摘要

Molly O’Shea 表示，在观察 AI 10 年、眼看它几乎没有带来更多候选药物或疗法之后，她如今认为 AI 已从试验阶段跨入能够对医疗产生可量化影响的阶段。 “一切在过去两年都变了”，推动力来自生物和化学模型、实验室机器人以及模拟技术，它们有望提高这个最昂贵、失败率最高的产品开发行业的成功率。
Devoted Health 是 O’Shea 最有力的证明：AI 放大的是来之不易的运营护城河，而非取代它。 公司花了10年取得各州牌照、建立医疗服务提供者网络、分销体系和初级医疗基础设施；过去一年，公司规模扩大至3倍，运营费用减半，EBITDA 大幅提升。她的判断少见地绝对：这“可能是当今全球医疗领域最好的 AI 案例”。
医疗行业的第一笔 AI 红利应当来自增强，而大部分价值会无形地落到患者身上。 行政工作占医疗成本的25-30%，而 O’Shea 表示，约30%的放射科影像存在误读；AI 可以在不取代医生的情况下，同时减轻这两项负担。患者可能永远不会把功劳归于 AI，但当医生不再背对患者打字、漏掉的影像异常变少时，他们应该能感受到变化。
O’Shea 将中美生命科学竞赛定义为一项存亡攸关的产业风险，而非例行的竞争周期。 她表示，如今制药公司外部研究经费约50%流向中国，而这在5年前还没有发生；中国高校的专利产出可能已经追平甚至超过美国高校。她的应对方案包括加大 AI 投资、强化大学科研，以及“彻底重组 FDA 和相关流程”。
AI 提升了对创始人质量的要求，但并未同等程度地降低对工程师的需求。 O’Shea 寻找的是技术上通透、以产品为导向、能够调整方向、谦逊地招募人才并理解分销的创业者；最优秀的人能“在5分钟内建立信心”。她至今仍牢记的职业教训直截了当：“你对创业者的门槛还不够高。”
在 O’Shea 看来，如今 AI 估值膨胀中只有约10%有基本面支撑。 少数公司可以覆盖横跨软件和服务的巨大市场，但许多估值100亿美元或200亿美元的细分企业，最终可能只值10亿美元或20亿美元，并按 EBITDA 估值出售。“全世界只有10%的公司值得这样的估值，90%都不值得。”
Oak 正将异常灵活的资本与公司创建结合起来，投向 AI 能够执行而不只是分析的市场。 其基金规模从5亿美元增至20亿美元，单笔支票规模从100万美元到1亿美元不等，一只基金的20-40%可以投向早期项目。Augur 在成立时获得1亿美元，用于打造供应链智能体；Halluminate 的金融模拟环境则在6个月内“从0到100”。

精读

1. 医疗 AI 终于达到 O’Shea 认定的真实影响门槛

Oak 的医疗和金融科技业务覆盖约半数经济体，这让横向 AI 公司能够触达异常集中的买方群体。医疗是“大市场中最小的一个”：O’Shea 统计，真正有影响力的医疗服务提供者只有约100家，主要支付方只有10家，因此采购经验和关系网络本身就是实质性的分销资产。
O’Shea 研究医疗 AI 已有10年，却一直没看到它带来更多候选药物或疗法。“过去两年，一切都变了”，这促使 Oak 投资 Chai Discovery，并计划在旧金山增加合作伙伴；在她看来，相关 AI 工作正高度集中于当地。
关键变化不止是语言模型：生物和化学模型、物理 AI 以及实验室机器人，可以从药物发现一路重塑到临床试验。药物开发成本极高且失败率高，因此哪怕只是提高成功概率，或缩短开发周期，也会“彻底改变游戏”。
在后续的路线图讨论中，O’Shea 介绍，一项抗体研发工作的产出已经约为没有该技术实验室的100倍，接下来是肽类，再之后是小分子。肽类进展显著，但正如她谨慎指出的那样，“目前还没有准备好展示给客户的东西”。逐字稿没有清楚表明这项工作属于 Chai Discovery，因此不应将两者作确定关联。

2. 中国将药物发现变成产业政策紧急事件

O’Shea 否定了“中国只是在对仿制药做小修小补”的舒适看法。她表示，中国高校和科研机构如今的专利产出已与美国同行相当，甚至可能更多；与此同时，作为美国本土创新基础的大学科研，正面临 NIH 投入和研究经费减少。
她的警告明确指向未来：“这今天还不是问题。我只是担心它未来会变成更大的问题。”大学科研能力和国际参与度减弱，可能在损失反映到上市药物之前，就先破坏研发管线。
按她的说法，资本迁移已经十分明显：如今制药公司外部研究支出约50%流向中国，而这在5年前还没有发生。新冠疫情还暴露出美国对中国抗生素原料供应的依赖，约90%的抗生素原料来自中国。
应对方案不是孤立，而是加速建设本土能力：计算药物设计、湿实验验证、动物试验、AI 基础设施和监管改革。模型必须用物理世界的结果进行验证，但 O’Shea 认为，它们正逐渐接近过去40年药物开发方法所能达到的产出。

3. Devoted 说明，AI 奖励的是已经掌握工作流的公司

Devoted 表面上的 AI 加速，建立在10年高昂的前期投入之上：逐州取得 Medicare Advantage 牌照、建立本地医疗服务提供者网络、经纪人和直销渠道、专有支付方平台，以及作为虚拟初级医疗层的 Devoted Medical Group。AI 进入的是一个本来就同时承担保险风险和医疗责任的系统。
O’Shea 表示，过去一年 Devoted 将公司规模扩大至3倍，运营费用减半，EBITDA 大幅提升。她认为，这已经是一家“几乎不可能被竞争”的企业，尤其是在公司准备进入商业保险市场之际。
她设想的终局是：一个 AI 界面背后有医生，由保险公司无缝处理支付和流程。当被问及 Devoted 是否是医疗领域最领先的案例时，她没有回避：“我通常不是会夸大的人，但事实如此。”
Siddharth 询问，根深蒂固的医院、客户关系和临床机构是否可能延缓颠覆。O’Shea 表示，医院不会消失；更近的机会是从医生身上剥离行政工作，以电子健康记录数据为底层，让临床医生把精力放回患者身上。

4. 在患者意识到 AI 之前，增强就应先改善医疗

O’Shea 表示，行政活动占医疗成本的25-30%。AI 可能是第一项能够减少而不是增加这项负担的重大技术，扭转电子病历带来的体验：医生面对的往往是笔记本电脑，而不是正在接受治疗的人。
在诊断环节，O’Shea 表示，约30%的放射科影像中存在放射科医生漏看的内容。她的方案不是取代放射科医生——“我们可能反而需要更多放射科医生”——而是让 AI 在他们背后工作，从而减少重要发现被漏掉。
Siddharth 认为，人们仍然希望由人来为自己提供医疗服务；与此同时，计算机视觉和机器人技术可以缩短手术时间、改善外科医生的视野，并有望实现专家指导下的远程手术。
Siddharth 以农村癌症治疗和手术为例：当地治疗结果落后于领先医院，一名本地外科医生可能只做过2次某项手术，而不是1,000次。远程控制和机器人技术可以把顶尖手术能力分发出去；他形容如今的 da Vinci 系统“太靠蛮力”。

5. 创始人质量仍是承保判断的恒定变量

O’Shea 从信任出发：这个人是不是最适合创建这家公司，是否同时具备“智力与意图”？由于技术和竞争变化太快，她认为，如今获得融资的创始人中，必须有更大比例的人接近前0.1%的水平，即使他们并不真的位于这个区间。
她反驳了第一波“产品通才将消除对工程师需求”的说法。Chai 的创始人横跨计算机科学、化学和生物学；Devoted 的管理层则把计算机科学与数十年的医疗经验结合起来。技术深度必须与市场进入能力，以及谦逊地招募自己缺少的专业能力并存。
连续创业者是 Oak 最强的信号。Todd 和 Ed Park 是 athenahealth 的例子；Todd 后来共同创办 Castlight，Oak 则领投了 Devoted 的 Series A。Brad Smith 在安宁疗护模型之后又创办了 CareBridge 和 Main Street。O’Shea 对 Smith 的评价非常具体：“你正在做一件别人都没有在做的事”，而当时的市场已经充斥着模仿者。
O’Shea 早期的导师、零售投资人 Jerry Gallagher 曾纠正她的判断流程：她过度强调理论、想法和数字。他那句“你对创业者的门槛还不够高”，后来成了她永久的提醒；尤其当公司从0增长到10时，增长速度很容易让投资人在评估创始人之前就被吸引。

6. 灵活资本重要，但估值纪律更重要

Oak 起初管理一只5亿美元基金，随着企业资本需求和机会集合扩大，最近两只基金均扩至20亿美元。它既可以投资100万美元，也可以从第一天起承诺最多1亿美元；既能在种子轮进入，也能继续参与后续轮次。
早期投资占基金规模的20-40%，按当前规模计算约为4亿至8亿美元。Oak 可以将一只基金最多10%的资金投向普通股，也做过 PIPE 投资，从而保留全生命周期的投资授权，而不是把每个判断都强行塞进单一融资阶段。
O’Shea 看到的是一个“杠铃型世界”：一端是种子期专业投资人，另一端是后期或跨期资本。要继续成为雄心勃勃的创始人的有效资本伙伴，Oak 必须开出大额支票；但在高速增长可能把估值推到公司认为不合理的水平时，尽早进入也越来越重要。
她的纪律以退出为核心：许多 AI 细分领域既没有足够大的 TAM，也没有足够强的战略买家来支撑100亿至200亿美元的估值。有些公司可能会变得极其盈利，但窄领域行政软件的买家仍可能按 EBITDA 估值；在存在战略买家的情况下，O’Shea 表示 Oak 有时可以按30%的战略乘数出售资产。

7. 执行型智能体和并购拓宽 AI 的可投资边界

Halluminate 构建强化学习环境，让智能体完成金融分析师的全部工作：搭建模型、形成建议、应用评分卡，并审阅相关法律工作。一项模拟甚至复刻了完整的房地产经纪业务，让客户测试不同的商业模式；O’Shea 表示，公司在6个月内“从0到100”。
Augur 的诞生，源于 Oak 与 Dave Clark 长时间共同打磨想法。Dave Clark 曾花22年打造 Amazon 的供应链和物流体系。Augur 的技术层不只是识别供应链中断，还让智能体实时执行跨供应链的应对措施。公司约有8家大型 Fortune 500 客户即将进入合作第2年，Oak 在其成立时投入了1亿美元。
AI 也把医疗行业的买方范围扩展到 McKesson、Cardinal 和主要支付方之外。O’Shea 以 Microsoft 收购 Nuance、Oracle 收购 Cerner 为例，说明科技集团可能会寻求更深度地进入医疗、制药、生命科学和医疗服务提供者软件领域。
O’Shea 估计，并购整合失败的次数仍多于成功的次数。CareBridge 在 Elevance 内部的扩张是一个正面案例，但一般规则在于战略是否清晰：Siddharth 指出，收购产品或数据即便不保留团队也可能成功，但若要持续创新，通常无法如此。O’Shea 对整合的检验标准是：“你关心的是打造最好的企业，还是身处一个充满政治博弈的文化中？”

前沿模型架构的未来：Fractile 创始人兼 CEO Walter Goodwin （预告）智能体全解：Dots 登场、Google 与 Apple 之问、Muse 后续、超级智能与天命