Venture Capital · Artificial Intelligence · Biotechnology · Healthcare · Vijay Pande · a16z · VZVC · Personalized Medicine29 августа в 21:02 · 5 мин

От 4 миллиардов к пяти сделкам: Vijay Pande меняет стратегию венчурных инвестиций в биотех и ИИ

Бывший глава практики биотеха Andreessen Horowitz (a16z), управлявший портфелем на сумму около 4 миллиардов долларов, покинул компанию, чтобы основать новый фонд VZVC. Vijay Pande объяснил этот резкий поворот: он переходит от стратегии массовых инвестиций к узконаправленной поддержке стартапов, где технологии искусственного интеллекта трансформируют биомедицину из науки открытия в инженерию.

Серебристая ледяная спираль ДНК на фоне ночного моря у каменного маяка.

# От 4 миллиардов к пяти сделкам: Vijay Pande меняет стратегию венчурных инвестиций

*«Мы не делаем 30 ставок в год».* Это звучит как декларация о независимости для человека, который десятилетиями управлял одним из самых амбициозных отделов в венчурной индустрии. Vijay Pande, известный раньше как профессор химии из Стэнфорда и создатель проекта Folding@home, а затем как лидер практики a16z, сегодня строит совершенно другую игру.

В июне прошлого года Pande покинул a16z, где его департамент работал с капиталом почти в 4 миллиарда долларов, чтобы основать новый фонд под названием VZVC. Основанный совместно с давним инвестором Zach Werner, этот новый проект кардинально отличается от гиганта, который он оставил. Вместо десятков разовых вложений ежегодно, VZVC сосредоточится на нескольких стратегических сделках, полностью отказавшись от структуры с ассоциатами. Вместо этого фонд полагается на собственные разрабатываемые искусственным интеллектом агенты для рутинных операций.

Переход от науки открытия к инженерии

Центральной темой дискуссии Pande является фундаментальный сдвиг в биологии. То, что десятилетиями считалось «наукой открытий» — процессом, где удача и интуиция играли не меньшую роль, чем данные, — теперь переходит в фазу «инженерии». Это возможно благодаря искусственному интеллекту и машинному обучению, которые позволяют компьютерам обрабатывать невероятно сложные системы, чтобы определить целевые точки для воздействия лекарств.

Традиционный путь разработки препаратов часто опирался на моделирование на животных, например, на мышах. Однако Pande отмечает, что результаты таких экспериментов плохо предсказывают реакцию человека. «Вероятность успеха лекарства от первой фазы испытаний до третьей составляет лишь 20%», — указывает эксперт. Большинство неудач связаны не с ошибками биологов, а с невозможностью экстраполировать данные с животных на людей.

ИИ здесь становится не просто помощником, а инструментом, который может преодолеть этот барьер. Хотя модели ИИ не будут идеальными, их способность предсказывать человеческую реакцию значительно выше, чем у любых существующих биологических аналогов. Это открывает путь к медицине будущего, где диагноз не основывается на усредненных данных по популяции, а рассматривает индивидуальные особенности пациента. «Мы хотим, чтобы первый назначенный препарат был правильным», — говорит Pande, описывая идеал персонализированной медицины.

Прочность клинических испытаний и роль открытых данных

Один из самых сложных вопросов в этой сфере остается неизменно актуальным: стоимость клинических испытаний. Несмотря на рост использования синтетических данных, Pande подчеркивает, что цена проведения испытаний по-прежнему может достигать сотен миллионов долларов. «Технологии сокращают затраты и время, но они не устраняют их полностью», — отмечает он. Именно огромные затраты и низкая вероятность успеха делают фармацевтику дорогим и рискованным бизнесом.

Но есть еще более глубокая проблема, связанная с данными. В отличие от текстовой информации, которую ИИ-модели могут обучать на огромных массивах из интернета, биологические данные носят закрытый характер. Каждая компания вынуждена строить свои собственные изолированные базы данных. Это создает риск возникновения новых «силосов» (закрытых систем), аналогичных проблемам взаимодействия между врачами разных специализаций в медицинской практике.

Pande видит выход в создании общедоступных атласов биологической информации и открытых фундаментальных моделей. Он уверен, что будущее за открытым кодом в биологии, подобно тому, как открытые модели ИИ (open-source LLMs) обогнали корпоративные аналоги в своей эффективности. Без обмена данными и создания общих стандартов потенциал ИИ для трансформации медицины останется нереализованным.

Новая философия фонда VZVC

Стратегия нового фонда VZVC, названного в честь сооснователей Vijay Pande и Zach Werner, отражает этот глубокий пересмотр подходов. Pande отказывается от модели «быстрого расширения». В то время как типичный фонд может быстро добавлять новые инвестиции в свой портфель, аналогично тому, как в соцсетях добавляются новые друзья, для VZVC каждая новая сделка — это серьезное решение. Они планируют инвестировать примерно в пять компаний в год.

Эта концентрация позволяет фонду быть более вовлеченным в жизнь стартапов, обеспечивая долгосрочную поддержку, а не просто выписывая чек. Pande ищет основателей, обладающих высокой целостностью и готовых к партнерству, которое может длиться десятилетиями. Его цель — не просто победить в конкурентной гонке, а понять, как «победить вместе».

В своем интервью он признает, что несмотря на технологический бум, главная сложность для основателей часто лежит не в разработке инноваций, а на стороне выхода на рынок (go-to-market). Панде призывает ученых и разработчиков применить свой гений к решению проблем коммерциализации, так как именно это часто становится решающим фактором успеха.

*Вечером, когда тишина в студии обволакивает, становится понятнее, что истинный прогресс в сложных сферах, как биотех, требует не громких заявлений, а методичного, почти медитативного подхода к данным и человеческому фактору.*

Pande остается оптимистом, видя в AI-биотехе одну из самых ярких точек роста. Он напоминает, что, хотя ИИ не может волшебным образом решить проблемы, если для обучения нет данных, он способен находить инсайты, недоступные человеческому глазу. Будущее, по его словам, принадлежит тем, кто сможет объединить инженерную точность ИИ с открытостью обмена знаниями.

Первоисточники

TechCrunch AI
← Вернуться в эфир