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

Когда-то Виджай Панде был гораздо лучше известен в академических кругах, чем среди инвесторов. Это довольно резко изменилось дюжину лет назад, когда Марк Андриссен и Бен Хоровиц — которые первые пять лет существования своей фирмы явно избегали здравоохранения и наук о жизни, — всё же решили, что на эту категорию стоит сделать ставку, и передали Панде ключи от направления. В то время он был профессором химии в Стэнфорде и больше всего известен созданием Folding@home — проекта распределённых вычислений, превратившего миллионы домашних компьютеров в суперкомпьютер для исследований заболеваний. За последующие более чем десять лет он превратил ставку a16z в направление, управляющее почти $4 млрд.

Поэтому несколько неожиданно было узнать, что в июне прошлого года Панде отошёл от всего этого, чтобы начать нечто гораздо меньшее. Фактически его новая фирма, VZVC, основанная вместе с давним инвестором Заком Вернером, строится вокруг нескольких концентрированных ставок в год, а не десятков; в ней нет младших инвестиционных сотрудников, и она активно полагается на ИИ в повседневной работе.

Чтобы узнать больше о резком повороте в карьере Панде, на этой неделе мы поговорили с ним о том, почему в нынешних рыночных условиях он делает всего несколько концентрированных ставок, а не распыляет силы, — а также об одной из наиболее интересных загадок биотехнологий, работающих на основе ИИ: в отличие от текстов, биологические данные нельзя собрать скрейпингом в интернете, поэтому почти каждая компания в итоге создаёт собственный обособленный набор данных. Что это означает для всех достижений, которые обещал ИИ в медицине, и кто на самом деле получает к ним доступ?

Этот разговор был отредактирован для краткости и ясности. Полную версию разговора также можно послушать ниже.

Вы говорили, что биология переходит от «науки об открытиях» к тому, что можно конструировать. Что это значит?

Во многом разработка лекарств всегда была в значительной степени делом случая. Думаю, изменилось то, что ИИ и машинное обучение позволяют компьютерам применить свой тип понимания к чему-то очень, очень сложному… попытаться определить, по каким мишеням должны работать лекарства для конкретных заболеваний, уметь создавать эти лекарства, а теперь даже помогать в клинических испытаниях — самой дорогой части процесса.

Я думал, что клинические испытания становятся дешевле, потому что разработчики лекарств используют больше синтетических данных, и для этих испытаний требуется меньше людей.

Думаю, это во многом пока лишь стремление.

Стоимость и сроки подготовки к клиническим испытаниям сокращаются, особенно благодаря ИИ, но само испытание всё ещё может стоить сотни миллионов долларов — именно поэтому лекарства такие дорогие. Вероятность того, что лекарство успешно пройдёт путь от первого испытания до конца третьего, составляет всего 20%. Если 8 из 10 препаратов неудачны, а каждый из них стоит сотни миллионов долларов, амортизированная стоимость становится очень высокой. Обычно причина неудачи не в том, что биолог сделал что-то неправильно; проблема в том, что все эксперименты, на которых основывалась разработка этих лекарств, проводились на животных моделях, например на мышах, а в конечном счёте животные модели просто не очень хорошо предсказывают реакцию человека. Модель ИИ не будет идеальной, но она окажется гораздо лучше любой животной модели, и как только она преодолеет этот порог, начнётся самое интересное.

[Следующий этап]: Подходит ли это лекарство именно мне?

Вы имеете в виду персонализированную медицину?. . .

Здесь используется так называемая прецизионная медицина. Если вы приходите к врачу с чем-то нетривиальным, ему приходится гадать, что происходит, потому что возможности диагностики ограничены. Затем он назначает вам лекарство — если оно не помогает, назначает другое, потом ещё одно. Такое бывает при раке и во многих других случаях. Нам всем было бы гораздо лучше, если бы первое лекарство сразу оказывалось подходящим. Обычно показатели вашего анализа крови сравнивают со средними значениями по популяции. Но на самом деле их следует сравнивать с вопросом: является ли этот [результат] необычным именно для вас? В медицине мы также начинаем развивать возможность просто понять, что было бы правильным именно для конкретного человека.

Вы бы сказали, что путь к этому моменту был медленным и последовательным или что в последнее время произошёл резкий скачок?

Думаю, здесь сошлось множество разных факторов. Например, долгое время прецизионная медицина основывалась на геномике. Но на самом деле ваш геном — это своего рода чертёж вашего дома в первый день, а сейчас дом довольно сильно отличается от того, каким он был в момент постройки. Поэтому существует множество других показателей, которые теперь можно измерять — в протеомике и так далее, — и которые гораздо лучше помогают понять болезнь и текущее состояние вашего организма. Кроме того, автоматизация роботизированных измерений также значительно продвинулась и естественным образом связана с ИИ; эти два направления очень хорошо дополняют друг друга.

Последнее десятилетие и в ИИ для биологии, и в ИИ для химии характеризовалось устойчивым развитием. Биологическая часть — это вопрос о том, как лечить конкретное заболевание. А химическая — о том, как создать лекарство, воздействующее на определённый белок. За эти 10 лет действительно произошли очень значительные достижения.

Вы упомянули, что биология — одна из немногих сфер, где ИИ не может просто собрать данные скрейпингом в интернете. Что это означает для развития отрасли?

В этой сфере нет таких данных, на которых все могли бы просто обучать одну и ту же модель, и ваши данные нельзя перенести из одной модели в другую. С точки зрения чистого ИИ это очень интересная ситуация.

Но разве это не напоминает знакомую проблему медицины — врачей, работающих в [территориально обособленных, часто конкурирующих] изолированных системах?

Вы затронули здесь очень важную тему. Допустим, у [кого-то] рак, который одновременно относится к сфере онкологии и эндокринологии, — эти два врача действительно не слишком хорошо взаимодействуют друг с другом. Что особенно интересно в ИИ, так это то, что в принципе он может быть специалистом во всём и начать замечать то, что не под силу увидеть ни одному отдельно взятому человеку. Это было бы равносильно тому, как если бы в данный момент рядом с вами собралась команда лучших врачей, совместно обсуждающих ваш случай.

Но достаточно ли обмена данными, чтобы это видение действительно воплотилось? Я понимаю, почему основатели и инвесторы хотят защищать [соответствующие им результаты], но . . .

Думаю, одна из главных тенденций заключается в том, что мы начинаем видеть переход к созданию атласов биологической информации, которые с технологической точки зрения обычно представляют собой фундаментальные модели. И по мере того, как они будут становиться более распространёнными, думаю, мы увидим то же, что произошло с большими языковыми моделями с открытым исходным кодом, которые весьма успешно конкурируют с корпоративными: фундаментальные модели биологии с открытым исходным кодом окажут очень широкое влияние.

Вы участвуете в работе Genesis Therapeutics, которая вышла из вашей лаборатории в Стэнфорде, и Insitro — компании по поиску лекарств, основанной Дафной Коллер, вашей бывшей коллегой по Стэнфорду. Вы также говорили, что инкубируете компанию вместе с основателем, которого знаете 20 лет. Что вы ищете в основателях и в каких сферах?

Есть две области, которым я уделяю большую часть времени. Одна — это ИИ для оказания медицинских услуг; в a16z я тоже очень много этим занимался, — а вторая — ИИ для клинических испытаний.

Одна из самых важных для меня вещей [в основателях] — возможность по-настоящему доверять друг другу: основатели с высокой степенью порядочности, которые делают то, что обещают… Я рассчитываю, что эти отношения продлятся 5, 10 и более лет — в идеале до момента, когда они начнут создавать следующую компанию. Я хочу работать с людьми, которые мыслят долгосрочно. В идеале это люди, которые пытаются не просто победить и обойти других, а действительно задаются вопросом: как нам победить вместе?

Что вы пока правильно и неправильно делали за свою инвестиционную карьеру?

Когда более 10 лет назад я начал говорить об ИИ, машинном обучении, технологиях, медицине и биологии, многие встречали это с сопротивлением и говорили: «О, этого никогда не произойдёт. Это никогда не принесёт пользы» — и так далее. Сейчас это сопротивление в значительной степени исчезло, и видеть эту траекторию очень приятно.

Мне потребовалось некоторое время, чтобы по-настоящему понять: какими бы заманчивыми ни были самые впечатляющие технологии, всё всегда возвращается к выводу продукта на рынок. Я говорю своим основателям, особенно тем, кто пришёл из науки или сферы продукта, что им нужно направить весь свой блеск и творческий потенциал на вывод продукта на рынок; эта часть как минимум столь же сложна, а то и сложнее технологической.

Помогите нам понять, чем вы строите эту новую фирму иначе по сравнению с тем, чем руководили в a16z.

Сейчас мы делаем нечто совершенно иное… VZ названа по моему имени, Виджай, и имени моего сооснователя Зака Вернера — именно он представляет букву Z. Мы намеренно остаёмся очень маленькими… в инвестиционной части нас фактически только двое. Изначально мы собирались нанять младших инвестиционных сотрудников, но оказалось, что благодаря созданным нами агентам в этом нет необходимости.

Насколько концентрированным является «концентрированный» подход?

Мы [не] делаем 30 ставок в год… речь идёт, вероятно, о пяти — не так много инвестиций, зато очень концентрированных. Добавить компанию в типичный фонд — это как добавить друга в Facebook: такое можно сделать довольно быстро. Для Зака и меня это скорее похоже на . . . желание завести ещё одного ребёнка. Для нас это большое событие.

С кем вы конкурируете за сделки при такой структуре?

Забавно, но при этой модели мы обычно не пытаемся конкурировать за участие в горячем раунде — для нас сами находят место. Это совсем не то же самое, что пытаться попасть в горячий раунд серии A или B. В основном люди хотят видеть нас среди инвесторов благодаря тому, что можем сделать мы с Заком и насколько активно можем участвовать в работе. Когда я думаю о людях, которые меня вдохновляют, я вспоминаю, например, Антонио Грасиаса из Valor: сейчас он хорошо известен благодаря сделке со SpaceX, но занимается этим уже 20 лет. То, что сделала Thrive с более концентрированным портфелем, тоже очень вдохновляет. Очевидно, a16z также является частью моей ДНК, но, думаю, эти другие примеры стали новыми элементами нашего подхода.

Что сейчас переоценено в ИИ и биотехнологиях?

Реальность такова, что ИИ способен находить идеи и закономерности, до которых мы не можем добраться, полагаясь только на людей. Сложность всегда возникает, когда звучит заявление, будто ИИ собирается вылечить вообще всё. Причина для осторожности здесь не в каких-либо сомнениях относительно ИИ, а в сомнениях относительно данных. Большие языковые модели работают потому, что у них есть огромное количество данных для обучения. Когда данных попросту нет, ИИ не может волшебным образом решить эту проблему.