Transcription
[掌声] 各位听众大家好，欢迎来到 No Priors。今天我们有幸邀请到 Flagship 的创始人兼首席执行官 Nubar Ayan。Flagship 是 Madna 和其他一百多家生物技术公司的幕后推手。我们将探讨他建立生物技术初创公司的方法，人工智能如何重塑药物研发，以及他的多重智能理论。欢迎 Nubar，再次感谢您接受采访，我非常期待这次的讨论。Nubar，让我们从您的根源谈起。您有着一段不可思议的个人旅程。您在家人逃离饱受战争蹂躏的贝鲁特后，十几岁时来到这里。您获得了麻省理工学院生物化学工程的第一个博士学位。在过去的三十年里，您与 Flagship 一起，通过众多重要的生物技术公司和超过 1000 亿美元的价值，改变了全球健康的轨迹。您能否谈谈您最初创办 Flagship 的动机，以及您认为它会发展成什么样子？
我会努力符合您刚才对我的所作所为或我正在努力做的事情的描述。Flagship 的动机源于我之前所做的事情，那就是我在 1987 年创办了一家公司，当时 24 岁的移民在美国并不创业。相反，当时只有像前麦克唐纳高级执行官或 IBM 高级执行官这样的人才能获得巨额的风险投资，每轮融资高达 2300 万美元，用于风险投资。这是非常早期的阶段，我刚从研究生院毕业就有机会创办一家公司，并最终筹集了相当多的风险投资资金，最终走上了创业之路。
在此过程中，我感兴趣的一件事是，为什么创业过程被认为是随机的、即兴的、几乎是独特的、甚至是游戏化的？我认为所有这些东西在以一种严肃的专业方式做事时，都有些令人望而却步。在 90 年代初，我经常四处说，为什么创业不是一门专业？如果它是一门专业，它该如何成为一门专业？当时，你知道，基本上只有一两个比赛，颁发奖项，这当然会强化它的游戏性质。
于是我开始思考这个问题。然后我开始想，如果你能同时做很多事情，那么你就是在专业地做这件事的一种方式。我这样做的动机是投资，因为风险投资本身就是一种并行投资活动。如果一次只能做一件事，那么就会有连续的风险投资家，而不是并行的风险投资家。然而，人们认为创业者应该是连续的，而投资者、律师或其他人都可以并行操作。同时做事情的学习周期与你真正强迫自己思考你所做事情的本质以及什么可复制、什么在每种情况下都必须不同，是完全不同的。
因此，我对这个产生了兴趣，而并行创业让我想到，即使如此，你该如何做到这一点？于是我花了 90 年代末的时间，在经营我的第一家公司的同时，参与了其他几家公司的联合创办，我在这里尝试了个人实践。然后我意识到，作为一个单打独斗的人，这很难做到。于是我创建了第一家公司创建公司，最初叫做 Nen，意思是“新公司生成”，我们以此名称运营了三年，直到有人告诉我听起来像一种疾病，然后我把它改成了 Flagship。顺便说一句，这正是发生的事情。但从那时起，我们一直在努力探索，不仅是如何进行专业的创业活动，而且是如何进行制度化的创业活动，这意味着就像投资一样，它变得制度化，像团队一样运作，拥有公司的目标等等。所以，这是一个复杂的描述动机的方式，但也许我可以简化一下，说我认为我所知道的当前人类事业中最有价值的活动就是创办公司。我在麻省理工学院教授创业 16 年，然后在哈佛商学院教授创新三年。我总是问人们，最能创造价值的活动是什么？在这方面，人类最伟大的发明是什么？他们开始告诉我互联网、卫星等等。我会告诉他们，那就是初创公司，人类的发明，以及初创公司创造的价值，包括谷歌、特斯拉、Facebook 和 Genentech，以及所有这些公司。我想，为什么我们要把这项工作外包给某种随机的、游戏化的活动呢？这就是我创办 Flagship 的动机。
你说的“游戏化”是什么意思？因为这似乎是大多数时候都会失败，偶尔你会赢，然后你会庆祝胜利。我的意思是，它不仅是随机的，而且还有赢家和输家，以及计分。我不知道，也许这是个错误的词，但我只是想说，人们甚至在软件领域称之为游戏化。这是一种版本。我不介意玩乐，因为如果你过于严肃，有时你会错过一些东西，但它不能全是玩乐。我们花费辛苦赚来的钱，将其用于做几乎不可能的事情，偶尔我们会将其付诸实践，使其不仅成为可能，而且有价值。然而，人们却把它当作“哦，好吧，你知道，它不起作用，我们尝试了 20 种不同的东西，其中一种起作用了。”作为一名工程师，一名科学家，我只是觉得我们所做的，尤其是在医疗保健、气候、农业、粮食安全等领域，你不能把它看作是“射门得分”之类的。你必须说，“嘿，我们可以做得更好。”
Flagship 著名的主张之一是允许突破自然涌现，而不是由人创造。您如何平衡这一点？如何创造一个突破自然涌现且可预测和可控的环境？首先，如果任何听众想了解更多，可以在《哈佛商业评论》上阅读。经过 23 年的实践，我和 Gary Pano 几年前发表了一篇论文，阐述了涌现式创新的理念。我们所说的意思是：如果你考虑人类设计，它是基于目标的。那么，创造一家新公司的目标是什么？你可以说，出售它。但如果你说，创造英伟达的目标是什么？我认为你无法定义一个目标，因为他们只是认为他们可以创造有价值的产品来影响人们，最初是在游戏领域，然后突然出现了人工智能的机会。人工智能的机会发生了什么？它出现了。它不是一个可预测的，就像在商业计划中一样，除了它在五年计划中，而不是在任何计划中。机会出现了。
那么，我们在哪里还能看到新颖性以这种不可预测的方式发生呢？答案是自然。那么，自然界是如何发生的呢？在自然界中，变异、选择和迭代的力量创造了令人难以置信的新颖性和各种各样的复杂性。生命，我的意思是，有很多我们仍然知道的生物，我认为没有那么多活着的硅基生物。所以，这是涌现的。我想说，如果你在任何事情上进行变异、选择和迭代，你就会得到涌现。你在人类思想中这样做，你会得到革命、模因、政治思想、宗教，很多东西。你在跑鞋上这样做，你会得到 Air Jordans。我的意思是，所有这些都是涌现的。只是参与其中的人描述它们，好像是他们想出来的，而且他们以一种非常——抱歉地说——自以为是的方式来描述一切。
因此，我们拥有自己的语言，从而拥有现在非常擅长将现实转化为人类代理人如何掌控它的局面，这就像说，无论谁赢得战争，都可以书写历史。我这样说是因为我从事这项工作 38 年了，我不相信我参与创新和创造的任何东西实际上是我工作的产物。它是涌现的。我试图做的是，以及我们整个组织试图做的是，创造一个环境，让涌现能够发生，然后保持谦逊，不将其描述为某种天才之举。你永远不会听到我在采访中将这些事情描述为我们所运用的一种超级智能，而它是一种涌现的事物。顺便说一句，生成式人工智能是涌现的一项强大技术，我们现在正以非常酷的方式使用它，无论是涌现新的蛋白质还是涌现新的消费品。所以我再兴奋不过了，但这是我们利用并使用了 25 年的涌现。我们一直在逐步、系统地进行，但我想我们还有很多东西要学。
我认为这是一个非常诚实的观点。也许您提到的一件事是，最优秀的创业者也往往有这种倾向，即叙事会改变，以便从一开始就有一个更清晰的叙事。那些人比任何经历过真正成功的公司的人都拥有更好的预测能力。我过去常告诉人们，大多数成功的创业者，那些做过一些意想不到的事情的人，也秘密地崇拜机会的祭坛，因为他们也意识到，归根结底，他们对发生的事情的解释并不足以说明实际发生的事情以及原因。他们永远不会说，“我们做了这个，然后我们做了那个，然后我们做了这个，然后我们做了那个，然后发生了一些我完全不知道原因的事情。”这就是我们成功的关键。没有人会写关于这个的书。然而，如果你采访很多人，我知道你已经采访了很多，他们会说，“看，发生了很多事情，我们很幸运，但我们已经准备好了，因为我们已经尽力做了其他所有事情。”这就是我的信念。
是的，我认为，我们将要谈论人工智能，但至少对我们来说，在信念上，很难预测会发生什么，即使是技术会发生什么，应用是否相关。但你可以说，一开始就有兴趣的优势，我们可以为机会做好准备，我们可以快速适应、识别并培养这个机会，或者在 Flagship 的术语中选择“可能性”中的一部分。你使用了“适应”这个词非常正确，因为你知道，很多时候人们会问，是变异还是选择先出现？答案是，自然界中的选择压力来自于自然界中存在的一切的总和。在这里也是一样。消费者偏好常常是对摆在他们面前的东西做出反应，然后形成消费者偏好。因此，很难将这些事情分开。你必须创造一个环境，让这两者相互作用，从而产生新产品和新服务。
就雄心和范围而言，Flagship 不仅仅是做治疗。您在营养、农业和气候等不同领域都有投资。您如何看待进入医疗生物技术以外领域的机会？我们在这方面非常谨慎。但如果我们拥有核心优势，无论是我们创造的知识产权，还是来自对该领域了解不足的胆量，我们都会涉足其中。你知道，对我们来说，我们在一个领域做的第一件事会影响我们接下来做的五件事。然后，如果所有五件事都不成功，我们就会说，“你知道吗，也许我们无法在这个领域获得创新的回报。”我们的方法就是试图将今天可能在五年后才存在的东西变为现实。并非所有五年后存在的东西都将是有价值的。因此，在此之上，我们必须在今天拿出一些也将有价值的东西。并非所有行业都如此。例如，我们多年来一直在可再生能源领域工作。事实证明，我们制造碳中和液体燃料的最先进方法之一是工程化光合细菌，它们通常生长在深海中。这种非常酷的细菌能看到少量的光子，我们对其进行工程化以制造柴油。它可以真正消耗二氧化碳并制造柴油燃料并将其分泌出来。人们认为这是不可能的，但我们做到了。然后我们创建了非常便宜的反应器系统来做到这一点。接下来，我们出去，这是在 2008 年到 2012 年之间。有一家名为 Jule 的公司。
那么，你知道，这是一项商品业务。柴油的价格，无论是否可再生，都是柴油的价格。我们开始时碳价是每吨 50 美元，结束时是 5 美元。当我们开始时，美国依赖能源。当我们完成时，美国充满了能源，你知道，液体燃料和石油天然气。所以，最终，你会意识到，无论你在那个领域做什么创新者，你都无法真正获得溢价。因此，我们学到了一个教训，即至少在当时，那个领域不值得我们能够做出的那种突破性的创新。
从那时起，人们对我说，为什么你们不去再做一次？答案是，我仍然不知道它是否会支付成本，因为就在你认为绿色和碳将定价如此之高的时候，我们又开始了。所以，回到你的问题，你可能会感到惊讶。我们在 2000 年代创办了超级计算公司，我们创办了网络公司。哦，我不知道。是的，这很疯狂，但我们确实做到了。我们有一些一次性的尝试，我们说，“你知道吗，让我们看看我们能在这个领域做什么？”不是出于某种纪律，而是因为我们在内部这样做，我们可以花时间去弄清楚。而且，正如我们现在所说，我们最近在材料领域创办了一些公司，比如半导体材料、碳捕获材料。所以我们会进行实验。我们也有这种几乎是涌现的心态，关于我们将如何应用自己。但我们知道，并非所有事情都需要科学上的飞跃，并非所有事情都适合这种活动。所以我们进行实验。
许多 Flagship 公司正在开创监管机构不知道如何处理的新类别。你知道，我们现在也面临着一些公司的一些相似之处。但如果我想到微生物组疗法或基因编辑技术，这些类别似乎是另一个——有点残酷的市场动态，以及你所描述的周期性。你如何看待这些新市场需要你塑造政策和公众舆论，并将未来提前五年？这不仅仅是一个技术问题，对吗？
这是一个非常好的问题。这也是我们仔细考虑的事情，显然，事后看来，考虑得不够充分，因为我们无法控制所有变量。我认为风险这个概念最适用于现有事物的邻近区域。我通常告诉人们，想象一个圆圈。圆圈内的所有东西都存在于今天，并且是今天已知的。圆圈外面的所有东西，周围的邻近圆圈，将是未来一段时间内已知的东西。我不知道创新会朝哪个方向发展，但大多数创新都发生在邻近的圆圈中。在这个圆圈中，有一个优势，因为今天的人们可以估计风险和回报，而这正是尽职调查的全部内容。这就是为什么你问多个关键意见领袖，他们告诉你他们的想法，你汇总一下，然后做出投资决定，评估管理层等等。
但是，当你将距离当前越来越远时，总会有一个点，人们无法再估计成功的可能性和成功的回报。那么，你该如何称呼它呢？我不再称之为风险，我称之为不确定性。不确定性是指你无法归因成功概率的事情。我们人类所做的是，我们仍然考虑这些事情，因为有经济上的驱动力，主要是来自华尔街和其他地方，认为一切都可以放在风险矩阵上。我不相信这一点。因此，我们只是将其视为超高风险。例如，今天的聚变，尽管有几个人声称他们可以在 35 年内完成聚变，但它是什么？是风险还是不确定性？我会说它不是风险，因为你无法告诉我成功的概率。我将回答你关于市场成功、监管成功、政策的问题，因为这只会增加更多这种不确定性。但我们所做的是，我们说，“你知道吗，为什么你会认为在邻近区域存在巨大的价值池？因为有一件事你可以肯定，那就是每个人都在关注邻近区域。每个初创公司，每个学术实验室，每个大公司，每个人都在关注邻近区域。所以我担心在科学领域，我不是在谈论商业模式创新和服务模式，坦率地说，幸运的是，我不理解这些。所以我避开了。但在科学驱动、技术驱动的领域，我认为邻近区域有其自身的问题，那就是商品化的风险，这是他们通常不考虑的风险。但在我们的世界里，存在不确定性。
那么，当你面对不确定性时，你会怎么做？在不确定、尚未知晓其价值或是否可行的一系列事物中，你只需进行实验。如果你能设计出正确的实验，首先将其变为现实，看看它是否可行，你仍然没有解决你提到的不确定性和风险中的一些问题。但至少你可以控制你所能控制的。所以，我们看待它的方式是，是的，如果我有一个选择，是在一项非常困难的技术壮举和一旦完成就有现成市场之间，还是在另一项也必须完全是 mRNA 的技术壮举之间，Madna 是一个很好的例子。在它之前，没有 mRNA 药物或疫苗。当我们开始时，没有人研究它。有学术实验室研究过它，但已经放弃了。所以，你需要监管的改变，或者至少是接受，你需要市场定价，你需要我们不知道如何做的制造。但事实证明，如果你可以预见潜在的回报，无论是否有大流行病，坦率地说，即使没有大流行病，我们也有很多价值。它在大流行病扭曲道路之前就创造了价值。但尽管如此，我认为这就是我们的思考方式。因此，我们仔细拥抱不确定性，并试图在理解风险的过程中解决它，然后我们试图减轻风险。如果你不愿意这样做，你就会在两个价值池中工作。我们知道一件事，Flagship 的每个人都知道，我们并不比任何人更聪明、更勤奋、联系更紧密。我们能做的就是承担不确定性。
这是一个非常有趣的视角。关于 Flagship 的最后一个问题，在过去的 25 年里发生了什么变化？今天的 Flagship 方法与 1999 年相比有何不同？
作为一个在 1999 年、2000 年创办了一家基金、一个孵化器以及其他一些东西的人，你必须意识到，世界正被互联网所吞噬，尤其是电子商务。讽刺的是，与此同时，人类基因组测序也完成了，我参与了完成这项工作的公司，即私营的 Celera 公司。那是一个奇怪的时期，因为所有的钱都被吸收到……com 和 diapers.com 以及所有这些当时很流行的东西中。当时，为生命科学和医学等领域提供资金非常困难。这一点很重要，因为我们意识到，尽管如此，仍然有很大的药物需求。因此，我们开始大量关注生物学和技术之间的交叉点。25 年前，从第一天起，我们就有了系统地构思和创造公司的想法，我们想学会如何做到这一点，并变得越来越好。我们最初没有做的是系统性地实现突破性创新的赌注，就像我们现在学会的那样。我们相信，从那时起。
所以，今天的 Flagship 有 550 人，其中 200 多人是科学家、工程师、医学博士。我们每年集中申请 600-700 项专利，我们所做的每一件事基本上都与之前所做的事情没有联系。第二项创新，真正出现在 2000 年代末，就是改变了这一点。另一项改变是，我们曾经是一个小组织，直到七年前，我们大约有 50 人。哇，直到最近，我们才在内部带来了扩展公司的能力，而不仅仅是构思它们。这使我们拥有了一个内部引擎，通过这个引擎，我们现在有许多人知道如何并行构建公司，而且他们中的许多人。因此，学习周期已经加速。我想说，变化更大的是，我们拥有生成式人工智能这一技术工具。顺便说一句，我们与基于人工智能的公司合作了 25 年。这不像你现在听到的那种修正主义。每个人都想要。我们实际上在 2001 年创办了一家名为 Afinova 的公司，如果你回去看看它做了什么，它基本上使用机器学习进化算法在线进化消费品，从 2001 年开始。我们花了六年时间开发机器学习工具，这些工具基本上是动态的进化算法。这与 DNA 或 RNA 完全无关，除了它在比喻上做着大自然所做的事情。我们又回到了这样做。我们的第 100 家公司 F100 现在正在利用现代生成式人工智能开发这一点。但是，你可以用生成式人工智能在这种突破性的构思和假设生成方面做的事情，确实非常 remarkable。
所以，没有一天不发生变化。我们还改变了我们对创新价值链中我们所在领域的看法。我们越来越多地认为，我们可以产生突破，然后该领域的现有公司可以从中受益。因此，我们与辉瑞、诺和、葛兰素史克等制药公司，以及赛默飞世尔、模拟器件、三星等科技公司建立了大型合作伙伴关系，所有这些都旨在扩大我们创新的覆盖范围，以便我们能够产生更大的影响。所以，一路走来有很多学习。
让我们谈谈人工智能。您认为人工智能在医疗保健领域最令人兴奋的应用是什么？如果您将人工智能主要视为大型数据驱动模型，它们可以做一些开始看起来像人类认知的事情，以及我们以前只能通过相关性统计和优化以及机器学习曾经开发的一些东西来做的事情，那么您就开始变得越来越雄心勃勃地使用它。
在我们最早做的事情之一，除了 Madna 使用早期深度神经网络，然后是其他技术来处理整个 AI 领域的数据，并为我们所做的事情的下一代以及如何制造它们提供信息之外。一方面，Madna 在这样做，但我们开始将其视为设计蛋白质的方法。大约六七年前，我们创建了一个项目，名为“What If”，它说，“如果我们能够计算出设计出任何所需功能的蛋白质呢？”你可能会说，“当然，现在我们有了 AlphaFold，我们有了折叠的量子模型。”我们不想使用任何这些。我们真的说，“你能展示足够多的所需功能的实例，以及学习算法生成新功能的 DNA 序列吗？”人们说，“不，不，不，你需要知道 DNA 序列、蛋白质序列、折叠结构，以及所有这些。”我们说，“是的，但据我们所知，每一代 DNA 都会传递给下一代。没有手册描述所有这些事情。DNA 根本不知道蛋白质是什么，也不知道折叠是什么。然而，功能就随之而来。”所以，我们说，DNA 中一定有一种知识编码。那里一定有足够的数据。是的，100%。那里有一些我们不理解的模式。
所以，出于这个想法，也称为假设，我们真的就开始了，并尝试了。因为现在改变的是，提出这个问题的实际成本已经降低了，不仅是人工智能，还有实验设备。事实上，在几年内，我们可以证明，至少对于抗体及其与靶点的结合，我们可以开始展示一些相当有趣的飞跃，这些飞跃是计算上可以实现的，但实验上无法在同一时间实现。这现在导致了一家名为 Generate Biom medicines 的公司，顺便说一句，它是英伟达在生物学领域最早的大型合作伙伴之一。所以，我们认识他们很长时间了，这是几年前，三四年前。现在，你知道，Generate 有超过 15 个不同的计算设计的抗体项目，有些已经进入临床，有些正在向临床推进。很多人会说，“给我看看一个计算设计的药物。”答案是，展示一个药物不仅仅是设计和早期测试。但我们已经在这个领域做到了。然后我们将其应用于细胞模型，然后应用于 DNA、RNA、各种分子，以及脂质纳米颗粒设计。现在，我们已经扩展了一些我们正在做的非常酷的先进工作，即创造新的平台，能够基本上以自主的方式进行科学发现，即生成假设、指定实验、运行它们、收集数据、解释数据、迭代假设，并像 Waymo 驾驶汽车一样进行科学研究。虽然我们离 Waymo 在街上驾驶这些东西还有很长的路要走，但我们绝对可以展示这些元素，并将它们联系起来。在狭窄的领域，我们可以展示未来的样子，如果人们在国际象棋和围棋中进行训练，那么数百万人在数千年里可能玩了足够多的游戏才能达到那个水平，我们开始看到一些迹象。所以，这非常非常酷。然后，就像我说的，最后，真正让我感兴趣的领域是能够实现涌现的多主体系统。我们正在产品领域这样做，直接创造新的品牌、新产品。我们显然正在仔细学习这些商业模式。我们在心理健康领域这样做，比如早期干预，这样你就可以使用基于代理的干预措施。但同样，我不是指训练医生会做什么，而是让系统相互作用，并从不同类型的基于代理的模型之间的动态中学习。
我们很少感到兴奋。你会注意到我没有谈论所有生产力提升，比如自动文档编写、摘要。我的意思是，我们和其他人一样，都在做这些，但这不需要我们额外的努力。这些事情对我们来说感觉像是开创性的。
你刚才描述了假设生成和其他类似的进步，它们正在导致候选药物数量迅速增加。正如你所说，这只是漏斗的顶部，也许是更高质量的漏斗顶部，以及数量。将这些创新转化为市场成熟疗法的最大瓶颈是什么？以及我们如何更有效地解决这些挑战，如果目标是让更多疗法推向市场，现在我们有更多潜在的疗法？
让我们从后往前推。你必须做的最后一件事是向 FDA 提交某种生物制品许可申请（BLA）或新药申请（NDA）以获得批准。在此之前的步骤是，你必须进行 III 期临床试验，以在足够大的群体中，在正确的剂量水平上，以统计学上显著的优越性且无毒性的方式证明其有效性。然后我们可以从后往前推。最后几步是受监管的。除非有重新思考，即通过数据驱动的方法，我们不需要像现在这样进行大量的模拟测试，因为我们可以实际创建模型来告诉我们数据告诉我们什么。那一天终将到来。在那一天到来之前，我们将不得不等待大规模试验以及花费数亿美元进行试验。
你不认为这应该来得更快吗？当然应该。尤其是我可能会死于的疾病，如果它能得到改善的话。这完全是疯了。顺便说一句，对我来说，做到这一点非常简单，叫做“曲速行动”。我们在 COVID 期间看到的，显然是可能的。
这是一种思维方式，如果你被疾病威胁所淹没，并且你非常有条理，以至于私人、公众、监管机构都不会偷工减料，而是认识到目标是解决方案，而不是为了安全而减缓过程，而人们正在死去。当不作为的后果增加时，人们就会行动。可悲的是，在癌症、神经系统疾病中不作为的后果每天都在发生。它非常大，只是速度较慢。我们可以做得更好，但它感觉不像一个紧迫的威胁。我希望如此。
所以，你看，我没有灵丹妙药。但如果我有，我至少会进行一些实验，看看我们如何看待数据驱动的方式来解释试验结果，无论是适应性试验还是其他。所以，这是一个类别。我们正在努力的领域，你知道，是我们可以更好地理解特定患者的状况。现在人们说癌症分期一、分期二，好像它们是真实存在的。医疗专业人员创造了分期，偶尔他们会改变它们。这是一个笑话，与基础科学和生物学无关。对该领域的同事没有冒犯，这只是一个非常宏观的近似。但我认为我们现在拥有工具，能够以一种非常分子化的方式，我称之为“生物分期”疾病，在一个不是四个阶段，而是 75,000 个阶段的轨迹上。关键是，你可以查看在轨迹中的任何一种疾病中，哪些机制被开启或关闭，以及你应该选择哪个子集的人来同质地测试你的药物假设，这样你在其他被测试的人身上就不会打败你的试验。这样你就可以进行一个较小的试验，获得一个较小的适应症批准，然后通过人工智能工具和可以进行的测量来扩展它。我们正在努力实现这些目标，这些目标可以大大提高生产力并缩短药物上市时间。不幸的是，这不符合大公司希望将药物提供给所有人的利益。但对于那些否则就会在等待中死亡的生物技术公司来说，这可能是一个有趣的创新。所以，我们必须让监管机构对此持开放态度。
患者数据中有很多信息可以指导我们去寻找正确的机制。考虑到 HIPAA 法规和其他规定，访问这些患者数据，利用它们来训练模型，说“哇，现在我们知道，在帕金森病的某个子集中，你必须针对这个特定的机制。”这正在缓慢发生，但这不仅可以增加分子数量的上限，还可以减少值得研究的事物，因为我们已经有了人类数据，表明如果你能做到这一点，我们已经知道后果，因为我们有人类数据显示，在我们能够进行的基因检测中。所以，有很多令人兴奋的事情，但它很慢。
你提到了“曲速行动”。我们必须谈谈 Madna。如果我们有另一次大流行病，我们该怎么办？在疫情之前，每个人都认为开发疫苗需要很多年。疫情之后，开发疫苗没有紧迫感，因为每个人都认为开发疫苗需要四年。那么，为什么如此匆匆忙忙呢？当然，技术进步使得在三四个月内开发出疫苗成为可能。但直到人们开始思考“为什么不试试呢？”然后不幸的是，足够多的人必须死亡，足够多的灾难和经济停滞发生，人们才会说，“你知道吗，我们有钱，让我们试试吧。如果不行，我们也不会更糟。”我希望我们不必经历同样的辩论过程。很多人说，你不能做任何这些事情。不幸的是，直到今天，还有人认为疫苗不能起作用，不起作用等等。这是一个问题。但无论如何，我真的希望，如果发生这种情况，将会有多管齐下的协调响应。
我相信，如果我们可以以最协调的方式部署最好的技术，并拥有正确的激励措施，那么就没有我们找不到合适解药或合适疫苗的生命形式疾病。顺便说一句，“曲速行动”的一个关键是为那些尝试过的人设定了一个价值结果。政府说，我们将以这个价格购买 X 剂。因此，我们可以告诉投资者，听着，如果我们能做到，我们不知道成功的几率，但如果……有一个明确的市场信号，那将大有裨益，远远超出大流行病，但在大流行病中，这种机制是经过考验和真实的。
现在有一个接受不确定性的理由。正是你之前提出的问题。Madna 在过程中做出了许多非显而易见的赌注。其中之一是，你知道，我谈过的每一个人工智能和生物技术公司，他们都想成为一个平台，而不是一个单一的或两三个临床资产类型的公司。你如何看待早期投资平台与临床资产之间的权衡？因为你知道，在一个不同的领域，就像你和我之前谈到的，投资者气候和周围的宏观变化，并非所有生物技术公司都能生存下来。那么，在经历了几次这样的投资者气候周期后，你是如何看待的？
让我回答一下 Flagship 的想法，然后回答一下应该如何思考，因为你知道，我们只代表一个子集。我们的想法是，因为我们去遥远的地方寻找未被发现的价值，所以带着一个资产回来的想法就是疯狂的定义。因为如果你要这样做，你不如赌注于众所周知的、经过验证的技术，只是一个稍微不同的版本，然后你可以赌注于一个资产，并希望你的彩票中奖。抱歉有点鲁莽，但我的看法是这样。但如果你要第一次做 RNA，第一次做 DNA，第一次做基因编辑，计算蛋白质，你需要多样化，因为你不知道其中哪些会因为与底层技术无关的原因而被淘汰。因此，我们参与的 100 家公司，25 年来，都是平台，没有例外。所以，我们从第一天就拥抱了它，但原因不同，即我们想超越邻近区域，超越“合理区域”进入“不合理的事情”。所以，这就是我们这样做的原因。
现在，如果你问，为什么不是每个人都这样做，或者大多数人都不这样做，即使他们想这样做，正如你所说？那么答案就是你所说的，即做一件事所需的资本已经很高了，做两三件事就更高了。哦，顺便说一句，做一个可能做 15 件事的平台，即使你不为此使用它，也非常高。其次，投资者不恰当地评估平台，因为他们不为一项计划的关联期权价值分配一个确定的价值，而这项计划基于另外三项计划的风险。因此，你得不到赞扬，你得到的是扣除，因为它不是突然变得过于昂贵，过于这个，过于那个。最后一点，我想说，投资者不喜欢它的原因通常是，他们认为这会给管理层的能力带来压力。你知道，执行一个项目是一回事，但如果你要执行两个、三个、四个，我担心这会创造很多基本上注定要失败的公司，因为这只是一个数字游戏。在这种环境下，几乎就像一场大规模的灭绝事件正在发生，不幸的是，就在我们说话的时候，对于许多这些单一资产公司来说，这被中国最近的赌注所加剧，无论是中央政府还是由此产生的初创公司，因为它们以低得多的成本，在临床数据方面进入了同一领域。我不知道一个单一资产的生物技术公司如何与我们正在业务开发方面看到的中国资产入侵竞争。这对制药公司来说是获取这些资产的好事，但请记住我之前关于商品化的说法。我不知道你如何不在这里以我们更高的成本结构被商品化。
所以，这个逻辑让我回到了做平台，因为至少它给了你机会进行合作，并试图找到生存的方法。并不是我们的公司没有死亡。我们的一些公司也遇到了不幸的结局。但至少其中一些没有。也许这为真正拥有平台的创业者和能够通过平台进行投资的投资者提供了机会。
那么，最后一个问题，因为这是一个有趣的概念。在你 2025 年的年度信中，你描述了多重智能的概念，即人类自然衍生智能与机器智能的融合。你认为人类直觉将在哪里仍然最相关？
你从智能切换到直觉。直觉基本上是一个模型。我们都生成自己的模型，然后以简短的形式使用它们。所以，它实际上是人类拥有的最接近计算机大型语言模型的东西。我们不称之为大型语言模型，但对我来说，它正是这样。所以，是的，任何你想使用 LLM 的地方，你都可以使用人类直觉。问题是，LLM 拥有更多的数据，并且它们已经接受了数百万人的数据训练。你的呢？
所以，直觉是错误的。不，不，不，不，不。我不是在批评你。我只是从你的概念中提取出来，然后说，那么人类的……或者人类的……这就是你的意思吗？是的。
我认为这还有待观察。我在信中描述了这样的观点：认为真正的边界在人类和机器之间，忽略了科学的大部分是在人类和自然之间，而现在我们有了一台机器，它实际上可以在智力上支持我们对自然的探索。所以，它真的不是一条连接人类和计算机的线，而是一个三角形，人类智能和机器智能与自然的智能相互启发，这三个参与者将相互适应。我认为人类在其中的作用非常重要。人类的计算方式完全不同，它们有一种行动方式，也与计算机今天的行动方式以及自然界的其他力量的行动方式非常不同。所以，我倾向于将其视为一种三方关系，这是一种美丽的新的涌现轴。你知道，它将产生什么，就是生命的未来。
我喜欢。多么美妙的结束语。非常感谢您与我们交谈，Nubar。很高兴与您聊天。在 Twitter 上关注我们 @no prior pod。如果您想看我们的脸，请订阅我们的 YouTube 频道。在 Apple Podcasts、Spotify 或任何您收听播客的地方关注我们的节目。这样您每周都能收到新一集。注册电子邮件或在 no-pri.com 上查找每集的文字记录。
[音乐]