Vijay Pandeは、16zを約4億の生薬投資を管理し、小規模な資金に焦点を移しました。 彼によると、新しい機関VZVCは、毎年いくつかの集中投資を行い、大規模なプロジェクトを追い求めず、日々の業務のためのAIツールに頼ることはありません。

以前スタンフォード大学で化学の教授であるパンドは、流通コンピューティングプロジェクトfolding@homeを支配しました。 a16zに入社した後、医療機関を医療・ライフサイエンスの投資に導き、10年以上にわたり業務を拡大しました。 今、彼は大きなプラットフォームを残している, 彼は、Zach Werner, 長期投資家, 新しい資金を設定しました, 戦略の明確な請負と高自信のプロジェクトに重点を置きました.

投資のテンポは集中に回しました

パンデによると、新規ファンドは年数の取引を行いませんが、少額のエントリーしか選択できません。 彼は、現在の市場環境に変化をもたらし、個人が判断する方法の調整に反対しました。つまり、分散ではなく、いくつかの長期プロジェクトに時間とリソースを集中できます。

新しいチームは、伝統的な意味で多くのアシスタントやアナリストを持っていなかったと述べ、その日の一日の仕事の一部はAIによって行われました。 また、初期投資機関がより軽い組織構造で運営しようとしているという事実も反映しています。

注意 AI 医療サービスと臨床試験

投資の方向では、Pandeは現在、臨床試験におけるAI主導の医療サービスとAIアプリケーションに関する2つの機会を探しています。 彼のビューでは、薬物開発は経験とエラーに大きく依存し、AIと機械学習は、研究者が薬物のターゲットを早期に特定し、候補薬を設計し、臨床試験プロセスを改善できるように支援しました。

しかし、彼はまた指摘したが、AIのせいで治験が早く低くなっていなかった。 臨床フェーズに入る時間が短くなっている間、試験は100万ドルの費用を払うかもしれませんが、フェーズ1からフェーズ3までの薬の比率と究極的に成功を収めたまま低ままです。 彼によると、多くの失敗は、研究者による操作上の誤差ではなく、動物モデルの限られた能力に人体を予測することができませんでした。

パンドによると、AIモデルが人間の反応を予測する伝統的な動物モデルよりも効果的である限り、業界ではより重要な効率性の向上があります。 その方向に賭け続ける理由の1つです。

生物的データは業界ボトルネックを維持

インターネットのテキストデータとは異なり、生物医学の分野におけるデータがキャプチャし、調和することは困難です。 Pandeによると、これは多くの企業が独自のクローズドデータシステムを確立し、データ障壁はAIの生物医学的な開発に実質的な制約になりました。

同時に、バイオ・インフォーメーション「species」とベース・モデルの拡大が業界に浮かび上がっていました。 そのようなオープンモデルが発展し続けると、大きなオープンソースモデルのような未来は、企業の自己構築システムを補完し、医療分野におけるAIのカバレッジを拡大することができます。

創設者の選択では、パンデは、彼女は長期的な協力と信頼性を大切にしたと述べました。 現在は新しいプロジェクトをインキュベートし、馴染みのあるAI医薬品や医療技術の起業家に注力しています。