
‘We’re not doing 30 bets a year’: Vijay Pande on betting small after running $4B at a16z
Vijay Pande — who left a16z's roughly $4 billion biotech practice last year to start the much smaller, AI-native VZVC — talks about why biology is finally shifting from a "discovery" science to an "engineering" one, why clinical trials are still brutally expensive, and why he thinks open, shared datasets (not walled-off ones) are what will actually let AI transform medicine.
- 先核对来源和时间
- 把试用限制在可回滚范围
- 对缺少独立证据的结论保持观望
事件时间线
- 1事件时间线
- 2关键机制
- 3真实使用场景
- 4限制与复核
发生了什么
在斯坦福的十几年里,Pande 把一间物理化学实验室做成了 Folding@home,这套分布式计算项目动员全球志愿者电脑模拟蛋白质折叠,是他在学界最有辨识度的成果,也让他后来得以跨进投资行业。大约十二年前,Marc Andreessen 与 Ben Horowitz 把 a16z 医疗与生命科学业务交到他手上,而 a16z 此前五年一直刻意回避该方向。Pande 在 a16z 任职超过十年,把这块业务一路推到约 40 亿美元的规模。文章发布于 2026 年 8 月,因此文中所说的去年 6 月离职,指的便是 2025 年 6 月,Pande 当时离开 a16z,与投资人 Zack Werner 共同创办了 VZVC。离开之后,他的精力几乎全部集中到两件具体的事情上。一是搭建一套小型化的投资运作方式。VZVC 一年大约只投五笔交易,团队只有他和 Werner 两人,连初级投资人都没有招,因为他把本该由 associates 完成的不少研究工作交给了自己构建的 AI agent。二是把资金投向两个他认定的方向,分别是 AI 用于医疗服务交付,以及 AI 用于临床试验。Pande 指出,即便到了今天,临床试验单期的花费仍可能达到数亿美元,而从首期推进到三期的成功率只有 20% 左右,这正是他看好 AI 切入临床试验的逻辑。他还提到,正在与 Genesis Molecular AI 合作,并提及 Insitro 由斯坦福前同事 Daphne Koller 创办,以此说明 AI 与生物学结合的圈子正在成形。在更宏观的判断上,Pande 认为业界应当去建立生物学的“图谱”,并预期开源生物基础模型未来会像开源大语言模型一样,对封闭模型形成实质性竞争。
时间线与证据
VZVC 的具体成立时间在原文中仅以“去年 6 月”表述,对应到本文 2026 年 8 月 29 日发布,即为 2025 年 6 月,并未给出具体日子,目前公开材料中也未见更精确的成立公告日期。Pande 进入投资行业并非一步到位,他在斯坦福做物理化学教授期间搭建了 Folding@home,这套分布式计算项目借助全球志愿者闲置算力模拟蛋白质折叠,是他在学界最具识别度的工作,也成为他后来跨入投资圈的跳板。
时间再往前推大约十二年,Marc Andreessen 与 Ben Horowitz 把 a16z 医疗与生命科学板块交到他手上,而在此之前五年里 a16z 曾明确回避这一方向。从那之后 Pande 在 a16z 待了十余年,将医疗与生命科学投资规模一路推到约 40 亿美元,这构成他离开时手上的业务体量,也对应了他口中“不是一年做 30 笔”的背景。
在更具体的当下,他与 Genesis Molecular AI 的合作以及与 Daphne Koller 创办的 Insitro 的关联,可作为他观察 AI 与生物学交叉圈正在成形的两项例证。不过 Pande 提到的“正与一位相识 20 年的创始人共同孵化”的新公司,其业务方向和阶段在原文中并未透露,VZVC 的基金规模、已投项目清单与最新估值同样没有披露,文中也没有说明 VZVC 是否已正式对外募集新基金。
具体变化
Pande 给出的核心数字是五笔。他明确说 VZVC 一年大约只投五笔交易,并强调“不是一年做 30 笔”。这一数量与他此前在 a16z 期间年均出手节奏形成直接对比,也是他反复强调“押注更少、更集中”的具体落点。
团队结构上,VZVC 目前只有 Pande 与 Zack Werner 两人,未聘请 associates,本应由初级投资人完成的相当一部分研究工作被转交给 Pande 自建的 AI agent 来完成。这套自建工具也因此成为支撑“小团队、少出手”模式得以运转的关键环节。
在赛道选择上,Pande 把资金集中到两个方向:一是 AI 用于医疗服务交付,二是 AI 用于临床试验。他给出的现实背景是,临床试验单期仍可能耗资数亿美元,而从首期推进到三期的成功率约为 20%,在他看来,这正是 AI 工具可以压低成本、提升成功率的切入点。
在生态关系上,Pande 提到自己正在与 Genesis Molecular AI 合作,并点出 Insitro 由他在斯坦福的前同事 Daphne Koller 创办,作为 AI 与生物学交叉领域已有玩家的两项具体例证。他同时呼吁业界去搭建生物学层面的“图谱”,并预期开源生物基础模型未来会像开源大语言模型一样,对封闭模型构成实质性竞争,这也是他对整个赛道竞争格局的延伸判断。

对使用者的影响
对创业者而言,VZVC 的节奏意味着每年只有极少数项目能从 Pande 手中拿到资金,递交材料时需要准备得足够扎实,才有可能挤进那五笔交易之中,而不是被淹没在批量漏斗里。与大平台一年三十笔的覆盖面相比,创业者面对的将是一个决策慢、但单笔投入深度更大的出资方。
对临床团队来说,Pande 把 AI 切入临床试验作为重点押注的方向之一,其现实依据是单期试验仍可能烧掉数亿美元,而首期推进到三期的成功率只有两成左右。如果 AI 工具能够在患者筛选、试验设计、终点评估等环节真正压低单位成本或缩短周期,受益的将不只是资方,更是每天在和入组进度、方案修订、监管反馈搏杀的临床团队本身。
对更广泛的从业者而言,Pande 反复强调的生物学“图谱”与开源生物基础模型,指向的是基础设施层面的公共件。在他看来,闭源模型未来面对的局面会像今天的开源大语言模型一样,被开源版本持续挤压。这意味着使用 AI 工具做药物发现或生物学研究的团队,可以预期在未来几年获得更多可被本地部署、可被审查的开源选项,而不是只能依赖少数几家公司的 API。
限制与未知
围绕 Pande 与 VZVC,仍有不少信息在原文中并未给出,留下的空缺本身就划出了这套模式的边界。
首先,规模与项目面处于黑箱状态。VZVC 的基金总额、已投项目清单以及最新估值在原文中都没有披露,文中同样未说明 VZVC 是否已正式对外开放募集新的资金,这与 Pande 口中“一年大约只投五笔”的集中策略形成对照,集中背后究竟对应着多大体量的资金,外界无从判断。
其次,时间点上存在颗粒度不足。VZVC 的成立在原文中仅以“去年 6 月”表述,对应 2026 年 8 月 29 日的发布日期,即 2025 年 6 月,但具体日子并未给出,目前公开材料中也未见更精确的成立公告日期,这意味着任何关于 VZVC 阶段性进展的叙述,目前都只能落到月这一层级。
第三,Pande 正在孵化的项目保持匿名。他在原文中提到自己正与一位相识 20 年的创始人共同孵化一家新公司,但这家公司的业务方向、所处阶段均未透露,外界既无法判断它是否会成为 VZVC 首批投资组合的一员,也无法把它纳入已有的赛道分类中。
第四,方法论上的对比也留有缺口。Pande 提到自己的思路受到 Antonio Gracias 旗下 Valor 与 Thrive 的启发,但并未列出 VZVC 与这两家机构在打法、阶段偏好或单笔投入上的具体差异,受启发与被复刻之间的界限因此并不清晰。
最后,部分关键数据缺少出处。Pande 关于临床试验从首期推进到三期成功率约为 20% 的论断,未注明具体的数据来源或统计区间,这一数字虽是支撑其 AI 切入临床试验判断的核心依据,但其适用范围与口径在原文中并未被进一步限定。
如何核对
Pande 的整套新模式,建立在他过去二十余年里被反复验证过的几条线索之上,这几条线索也正是读者可以用来核对“是否站得住”的具体抓手。
第一条线索是他的学术出身。他早年以物理化学教授身份在斯坦福任教,期间搭建了分布式计算项目 Folding@home,借助全球志愿者的闲置算力去模拟蛋白质折叠,这套项目至今仍是他在学界最具识别度的工作,也被外界普遍视为他从学术界跨入投资圈的起点。
第二条线索是他在 a16z 的业务规模。大约十二年前,Marc Andreessen 与 Ben Horowitz 把医疗与生命科学板块交到他手上,此前五年 a16z 一直刻意回避这一方向。Pande 在 a16z 待了十余年,把这块业务从近乎空白做到约 40 亿美元的规模,这一体量也正是他离开时手上的盘子,并对应着他口中“不是一年做 30 笔”的对照背景。
第三条线索是他当下聚焦的两个具体方向。AI 用于医疗服务交付,以及 AI 用于临床试验。他给出的现实背景是临床试验单期仍可能耗资数亿美元,首期推进到三期的成功率约为 20%,这也是他判断 AI 工具具备切入空间的依据。
第四条线索是他在 AI 与生物学交叉领域已经搭上的关系网。他正在与 Genesis Molecular AI 合作,并提到 Insitro 由他在斯坦福的前同事 Daphne Koller 创办,这两件事可以作为他并非空谈、而是已经身处圈子内部的旁证。读者在评估他的判断时,也可以顺着这两条关系,向上游去回溯他观察行业的方式是否扎实。
把这些学术背景、管理规模、押注方向与既有合作并排放在一起,就构成核对 Pande 新模式是否可信的具体坐标。
读者能做什么
读者手里其实有几个可以直接拿来核对的入口,而不必把整篇文章的判断全盘接受。
最容易追溯的是他的学界履历。Pande 早年在斯坦福担任物理化学教授,期间搭建了 Folding@home 这套分布式计算项目,借助全球志愿者的闲置算力去模拟蛋白质折叠,这件事至今仍是他在学界最具识别度的标签,也可以反向验证他谈生物学时的视角是否仍带着一线研究的底色,而不是只借术语装点投资判断。
其次是他在 a16z 的业务规模。大约十二年前,Marc Andreessen 与 Ben Horowitz 把医疗与生命科学板块交到他手上,在此之前五年 a16z 曾刻意回避这一方向。十余年间他把业务做到约 40 亿美元的体量,这一规模直接决定了他口中“不是一年做 30 笔”的对照系,也决定了他在新基金里敢把节奏压到一年五笔的底气是否成立。
第三是可被外部验证的合作关系。他正在与 Genesis Molecular AI 合作,并主动点出 Insitro 由他在斯坦福的前同事 Daphne Koller 创办。这两条关系都属于公开可查的事实,读者可以顺着这两条线,去看他到底处在 AI 与生物学交叉圈的哪一层,也可以据此评估他对开源生物基础模型、生物学“图谱”等议题的发言,究竟是圈内观察还是隔岸议论。
第四是支撑他判断的具体数字。他反复提到临床试验单期仍可能耗资数亿美元、首期推进到三期成功率约为 20%,这一比例是支撑他把 AI 切入临床试验作为重点押注的核心依据。读者在引用前,可以进一步去查找该数字的原始统计区间与样本来源,判断它是否适用于他所说的具体场景。
把这几条线索并排放在一起,就得到一组可以拿来与 Pande 新打法逐条对照的坐标:学术背景、管理规模、合作网络与核心论据。任何一条对不上,他的判断就需要被相应打折扣。
后续观察
把这几节放在一起,可以勾勒出接下来值得持续盯住的几个具体走向。
第一,VZVC 的资金体量与第一年的出手清单。原文只给出一年大约五笔的节奏,却未披露基金总额与已投项目。在 2025 年 6 月成立之后,外界最早能验证的节点,就是 VZVC 在 2026 年内是否已经完成首批投资,以及这些被投方是否集中在他点名的 AI 医疗服务交付与 AI 临床试验两个方向上。
第二,他口中那位相识 20 年的联合孵化对象。Pande 在采访中提到自己正与一位长期熟识的创始人共同孵化新公司,但业务方向与所处阶段均未透露。如果这家公司后续浮出水面,它究竟是落入 VZVC 的组合之内,还是独立运作,将直接影响外界对其集中投资模式边界的判断。
第三,他与 Genesis Molecular AI 合作的具体落点,以及 Insitro 由 Daphne Koller 创办这一关系如何在后续交易中被调用。两条线索目前只是他身处 AI 与生物学交叉圈内部的旁证,还需要被对应到具体的产品、论文或合作条款上,才能从“圈内人”升级为可被独立验证的项目级证据。
第四,他所预期的开源生物基础模型对闭源模型的挤压,是否会像开源大语言模型一样在两年内显化。Pande 把这件事视为竞争格局层面的延伸判断,对应的验证窗口,将落在头部闭源生物学模型与开源替代方案在准确度、可部署性上的差距变化上。
参考来源
本文由 AI X Tool 基于公开资料研究后原创整理,发布日期与产品信息可能变化,请以来源网站最新内容为准。
本文提到的资源
浏览目录An aggregation API platform for accessing multiple models through one interface.
A China-friendly, cost-effective platform for large-model APIs.
提出 Transformer 架构的奠基性论文。
Andrew Ng's course platform with short courses on modern AI engineering.
A structured way to learn prompt engineering, RAG, and agent techniques.
A public evaluation platform comparing LLM output quality through real-user voting.