本文基于與 Flagship CEO Noubar Afeyan 的對談，深入探討了 Flagship 在 AI for Science 領域的探索和布局，特別是其對多智能體系統(tǒng)（Multi-Agent Systems）的興趣，以及如何通過“涌現式創(chuàng)新”推動科研自動化和平臺型公司的發(fā)展。

創(chuàng)立于 1999 年的 Flagship Pioneering 在美國投資界是個特殊的存在，海外獨角獸曾對 Flagship 進行過系統(tǒng)性研究：和普通 VC 不同，作為一家生物醫(yī)藥領域的創(chuàng)新投資平臺，Flaghsip 自創(chuàng)立以來已孵化約 100 家創(chuàng)新企業(yè)，涉及生物醫(yī)藥、信息科技、農業(yè)和能源等領域，從 2003 年算起，Flagship 已經有 25 家公司成功實現 IPO，另外 48 家公司通過收購或并購的形式繼續(xù)發(fā)展業(yè)務。

本文基于 No Priors 與 Flagship CEO Noubar Afeyan 的對談編譯整理，Afeyan 詳細分享了 Flagship 對 AI for Science 的理解。

用創(chuàng)始人 Noubar Afeyan 的話來說，Flagship 熱衷于在“無人占領”的獨特領域進行不斷地創(chuàng)新，在商業(yè)模式上，Flagship 更偏好 bio-tech 領域的平臺型公司，而非常見的 asset-based 模型。Afeyan 認為，平臺型公司更適合用于前沿、未充分開發(fā)領域的探索，而 asset-based 模式更合適在已經被初步驗證的路徑上放大價值。

Flagship 目前最感興趣的是能夠實現涌現性能的 multi-agent systems，這個系統(tǒng)最終可以實現 Waymo 自動駕駛那樣的科研自動化。例如，Flaghsip 最新孵化的 Lila Science 就是一個“科學超級智能”平臺 ，為生命科學、化學和新材料等行業(yè)提供 AI 驅動的自主實驗室，2023 年開始內部孵化，最近完成了 2 億美元的種子資金。

AI4S 是我們相當關注的領域，AI4S 是 RL 范式下最具有前景的應用領域之一，隨著測序、蛋白質預測等生命科學領域的技術棧的完善、快速下降的測序成本帶來的數據量積累，AI4S 的 scaling law 也即將出現。

01.Flagship 的創(chuàng)立

Flagship 的創(chuàng)立源于 Noubar Afeyan 的個人經歷和深刻思考。Afeyan 出生于黎巴嫩，來自亞美尼亞僑民家庭，他的家族世代流離，Afeyan 本人則作為政治難民移居加拿大。1983 年，Afeyan 進入麻省理工學院攻讀生物化學工程博士學位，成為該項目的第一位畢業(yè)生。求學期間，在一次國際會議上與惠普創(chuàng)始人 David Packard 的交流為他指明了方向。

1987年，在美國風險投資主要流向前默克或 IBM 高管等人群的環(huán)境下，毫無背景的 24 歲移民 Afeyan 獲得資金創(chuàng)辦了他的第一家公司 PerSeptive Biosystems（一家生物技術儀器公司，后于1998 年被 Applied Biosystems 收購）。

在創(chuàng)業(yè)的過程中，Afeyan 開始思考：為何創(chuàng)業(yè)被視為一種隨機、即興甚至游戲化的過程，而非一種專業(yè)活動？Afeyan 認為，創(chuàng)業(yè)公司是人類最偉大的發(fā)明之一，他不理解為何如此重要的事業(yè)被視為隨機的游戲化活動。作為工程師背景的科學家，他堅信在醫(yī)療健康、氣候變化等關鍵領域的創(chuàng)業(yè)不能簡單視為“l(fā)ike shots on goal and this and that”。

元問題：如何把創(chuàng)業(yè)專業(yè)化

于是 Afeyan 開始系統(tǒng)思考如何使創(chuàng)業(yè)專業(yè)化。他認為判斷一個活動是否專業(yè)的標準之一是能否同時進行多個項目。VC 可以同時投資多個項目，而企業(yè)家卻被期望專注于單一項目。這種認知差異促使他探索“并行創(chuàng)業(yè)”的可能性。

為了驗證這一理念，90 年代后期他一邊經營第一家公司，一邊參與創(chuàng)辦其他公司。但他很快意識到單打獨斗難以實現這一目標，于是創(chuàng)建了專門孵化公司的公司——最初名為“newcogen”（New Company Generation），后來改名為 Flagship Pioneering。

Flagship 的使命正是將創(chuàng)業(yè)轉變?yōu)橐环N專業(yè)化、機構化的活動，就像投資已經機構化一樣，以團隊形式運作，制定明確目標，更有效地創(chuàng)造價值。其篩選、孵化流程包含四個關鍵階段：

• Explorations：在初始階段，Flagship Labs 提出看似遙不可及的假設，探究“What if…？”問題。公司的科學家團隊通過變異和篩選使這些假設不斷演進，并與外部專家合作測試新概念的優(yōu)缺點。Flagship 每年開展 80-100 項這樣的探索，尋找潛在的突破性創(chuàng)新點。這些探索并非簡單的創(chuàng)意頭腦風暴，而是基于嚴謹科學方法的系統(tǒng)性探究。
• ProtoCos：有潛力的 Explorations 進入原型公司（ProtoCos）階段。每個 ProtoCo 按照在 Flagship Labs 序列中的位置獲得編號（如 FL1、FL2…FL63 等）。在這一階段，Flagship 的創(chuàng)始團隊對概念進行測試，無法在實驗室驗證科學原理的 ProtoCos 將被終止。Flagship 將這一過程稱為“origination”，即圍繞獨特突破構思、迭代和啟動新公司。公司每年平均創(chuàng)建 8-10 個 ProtoCos。
• NewCos：當創(chuàng)始團隊能夠將“What if…?”問題轉變?yōu)椤癐t turns out…”的確定性答案時，ProtoCo 升級為新公司（NewCo），獲得正式名稱和 Flagship 的大額資金承諾。每個 NewCo 專注于開發(fā)專有技術平臺（proprietary platform），這些平臺能在未來數年持續(xù)產出創(chuàng)新產品。此階段開始組建正式的董事會、CEO 和領導團隊。Flagship 每年形成 6-8 家 NewCos。
• GrowthCos：在最終階段，NewCo 分拆成為成長公司（GrowthCo）。GrowthCo 的領導團隊負責吸引外部投資者、建立戰(zhàn)略合作伙伴關系，并構建創(chuàng)造長期價值的業(yè)務模式。許多 GrowthCos 最終成為上市公司。自 2013 年以來，Flagship 已有 25 家 GrowthCos 完成 IPO，其中最著名的包括 Moderna 等生物技術公司。

這一系統(tǒng)性方法使 Flagship 能夠在高不確定性領域中系統(tǒng)化創(chuàng)新，將科學突破轉化為商業(yè)價值。

與傳統(tǒng)風險投資模式不同，Flagship 不是尋找已有的創(chuàng)業(yè)團隊進行投資，而是自行識別機會并從零開始構建公司，這種“company-creation”模式已成為生物技術領域的獨特范式。

涌現式創(chuàng)新

Afeyan 將自己多年來創(chuàng)業(yè)實踐的經驗總結為“涌現式創(chuàng)新”（emergent innovation）。2021 年，他和 ?Gary P. Pisano 在《哈佛商業(yè)評論》 上發(fā)表了一篇文章來闡釋這個概念。

涌現式創(chuàng)新挑戰(zhàn)了傳統(tǒng)的目標導向設計思維。Afeyan 發(fā)現，人類的設計通?；诿鞔_目標，但實際上如果問創(chuàng)建 NVIDIA 的目標是什么，很難給出確切定義。NVIDIA 最初只是認為自己能創(chuàng)造出有價值的游戲產品，而 AI 的機會完全是自然涌現的，并非最初商業(yè)計劃或五年規(guī)劃中可預見的結果。

Afeyan 從自然界尋找靈感，這種不可預測的新穎性正是自然界的特點。在自然界中，變異（variation）、選擇（selection）和迭代（iteration）創(chuàng)造了令人難以置信的復雜系統(tǒng)，比如我們至今無法人為創(chuàng)造的生命。這就是所謂的”涌現”。

關于是“變異”先發(fā)生，還是“選擇”先發(fā)生？答案是，在自然界里，選擇壓力來自于自然界所有事物的總和。商業(yè)世界也是如此。消費者偏好會對產品做出反應，這些反應又會形成新的消費者偏好。因此，創(chuàng)新過程需要創(chuàng)造一個環(huán)境，讓二者能夠相互作用，才能產生新的產品和服務。

Afeyan 認為，在任何領域應用這三個原則都會產生涌現式創(chuàng)新——在思想領域會產生革命性觀念、政治思想和宗教；在產品領域會創(chuàng)造出 Air Jordan 這樣的標志性產品。雖然參與者常常聲稱是他們想出了這些創(chuàng)新，但 Afeyan 認為這是人類自負的表現。”人們往往以一種自負的方式描述一切。我們有自己的語言，現在有了 LLMs，它們很擅長將現實轉化為’人類如何主導了這一切’的敘事。這就像人們常說的，贏得戰(zhàn)爭的人才能書寫歷史。”

在 38 年的創(chuàng)業(yè)生涯中，Afeyan 深刻意識到，他參與創(chuàng)造的任何事物都不完全是個人工作的產物，而是涌現的結果。大多數成功企業(yè)家表面上會將“成功”歸結為“努力”，實際上暗地里也在崇拜“機會之神”。Flagship 的核心工作并非某種天才技術或超級智能，而是創(chuàng)造一個促進涌現的環(huán)境。

如何定义B端产品及B端产品经理方法论

相较于C端产品，B端产品最大的特点是：面向特定领域用户，且数量少得多，但更注重对用户专业领域操作流程的深度挖掘——也就是专业性更强，与业务的结合更紧密。

查看详情 >

02.如何實現科研自動化

Flagship 從 25 年前開始探索 AI

回顧過去 25 年，成立于 1999-2000 年的 Flagship 在當時面臨著獨特的市場環(huán)境。互聯網和電子商務熱潮正盛，大部分資金流向諸如 sunglasses.com、diapers.com 等網站，而生命科學和醫(yī)學項目獲取資金極其困難。盡管如此，Afeyan 看到市場對藥物等產品的巨大需求，仍決定專注于生物學和技術的交叉領域。

Flagship 從一開始就致力于系統(tǒng)地構思和創(chuàng)建公司，但初期并未押注于能夠系統(tǒng)地實現突破性創(chuàng)新。這正是他們在隨后幾年中逐漸掌握的能力——公司從單純的創(chuàng)業(yè)構思平臺，發(fā)展為能夠持續(xù)產生顛覆性科學突破的系統(tǒng)化引擎。

7 年前，Flagship 還只有約 50 名員工，如今公司已擁有 550 名員工，其中約 200 多人是科學家、工程師和醫(yī)生，每年集中申請 600-700 項專利。更重要的是，Flagship 已將公司構建能力內部化，建立了能夠并行創(chuàng)建多家公司的內部引擎，大大加快了學習周期。

與普遍認知不同，Flagship 在 AI 領域的探索可以追溯到 25 年前。早在 2001 年，他們就成立了 Affinnova 公司，使用機器學習進化算法在線開發(fā)消費產品。如今，他們的第 100 家公司 FL100 正在利用 Generative AI 開發(fā)相關技術。Flagship 認為，Generative AI 在提出假設和概念構思方面的能力令人驚嘆，并且每天都在進步。

Affinnova：Flagship Pioneering 于 2000 年前后創(chuàng)立的公司，專注于應用進化算法和機器學習技術優(yōu)化產品設計和營銷策略。該公司開發(fā)了創(chuàng)新的消費者洞察平臺，幫助品牌通過在線工具測試和優(yōu)化產品概念。Affinnova 于 2014 年被市場研究公司 Nielsen 收購。

未來，Flagship 將越發(fā)重視創(chuàng)造能讓整個行業(yè)受益的突破性技術。為擴大創(chuàng)新影響范圍，他們與輝瑞、諾和諾德、葛蘭素史克等制藥公司，以及賽默飛世爾、ADI 公司、三星等科技公司均建立了大型合作伙伴關系。

Multi-agents 系統(tǒng)，可以實現涌現式創(chuàng)新

Afeyan 認為自己的工作目標是創(chuàng)造新型平臺，建立自主科學發(fā)現方法——能夠生成假設、設計實驗、執(zhí)行實驗、收集數據、解釋數據并迭代假設，實現類似于 Waymo 自動駕駛那樣的科學研究自動化。

雖然與完全自動化的科學研究相比還有差距，但 Afeyan 表示 AI 已經足夠可以展示其關鍵要素并將它們整合。在特定生物研究領域，AI 已經實現了像之前在國際象棋和圍棋領域那樣的突破。

Flagship 最感興趣的是能夠實現涌現性能的多智能體系統(tǒng)（multi-agent systems）。他們正在產品領域研究這些技術，開發(fā)全新品牌和產品，并在心理健康領域應用這些技術，設計基于 agent 的早期干預措施。這不是簡單地訓練 AI 模仿醫(yī)生行為，而是讓系統(tǒng)自行交互，從不同類型 agent 模型之間的動態(tài)中學習。

比如 Flagship 最新孵化的 ?Lila Science 。Lila 是一個 AI 科研平臺，“scientific superintelligence platform”，Lila 構建了一個把 AI 和自動化實驗設備結合的 AI 科研平臺，可以把原本需要數年的研究縮短至 6 個月，已在基因藥物設計、新型催化劑和碳捕獲材料等領域取得突破。公司采用向行業(yè)伙伴開放平臺的商業(yè)模式，不自行推進臨床試驗，而是通過合作或分拆實現商業(yè)化。Flagship 的 GP Geoffrey von Maltzahn 擔任 CEO，哈佛遺傳學家 George Church 加入擔任 CSO。

戰(zhàn)略偏好：押注平臺型公司

通常來說，Bio-tech 企業(yè)可以分為平臺型（platform）和資產型（asset-based），即專注某一個或某幾個管線。Afeyan 認為， Flagship 的戰(zhàn)略是探索前沿未開發(fā)領域，如果只是為了獲得某個單一資產冒險，在邏輯上是不合理的，如果是 asset-based，更明智的做法是押注已被驗證的技術路線，并做小幅改進。

Afeyan 強調，當企業(yè)涉足全新領域如 RNA、DNA、基因編輯或計算蛋白質設計時，多元化戰(zhàn)略至關重要，因為項目失敗常常源于與底層技術無關的因素。正是基于這一理念，Flagship 在過去 25 年支持的 110 家公司無一例外都采用了平臺型模式，這一策略讓他們能夠”超越鄰近領域，超越合理范圍，進入‘不合理’的領域”。

盡管大多數公司都有這種愿望，但并不是所有公司都能夠采用平臺化策略，Afeyan 分析了這里的三個關鍵障礙：

1. 資金需求的重大挑戰(zhàn)。單一項目的開發(fā)已經需要大量資金，而建立支持多個項目的平臺則需要極其龐大的投資；
2. 投資者普遍難以準確評估平臺的價值。他們往往無法理解平臺內各項目之間的協同效應，即一個項目如何因其他項目的成功而降低風險。相反，平臺公司常因被認為”過于昂貴”和”過于復雜”而在估值中受到不利影響
3. 投資者擔憂管理團隊的執(zhí)行能力。管理單一項目與同時協調多個項目需要完全不同的能力，這種能力分散可能導致執(zhí)行不力。Afeyan 擔憂這種限制可能創(chuàng)造出”注定失敗的公司”，這本質上是一個概率問題。

Afeyan 觀察，當前市場環(huán)境下，生物技術行業(yè)正經歷一場變革，尤其對于“單一資產”公司而言，規(guī)?；摹癴ast-followers”讓市場競爭愈加激烈，印度等地的企業(yè)以更低成本進入相同領域，且這些地方面臨的臨床數據準入門檻更具優(yōu)勢。

面對這種全球競爭格局，Afeyan 會質疑單一資產的生物技術公司如何能在商業(yè)發(fā)展中保持競爭力。雖然制藥巨頭可以從中獲利，但生物技術初創(chuàng)企業(yè)面臨著被商品化的風險，特別是在西方更高的成本結構下。

這些因素綜合考量，讓 Afeyan 認為平臺策略的價值。平臺模式至少為公司提供了建立多樣化合作關系和尋找生存途徑的機會。雖然不能保證所有平臺公司都能成功，但相比單一資產模式，它提供了更大的生存空間和發(fā)展機會，特別是對于真正擁有平臺技術的企業(yè)家和有遠見的投資者而言。

03.投資布局強調“實驗精神”

在領域選擇上，Flagship 采用的是“涌現式”思維模式。但他們清楚地意識到，并非所有事情都需要科學上的飛躍，也并非所有領域都適合這種活動方式，所以他們保持實驗精神。

Flagship 在早期嘗試中，除了在 Moderna 上利用深度神經網絡外，還采用了多種技術，利用整個 mRNA 領域的數據來指導新一代產品的研發(fā)和生產。同時，他們也開始將 AI 視為設計蛋白質的創(chuàng)新方法。

大約六七年前，Afeyan 的團隊啟動了一個前瞻性項目，探索通過計算方式設計具有特定功能的蛋白質的可能性。雖然現在已有 AlphaFold 和量子折疊模型，但他們當時采取了不同路徑。他們想探究學習算法是否能夠通過分析大量功能實例及其對應的 DNA 序列，來生成全新的蛋白質。盡管許多人對此表示懷疑，認為必須先了解 DNA 序列、蛋白質序列和折疊結構等各環(huán)節(jié)，但 Afeyan 堅持認為，自然界中 DNA 代代相傳時并沒有附帶說明書，卻能實現功能傳遞，這意味著這些信息一定以某種方式編碼在 DNA 中。

這一假設驅使他們直接開始實驗，因為技術進步已大幅降低提出此類問題的成本。幾年內，他們證明了至少對于抗體及其與靶標的結合而言，計算方法可以實現傳統(tǒng)實驗方法無法達到的突破，這一成果催生了 Generate：Biomedicines 公司。值得一提的是，這是 NVIDIA 在生物學領域最早建立的大型合作關系之一。如今，該公司已擁有 15 個以上的計算設計抗體項目，部分已進入臨床試驗階段。

Generate: Biomedicines：Flagship Pioneering 于 2018 年孵化成立的生物技術公司，專注于使用 AI 和機器學習來設計蛋白質藥物，包括抗體。該公司是計算蛋白質設計領域的代表性企業(yè)，已開發(fā)多個計算設計的抗體項目，部分已進入臨床試驗階段。

Afeyan 的團隊隨后將這種計算設計方法擴展應用于細胞模型、DNA、RNA 和各種分子，以及脂質納米顆粒（LNP）的設計，現已拓展到多個前沿研究領域。Abiologics 正是這一擴展戰(zhàn)略的重要組成部分，通過整合專有的生成式 AI 算法和肽合成技術，創(chuàng)造出具有強大、理想藥理特性的 Synteins?，突破了傳統(tǒng)生物制藥的中心法則，開創(chuàng)了一個全新的藥物設計范式。

Abiologics：Flagship Pioneering 創(chuàng)立的生物技術公司，專注于開發(fā)超自然蛋白質（Synteins?）。Abiologics 平臺能夠利用擴展的氨基酸構建模塊（超越自然界的 20 種氨基酸），創(chuàng)造具有增強功效、生物利用度和特異性的全新生物藥物。通過計算設計和化學合成相結合的方法，Abiologics 突破了傳統(tǒng)的中心法則（Central Dogma），為腫瘤學、免疫學等多個領域的疾病治療提供了前所未有的可能性。其技術平臺支持同時生產數百種 Synteins?，使任何設想的超自然蛋白質得以實現。

AI + 臨床試驗

將 AI 驅動的創(chuàng)新藥物候選物轉化為可上市療法面臨著顯著挑戰(zhàn)。從監(jiān)管流程角度來看，Afeyan 通過倒推方式分析了這一路徑：最終步驟是向 FDA 提交生物制品許可申請（BLA）或新藥申請（NDA）獲得批準，而在此之前需要完成三期臨床試驗，證明藥物在足夠大的人群中具有統(tǒng)計學意義的優(yōu)越性且無毒性。

Afeyan 認為，盡管 AI 和計算方法已經顯著增加了藥物發(fā)現初期的候選物數量和質量，但這些后期階段仍受到嚴格監(jiān)管，需要進行昂貴且耗時的傳統(tǒng)臨床試驗。他認為，未來我們可能能夠基于數據創(chuàng)建模型來預測結果，但在此之前，行業(yè)仍需等待大型試驗及其所需的數億美元投入。

關于這一轉變何時到來的問題，Afeyan 覺得這種變化應該更早實現，特別是考慮到當前情況對患者的影響。他引用了“曲速行動”（Operation Warp Speed）作為例證，表明在新冠疫情緊急情況下，私營部門、公共部門和監(jiān)管機構能夠高效協同工作，不是走捷徑，而是重新調整優(yōu)先級，認識到目標是尋求解決方案，避免因過度謹慎而導致延誤。

“曲速行動”（Operation Warp Speed）：美國政府在 2020 年新冠疫情期間啟動的公私合作計劃，旨在加速 COVID-19 疫苗、治療方法和診斷技術的開發(fā)、生產和分發(fā)。該計劃通過預先采購承諾等機制為疫苗開發(fā)公司提供明確的市場激勵，成為加速醫(yī)療創(chuàng)新的重要歷史案例。

Afeyan 認為，現有系統(tǒng)的問題在于，像癌癥和神經系統(tǒng)疾病這樣的慢性疾病盡管影響巨大，但并未被視為緊急威脅，導致創(chuàng)新療法的開發(fā)進展緩慢。

作為解決方案，Afeyan 提出了一個核心構想：利用數據驅動的方法重新設計臨床試驗流程。這一構想的核心是對疾病進行更精準的分類和理解。他提出了超越傳統(tǒng)疾病分期系統(tǒng)的”生物分期”概念，這種方法不是將疾病簡單地劃分為四個階段，而是可能細分為數萬個不同階段，能夠在分子水平上捕捉疾病發(fā)展的細微變化。

基于這種精細分類，Afeyan 認為可以更精準地選擇臨床試驗參與者，減少測試人群的異質性對試驗結果的干擾。這種方法允許進行較小規(guī)模但更有針對性的臨床試驗，先獲得較小范圍的批準指標，然后再擴大應用范圍。

Afeyan 強調，實現這一愿景的關鍵在于充分利用現有患者數據。在遵守隱私法規(guī)如 HIPAA 的前提下，這些數據可以用于訓練模型，識別特定疾病亞型的獨特機制。例如，這種方法可以幫助識別帕金森病某個特定亞型需要針對的分子靶點。

他承認，這種精準醫(yī)療方法可能與大型制藥公司希望將藥物推廣給廣泛人群的商業(yè)模式相沖突，但對于資源有限的生物技術創(chuàng)業(yè)公司和急需新療法的患者來說，這種方法可能具有重要價值。

不局限于藥物研發(fā)

Flagship 具有極其廣泛的投資版圖，不僅涉足治療藥物研發(fā)，還在營養(yǎng)、農業(yè)和氣候等不同領域進行了布局。實際上，Flagship 的業(yè)務范圍比外界想象的更廣。早在 2000 年代初，Flagship 就開始涉足超級計算公司，也投資了網絡公司?，F在，他們也開始在材料領域進行新的嘗試，比如半導體材料、碳捕獲材料等。

對于全新的領域，Flagship 通常保持高度謹慎，除非擁有核心優(yōu)勢，不管是知識產權還是因為對該領域了解不足而產生的一種無畏創(chuàng)新精神。

對 Flagship 而言，在一個領域的第一次嘗試會影響隨后的五個項目。如果這五個項目都沒有成功，他們就會認為，“也許我們無法從這個領域的創(chuàng)新中獲得應有的回報，從而迅速放棄轉向更 promising 的項目”。

Flagship 的核心策略是尋找那些能夠“加速未來技術實現”的領域，但 Afeyan 也提示到，并非所有先進技術在當下就有商業(yè)價值。

以可再生能源領域的經驗為例，Flagship 曾在該領域工作多年，發(fā)明了一種利用改造光合細菌制造碳中和液體燃料的先進方法。這些經過基因工程改造的細菌能直接吸收二氧化碳，然后生產并分泌柴油燃料，這是一個巨大的技術突破。2008 年至 2012 年間，他們創(chuàng)立了 Joule 公司來推廣這項技術。

然而，市場環(huán)境的變化使這項創(chuàng)新難以獲得預期回報。當 Flagship 開始這個項目時，碳的價格是每噸 50 美元，到項目結束時降到了每噸 5 美元。項目開始時，美國依賴能源進口，而到項目完成時，美國已經能源充沛。最終他們意識到，無論在該領域做出怎樣的創(chuàng)新，都無法獲得溢價，因此決定不再投入。

Joule Unlimited：由 Flagship Pioneering 于 2007 年創(chuàng)立的生物技術公司，專注于開發(fā)革命性的太陽能轉化系統(tǒng)。該公司開發(fā)了一種直接利用太陽能、二氧化碳和鹽水生產液體燃料的技術，使用經過基因工程改造的光合微生物。Joule 的技術旨在避開生物質作為中間步驟，實現更高效的能源生產。盡管技術有前景，該公司最終于 2017 年左右停止運營。

04.投資哲學管理不確定性

在真實的商業(yè)世界中，開辟全新領域時，一家公司不僅要解決技術挑戰(zhàn)，同時還需要創(chuàng)造整個生態(tài)系統(tǒng)（包括監(jiān)管框架、市場認知、公眾接受度等等），關于如何管理未知領域的眾多不確定性，Afeyan 分享了 Flagship 的思考方式和應對策略。

Afeyan 首先區(qū)分了“風險”和“不確定性”這兩個關鍵概念。他用一個形象的比喻解釋創(chuàng)新的發(fā)生地帶：將當前已知和存在的一切想象為一個圓圈，而緊鄰這個圓圈外圍的區(qū)域則是下一個時間段內將被認識的領域。在這個”鄰近圈”中，大多數創(chuàng)新得以發(fā)生，人們可以對風險和回報做出合理估計。這正是傳統(tǒng)盡職調查的意義所在——咨詢領域專家（key opinion leaders），匯總信息做出投資決策。

但當遠離已知范圍時，情況會發(fā)生質變。Afeyan 認為此時人們不再能夠估計成功的可能性和回報率，這種情況不應被稱為風險，而應稱為”不確定性”（uncertainty）。他不認同華爾街和其他機構推動的觀念，即所有事情都可以放入風險矩陣。以當前的核聚變技術為例，Afeyan 認為這不是風險而是不確定性，因為沒人能真正估計其成功概率。

Afeyan 承認，開辟陌生領域確實會增加更多不確定性層次。但他同時提出了一個悖論：雖然”鄰近區(qū)域”的風險看似更低，但實際上存在一個被忽視的問題，即商品化（commoditization）風險。由于所有參與者——無論是初創(chuàng)公司、學術實驗室還是大公司——都在關注這些鄰近創(chuàng)新領域，導致競爭異常激烈，最終會面臨商品化風險。即使創(chuàng)新成功，也難以獲得高回報，因為市場上會出現多個類似解決方案。因此，Flagship 更傾向于選擇謹慎地擁抱不確定性。

而如何管理不確定性，Flagship 的應對之道是進行實驗。Afeyan 認為，對于那些價值和可行性尚不確定的事物，關鍵是設計合適的實驗，將其變?yōu)楝F實，驗證其可行性，至少控制可控的部分。

Flagship 的第 18 家公司 Moderna 正是這一策略的典范。在 Moderna 創(chuàng)立之前，mRNA 藥物或疫苗市場基本不存在，幾乎無人涉足。這意味著他們需要爭取監(jiān)管變革或認可、建立市場定價機制，以及解決最初完全未知的生產制造問題。據 Afeyan 表示，即使沒有疫情，Moderna 的回報也是可預見的，實際上他們在疫情前已創(chuàng)造了大量價值。

Moderna：成立于 2010 年的生物技術公司，由 Flagship Pioneering 孵化。Moderna 專注于開發(fā)基于mRNA 技術的藥物和疫苗，因其 COVID-19 mRNA 疫苗而廣為人知。

Flagship 的核心思考方式是接受不確定性并對其進行系統(tǒng)地管理。Afeyan 強調，如果不愿意這樣做，就只能在”跟風價值池”（Me Too value pools）中工作。Flagship 并不認為自己比他人更聰明、更努力或人脈更廣，他們的核心競爭力在于愿意承擔不確定性。

Polyintelligence

在 Flagship 的 2025 年年度信中，Afeyan 提出了“polyintelligence”概念，這一理念及人類直覺在未來世界發(fā)展中的相關性。

Afeyan 首先對“直覺”的本質提出了重新思考。Afeyan 認為，人類直覺本質上可以被理解為一種認知模型——每個人基于自身經驗生成并簡化使用的模型。

從這個角度看，直覺與 LLM 有著概念上的相似性，區(qū)別在于數據規(guī)模：LLM 經過數百萬人的數據訓練，而個人直覺僅基于個體有限經驗構建。

那么在 AI 時代，人類的哪些方面將保持其獨特價值？受到 PBS 紀錄片 Leonardo da Vinci 的啟發(fā)，Afeyan 展開了更為宏觀的視野：當前關于 AI 的討論常將焦點局限于人類與機器的二元關系，而忽略了一個根本事實：科學的核心一直是人類與自然的互動。

在 Afeyan 的框架中，未來的智能生態(tài)不是簡單的人機對立或融合，而是一個由三方構成的動態(tài)系統(tǒng)：人類智能、機器智能與自然智能。這三種智能形式相互作用、相互適應，形成一個不斷演化的整體。

Afeyan 強調，在這個三角關系中，人類的角色仍然不可替代，因為人類的思維方式和行為模式與計算機和自然界的其他力量有著根本區(qū)別。人類的價值不在于與機器競爭信息處理，而在于以獨特方式參與這個三方系統(tǒng)，貢獻人類特有的思維模式、創(chuàng)造力和目標導向。

現在，Polyintelligence 已成為 Flagship 使命的關鍵指導原則：不僅要了解自然，還要超越其現有能力進行創(chuàng)新。類似于達芬奇在打破傳統(tǒng)界限之前掌握了透視和色彩理論，Flagship 希望通過讓 AI 學習和編碼大自然運作的基本“規(guī)則”來提出新的解決方案。就像研究人員曾利用機器學習分析抹香鯨復雜的咔嗒聲模式，并從中揭示了一種結構化的交流方式，挑戰(zhàn)了我們對語言和智力的認識一樣。Quotient Therapeutics 正在應用 AI 分析體細胞基因組學，將突變與功能結果聯系起來，揭示傳統(tǒng)遺傳學無法理解的見解。

Quotient Therapeutics ：首家系統(tǒng)性研究人體內數萬億細胞的遺傳變異和進化的公司。其 Somatic Genomics（體細胞基因組學）平臺揭示了基因與疾病之間的新型關聯，覆蓋廣泛的治療領域，從而推動突破性藥物的發(fā)現，以期實現疾病的治愈、預防或逆轉。Quotient 由 Flagship Pioneering 于 2022 年創(chuàng)立，并獲得體細胞遺傳學領域專家的支持。

Polyintelligence 中的”三方關系”被 Afeyan 描繪為”美麗的新興涌現軸線”（ a beautiful new axis of emergence），暗示這種多元智能的融合將推動生命形態(tài)的未來發(fā)展。這一框架超越了技術決定論，將人類、機器和自然置于一個互惠互利、共同演化的系統(tǒng)中。