Мы не делаем 30 ставок в год»: Виджай Панде о малых ставках после $4 млрд в a16z

Vijay Pande сменил $4 млрд в a16z на пять ставок в год

Vijay Pande, больше десяти лет руководивший биотехнологическим направлением a16z и нарастивший его до почти $4 млрд под управлением, в июне прошлого года ушёл, чтобы создать небольшую инвестиционную фирму VZVC вместе с Zach Werner. Вместо примерно 30 сделок в год партнёры планируют делать около пяти концентрированных инвестиций, работать вдвоём и использовать ИИ-агентов для повседневных задач. В интервью Pande также рассказал, как ИИ меняет разработку лекарств, почему биомедицинские данные нельзя просто собрать из интернета и что мешает ИИ в медицине реализовать обещанный потенциал.

Vijay Pande раньше был известнее в академической среде, чем среди инвесторов. Это резко изменилось около 12 лет назад, когда Marc Andreessen и Ben Horowitz решили всё же заняться здравоохранением и биотехнологиями — хотя первые пять лет существования фирмы сознательно избегали этих областей. Руководить новым направлением они пригласили Pande, тогда профессора химии в Stanford. Он был известен созданием Folding@home — проекта распределённых вычислений, превратившего миллионы домашних компьютеров в суперкомпьютер для исследований заболеваний.

За последующие годы Pande развил направление a16z до практики, управляющей почти $4 млрд.

В июне прошлого года он неожиданно оставил эту работу и вместе с давним инвестором Zach Werner запустил гораздо меньшую фирму VZVC. Она строится вокруг нескольких крупных ставок в год, не нанимает инвестиционных аналитиков и активно использует ИИ в ежедневной работе.

С Pande обсудили, почему в нынешнем рынке он предпочитает несколько концентрированных инвестиций десяткам сделок, а также одну из проблем ИИ-биотехнологий: в отличие от текстов, биологические данные нельзя просто собрать в интернете. Поэтому почти каждая компания создаёт собственный изолированный набор данных.

От науки открытий к инженерии

По словам Pande, разработка лекарств долгое время во многом зависела от удачного стечения обстоятельств. Теперь ИИ и машинное обучение позволяют компьютерам работать со сложностью биологических систем: определять, на какие мишени должны воздействовать препараты при конкретных заболеваниях, помогать создавать сами лекарства и даже участвовать в клинических испытаниях — самой дорогой части процесса.

Предположение о том, что синтетические данные уже сделали клинические испытания дешевле и позволили сократить число участников, Pande назвал скорее стремлением, чем свершившимся фактом.

Срок и стоимость подготовки к испытаниям действительно сокращаются, особенно благодаря ИИ. Но само испытание всё ещё может стоить сотни миллионов долларов. Вероятность того, что препарат успешно пройдёт путь от первого до конца третьего этапа, составляет всего 20%.

Если из десяти препаратов восемь проваливаются, а каждое испытание обходится в сотни миллионов долларов, средняя стоимость успешного лекарства становится очень высокой. Обычно проблема не в ошибке биолога: препараты разрабатывали на основе экспериментов с животными, например мышами, а такие модели плохо предсказывают реакцию человеческого организма.

ИИ-модель тоже не будет идеальной, считает Pande, но она может оказаться гораздо точнее любой животной модели. Когда технология преодолеет этот порог, её применение станет особенно перспективным.

Лекарство для конкретного пациента

Следующий вопрос — подходит ли препарат именно конкретному человеку. Это называют точной медициной.

Когда пациент приходит к врачу с нетривиальной проблемой, врачу приходится предполагать, что происходит, поскольку доступно лишь ограниченное количество информации. Затем пациент получает лекарство. Если оно не помогает, назначают другое, потом третье. Так бывает при онкологических и многих других заболеваниях.

Было бы лучше, если бы первый препарат сразу подходил пациенту. Сейчас результаты анализа крови обычно сравнивают со средними значениями по популяции. Но важнее понять, насколько необычен этот результат именно для данного человека. ИИ уже начинают использовать, чтобы определить, какое лечение лучше подходит конкретному пациенту.

Что привело к нынешнему этапу

Pande не связывает этот прогресс с одним резким прорывом. По его мнению, сошлись сразу несколько направлений.

Долгое время точная медицина опиралась прежде всего на геномику. Геном можно сравнить с чертежом дома в первый день строительства, но спустя годы сам дом сильно меняется. Поэтому для понимания текущего состояния организма важны и другие измерения — например, протеомика.

Параллельно развивалась автоматизация роботизированных измерений, которая естественным образом соединяется с ИИ. Эти технологии хорошо дополняют друг друга.

Последнее десятилетие принесло устойчивый прогресс и в ИИ для биологии, и в ИИ для химии. Биологическое направление отвечает на вопрос, как лечить заболевание, а химическое — как создать препарат, воздействующий на нужный белок. За 10 лет в обеих областях произошли заметные изменения.

Проблема закрытых данных

Биология остаётся одной из немногих сфер, где ИИ не может просто собрать данные из интернета. У компаний нет единого массива, на котором все могли бы обучать одинаковые модели. Данные нельзя без потерь перенести из одной модели в другую.

С точки зрения самого ИИ это создаёт особую ситуацию: каждая компания фактически работает со своим набором биологических данных.

ИИ как специалист во всём

Такая фрагментация напоминает проблему медицинских специалистов, работающих в отдельных и часто конкурирующих областях.

Например, рак может одновременно затрагивать онкологию и эндокринологию, но врачи этих направлений не всегда хорошо координируют работу. ИИ потенциально способен быть специалистом сразу во всех областях и замечать связи, недоступные одному человеку. Это похоже на команду лучших врачей, которые одновременно рассматривают случай пациента.

Остаётся вопрос, достаточно ли обмена данными, чтобы такая модель заработала. Основатели и инвесторы хотят защищать собственные результаты, однако Pande видит сдвиг в сторону создания атласов биологической информации. С технологической точки зрения обычно речь идёт о базовых моделях.

По мере их распространения, считает он, может повториться история открытых языковых моделей: они уже показывают хорошие результаты в сравнении с корпоративными системами, а открытые базовые модели для биологии способны получить широкое применение.

Каких основателей ищет Pande

Pande связан с Genesis Therapeutics, созданной на базе его лаборатории в Stanford, и Insitro — компанией по поиску лекарств, которую запустила его бывшая коллега по Stanford Daphne Koller. Кроме того, он вместе с партнёром создаёт компанию с основателем, которого знает 20 лет.

Сейчас Pande в основном работает в двух направлениях: ИИ для оказания медицинской помощи — этим он много занимался и в a16z — и ИИ для клинических испытаний.

При выборе основателей для него особенно важны взаимное доверие и высокая порядочность. Он рассчитывает на сотрудничество сроком от пяти до десяти лет и дольше, возможно вплоть до следующей компании основателя. Pande хочет работать с людьми, которые мыслят долгосрочно и стремятся добиваться результата вместе, а не просто опережать конкурентов.

Что удалось и что нет

Когда более 10 лет назад Pande начал говорить об ИИ, машинном обучении, технологиях, медицине и биотехнологиях, многие относились к этому скептически и считали, что такие решения никогда не станут полезными. Теперь значительная часть этого сопротивления исчезла, и Pande считает пройденный путь важным для себя.

При этом ему потребовалось время, чтобы понять: какими бы привлекательными ни были передовые технологии, всё в итоге упирается в выход на рынок. Основателям, пришедшим из науки или разработки продукта, он советует направлять свои знания и творческий подход не только на технологию. Выход на рынок может быть таким же сложным или даже более сложным, чем создание самой технологии.

Как устроена VZVC

Новая фирма устроена иначе, чем направление Pande в a16z. Название VZ составлено из имени Vijay и фамилии сооснователя Zach Werner.

Инвестиционной частью сейчас занимаются только два партнёра. Изначально они собирались нанять младших инвестиционных сотрудников, но созданные ИИ-агенты сделали это ненужным.

VZVC не планирует заключать 30 сделок в год. Речь идёт примерно о пяти инвестициях — зато каждая будет крупной и концентрированной.

Pande сравнивает добавление компании в обычный фонд с добавлением нового друга в Facebook: это можно сделать быстро. Для него и Werner новая инвестиция скорее похожа на решение завести ещё одного ребёнка — это большой шаг.

С кем конкурирует небольшая фирма

При такой модели VZVC обычно не пытается выиграть конкуренцию за самый привлекательный раунд финансирования. Компании сами находят для неё место среди инвесторов.

Основатели выбирают Pande и Werner за их опыт и готовность глубоко включаться в работу. Среди инвесторов, которые вдохновляют Pande, он называет Antonio Gracias из Valor. Сейчас тот известен благодаря сделке со SpaceX, но занимается инвестициями в таком формате уже 20 лет.

Ещё одним примером для Pande служит Thrive, создавшая более концентрированный портфель. Опыт a16z, конечно, тоже остаётся частью его подхода, но Valor и Thrive добавили к нему новые ориентиры.

Что переоценивают в ИИ и биотехнологиях

ИИ действительно способен находить закономерности, которые не удаётся обнаружить людям в одиночку. Проблемы начинаются, когда от него ждут, что он вылечит всё.

Скепсис Pande связан не с самим ИИ, а с доступностью данных. Языковые модели работают благодаря огромному объёму материалов для обучения. Если нужных данных просто нет, ИИ не сможет волшебным образом решить эту проблему.