«Ми не робимо 30 ставок на рік»: Віджай Панде про невеликі ставки після управління $4 млрд у a16z

Раніше Віджая Панде краще знали в академічних колах, ніж серед інвесторів. Це досить різко змінилося близько дванадцяти років тому, коли Марк Андріссен і Бен Горовіц — які перші п’ять років існування своєї фірми свідомо уникали охорони здоров’я та наук про життя — зрештою вирішили, що на цю категорію все-таки варто зробити ставку, і передали Панде ключі від напряму. На той час він був професором хімії у Стенфорді, найбільш відомим завдяки створенню Folding@home — проєкту розподілених обчислень, який перетворив мільйони домашніх ПК на суперкомп’ютер для дослідження хвороб. Протягом наступного десятиліття з лишком він розвинув інвестиційну ставку a16z у практику, яка управляє майже 4 мільярдами доларів.

Тож дещо несподівано було, коли в червні минулого року Панде залишив усе це, щоб започаткувати щось значно менше. Насправді його нова фірма, VZVC, співзаснована з давнім інвестором Заком Вернером, будується навколо кількох концентрованих інвестицій на рік, а не десятків; у ній немає асоційованих партнерів, і вона значною мірою покладається на ШІ у повсякденній роботі.

Щоб дізнатися більше про різкий поворот у кар’єрі Панде, цього тижня ми поговорили з ним про те, чому в нинішньому ринку він робить лише кілька концентрованих інвестицій, а не розпорошується на безліч напрямів, — і про одну з найцікавіших дилем біотехнологій на основі ШІ: на відміну від тексту, біологічні дані неможливо просто зібрати в інтернеті, тож майже кожна компанія зрештою створює власний ізольований набір даних. Що це означає для всіх досягнень, які ШІ обіцяв медицині, і хто насправді отримує до них доступ?

Цю розмову відредаговано для стислості та ясності. Ви також можете прослухати повну розмову (нижче).

Ви казали, що біологія переходить від «науки про відкриття» до чогось, що можна конструювати. Що це означає?

Упродовж значної частини історії розробки ліків у ній був дуже відчутний елемент випадковості. Я думаю, змінилося те, що ШІ та машинне навчання дають комп’ютерам змогу застосувати своє розуміння до чогось дуже, дуже складного… спробувати визначити, на які мішені мають діяти ваші ліки для конкретних захворювань, уміти створювати ці ліки, а тепер навіть допомагати у клінічних випробуваннях — найдорожчій частині процесу.

Я думав, що клінічні випробування стають дешевшими, оскільки розробники ліків використовують більше синтетичних даних, тож для цих випробувань потрібно не так багато людей.

Думаю, це значною мірою лише прагнення.

Вартість і час, необхідні для переходу до клінічних випробувань, скорочуються, особливо завдяки ШІ, але проведення випробування все одно може коштувати сотні мільйонів доларів, саме тому ліки такі дорогі. Імовірність успішного проходження препарату від першого випробування до завершення третього становить лише 20%. Якщо 8 із 10 препаратів зазнають невдачі, а кожен із них коштує сотні мільйонів доларів, амортизована вартість стає дуже високою. Зазвичай вони зазнають невдачі не тому, що біолог зробив щось неправильно, а тому, що всі експерименти, на яких ґрунтувалася розробка цих ліків, проводилися на тваринних моделях, таких як миші, а зрештою тваринні моделі просто не дуже добре передбачають реакцію людей. Модель ШІ не буде ідеальною, але вона буде набагато кращою за будь-яку тваринну модель, і щойно вона подолає цю межу, це стане справді захопливим.

[Наступний етап]: чи є цей препарат правильним препаратом саме для мене?

Ви маєте на увазі персоналізовану медицину. . .

Професійний термін тут — так звана прецизійна медицина. Якщо ви приходите до лікаря з чимось нетривіальним, йому доводиться здогадуватися, що відбувається, тому що він може дізнатися лише обмежену кількість речей. Потім він призначає вам препарат — і якщо він не допомагає, призначає інший, а потім ще один. Так відбувається при раку та в багатьох інших сферах. Усім нам було б набагато краще, якби перший препарат був правильним. Зазвичай показники вашого аналізу крові порівнюють із середніми показниками в популяції. Але насправді їх варто порівнювати з відповіддю на запитання: чи є цей [результат] дивним саме для вас? Те, що ми також починаємо робити в медицині, — це отримувати змогу просто зрозуміти, що буде правильним для конкретної людини.

Як би ви сказали, шлях до цього моменту був повільним і поступовим чи нещодавно відбувся різкий стрибок?

Думаю, це [поєднання] багатьох різних речей. Наприклад, прецизійна медицина найдовший час ґрунтувалася на геноміці. Але насправді ваш геном — це дещо на кшталт креслення вашого будинку в день його спорудження, а тепер ваш будинок доволі сильно відрізняється від того, яким він був у момент побудови. Тож існує багато інших речей, які люди тепер можуть вимірювати за допомогою протеоміки тощо, і які набагато важливіші для розуміння хвороби та поточного стану вашого організму. Також відбулася [значна] автоматизація роботизованих вимірювань, яка природно пов’язана із ШІ, і ці два напрями дуже добре доповнюють один одного.

Упродовж останнього десятиліття спостерігався стабільний темп розвитку і ШІ для біології, і ШІ для хімії. Біологічна частина — це питання, як лікувати цю хворобу? А хімічна — як створити препарат, який діятиме на конкретний білок? За ці 10 років відбулися справді дуже значні досягнення.

Ви згадали, що біологія — одна з небагатьох сфер, де ШІ не може просто зібрати дані з інтернету. Що це означає для розвитку галузі?

Це сфера, де немає всіх цих даних, на яких усі могли б просто навчати одну й ту саму модель, а ваші дані неможливо дистилювати з однієї моделі в іншу. Це справді дуже цікава ситуація з погляду суто ШІ.

Але хіба це не нагадує знайому проблему в медицині — коли лікарі працюють в [територіально відокремлених, часто конкурентних] силосах?

Ви торкнулися тут чогось дуже важливого. Скажімо, у [когось] є певний тип раку, і це одночасно проблема онкології та ендокринології — ці два лікарі насправді не дуже добре координують свою роботу. Що справді захоплює в ШІ, то це те, що він у принципі може бути спеціалістом у всьому й почати бачити те, чого не могла б побачити жодна окрема людина. Це було б еквівалентом команди найкращих лікарів, які всі разом намагаються розібратися в ситуації.

Але чи достатньо обміну даними, щоб це бачення справді втілилося? Я розумію, чому засновники та інвестори хочуть захищати [відповідні результати своїх досліджень], але . . .

Думаю, одна з головних тенденцій полягає в тому, що ми починаємо спостерігати перехід до створення цих атласів біологічної інформації, які з технологічного погляду зазвичай є базовими моделями. І в міру того, як вони ставатимуть поширенішими, думаю, ми побачимо те саме, що сталося з відкритими LLM, які дуже добре конкурують із корпоративними: відкриті базові моделі в біології матимуть дуже широкий вплив.

Ви пов’язані з Genesis Therapeutics, яка виникла у вашій лабораторії в Стенфорді, та Insitro — компанією з відкриття ліків, яку заснувала Дафна Коллер, ваша колишня колега зі Стенфорда. Ви також кажете, що інкубуєте компанію із засновником, якого знаєте 20 років. Що ви шукаєте в засновниках і в яких сферах?

Є дві сфери, яким я приділяю найбільше часу. Одна — це ШІ для надання медичних послуг, чим я також багато займався в a16z, а друга — ШІ для клінічних випробувань.

Одне з найважливіших для мене [у засновниках] — це те, щоб ми могли по-справжньому довіряти одне одному, щоб це були засновники з високими моральними принципами, які роблять те, що обіцяють… Я розраховую, що ці відносини триватимуть 5, 10 і більше років — в ідеалі до моменту створення їхньої наступної компанії. Я хочу працювати з людьми, які так само мислять у довгостроковій перспективі. В ідеалі це люди, які прагнуть не просто перемогти й випередити інших, а справді замислюються над питанням: як нам перемогти разом?

Що вам вдалося і чого не вдалося зробити правильно у вашій інвестиційній кар’єрі досі?

Коли понад 10 років тому я почав говорити про ШІ, машинне навчання, технології, медицину та біологію, було багато спротиву й багато людей казали: «О, цього ніколи не станеться. Це ніколи не буде корисним», і так далі. Цей спротив здебільшого зник, і спостерігати за цією траєкторією дуже надихає.

Думаю, мені знадобився певний час, щоб по-справжньому усвідомити: хоч найкрутіші технології й можуть бути дуже спокусливими, усе зрештою завжди повертається до виходу на ринок. Я кажу своїм засновникам, особливо тим, хто приходить із наукової чи продуктової сфери, щоб вони спрямували весь свій блиск і креативність на вихід на ринок, адже ця частина щонайменше така ж складна, а то й складніша за технологічну.

Допоможіть нам зрозуміти, чим ви інакше конструюєте цю нову фірму порівняно з тим, чим керували в a16z.

Зараз ми робимо щось зовсім інше… VZ названа на мою честь — Віджай, — і на честь мого співзасновника Зака Вернера: він і є Z. Ми свідомо залишаємося дуже маленькими… в інвестиційному напрямі фактично працюємо лише ми вдвох. Спочатку ми справді планували найняти асоційованих партнерів, але виявилося, що завдяки агентам, яких ми створили, потреби в цьому немає.

Наскільки концентрованою є ця «концентрація»?

Ми [не] робимо 30 ставок на рік… ідеться, мабуть, про п’ять — небагато інвестицій, дуже концентрованих. Додати компанію до типового фонду — це як додати друга у Facebook: ви робите це досить швидко. Для Зака і мене це радше схоже на… бажання мати ще одну дитину. Для нас це велика справа.

З такою структурою з ким ви конкуруєте за угоди?

Кумедно, але за такої моделі ми зазвичай не намагаємося конкурувати за гарячий раунд — для нас залишають місце. Це зовсім не те саме, що намагатися потрапити в гарячий раунд Series A чи Series B. Здебільшого люди хочуть бачити нас серед інвесторів через те, що можемо зробити ми із Заком і наскільки активно можемо залучатися. Коли я думаю про людей, які мене надихають, то згадую, наприклад, Антоніо Грасіаса з Valor — тепер він відомий завдяки угоді зі SpaceX, але вже 20 років робить те, що робить. Те, що зробила Thrive з більш концентрованим портфелем, також є для мене справжнім джерелом натхнення. Очевидно, a16z також є частиною моєї ДНК, але думаю, ці інші приклади стали новими складовими нашого підходу.

Що зараз переоцінене у сфері ШІ та біотехнологій?

Реальність така, що ШІ може знаходити інсайти, яких ми не можемо отримати лише від людей. Складність завжди виникає, коли лунають заяви, що ШІ вилікує абсолютно все. Причина скепсису тут не в якихось сумнівах щодо ШІ — вона у сумнівах щодо даних. LLM працюють тому, що для навчання є так багато даних. Коли даних просто немає, ШІ не може магічним чином розв’язати цю проблему.