Vijay Pande 离开 a16z 后小规模押注VZVC 每年只做几笔集中投资科学创业者需要读懂的新信号过去几年风险投资行业最明显的趋势是“大”——大基金、大轮次、大估值。一家 AI 制药公司融到上亿美金一个概念团队就能拿下数千万美元的种子轮似乎“撒钱”成了主流。但最近一位重量级投资人给出了完全相反的动作Vijay Pande前 a16z 生物基金负责人离开平台后成立了新基金 VZVC明确表示每年只做几笔集中投资。这个信号值得所有技术创业者认真看一遍。很多人会把“小规模押注”理解成“胆子变小了”或者“规模降级了”。我的判断恰恰相反这更像是顶尖科学投资人基于多年实战对科学创业、AI 制药和硬科技领域一次刻意的收缩。它暴露了一套和“广撒网”完全不同的投资逻辑。如果你正在做生物计算、AI科学、医疗健康这类高壁垒方向不理解这套逻辑很可能会在融资时选错钱包、错配节奏甚至被“热门赛道”的表象带偏。这篇文章不打算八卦 Vijay Pande 为什么离开 a16z而是聚焦三个问题VZVC 的“集中投资”到底是什么意思为什么他这种背景的投资人会选择每年只做几笔以及当一批顶级投资人开始从“覆盖式投资”转向“重点押注”时技术创业者应该如何调整自己的融资策略和技术表达方式。1. 这篇文章真正要解决的问题先划线Vijay Pande 是谁为什么他的动向值得技术人群关注。Vijay Pande 是全球计算生物学的代表人物之一斯坦福大学教授出身学术圈的核心工作是用计算模型研究蛋白质折叠和分子动力学。后来加入 a16z负责生物基金。在任期间他推动了一批 AI生物、软件医疗的公司进入大众视野也把“生物技术本身可以像软件一样开源、迭代、指数演进”这句话带进了硅谷主流。他离开 a16z 后成立 VZVC公开表态是“小规模、集中、每年只投几笔”。这个消息在风投圈有一定讨论度但在国内技术圈被严重低估。原因很简单绝大多数技术创业者都在忙着看模型效果、写论文、调算法或者挤破头去参加路演很少会认真分析“投资人的策略变化”跟自己有什么关系。本文要解决的实际问题有三个。第一拆掉“广撒网”和“集中投资”这两种策略的底层差异讲清楚为什么后者更适合长周期、高壁垒的科学创业。第二从创始人视角告诉你遇到 VZVC 这种“每年只投几笔”的基金时应该用什么标准判断它适不适合自己以及在沟通时要重新准备什么。第三给出一个能落地的“融资沟通清单”和“技术表达调整建议”让你在下一轮融资时少踩坑。你可以不懂风投的术语但你要能看懂如果一个懂行的人愿意把“大多数项目”都砍掉只集中投几个那他对“好项目”的判断标准一定发生了变化。这比任何趋势报告都值得注意。2. 背景从计算生物学家到风投再回到小基金的必然性2.1 为什么 Vijay Pande 的话值得听很多技术圈的朋友看到“投资大佬”三个字就自动过滤觉得那是金融圈的事。但 Vijay Pande 不是一个纯金融背景的投资人。他先是科学家再是投资人。他的学术背景让他对技术的判断不是听来的而是自己长期做过研究、发过论文、跑过模型的。他对蛋白质折叠、分子动力学、机器学习在生物领域的应用有过一线实践。这种“科学家投资人”的双重身份决定了他在选择项目时会比普通金融投资人更看重技术壁垒的真实性和可验证性。这也是为什么当他选择“少投几笔”时传递的信息比一个纯金融背景的人更值得重视——他不是不看好技术方向而是认为在某些前沿方向上真正值得下重注的标的本来就极少。2.2 在 a16z 的时候他做的是什么在 a16z 期间Vijay Pande 负责生物基金推动了一大批前沿公司的发展。从公开信息看他重点关注的领域可以用三个词概括AI 驱动的药物研发、医疗数据基础设施、面向生命科学的软件工具。这些方向有一个共同特点技术门槛高落地周期长且早期很难用“用户增长”这种互联网指标来评估。他之所以能在这个领域投出影响力不是靠广撒网而是靠对生物机制的深度理解再用计算和 AI 的框架去重估。换句话说他在大平台时已经在做“结构性大判断”而不是“抓热点”。离开 a16z 后成立 VZVC更像是把这种判断力收窄到一个更舒适、更专注的半径里。2.3 VZVC 的“小规模集中投资”意味着什么关于 VZVC目前公开信息不算多。更稳妥的判断是它不是一个全阶段、全覆盖的巨型基金而是一个体量可控、决策灵活、强调“深度陪伴”的精品基金。每年只做几笔意味着合伙人亲自花大量时间研究标的一旦出手就会给出远超市场平均水平的支持。为什么选择每年只做几笔因为前沿科学创业最容易失败的地方不是技术单一维度而是技术、临床、监管、商业化四线并行。这个复杂度决定了投资人根本没有精力同时照顾几十家公司。少投不是为了降低收益而是为了把每个项目都变成“代表作”。3. 什么是“小规模集中投资”不是小而散而是少而重3.1 先区分两种“小”很多技术创业者一听到“小基金”就想起天使投资金额小、占股少、投完就不管。这是“小而散”和 VZVC 的“小规模集中投资”完全不是一回事。“小而散”的典型特征是基金规模小每笔金额小一年投几十上百个项目靠概率赚收益。它更像一个高速扫描仪在每一家公司上只花很少的时间和资源。“小规模集中投资”的特点完全不同基金总规模可能并不小但单笔金额和投注比例很高。每年出手次数极少通常是个位数。投资后合伙人会深度参与甚至帮公司理顺技术方向和产业资源。对项目的技术证据、里程碑、壁垒验证要求极高。一旦决定投资往往希望占股比例、董事会席位都做到“关键少数”。一句话少而重而不是小——这是理解 VZVC 模式的关键。3.2 集中投资的核心原则能力圈能力圈是很多投资人的共识只投自己真正懂的东西。Vijay Pande 的能力圈显然在“AI生命科学”这个交叉点。集中投资就是把能力圈原则推到极致。普通投资人看赛道他会看机制。普通投资人看论文标题他会看数据分布和实验设计。这种深度让他在决策时很少依赖外部尽调报告而是能独立判断技术和分子的真实性。对科学创业者来说最直接的启示是当你遇到一个真正懂行的投资人时你那些“包装出来的壁垒”没有用必须拿原始数据、验证逻辑和清晰的假设来交流。3.3 集中投资的复利效应集中投资还有一个常被忽略的好处投后服务的复利。一个大型基金投你 1000 万但同时管理 500 家公司分到你身上的时间可能只剩实习生对接。而一家每年只投几笔的基金真的会把它所有人脉和认知都投给你。这种复利效应在平台型公司身上可能不明显但在科学创业公司身上极其重要。因为科学创业需要长期、频繁地试错、换方向、重新设计方案如果没有投资人深度理解创始人很容易被短期的估值压力拖垮。4. 为什么顶尖投资人会选择“每年只做几笔”4.1 信息非对称越懂的东西越值得重注在投资行业一个公认的规律是超额收益不来自平均下注而来自对某一家公司、某个技术的判断明显优于市场。Vijay Pande 这类投资人的优势在于他能比大多数人更早判断一个蛋白质结构预测模型是否真正具备药物发现价值能比大多数人更清楚某条管线从靶点到临床之间的真正瓶颈是什么。这种信息优势一旦建立正确的选择不是分散而是集中。如果你每个项目只投一点点即使判断准确收益也不够高。只有集中投注才能把认知优势转换为财务回报。这是 VZVC 选择少而重的直接原因。4.2 科学创业的长期性决定了投资人必须“陪跑”投资互联网项目可能一年内就能看到数据增长投资半导体可能需要两三年但投资 AI 制药、新型医疗器械、生命科学工具动辄五到十年甚至更长。在这条长周期里创始人会经历太多黑天鹅临床失败、监管政策变化、算法迭代、团队重组。如果投资人没有深度参与或者一年投了几十家根本顾不过来就很难在公司最需要支持的时候给出准确建议。每年只投几笔意味着合伙人能保证自己在每家公司上的投入时间。这也是“专业化”“精细化”投资模式能成立的重要原因。4.3 从 a16z 到 VZVC本质上是从“平台逻辑”切换到“产品逻辑”在 a16z 这种大平台投资行为需要考虑品牌、生态、多基金协同。它不完全是一笔交易还承担着平台大量资源运营的任务。而 VZVC 这种精品基金的逻辑更像是“做产品”每年只做几个精品项目每一个都深度打磨。这两者没有谁对谁错只是适用场景不同。平台型基金适合告诉市场“我看好整个赛道”而 VZVC 这类精品基金适合告诉创始团队“我的全部分身都投注在你身上”。对科学创业者来说后一种关系的价值往往被低估。4.4 个人品牌与 LP 预期的一致性另一个值得注意的维度是 LP。VZVC 如果选择每年只做几笔它在募资时大概率会主动筛选那些认可“少而重”逻辑的出资人。对 LP 来说投 VZVC 买的不是标准化指数而是 Vijay Pande 本人的判断力。这种模式对 LP 有更高要求他们必须接受长时间没有回报、必须接受资金池极小、必须接受无法通过分散来平滑风险。但也正因为如此LP 会更信任基金管理人给了他们更大的决策空间。这形成了一种正向循环基金越集中越能吸引愿意等长期回报的 LPLP 越信任基金越敢集中。5. 对于技术创业者的 4 个现实影响5.1 影响一你在融资时会更早面对“是否值得被集中押注”的拷问以前创始人融资的路径是拿一份 BP、做一个漂亮的增长曲线、见二十个投资人总有几个高概率给 TS。互联网时代这套方法被验证了无数次。但像 VZVC 这样的基金出现后情况变了。如果你在做一个硬科技项目对方可能不会问“你的市场规模多大”而是问“你的技术证据链是否完整到足够让我放弃其他机会”。这个问题在融资早期就会被抛出来而不是等到 D 轮。这意味着你必须提前把自己的项目放在“是不是 Top 一两个项目”的位置上来审视。如果自己都说不出这个项目为什么值得某位投资人重仓那更不可能说服一位专注于集中投资的 GP。5.2 影响二技术壁垒不再只是竞争力而是“可投性”的核心集中投资最看重的是项目的可投性技术是否有真实壁垒数据是否为独立验证算法是否能够持续迭代管线是否有明确的里程碑回报。过去一些公司在融资时靠“AI 制药”“大模型mRNA”这种热门词汇拿到溢价。但 VZVC 这种模式正在逼所有人回到基本面。当你面对一个本身就懂 AI、懂生物学的投资人你的技术表达必须完成一次“脱敏”从讲概念变成讲证据链。这里的技术壁垒至少包含三层底层技术与世界前沿相比的真实位置在具体应用场景里的差异化能力技术迭代路径和风险敞口如果这三层中有任何一层讲不清楚集中型基金大概率不会出手。5.3 影响三创始人要找的是“深度研究型”投资人而非所有投资人很多创始人误以为融资就是尽可能接触更多基金。但 VZVC 的策略提醒我们市场上正在诞生一批“深度研究型”投资人他们不追求覆盖只追求命中。对创始人来说这意味着你的融资筛选策略要改变。不要只看对方基金规模大不大、出手快不快更要看他们是否理解你的底层技术是否有能力陪跑十年是否愿意在你的项目上投入足够多精力。匹配度比热闹程度更重要。如果一个基金每年投 20 个同赛道项目反而说明它不指望你的项目一定能成如果它只投个位数项目那么每一笔都是代表作品这种压力反而会激励双方做得更好。5.4 影响四估值逻辑会从“赛道溢价”转向“里程碑定价”集中投资还会重塑估值逻辑。大基金敢于给赛道里所有公司高估值因为分散风险后只要其中一家成功就能赚回来。但 VZVC 这种集中型基金每笔都要押中因此它不会给你赛道溢价而是会根据里程碑来定价靶点验证通过涨多少临床前数据达标涨多少IND 获批涨多少。它的估值是基于证据链的而不是基于想象空间的。这个变化对真正有技术实力的创始人是好事。以前你可能被“热门赛道”里的平庸公司拖累估值现在你可以靠扎实的试验数据拿到更精准的估值线。前提是你要学会用里程碑思维来和投资人沟通而不是只讲长远愿景。6. 技术创业者如何判断一家基金是否值得拿钱面对 VZVC 这种“少而重”的基金创始人需要一套判断标准。下表可以用于快速打样判断维度理想表现风险信号基金阶段聚焦领域与你一致对早期和成长期有清晰逻辑宣称全阶段但实际资源集中在晚期基金规模规模适中单笔金额足够覆盖你两年研发规模过大但每笔金额很小覆盖式打法出手频率每年个位数能明确说出每家被投企业特点一年几十家无法区分项目偏好合伙人背景有科学或产业经验能深入讨论技术细节只有金融背景停留在行业概念层面投后资源能带来科学顾问、产业合作、监管沟通等资源只提供钱无后续动作决策机制合伙人亲自决策反馈明确机构化流程长承诺多但迟迟不推进对里程碑的态度认可技术验证节奏愿意按里程碑追加投入要求与传统互联网一致的季度增长指标表格只是一个骨架实际操作中创始人还要做两件事。第一去查这个基金的已投项目列表看是否集中在少数几个细分方向。如果是说明它确实在“集中押注”如果已投项目五花八门那它对外宣称的“深度研究”很可能只是话术。第二和基金的已投创始人聊一下重点关注投后介入深度和长期陪伴质量。一家每年只投几笔的基金如果你发现它的被投企业都愿意持续推荐朋友进来那通常说明它确实在认真做事。7. 常见问题与误区围绕 VZVC 的“每年只做几笔集中投资”存在几个常见误区我逐一拆开讲。误区一小基金 没钱只做种子轮这是最普遍的误读。VZVC 的问题是“少”不是“小”。基金规模可能并不小只是它不想分散。少而精的模式可以覆盖早期也可以覆盖后期关键看创始人的现金需要和里程碑节奏。创始人最容易犯的错误是看到“每年只投几笔”就觉得对方只投天使轮于是主动错过。事实上很多集中型基金反而更愿意在完成关键验证后给出大额支持。误区二集中投资 只看单项目回报不分散风险“集中投资”不意味着对方不控制风险。正确的理解是它会用更彻底的技术尽调和阶段控制来分散风险而不是靠“多投几个项目”来分散。比如药物研发领域它的分散方式是不同靶点、不同适应症、不同技术路线而不是在同一赛道上多投几笔。这种分散方式对管理水平要求极高但成功率更高。误区三资深投资人离开大平台 混不下去了如果你认真看过 Vijay Pande 的过往就会明白他离开 a16z 更像是一种战略选择。大平台会带来资源也会带来决策摩擦和主题限制。当一个人已经站在行业认知顶端时他选择用更灵活的方式实践自己的判断并不奇怪。对创始人来说与其基于平台光环判断一家基金不如直接考察这个基金的核心 GP 是否具备深度认知和真实资源。8. 最佳实践如果我是创始人怎么应对这种趋势8.1 建立自己的“集中型投资人”沟通节奏如果你判断自己的项目属于高壁垒、长周期、强科学属性不要用互联网项目的节奏去融资。不要急不要见一个投资人就把 BP 铺开。先把技术证据链打磨到能说服“懂行的人”的程度再定向接触。具体做法是每个月选出5-10家与你领域高度匹配的精品基金用学术式汇报的方式去沟通同时留足时间让对方合伙人深入提问。这比广撒网一天见五场更有效。8.2 准备一份“技术证据链”材料而不是只有 BP面对 VZVC 这种集中型基金BP 的价值有限。你需要准备一份“技术证据链”文档内容包括技术问题的精确定义当前领域的主流方案和局限你的技术架构、算法设计和实验设计关键的验证数据、失败数据和分析方法下一阶段的里程碑定义和风险预案这份材料不是给投资人看的“营销物料”而是你和对方合伙人在同一个频道上讨论问题的工具。它会极大提高你与懂行投资人的沟通效率。8.3 用里程碑思维替代估值想象在集中投资模式下“估值”不是一个数字而是一连串可验证的节点。建议创始人把自己的公司拆成 3-4 个关键里程碑每个里程碑都对应一个估值跃升的理由。比如对一家 AI药物研发公司来说关键里程碑可以是模型在小规模真实数据上的验证完成一个靶点的 hit 化合物获得体外验证进入动物实验或完成临床前数据包实现与药企的合作授权或合作协议和投资人谈判时少说“我们未来会改变行业”多说“我们完成这个里程碑后预计市场给我们的估值边界在哪里”。这种“工程化融资思维”更契合集中型基金的风险偏好。8.4 在技术社区和学术公开平台建立长期认可集中型基金的 GP 通常本人就是科学家或技术专家他们会持续跟踪技术社区、论文预印本、行业会议的动向。创始团队应该在这些地方持续输出高质量内容而不是只靠一对一见面。你在 bioRxiv、arXiv 或行业峰会上的一次高质量报告可能比十次路演都更能打动 VZVC 这类投资人的核心决策者。长期主义的底色是从技术表达开始。9. 总结与后续关注方向回到最初的问题Vijay Pande 离开 a16z 后成立 VZVC每年只做几笔集中投资这件事对技术创业者有什么影响核心结论是三句话。第一这不是资金规模在缩小而是投资策略从“覆盖赛道”转向“押注关键少数”。第二如果你在 AI生物、科学计算、医疗健康等硬科技方向创业你必须学会为“懂行的集中投资人”准备完全不同于互联网时代的材料。第三里程碑定价、技术证据链、深度陪伴正在成为新一轮科学创业融资的隐形标准。后续值得继续关注的方向是VZVC 实际出手的项目风格、它偏好早期还是成长期、对 AI药物研发和生物工具的具体判断。这些信息会随着它的投资组合逐步披露创业者可以持续跟踪。建议你在准备下一轮融资之前先完成一次“内部集中审查”列出你项目里最值得被重注押中的三个理由。如果连这三个理由都写不出来就不要急着见任何一家精品基金如果写得出来也请记住它的价值不是被你讲给所有人听而是讲给那些真正愿意把 100% 精力投注在你身上的少数人听。