从明星教授到新锐投资人：Vijay Pande 的转身
Vijay Pande 曾在学术界声名显赫，却长期在投资圈默默无闻。转折点出现在约十二年前——Marc Andreessen 和 Ben Horowitz 在花费五年时间明确回避医疗与生命科学赛道后，终于决定押注这一领域，并将大旗交到了 Pande 手中。当时，Pande 还是斯坦福大学化学系教授，最广为人知的成就是主持开发了 Folding@home 项目——这个分布式计算项目将数百万台家用 PC 串联成一台用于疾病研究的"超级计算机"。此后十余年，他将 a16z 的押注发展为管理近 40 亿美元的业务。
然而去年六月，Pande 出人意料地全身而退，转而创办了一家规模小得多的新公司 VZVC。这家公司由他与资深投资人 Zach Werner 联合创立，策略也与从前截然不同：每年只做少量集中押注、不配备初级投资分析师、日常工作高度依赖 AI。
AI 无法"爬取"生物学数据，意味着什么？
Pande 在访谈中提到了一个 AI 驱动生物科技领域值得关注的核心矛盾：与文本不同，生物学数据无法直接从互联网抓取，几乎每家公司最终都不得不自建封闭数据集。从纯 AI 视角看，这是一个非常有趣的博弈局面——数据无法从一个模型蒸馏到另一个模型，也就意味着各家的护城河天然存在。但这是否会影响 AI 在医学领域承诺的那些突破？
更深层的问题在于：医生之间的"数据孤岛"现象是否会在 AI 时代被复制？Pande 指出，假设一位患者同时涉及肿瘤科和内分泌科问题，两位医生往往难以协同。而 AI 的潜力恰恰在于：它可以成为"全科专家"，同时掌握所有专科知识，能够发现任何单一人类医生都无法察觉的关联——相当于在同一时刻召集全世界最顶尖的医生团队共同会诊。
从"发现科学"到"工程科学"
Pande 认为，药物研发长期带有很强的运气成分，而 AI 与机器学习的介入正在改变这一局面。计算机现在能够处理极度复杂的信息，帮助研究者锁定特定疾病对应的靶点、设计对应药物，并延伸到成本最高的临床试验环节。
但他也坦言，用合成数据替代人体试验"更多是愿景而非现实"——临床试验仍可能耗资数亿美元，从一期到三期最终成功的概率仅 20%。药物失败的主要原因并非生物学家的操作失误，而是动物模型（如小鼠）对人体的预测能力本就有限。AI 模型虽不完美，但有望显著优于动物模型，一旦跨越这个门槛，价值将十分可观。
精准医疗：从"试药"到"对症下药"
关于个性化医疗，Pande 提到了行业术语"精准医疗"：当前的就医流程往往是医生根据有限信息做出猜测，给药后无效再换药——在肿瘤和许多其他疾病领域都很常见。如果第一次就能用对药，对患者和医疗系统都将是巨大改善。传统血液检测结果通常与人群平均值对比，但精准的方向应该是：这项指标对这个个体来说是否异常？
过去十年，AI 在生物学（如何治疗疾病）和化学（如何针对特定蛋白设计药物）两方面都有实质性进展。过去精准医疗主要依赖基因组学，但基因组如同房屋蓝图——建成之日就已定型，与现状相去甚远。如今蛋白质组学等可测量指标更为动态，能更准确反映疾病状态和身体现状。机器人自动化测量与 AI 的结合正在加速这一进程。
生物信息图谱：AI 基础模型的新战场
Vijay 观察到，当前生物科技领域正出现一个显著趋势——学界和产业界开始大规模构建"生物信息图谱"（biological atlases）。从技术层面看，这类图谱的核心通常依赖基础模型（foundation models）。他预判，随着这类图谱日益普及，生物领域的基础模型将像开源大模型一样，对闭源方案形成强力冲击——类似 GPT 与 Llama 之间的竞争格局。
在被问及与哪些公司的关联时，Vijay 提及自己深度参与的两家企业：Genesis Therapeutics（衍生自斯坦福实验室）和 Insitro（由前斯坦福同事 Daphne Koller 创立的药物发现公司）。此外，他透露正在孵化一家与"认识 20 年的老友"共同创立的新公司。
选人哲学：诚信、长期、共赢
在被问到 Founder 筛选标准时，Vijay 给出了三个核心维度：
- 诚信为本：能够真正建立信任关系、说到做到的创业者
- 超长视角：愿意以 5~10 年甚至更久为周期深度合作，最好还能延伸到下一个项目
- 共赢思维：不只是想着"赢过别人"，而是在思考"如何一起赢"
投资复盘：技术会骗人，市场不会
回顾过去十余年的投资历程，Vijay 坦陈自己"蒙对"了大事——当年力推 AI/机器学习与医疗健康结合时，业界普遍怀疑"这事儿成不了"，如今这一阻力已基本消失，"看到这条曲线实现，非常有成就感"。
但他也反思了自己的盲区：曾长期被最酷的技术所吸引，后来才意识到市场进入策略（go-to-market）才是真正的胜负手。他如今反复告诫所投的 Founder，尤其是技术或产品出身者——"把你们的才华和创造力分一半给市场策略，因为这一块的技术难度不亚于技术本身，甚至更难"。
VZ 新基金：两人精英制，每年只投 5 家
VZ 是 Vijay 与联合创始人 Zach Werner（名字中的"Z"）共同创立的新基金，刻意保持极小规模——投资决策层仅两人。他透露，原本计划招聘分析师，但基于已构建的投资 Agent 体系，实际并无此需求。
这套模式极度集中：VZ 每年出手仅约 5 个项目，远低于行业常见的"每年 30 个"节奏。Vijay 打了个比方——普通基金增加一个项目像"加个 Facebook 好友"，而 VZ 每添一个项目则像"决定再要一个孩子"，必须深思熟虑。
这种结构也带来了不同的竞争姿态：他们几乎不参与热门轮次的抢筹，反而因 Vijay 和 Zach 的深度参与能力，常被 Founder 主动邀请入局。Vijay 表示，自己的标杆是 Valor Equity Partners 的 Antonio Gracias（因 SpaceX 一战成名，已深耕 20 年），以及 Thrive Capital 的集中投资策略。
AI 与生物医药：不要神化，数据才是瓶颈
当被要求评价"当前什么被过度炒作"时，Vijay 的核心观点是：AI 确实能发现人类难以独立获取的洞察，但问题在于数据本身。
"LLM 之所以有效，是因为有海量数据可供学习。一旦数据本身就不存在，AI 也无法凭空变出解决方案。"
换言之，"AI 将治愈一切"的论调之所以需要谨慎，不是因为怀疑 AI 能力，而是因为数据缺口无法靠算法弥补。
评论