a16z：如果机器学习是它们的载体，Vijay，你的研究该怎么改进呢？几年前我们创办这个生物基金时，你说过一旦生物与计算机相结合，机器学习在其中会产生很大的影响。

Vijay：对比一下两年前的机器学习，这可是相当具有戏剧性了。当时就想的是这波“浪潮”估计快到顶了，atv，现在它确实到了——计算机不仅与人类性能接近，某些方面甚至远超人类性能。有时当你身处其中，你自己都不太清楚你波谷还是波峰，这也是为什么我喜欢拿冲浪类比；有时它涨起来，有时又退下去，一旦安然度过这些阶段就会达到顶峰。

但是现在我们开始意识到机器学习只是达到目的的手段。我们认为DNA是人类存在的基本图谱，但它也只是一个可以用来把DNA条形码附在物质上，存储数字内容等的工具。

现在我们开始意识到机器学习只是达到目的的手段。

a16z：你所说的“工程”不仅是指能把它构建到蓝图里，而是它的可扩展性。无论工业生产规模如何，你都可以做到这一点。这对生物领域的建设公司来说意味着什么呢？

Jorge：我喜欢把生物公司看作三级运行系统。通常你有家小初创公司（1）试着理解和开发复杂的生物系统技术；（2）以大客户群为基准，如生物制药行业……另一个有着特定需求，流程以及挑战的复杂系统；（3）将创新部署到其他复杂且经常受到严格监管的系统，这当然说的是医疗保健系统了。即使最终的实际产品并不能直接满足这些，但你最后仍然还是能以某种形式做到。有一点很重要，你不能孤立的开展工作。

这一领域的初创公司通常都有自己的杀手锏技术，但如何应用于后两级的方法尚不明朗。比起产品的市场适应能力，它的科学应用能力更重要。此外，当你顺着医疗服务的潮流行动时，也必须更多地考虑如何创新商业模式和产品对复杂系统的适应性。

a16z：关于生物初创企业“系统”的观点似乎是干净利索的线性发展：首先从杀手锏技术入手，然后解决产品的市场适应性，建立商业模式。有了这种硬科学和硬技术，我们在实践中应该不会演变得更糟吧？！

Jorge：首先，它肯定不会那么干净利索。这里给个粗略的类比：你想造一架大型喷气式飞机，就要弄清楚顾客是否想要或者需要一架大型喷气式飞机，又为此能付出相应的代价。政府又会否允许你驾驶大型喷气式飞机？而且，你还要弄清楚，等等，这架喷气式飞机真的能飞起来么？——我们真的能理解重力和空气动力学原理以及我们自己的想法么？凡此种种，不一而足。

a16z：是的，事情收尾从来不会那么轻松利落，即使事后叙述人的语气听起来非常从容。Vijay，自几年前我们创立这个生物基金起，有什么事让你感到非常惊讶么？有什么你之前期望但还没有实现的事么？

Vijay：当时我对三大领域有深刻记忆：“计算生物医学”、“云生物学”和“数字疗法”。我想其中没有真正实现的应该是云生物学——可以在云上做操作教学实验。目前，公司为此启用了合同研究组织（CRO）。所以我也花了一些时间寻找一个比较现代化的“可编程CRO”。这不只会加快实验进程，还能减少生物初创公司额capex（资本支出）和opex（运营支出）——不过，到现在我还没有看到类似事情发生。

Jorge：这就相当于你可以用信用卡建立一家公司，不用建一间实验室也能得到通过杀手锏试验来证明自己的理念。生物早期阶段遇到的挑战也只是用于修补完善（优化协议等）。

a16z：好，那换个说法。我们没办法阻止这种说法，“Pande&Conde”确实像个法律公司的名称或乐队名字。这就好比美国东岸和西岸的说唱之争，你们一个波士顿，一个硅谷，来自两个不同的，相互竞争的生态系统。

Vijay：我想说的是，硅谷的技术生态系统是真正在实现生物背后的潜力，波士顿的生物生态系统则是最终实现技术的价值。这就像我们挖隧道从两端挖到中间。我们甚至可以把它看做一场比赛，看看谁跑得更快。