนคนหนึ่ง มันเป็นสัญญาณเกี่ยวกับวิธีที่จิตใจทางเทคนิคที่จริงจังกำลังจัดตำแหน่งใหม่รอบ AI — ไม่ใช่โดยการกระจายเงินทุนอย่างกว้างขวาง แต่โดยการลงลึกในปัญหาที่ยากจริงๆ จำนวนน้อย สำหรับระบบนิเวศเทคโนโลยีเอเชีย ซึ่ง AI infrastructure กำลังเติบโตอย่างรวดเร็วและเทคโนโลยีชีววิทยาเพิ่งเริ่มดึงดูดพรสวรรค์ด้านวิศวกรรมที่จริงจัง สัญญาณนั้นคุ้มค่าที่จะอ่านอย่างระมัดระวัง

เกิดอะไรขึ้น

Vijay Pande ออกจากการปฏิบัติด้านเทคโนโลยีชีววิทยาของ a16z — ซึ่งเติบโตขึ้นเป็นประมาณ 4 พันล้านดอลลาร์ — เพื่อเปิดตัว VZVC ซึ่งเป็นบริษัทเวนเจอร์ที่มี AI-native ขนาดเล็กกว่ามาก การเคลื่อนไหวนี้น่าสังเกตไม่ใช่เพียงเพราะความแตกต่างของขนาด แต่เพราะปรัชญาที่ขับเคลื่อนมัน

ตามที่ สัมภาษณ์ TechCrunch Pande เชื่อว่าชีววิทยากำลังผ่านการเปลี่ยนแปลงพื้นฐาน — จากวิทยาศาสตร์ "การค้นพบ" ไปเป็นวิทยาศาสตร์ "วิศวกรรม" การกำหนดกรอบนี้มีความสำคัญ วิทยาศาสตร์การค้นพบเป็นแบบความน่าจะเป็นและขับเคลื่อนด้วยพอร์ตโฟลิโอ: คุณทำการลงทุนหลายครั้งเพราะส่วนใหญ่จะล้มเหลวและบางส่วนจะจ่ายออกมาอย่างมหาศาล วิทยาศาสตร์วิศวกรรมแตกต่างกัน เมื่อคุณสามารถออกแบบ จำลอง และทำซ้ำระบบชีววิทยาในลักษณะเดียวกับที่วิศวกรซอฟต์แวร์ทำซ้ำโค้ด โหมดความล้มเหลวจะเปลี่ยนไป คุณต้องการการลงทุนน้อยลง แต่แต่ละครั้งต้องการความเชื่อที่ลึกกว่าและความร่วมมือที่ใกล้ชิดกว่า

Pande ยังตรงไปตรงมาเกี่ยวกับสิ่งที่ไม่เปลี่ยนแปลง: การทดลองทางคลินิกยังคงมีค่าใช้จ่ายสูงมาก AI สามารถเร่งความเร็วการค้นพบยา บีบอัดไทม์ไลน์ในห้องแล็บ และพื้นผิวผู้สมัครที่นักวิจัยมนุษย์จะพลาด — แต่การนำเสนอการรักษาผ่านการทดลอง Phase II และ Phase III ยังคงมีค่าใช้จ่ายหลายร้อยล้านดอลลาร์และใช้เวลาหลายปี คอขวดได้เลื่อนขึ้นไปยังห้องแล็บและข้อมูล แต่ข้อจำกัดด้านปลายน้ำยังไม่เคลื่อนไหว

ความเชื่อที่แข็งแกร่งอีกประการหนึ่งของเขาคือเกี่ยวกับสถาปัตยกรรมข้อมูล Pande โต้แย้งว่าชุดข้อมูลที่เปิดกว้างและใช้ร่วมกัน — ไม่ใช่ชุดข้อมูลที่เป็นกรรมสิทธิ์ที่ปิดกั้น — คือสิ่งที่จะให้ AI เปลี่ยนแปลงการแพทย์ได้จริงๆ บริษัทและสถาบันที่สะสมข้อมูลชีววิทยาอาจชนะข้อได้เปรียบในการแข่งขันระยะสั้น แต่โมเดลที่ฝึกอบรมบนข้อมูลที่แยกจากกันจะหยุดชะงัก ความก้าวหน้าจะมาจากนักวิจัยและบริษัทที่เต็มใจที่จะมีส่วนร่วมและดึงมาจากคลังข้อมูลร่วมกัน นั่นคือการลงทุนที่แตกต่างกันโดยโครงสร้างมากกว่าสิ่งที่บริษัทยาขนาดใหญ่ส่วนใหญ่กำลังทำอยู่ในปัจจุบัน

VZVC ตามที่ Pande อธิบาย ถูกสร้างขึ้นรอบวิทยานิพนธ์นี้: การลงทุนน้อยลง การมีส่วนร่วมมากขึ้น และแนวทาง AI-native ที่แท้จริงในการประเมินและสร้างบริษัทเทคโนโลยีชีววิทยาตั้งแต่เริ่มต้น

ทำไมมันถึงสำคัญสำหรับเอเชีย

ภาคเทคโนโลยีชีววิทยาและ healthtech ของเอเชียอยู่ที่จุดเปลี่ยนที่สะท้อนให้เห็น โดยมีความล่าช้าประมาณห้าปี ตำแหน่งที่สหรัฐอเมริกาอยู่เมื่อ Pande เริ่มทำการลงทุน AI-biotech ที่จริงจังที่ a16z ความล่าช้านี้กำลังบีบอัดอย่างรวดเร็ว

ประเทศเช่นเกาหลีใต้ สิงคโปร์ ญี่ปุ่น และอินเดีย มีสถาบันวิจัยจีโนมิกส์ระดับโลก ประชากรผู้ป่วยจำนวนมากที่มีโปรไฟล์ทางพันธุกรรมที่แตกต่างกันซึ่งไม่ได้รับการเป็นตัวแทนในชุดข้อมูลตะวันตก และพรสวรรค์ด้านวิศวกรรม AI ที่ซับซ้อนมากขึ้น สิ่งที่พวกเขาขาดไปในอดีตคือโครงสร้างพื้นฐานเวนเจอร์เพื่อเชื่อมต่อวิทยาศาสตร์ลึกกับการพัฒนาผลิตภัณฑ์ที่ก้าวร้าว ช่องว่างนั้นกำลังปิด

ข้อโต้แย้งของ Pande เกี่ยวกับชุดข้อมูลที่เปิดกว้างและใช้ร่วมกันมีความสำคัญเป็นพิเศษในเอเชีย รัฐบาลหลายแห่งในภูมิภาค — ความคิดริเริ่ม Precision Health Research ของสิงคโปร์ โปรแกรม biobank ของญี่ปุ่น กริดจีโนมิกส์ของอินเดีย — ได้ทำการลงทุนนโยบายที่ชัดเจนในโครงสร้างพื้นฐานข้อมูลที่เปิดกว้าง หาก Pande พูดถูกว่าคลังข้อมูลร่วมกันจะแข่งขันกับสวนที่ปิดกั้น สถาบันเอเชียที่ลงทุนในโครงสร้างพื้นฐานที่เปิดกว้างอาจพบว่าตัวเองมีข้อได้เปรียบโดยโครงสร้างในทศวรรษหน้า ไม่ใช่ข้อเสียเปรียบ

การเปลี่ยนแปลงจากวิทยาศาสตร์การค้นพบไปเป็นวิทยาศาสตร์วิศวกรรมยังเล่นให้เห็นจุดแข็งของเอเชีย ภูมิภาคนี้ผลิตวิศวกรจำนวนมหาศาล — คนที่คิดในระบบ วงจรการทำซ้ำ และผลลัพธ์ที่วัดได้ ชีววิทยา-เป็น-วิศวกรรมเป็นกรอบที่แมปตามธรรมชาติว่าวัฒนธรรมที่เต็มไปด้วยวิศวกรรมเข้าหาการแก้ปัญหาอย่างไร ความท้าทายเสมอมาคือการแปลจิตใจวิศวกรรมนั้นเป็นโดเมนชีววิทยาที่วงจรข้อมูลช้าและมีค่าใช้จ่ายสูง AI กำลังบีบอัดวงจรข้อมูลเหล่านั้น

สำหรับผู้ก่อตั้งในเอเชียตะวันออกเฉียงใต้และเอเชียตะวันออกเฉียงเหนือที่สร้างสรรค์ที่จุดตัดของ AI-biology การเลือกขนาดกองทุนของ Pande ก็มีคุณค่าในการสอน VZVC ที่เล็กกว่าและมีความเน้นมากขึ้นหมายความว่ารุ่นต่อไปของบริษัท AI-biotech ที่จริงจังอาจไม่ต้องการ — หรือต้องการ — การรักษาเหมือนเมกะฟันด์ นักลงทุนที่เล็กกว่า มีส่วนร่วมทางเทคนิคมากขึ้น ผู้ที่สามารถประเมินวิทยาศาสตร์ได้จริงๆ อาจกลายเป็นพันธมิตรที่ต้องการสำหรับผู้ก่อตั้งที่เป็นเทคนิคลึกซึ้งด้วยตัวเอง

ระบบนิเวศเทคโนโลยีเอเชียได้ดูคลื่น AI ของสหรัฐอเมริกาจากตำแหน่งของการตามทัน ใน AI-native biotech เส้นเริ่มต้นอยู่ใกล้กันมากกว่าที่เคยเป็นมา

นี่หมายความว่าอะไรสำหรับนักพัฒนา

หากคุณเป็นนักพัฒนาที่ทำงานใกล้เคียง AI และชีววิทยา — หรือคิดเกี่ยวกับที่ที่จะชี้พลังงานทางเทคนิคของคุณในไม่กี่ปีข้างหน้า — วิทยานิพนธ์ของ Pande มีผลกระทบที่เป็นรูปธรรม

ชีววิทยากำลังกลายเป็นโดเมนวิศวกรรม นั่นหมายความว่าเครื่องมือ เวิร์กโฟลว์ และแบบจำลองทางจิตใจที่วิศวกรซอฟต์แวร์ใช้กำลังกลายเป็นสิ่งที่ใช้ได้โดยตรงกับการวิจัยชีววิทยา การทำนายโครงสร้างโปรตีน การออกแบบวงจรยีน การสร้างแบบจำลองปฏิสัมพันธ์ยา-เป้าหมาย — สิ่งเหล่านี้เป็นปัญหาซอฟต์แวร์ที่เพิ่มขึ้น หากคุณเป็นวิศวกร ML ที่แข็งแกร่งซึ่งยังไม่ได้ดูชีววิทยาเชิงคำนวณอย่างจริงจัง ค่าใช้จ่ายในการเข้าถึงนั้นต่ำกว่าที่เคยเป็นมา และศักยภาพขาขึ้นนั้นมหาศาล

โครงสร้างพื้นฐานข้อมูลคือจุดเลเวอเรจ ความเชื่อของ Pande เกี่ยวกับชุดข้อมูลที่เปิดกว้างเป็นข้อโต้แย้งด้านวิศวกรรมข้อมูลเท่าที่เป็นข้อโต้แย้งทางวิทยาศาสตร์ ทีมที่จะชนะในการค้นพบยาที่ขับเคลื่อนด้วย AI คือทีมที่สามารถรับข้อมูล ทำความสะอาด ประสานให้สอดคล้องกัน และสอบถามชุดข้อมูลชีววิทยาในระดับ — ข้ามโหมด (จีโนมิกส์ โปรตีโอมิกส์ บันทึกทางคลินิก การถ่ายภาพ) และข้ามสถาบัน นั่นคือปัญหาวิศวกรรมที่ยาก และเป็นปัญหาที่นักพัฒนาที่มีประสบการณ์ท่อข้อมูลที่แข็งแกร่งมีข้อได้เปรียบที่แท้จริง

การลงทุนน้อยลง ลึกกว่านั้นใช้กับอาชีพด้วย แนวทาง spray-and-pray ในการเรียนรู้เฟรมเวิร์ก AI ใหม่ — เลือกไลบรารีใหม่ทุกเดือน ส่งสาธิตของเล่น อยู่ที่พื้นผิวตลอดเวลา — ไม่ทบต้น แนวทางที่ขับเคลื่อนด้วยความเชื่อของ Pande แมปไปยังวิธีที่สร้างอาชีพทางเทคนิคที่ดีที่สุด: ค้นหาปัญหาที่ยากจริงๆ ที่จุดตัดของ AI และโดเมนที่มีเดิมพันในโลกแห่งความเป็นจริง ลงลึก และอยู่ที่นั่นนานพอที่จะพัฒนาการตัดสินใจที่ไม่สามารถจำลองได้โดยคนที่เพิ่งอ่านโพสต์บล็อกเดียวกันที่คุณอ่าน

สำหรับนักพัฒนาที่สร้างสรรค์บนแพลตฟอร์มเช่น MonstarX — ซึ่ง AI-native development เป็นค่าเริ่มต้น ไม่ใช่ความคิดที่มาทีหลัง — วิทยานิพนธ์ของ Pande เป็นเลนส์ที่มีประโยชน์ สิ่งที่มีค่ามากที่สุดที่คุณสามารถสร้างได้ในตอนนี้ไม่ใช่ wrapper อีกตัวรอบโมเดลพื้นฐาน มันเป็นโครงสร้างพื้นฐาน เครื่องมือ หรือแอปพลิเคชันที่ทำให้ส่วนที่ยากของการพัฒนา AI-biology เร็วขึ้นและเชื่อถือได้มากขึ้น: ตัวเชื่อมต่อข้อมูล ท่อประเมินผล การติดตามการทดลอง การสร้างเอกสารด้านกฎระเบียบ

พื้นผิววิศวกรรมใน AI-native biotech