主题 先锋 趋势 方法 作者
返回先锋
Martin Shkreli
创新者 2 场深度对话收录

Martin Shkreli

正在生成长图…

观点集合

Martin Shkreli:大药企的盲点、做空量子计算,以及监狱教会他的事

All-In

Shkreli认为量子优势仅限于整数分解和椭圆曲线离散对数,当前机器缺乏量子RAM;他看好模拟光学计算在20年内挑战Nvidia的H100、B100和B200。医药上,他看好被弃置却低估的分子,并称五年内AI开发药物是“完全胡说”,未来十年或无AI相关药物。

查看摘要(7段)
  • Shkreli 对量子计算的看空,既是技术判断,也是商业模式判断。 他认为,量子计算的真正优势,是把整数分解和椭圆曲线离散对数从指数时间降到多项式时间——不是排序,也不是通用计算。现有机器的运行频率只有几百或几千赫兹,在普通计算上却输得很惨;它们没有量子 RAM,而且按他的测试,“连300乘200都算不出来”。他说,企业在这个领域投入数亿美元,无非是在押注“总有一天可能会有点东西出来”。

  • 主持人最有力的反驳——量子计算也许只是处在晶体管时代的起点——并未改变 Shkreli 的投资结论。 他承认这项技术最终可能奏效,但随即反问:投资者当年会不会因为打孔卡、真空管或铁氧体磁芯存储是必要阶段,就想持有它们?这些重要阶段的拥有者大多已经消失。他做空量子计算公司已经亏了数百万美元,但开玩笑说自己“赚到了数十亿美元的洞见”,同时承认,市场择时才是难点。

  • 他认为自己最看好的算力颠覆方向是模拟光学计算,因为 AI 工作负载有“99.9%”的时间都在做矩阵乘法。 Shkreli 说,在 Nvidia 机器上做一次1,000×1,000的矩阵乘法,大约需要10亿次运算;而光学中的乘法可以瞬间完成。他正在研究光子核心,并预测20年内 H100、B100 和 B200 最终都会“被扔进垃圾桶”。

  • 这种技术层面的看空,并不等于对 Nvidia 的明确做空:Shkreli 持有半导体股票,仍在押注 AI 上行。 Jevons 悖论可能会吞噬效率提升带来的收益,但他坚持认为,一个效率高出1,000倍的 transformer 对 Nvidia 依然“不是好事”;之后需求是否会扩大100万倍,仍未可知。他的警告来自历史:如果身处2000年,他大概也会买入 Yahoo 和 Cisco。

  • 在 Shkreli 看来,大药企的盲点不是缺乏科学创意,而是错定了被弃置分子的价值。 他花200万美元买下一款 Bristol-Myers 的药,并称同一家公司如今已经上市、价值60亿美元;sparsentan 则从高血压适应症转向 FSGS,最终让约3万名此前从未获得药物治疗的人拿到了获批疗法。“我也可以做个好人”,他说,同时又称这“是赚到10亿美元的好方法”。

  • Shkreli 否定近期 AI 药物研发的炒作,但对机器智能市场依然极度看好。 他称 AI 在5年内开发出药物是“完全胡说”,并表示未来10年内不会出现一款 AI 相关药物;但他认为,对智能和劳动力的需求几乎没有上限。他设想的终点不只是聊天机器人,而是由平台搭建完整企业——OpenAI、Anthropic 或它们的后继者内部,可能容纳“一个完整的 S&P 500”。

  • 监狱让 Shkreli 对自身失败的解释,从过度绑定成就转向更脚踏实地地看待自己。 他说,自己不肯承认并非世界上最好的对冲基金经理——尽管是很强的企业家——“把我送进了监狱”。他更深层的教训是,天赋异禀的人可能把实现某种宏大成就视为自己的义务,最终走向自我毁灭;而监狱让他看见,地位之下人人共有的普通需求,是想念朋友和所爱之人,以及希望成为一个好父母。

读精读全文 →

收听完整访谈 →

从制药到AGI热潮,再到金融AI开发:Martin Shkreli的历程

Gradient Dissent

Shkreli认为,AI在药物发现中最有价值的是筛选被忽视的生物学靶点;BTK表明,15-20年的洞见也可能等待临床转化。生物医药受稀缺靶点、50-70%的临床试验成本和10年周期约束;他的金融终端放弃强行贴AI标签后实现数百万美元收入,但LLM新闻优势可能在6个月至1年内扩散。

查看摘要(7段)
  • Shkreli最有把握的AI判断是:药物发现的瓶颈在于选择生物学靶点,而不是生成分子。 他估计,真正的发明约占整个流程的10%,其余90%是人体测试,临床试验则占总成本的50-70%;如今暴力筛选1000亿个分子已经可行,但扩大到100万亿甚至10京个分子,可能也增加不了多少价值。真正的机会在于打造“GPT制药”:读取约3600万-3800万篇PubMed论文,给被忽视的靶点排序,再告诉人类该做什么药。

  • 他最有力的例子是BTK:一项有价值的洞见在论文中沉睡了15-20年,才有人把它转化为重大药物战略。 Shkreli认为,LLM可以把这类论文与覆盖所有人类蛋白质的临床可能性连接起来,解决“人类智能”这一约束;正是这一约束,迫使他的18人团队以及Vivek Ramaswamy约80人的团队手动扫描医学文献。“智能发生在前端”,下游大量化学工作则相对确定。

  • 生物医药真正稀缺的投资约束,仍是稀缺靶点、极高资本强度和10年开发周期,而不是分子生成工具不够多。 按Shkreli的统计,每年只有约40种药获FDA批准,其中或许只有20种具备真正创新性,而所有竞争者都会涌向每个有希望的靶点。他说,自己第一家药企最终保留了约10%的股权;软件达到产品市场匹配所需的成本,可能还不到一次100万美元小鼠实验。氯胺酮项目也再次证明了风险:强劲的Yale数据到了3期试验,只是比SSRIs更好,并没有成为预期的“奇迹”。

  • Shkreli的金融创业公司放弃强行贴AI标签、转而打造面向交易员的高密度低延迟金融套件后,找到了数百万美元收入。 在经历TTS和消费级医疗AI等早期尝试后,这款尚未正式发布的beta版“直接冲上天际”;它刻意拥挤的界面被称为“金融版Vim”,服务于每天花8-10小时浏览证券的人。他眼下的AI切入口是突发新闻解读:LLM本可以在1秒内对Hims的GLP-1公告作出反应,但任何优势都可能在6个月到1年内扩散到整个华尔街。

  • 他认为,AI热情可能膨胀成“终结所有泡沫的泡沫之一”,但今天的市场还没有表现出互联网泡沫式的狂热。 他预计OpenAI上市时的市值接近1万亿美元,背后有真实收入和生产率提升支撑;Verizon或Procter & Gamble这样的公司,可能在不同环节各省下10亿美元。对于高速增长的SaaS公司,他甚至认为100倍销售额可能合理;真正的危险信号是无差别融资,而如今不透明的私募估值让价格发现难以判断。

  • 失败的AI产品让他明白,技术新颖性无法替代分发能力、工作流整合和付费意愿。 TTS的整体市场可能只有“10亿美元左右”,并且容易受到本地开源模型的冲击;他的AI医生产品虽然带来了使用量,却几乎没有收入,还可能直接与Grok及其他通用基础模型竞争。他的结论与Nuance的先例一致:可持续的生意,可能在于把技术封装进医生工作流,而不是拥有基础模型。

  • 面对药价争议和刑事案件,Shkreli给出的是真正面防守,而不是让步;Biewald则保留了核心的道德质疑。 Shkreli说,如果病人买不起药,他绝不会袖手旁观;他为一种致命儿科疾病、患者可能只有500人的药物定价上百万美元辩护,并将欺诈起诉称为“法律战”(lawfare)。他称自己的对冲基金为投资者带来4-5倍回报、没有投资者亏钱,同时承认自己因误导投资者被定罪但坚持无罪。他说自己被判7年,通常实际服刑约5年;狱中读了300-400本书,还给Sam Bankman-Fried提供过建议。后者据他说面临25年刑期,而监狱要求文化上的适应性:“你只能随机应变。”

读精读全文 →

收听完整访谈 →