一句话看懂：曾管理 a16z 近 40 亿美元生物科技基金的 Vijay Pande 离职创办小型投资机构 VZVC，放弃每年几十笔的分散押注，转向每年仅数笔的集中投资，并用 AI 驱动日常运营。这反映了 AI 与生物技术交叉领域投资逻辑的转向。
事件核心：发生了什么
Vijay Pande 是斯坦福化学教授出身，因创建分布式计算项目 Folding@home 而知名。约十二年前，a16z 联合创始人 Marc Andreessen 和 Ben Horowitz 在基金成立前五年刻意回避医疗健康领域后，决定进入该赛道，将布局交给 Pande。他在此后十余年间把 a16z 的生物医疗投资从零做到接近 40 亿美元的管理规模。
转折发生在去年六月：Pande 离开 a16z，与长期投资人 Zach Werner 共同创立 VZVC。这家新机构与大型基金模式截然不同——每年只做少数几笔集中押注而非几十笔分散投资，没有设置分析师团队，日常运营高度依赖 AI 工具。Pande 在采访中解释，这种“小而集中”的策略是为了适应当前市场环境，避免资源被稀释。
为什么重要
Pande 的转向为 AI 驱动的生物技术投资提供了重要参照。他的核心判断是：生物学正从“发现科学”转向“可工程化”的领域。AI 和机器学习让计算能够处理极复杂的生物系统，从确定药物靶点、设计候选药物，到优化临床试验——后者是药物研发中成本最高、失败率最大的环节。目前药物从一期临床到三期结束的成功率仅为 20%，失败主因并非生物学家的错误，而是动物模型对人体预测性有限。Pande 认为 AI 模型虽不完美，但有望超越动物模型的预测能力，从而改变整个药物开发的成本结构。
另一个值得关注的行业困境是数据孤岛问题：与文本数据可以从互联网自由抓取不同，生物数据无法公开获取，几乎每家公司都在构建封闭的数据集。这意味着 AI 在医疗领域的进展可能被少数拥有数据壁垒的机构垄断，影响技术普惠性。
对用户/开发者/创作者的影响
对医疗 AI 开发者：Pande 提到的“数据围墙”意味着，如果你从事 AI 药物发现或精准医疗，自建高质量生物数据集将是核心竞争力，而非单纯依赖开源模型。未来能同时获得 AI 算力与专有生物数据的团队，更可能在临床阶段建立优势。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购决策者：AI 辅助临床试验如果逐步替代部分动物实验和患者招募流程，将显著压缩研发周期和成本。但 Pande 也明确表示，目前这仍是“愿景”而非普遍现实——临床试验仍可能花费数亿美元，药物价格高企的问题短期难以得到根本解决。
对普通患者与公众：Pande 强调的“精准医疗”方向意味着未来治疗可能从“试错式用药”转向基于个人蛋白质组等数据的定制方案。但目前这一技术路径仍处于早期，距离大规模临床应用仍有相当距离。
值得关注的后续
一是 VZVC 首批投资的行业分布和退出时间表：每年仅数笔的集中押注策略，能否在生物科技的长周期内实现回报，需要持续观察。二是 AI 模型在临床试验阶段超越动物模型预测能力的时间节点：目前公开信息显示，这仍属于技术愿景，尚无大规模临床实证数据支持。三是生物数据互通机制是否会出现——数据孤岛问题若由监管或产业联盟推动解决，可能加速 AI 医疗的整体进步，但这也涉及商业利益与隐私保护的深层冲突。
