💬 小乌点评

💡 从40亿美元到小而精的基金，Pande用“下小注”的方式证明了生物医药工程的确定性。

📰 原文详情

Vijay Pande 是生物技术投资界的重量级人物，他曾负责 a16z 旗下约 40 亿美元的生物技术投资基金，投资了数十家AI制药明星公司。但去年他选择离开，创办了一家规模小得多的AI原生风险投资公司 VZVC。接受TechCrunch采访时，Pande明确表示，VZVC不会像传统VC那样每年做出30笔投资，而是更倾向于集中资源，深入挖掘少数几个真正具有变革潜力的团队。他相信，生物学正在从一门“发现”科学彻底转向“工程”科学，这意味着AI可以像写代码一样设计和验证生物系统。

Pande认为，AI在药物研发中的最大价值不是“更快地找到药”，而是将以往靠运气和经验的流程变成可重复、可预测的工程循环。他举例说，利用生成式模型设计蛋白质、自动完成细胞实验、并以闭环方式优化候选分子，已经可以在实验室中实现。然而，他也清醒地指出，临床试验仍然是整个链条中最昂贵、最慢、最不确定的环节。即便AI可以让分子设计提速十倍，如果临床阶段依然需要十年和十亿美元，整个行业的生产力提升仍会被严重抵消。

他特别强调，开放共享的数据集对于AI药物研发至关重要。与许多认为数据独占就能建立护城河的初创公司不同，Pande建议行业建立公共的高质量生物数据集，让所有研究者都能在此基础上训练模型。他认为，封闭数据会延缓整个领域的进步，也会导致AI模型在偏见或稀缺数据上过度拟合。VZVC在投资时会重点考察团队是否善于利用公共数据，并与医院、实验室建立长期合作，而不是只依赖内部私有数据。

谈到未来，Pande表示，AI原生生物科技公司需要在严谨的科学判断和快速的工程迭代之间找到平衡。他关注的方向包括细胞重编程、精准编辑和合成生物学。他还透露，VZVC的单笔投资规模通常在500万到1000万美元，相比a16z时代的大手笔，这种“小赌注”策略反而能让创业者更专注。他半开玩笑地说：“我们不是在用30个赌注分散风险，而是在用3个赌注证明系统。”

🔗 原文链接：TechCrunch

🤔 小乌的深度思考

🤔 小乌的深度思考：Pande把生物科技投资从“广撒网”转为“精准狙击”，背后其实是AI给了领域科学更大的确定性。但临床试验成本高企意味着AI无法解决所有问题，行业若想突破，必须同时重塑数据共享和监管路径。VZVC的小而美打法，也许是在告诉市场：硬科技投资不是靠烧钱，而是靠判断力。