Enveda: Finding Hidden Medicines in Nature

本期速览

Viswa Colluru 为 Enveda 创始人兼 CEO，出身印度中产家庭，13 岁时母亲因慢性粒细胞白血病去世（确诊时被告知只剩约五年寿命），由此弃计算机科学转攻生物学，曾在同属 Scottish Mortgage 投资组合的 Recursion 任早期员工，2019 年以自有资金 $55,000 创办 Enveda。本期主线：Colluru 阐述用大语言模型技术破解自然界化学的"测序"难题、以"化学优先"路线替代单靶点还原论，并论证 Enveda 的资本效率与万亿市值路径。全片最有分量的判断来自 Colluru："If you can find better chemistry in nature that has been selected for billions of years then you can find better medicines."「意即：如果能在自然界找到经亿万年筛选的更好的化学物质，就能找到更好的药物。」Tom Slater 则给出投资尺度注脚：医疗是全球最大行业，若能提高药物发现成功率，机会实际上没有上限。

---

化学"测序时刻"因 LLM 而到来

Colluru 断言，药物发现行业只有一个问题——"实验室有效的东西在人体内无效"，解决它的钥匙是自然界经亿万年筛选的化学。 阿司匹林来自柳树皮、青蒿素来自植物、吗啡来自罂粟、二甲双胍至今仍在使用；约一半 FDA 批准的小分子药物源自自然。这个想法"既直观、又被验证，却未被开发"。

为什么未被开发？Colluru 给出的答案是：化学从未有过自己的"测序时刻"（chemistry never had its sequencing moment）。 今天可以提取任何样本的 DNA 并测序，但"人类从未对一个生物体的化学密码做过同等的事"。全球 99% 以上的化学物质未知；人血样本用质谱仪可检测出数千种化合物，但全球最顶尖实验室只能注释约 10%；相比之下，科学家对极地冰盖底部病毒基因的已知比例约 35%——"我们对这些病毒的基因了解，比对自己血液化学的了解还多。"他甚至提出更根本的生物学论点：一个死细胞和一个活细胞拥有完全相同的基因，让细胞活着的是"代谢之舞"——每个成人细胞平均约 8000 万次化学反应。

技术突破口是质谱仪加 Transformer 架构（即驱动 Claude 和 ChatGPT 的底层技术）。质谱仪把每个分子加速撞击中性气体、打碎后产生碎片质量"指纹"；传统机器学习无法从指纹预测分子结构，原因与 LLM 出现前计算机翻译语言失败相同：化学指纹和语言一样，意义高度依赖上下文。 Colluru 用"it"的指代随句尾词变化说明这一点——tired 时指动物，crowded 时指街道，raining 时指天气。LLM 通过上下文训练解决了语言难题；Enveda 照此在"质谱数据呈现的化学语法"与"可用于药物发现的化学结构"之间做翻译，可以用尚未理解的大量分子作为训练数据，不再受限于人类已解析的几千个分子。

Colluru 将行业失败归为三类：毒性不可预测、功效不如预测、药物到不了靶器官。他认为过去 25 年的基因组测序成就反而误导了业界——"把地图当成地形"：找到单个基因与复杂疾病的关联，再为单一靶点找化学分子，这条还原论路径解决不了问题。Enveda 的"化学优先"路线是：选定未满足需求且商业机会明确的疾病（如炎症性疾病对安全口服抗炎药的需求），建立通路、类器官、小鼠模型，但不还原到单一靶点，然后用来自数千种植物的数万分子去探测模型，找出有效物质后再解码机制——阿司匹林是先有药、后教会我们炎症机制，而不是先懂炎症、再发明阿司匹林。他对 AI 应用药物发现的忠告是："not electrocuting the horse, but really inventing the car"「意即：不是电击那匹象征性的马以获得更快的马车，而是发明汽车」。

---

跨国分工带来 3-10 倍产出效率

Colluru 判断，Enveda 的跨国分工模式带来相对全球最大药企 3-4 倍的时间和成本优势，每美元投入产出行业平均 3-10 倍的药物。 美国 Boulder 负责可小型化、自动化、预测的工作（质谱、发现、预测）；印度 Hyderabad 负责不可预测、不可自动化的湿实验与药物开发。这种分工始于资金不足的"必要性"——没有大型风投孵化轮、只有自有资金——如今成为"the sun never sets on Enveda"「意即：太阳永不落在 Enveda 上」的接力优势。

维度	Enveda	行业对比
时间与成本	3-4倍优势	相对全球最大药企最优惠外包合同
每美元药物产出（纯混合模式）	3倍	行业平均
每美元药物产出（结合自然化学论点）	10倍	行业平均
概念验证	约$2,000万 / 约2年	最终成功需$10-20亿

管线规模：约 12 个潜在疗法，覆盖皮肤科、炎症、肥胖等；种子融资后 4 年进入临床，年底候选药物增至 3 个；公司从 3 人扩展到 330 人。Colluru 的三阶段路线：①未来六个季度内，四个项目产生约 12 个临床催化剂，涉及数十亿美元销售潜力，公司将"从时刻濒临死亡的风投规模初创"毕业为"数十亿美元市值、资本成本显著降低"；②为一两个资产寻找合作伙伴，分担后期开发与上市负担、分享利润；③约 10 年内走向全球多疾病领域。终极目标是"拥有多个重磅药的万亿美元公司"，而"成为万亿美元公司只需四款药"。

---

最大风险是资金而非科学

Tom Slater 认为，生物科技行业最大的讽刺是"the biggest risks have nothing to do with science"「意即：最大的风险与科学无关」，而是资金。 如果你只开发药物、不销售药物，你只有成本；药物发现固有的失败率意味着必须持续融资熬过必然的失败。Slater 表示 Scottish Mortgage 的角色是长期支持型合伙人。

科学风险的管理：不把所有希望押在一款分子上，而是建立组合、按最佳科学排序。对万亿目标，Slater 指出大型药企存在"幂律分布"——少数重磅药远大于平均药，印证"四款药即可"的分析；过去没有万亿级药企，症结是"一款药的成功不意味着下一款药也成功"。如果 Enveda 的平台方法真能提高每一款药的成功概率，叠加追逐重磅药的意愿，"这两者的结合可能带来真正成功的结果"。

需注意叙事成分：Colluru 的讲述带有创始人推销色彩——"全球首个被喜爱的药企"、万亿目标、个人悲剧驱动——这是持仓方视角；但他也自认创业初期"几个月严重焦虑和惊恐发作"，TS 亦明确表示"有些东西就是不会成功，我们一开始就知道"。

---

提及的标的

标的	嘉宾态度	关键数据
Enveda	看好——Scottish Mortgage 一年多前已建小仓位（私人公司）	约12个潜在疗法；4个项目；未来6季度约12个临床催化剂；$2,000万/约2年达概念验证；3-10倍药物/美元
Recursion	未明示——同属 Scottish Mortgage 投资组合；Colluru 前雇主，被誉为"创造了AI优先生物科技赛道"	Colluru 2019年前在此任职数年（自称"两年多一点"），跨科学、产品、商业战略
Sanofi	中性——战略投资者；TS 视其为方法验证，同时提出"收购扼杀企业家精神"的疑问	2025年初投资 Enveda
Microsoft	未明示——资产负债表投资者	"罕见的"获得微软投资的生物科技公司

值得记住的判断

1. Colluru：药物发现行业只有一个问题——实验室有效的东西在人体内无效；解法是回到自然界经亿万年筛选的化学，"在数周内找到下一个阿司匹林，而不是数十年或数世纪"。

2. Slater：医疗是全球最大行业，未满足需求极多，若能提高药物发现成功率，"机会实际上没有上限"；但前提是解决资金问题——"最大风险是资金"。