曾管理 a16z 近 40 亿美元生物与医疗投资业务的 Vijay Pande，如今把重心转向一家更小的基金。按他的说法，新机构 VZVC 每年只做少数几笔集中投资，不再追求大范围铺开项目，日常运营也更多依赖 AI 工具。

Pande 此前是斯坦福大学化学教授，曾主导分布式计算项目 Folding@home。加入 a16z 后，他带领这家机构进入医疗和生命科学投资，并在十多年里把相关业务做大。如今离开大平台后，他与长期投资人 Zach Werner 共同创办新基金，策略明显收缩，更强调高确信度项目。

投资节奏转向集中

Pande 表示，新基金不会一年做数十笔交易，而是只挑少量项目下注。他把这种变化归因于当前市场环境和个人判断方式的调整，即与其分散配置，不如把时间和资源集中到少数长期项目上。

他提到，新团队没有传统意义上的大批助理或分析师，部分日常工作由 AI 辅助完成。这也反映出部分早期投资机构正在尝试用更轻的组织结构运作。

关注 AI 医疗服务和临床试验

在投资方向上，Pande 目前主要看两类机会：一是 AI 驱动的医疗服务，二是 AI 在临床试验中的应用。他认为，药物研发过去很大程度依赖经验和试错，而 AI 和机器学习正在帮助研究人员更早识别药物靶点、设计候选药物，并改善临床试验流程。

不过，他也指出，临床试验并没有因为 AI 而迅速变得低成本。虽然进入临床阶段的时间在缩短，但一项试验仍可能耗资数亿美元，而从一期走到三期并最终成功的药物比例仍然偏低。按他的说法，很多失败并非研究人员操作失误，而是因为动物模型对人体的预测能力有限。

Pande 认为，只要 AI 模型在预测人体反应上的效果超过传统动物模型，行业就会出现更明显的效率提升。这也是他持续押注该方向的原因之一。

生物数据仍是行业瓶颈

与互联网文本数据不同，生物医药领域的数据很难被公开抓取和统一训练。Pande 认为，这使得许多公司都在建立各自封闭的数据体系，数据壁垒因此成为 AI 生物医药发展的现实限制。

他同时表示，行业正在逐步出现更大规模的生物信息“图谱”和基础模型。如果这类开放式模型继续发展，未来可能像开源大模型一样，对企业自建系统形成补充，并扩大 AI 在医学领域的覆盖范围。

在创始人选择上，Pande 说自己更看重长期合作关系和可信度。他目前也在孵化新项目，并继续关注自己熟悉的 AI 制药与医疗科技创业者。