投资人、创业者、药企、大厂、PI都来了，这场生物计算会议谈了啥？| Sequoia TECH Seminar
《生命3.0》作者泰格马克曾将生命阐释为一种自我复制的信息处理系统，在这个系统中，信息（软件）决定它的行为以及硬件的蓝图。
如果生命可以被视为一个操作系统，数据、算力、算法会如何与生命体自身进化需求相互交织，共同服务于这一复杂操作系统的迭代？近期，“红杉中国-线性资本生物计算会议”在北京召开，围绕上述问题，以及生物计算快速发展背景下IT与BT如何有效结合等议题展开探讨。
红杉中国与线性资本联合举办此次会议，旨在搭建一个沟通与交流的平台，进一步促进生物计算产业生态健康发展，共筑产业未来。这是「Sequoia TECH Seminar」的第二期活动，特邀生物计算技术带头人、产业先行者分享技术前沿洞察与产业发展思考。红杉中国合伙人周逵、线性资本创始合伙人兼CEO王淮出席活动并做了深入系统分享。
在长达3个半小时的不间断交流中，到场投资人、创业公司创始人、知名药企代表、大厂代表以及PI (Principle Investigator, 研究员)就行业发展痛点、产业机遇等多个热点议题热烈探讨。红杉中国董事总经理顾翠萍、红杉中国副总裁公元，与线性资本董事总经理郑灿、线性资本董事总经理黄松延等参加活动并与各方展开深入交流。
「Sequoia TECH Seminar」是「Sequoia VALUE+」体系中重要的生态赋能产品，通过携手各领域创业者及顶级生态合作伙伴进行价值共创，构建起富有生命力的有机体。
我们摘录了本次会议的部分精华内容，以飨「红杉汇」读者。除文中提及的问题以外，我们还深入探讨了：
• 如何快速完成闭环？
• 如何进行并购的谈判？
• 生物计算能力的边界在哪里？
• 各方合作的重点与难点是什么？
• 各领域当前面临的痛点及可行的解决方案
• 企业未来将遇到的某些具体问题以及如何解决
• 宏观环境带来的机遇与挑战
• 未来产业格局的演变及趋势
“科技为构建更好的未来提供了无限想象空间。”
——红杉中国合伙人周逵
第一个问题可以用几个关键词回答：科技，健康，创新和创业者精神。这高度总结了红杉投什么、专注什么：我们看科技、健康方向，我们关注创新价值与创业者精神。
第二，关于红杉对科技与健康结合的一些思考。健康投资主题，主要靠需求拉动。近几年健康领域出现了一个令人兴奋的主题：科技和创新的推动。这一主题有三个关键环节值得关注：科技如何在病理研究、药物研发以及探索生命体奥秘中发挥作用；科技如何支持医生提升医学诊断和治疗水平；科技如何让医疗服务和产品交付更高效。
总体而言，科技不是Business，而是一种方式，它为构建更好的未来提供了无限想象空间。在产业发展初期，很多问题往往没有标准答案，但有了一个广泛而深入的理念，就会有许多创业者通过创新来探索产业形态，这其中孕育了许多创造伟大事业的机遇，也包含许多投资机会。
“让有观点、有实践的人汇聚到一起，让大家的真知灼见能够相互碰撞，产生更多对产业未来有启发的观点。”
——线性资本创始合伙人兼CEO王淮
之所以线性对生物制药与AI大数据的结合感兴趣，是因为我们希望通过新技术的应用，极大推动整个行业的效率提升，同时寻找到更多优秀的人一起创造对产业、对社会都有价值的新事物。
我们也希望通过这样的小规模的交流会，让有观点、有实践的人汇聚到一起，让大家的真知灼见能够相互碰撞，产生更多对产业未来有启发的观点。相信这些有价值的探讨，也将有助于彼此的事业发展。
Q&A：
另一个重要的条件是创始人思维的转变，从只关心产品到关心销售、产业链上下游，这也是成为一个优秀企业家的必经之路。很多技术人才的习惯思维是，solve the problem, money will follow，但这样远远不够。企业发展到百亿美金级别时，要能够以工程师对数据的思考为切入点，深入洞察产业变化，从点到面把握全局，实现技术的产品化，产品的商品化，才能把事业推向更高的高度。
跟药企合作，最核心的一点就是大家要多交流，深入了解彼此的需求和能力。因为合作模式会非常个性化，就算是同一个药企，它所处的发展阶段不同，它的需求也会不同。合作中可能存在的一种情况是，创业公司本身的AI 解决方案恰好能够解决药企当前面临的问题，那么就可以直接形成合作。还有另一种模式则需要大家共同探讨，很多问题可能药企本身也没有答案，这时候就需要双方交流彼此需求，看是否有潜在机会共同去完成一项事业。
药企：我们其实最关心的还是希望能创造一些差异化、能满足不同需求的新药物或新疗法。实现这个目标，可以从几个方向着手。首先在AI企业这一块，是否能找到一些新方法或新观点来打破临床的差异化；第二个方向是解决如何找到比较有优势的小分子化合物的问题。能够解决这两个问题的AI公司，会跟药企有很多可以合作的契机。
药企：实际上，解决长尾问题，是制药公司的终极目标之一。期待在未来能够通过机器学习，来改善长尾问题。
大厂 ：医药研发的不同的阶段所要解决的问题非常不一样，在每个细分环节它其实都有自己非常独特的问题，所以没有一个算法能够同时解决整个流程的问题。
以前大家会认为自己的模型经过训练之后比较靠谱，但实际上它依然是不确定的。我们可以进一步思考的是如何定量、衡量模型的不确定性，如何调整模型，让它能够适应不同的应用场景。这是大家面临的一个共同的挑战，如果能把这个问题解决好，会对行业有巨大贡献。
互动送好礼
在以上有关生物计算以及新医疗的讨论里，最吸引你的是哪一点，为什么？在未来，你对于生物、医药、科技、健康又有什么展望？欢迎留言分享你的真实感受，
我们将从中选出5位读者，送出红杉定制T恤（颜色随机）一件！
注：时间截至6月3日24:00，获奖用户请于收到通知后24小时内回复邮寄信息，未收到通知或未及时回复则视为“谢谢参与”。
推荐阅读
壹
贰
叁
肆
伍