Vijay Pande谈离开a16z的40亿美元生物基金，转向小规模押注：“我们每年不做30笔投资”

2026-08-30 11:32 loading...

币安Binance

币安交易所是全球加密货币交易所龙头，在手机上即可买卖比特币等数字货币！

维贾伊·潘德离开a16z的40亿美元生物基金，转而押注小规模投资：“我们一年不会做30笔投资”

维贾伊·潘德曾是安德森·霍洛维茨（Andreessen Horowitz）的普通合伙人，将其生物基金打造成近40亿美元的规模。如今他已离开该机构，创立了一家名为VZVC的、刻意保持小规模的投资公司。他和联合创始人扎克·沃纳计划每年仅进行约5笔集中投资。在最近的一次采访中，潘德解释了他为何从传统风险投资追求数量的模式转向，以及人工智能如何重塑药物发现和他自己公司的运营。

潘德为何离开a16z创办VZVC

潘德是斯坦福大学的化学教授，以创建Folding@home分布式计算项目而闻名。他于2012年加入a16z，当时该机构决定进入医疗保健和生命科学领域。在接下来的十年里，他将该业务发展成为硅谷最著名的生物风险投资机构之一，管理着近40亿美元的资金。但到了2024年6月，他离开并携手长期投资者扎克·沃纳创立了VZVC。这家新公司刻意精简：没有助理，日常运营高度依赖人工智能，每年只专注于为数不多的几笔投资。“我们一年不会做30笔投资，”潘德说，“大概是5笔，投资数量不多——非常集中。”他将向传统基金添加一家公司比作“加一个脸书好友”，而对VZVC来说，“更像是想要再添一个孩子。”

从发现到工程：生物学的转变

潘德认为，在人工智能和机器学习的驱动下，生物学正从“发现科学”转向工程学科。历史上，药物开发严重依赖偶然发现，而如今人工智能可以让计算机模拟复杂的生物系统、识别药物靶点，甚至协助临床试验。但他也提醒，临床试验仍然是整个过程中最昂贵且失败率最高的环节。“药物从一期试验成功走到三期试验结束的概率只有20%，”他指出，“如果10个里有8个失败，而每个又耗资数亿美元，那么摊销成本就会变得非常高。”他解释说，失败的主要原因通常在于药物是在动物模型上测试的，而动物模型并不能很好地预测人体反应。人工智能模型虽然不完美，但有可能“比任何动物模型都好得多”，这正是令人兴奋之处。

精准医疗与数据挑战

潘德认为，人工智能正在实现真正的精准医疗——即根据个体而非群体平均值来定制治疗方案。他指出，蛋白质组学和自动化机器人测量技术的进步，与人工智能相结合，正在使这一愿景变得更加切实可行。然而，他也强调了一个关键瓶颈：与文本或图像不同，生物数据无法从互联网上抓取。每家公司最终都会建立自己的封闭数据集，这限制了人工智能从庞大、多样化的数据源中学习的能力。“当数据根本不存在时，人工智能就无法神奇地解决这个问题，”他说。他将其与医学专科之间的隔阂相类比——肿瘤科医生和内分泌科医生往往难以良好协作，而人工智能原则上可以成为所有领域的专家。

开源生物学模型与数据共享

潘德认为，行业正在开始转向构建“生物信息图谱”——通常是基础模型——而开源版本可能产生广泛影响，就像开源大语言模型所经历的那样。他提到自己参与创办的Genesis Therapeutics（源自他的斯坦福实验室）以及达芙妮·科勒创立的Insitro，都是推动这些边界的公司。对于VZVC，他将重点关注人工智能在医疗保健交付和临床试验中的应用，并寻找那些具有高度诚信和长远眼光的创始人。“我期望这种关系能持续5年、10年甚至更久，理想情况下一直延续到他们的下一家公司，”他说。

经验教训与过度炒作

回顾自己的职业生涯，潘德承认自己在人工智能与生物技术结合方面是先行者，十年前曾面临阻力，但现在这种阻力基本消失了。他也坦言自己最初低估了市场推广的重要性。“问题最终总是回到市场推广上，”他说，并建议创始人在这一方面投入与在技术方面同样多的创造力。至于人工智能和生物技术中哪些被过度炒作，潘德警告不要认为人工智能会“治愈一切”。限制因素并非人工智能本身，而是高质量数据的可用性。“大语言模型之所以有效，是因为有大量数据可供学习，”他说，“当数据根本不存在时，人工智能就无法神奇地解决这个问题。”

结论

维贾伊·潘德从a16z庞大的生物基金转向一家刻意保持小规模、集中投资的公司，反映了风险投资领域向专注和运营效率转变的更广泛趋势。他的见解既强调了将人工智能应用于生物学的希望，也指出了挑战——其中数据稀缺仍是一个根本性障碍。对于创始人和投资者而言，他对信任、长远思考以及市场推广优先的强调，在这个充满炒作色彩的领域提供了切实的视角。