社区

🌟核心摘要🌟

• 效率提升1000倍： $Recursion Pharmaceuticals, Inc.(RXRX)$ 联手MIT造出「分子预测氢弹」Boltz-2：12小时干完传统超算1.2万GPU小时的活！罗氏实测CDK2抑制剂开发周期从18个月→4周。

• 数据霸权：垄断全球最大生物数据库：50PB独家细胞影像+3.4亿人真实医疗数据，构建制药界“数据核武库”，远超竞品Schrödinger（数据量不足其1/200）。

• 临床管线“闪电战”：从靶点发现到人体试验仅18个月（行业平均4.5年）！手握5个临床阶段管线，其中2项已推进至II期，挑战60%临床失败率魔咒。

• 吸金引擎：罗氏/拜耳等巨头合作锁定50亿潜在里程碑付款（单项目达2亿美元），现金储备直达2027年，更暗藏12亿美金近期临床对赌条款！

• 技术生死局：若欧盟AI法案要求强制公开训练数据集（Recursion核心壁垒），或摧毁AI制药根基。

💰百倍回报or泡沫归零？下篇：《木头姐的豪赌》揭秘Recursion会是下一个10倍股吗？

一、行业赛道与竞争格局分析

1.1 AI制药行业现状与赛道技术路线

AI在新药研发领域的应用正处于快速成长期，全球市场规模预计2030年超160亿美元。当前技术发展呈现三大核心特征：

• 多模态融合：结合基因组学、蛋白质组学、细胞影像学等多维数据构建预测模型。Recursion通过其表型数据库（PhenoMap）实现跨模态关联，准确率达92%。

• 计算范式升级：传统分子动力学模拟（Schrödinger优势领域）正与深度学习结合。2025年6月Recursion与MIT发布的Boltz-2模型在蛋白-配体结合预测中超越AlphaFold3，速度比传统自由能扰动（FEP）方法快1000倍，计算效率提升三个数量级。

• 端到端整合：从靶点发现到临床设计全链条优化。Recursion与HealthVerity合作整合真实世界数据（RWD），覆盖美国3.4亿人脱敏数据，优化临床试验设计和患者分层。

AI制药行业核心挑战集中在数据瓶颈（高质量标注数据稀缺）、模型泛化（实验室到临床的转化鸿沟）和监管要求（AI模型可解释性要求）。据波士顿BCG研究报告(www.sciencedirect.com)表明，AI辅助研发项目进入II期临床后失败率仍高达60%，反映技术落地仍处早期阶段。

1.2 市场竞争格局与主要玩家

AI制药赛道已形成多层次竞争生态，头部玩家差异化定位明确：

公司名称技术特长核心合作伙伴临床管线数商业模式Recursion (RXRX)表型组学+超算罗氏、拜耳、英伟达10+平台授权+合作研发Schrödinger (SDGR)分子模拟计算赛诺菲、默沙东8+软件许可+共同开发Exscientia (EXAI)AI药物设计赛诺菲、百时美施贵宝6+管线开发Absci (ABSI)生成式AI设计默沙东、Genentech3+平台授权

Recursion通过收购Exscientia（2025年初完成）巩固临床管线领导地位，获得6.88亿美元全股票交易，Exscientia股东获得合并后公司26%股权。此次整合创造了最丰富的临床阶段AI制药管线（10+项目），并预计产生超1亿美元协同效应（主要来自研发成本优化）。

AI制药市场份额分布呈现梯队分化：Recursion、$Schrodinger Inc.(SDGR)$ 、AbCellera构成第一梯队，合计占据技术授权市场60%以上份额。但就管线临床进度而言，Recursion凭借与罗氏的合作，在III期阶段项目数量上暂居领先。

1.3 AI制药产业链分析

AI制药产业链呈现“金字塔型”结构，价值分配高度不均衡：

• 上游基础设施层：由算力提供商（ $英伟达(NVDA)$ 提供BioHive-2超算）、云平台（Google Cloud）和数据公司（HealthVerity、 $Tempus AI(TEM)$ ）主导。英伟达2023年对Recursion的5000万美元战略投资凸显其卡位意图。

• 中游技术平台层：Recursion、Schrödinger等提供AI药物发现引擎。该层毛利率高达60-80%（Recursion软件授权部分毛利率），但需持续投入研发维持优势。

• 下游应用开发层：大型药企（罗氏、拜耳）通过合作引入AI技术。Recursion与拜耳合作条款显示，单个项目里程碑付款可达2亿美元，反映下游价值捕获能力最强。

合作模式以风险共担为主：Recursion与罗氏合作中，前者负责靶点发现和候选分子筛选，后者主导临床开发和商业化，双方共享特定适应症权益。这种模式缓解了Recursion的现金流压力，但限制了长期收益分成比例。

1.4 政策监管与影响

全球监管机构对AI制药采取渐进式监管框架：

• FDA AI/ML软件认证：要求算法可解释性、训练数据透明度和持续监控机制。Recursion在REC-1245的IND申请中提交了算法验证数据，成为首批通过FDA审核的AI生成分子。

• 真实世界证据（RWE）指南：2024年更新允许RWD用于临床设计优化。Recursion与HealthVerity合作直接响应此政策，利用覆盖3.4亿人的数据库加速患者招募。

• 数据隐私合规：HIPAA和GDPR对患者数据脱敏要求严格。HealthVerity的API接口确保Recursion仅访问符合监管的匿名化数据。

未来政策风险在于算法知识产权保护。若监管要求完全公开训练数据集或模型参数（如欧盟AI法案讨论草案），可能削弱Recursion的数据壁垒。

二、企业基本面概况

1.1 Recursion 公司简介

Recursion Pharmaceuticals（NASDAQ: RXRX）是一家处于临床阶段的TechBio（科技生物）公司，致力于通过融合人工智能（AI）、超级计算与自动化实验技术，推动药物发现的工业化进程。其核心使命是构建“生物解码引擎”，系统性破解人类生物学的复杂性，以更高效、更低成本的方式开发创新疗法。

公司的创新引擎是自主研发的Recursion OS平台，这是一个集成物理实验与数字计算的超级系统：

• 数据规模：平台处理超过50 PB的专有生物、化学及临床数据，涵盖3万亿+可搜索的基因与化合物关系，形成全球最大的生物数据集之一。

• 工作流程：通过自动化湿实验室（如CRISPR基因编辑、高通量显微镜）生成疾病模型数据，再经AI模型（如深度学习、表型图谱PhenoMap）分析预测药物靶点，实现“实验→数据→洞见→优化”的迭代循环。

• 技术壁垒：结合英伟达的DGX超级计算架构（BioHive-1超算）与生成式AI工具（如LOWE代理），显著提升靶点识别与分子设计效率，缩短临床前开发周期至传统方法的50%。

Recursion的目标客户主要是「大型制药企业」，包括罗氏（通过基因泰克）、拜耳、百时美施贵宝等全球TOP20药企，通过合作研发模式解决传统药物研发中的关键痛点：研发周期长、研发成本高、临床失败率高。

1.2 Recursion 核心管理层概况

Chris Gibson 博士｜Co-Founder and CEO ｜联合创始人兼首席执行官

• 背景： 莱斯大学生物工程与管理学位毕业，在犹他大学Dean Li博士（现默克研究实验室总裁）实验室开发Recursion核心技术。2013年创立Recursion，将其发展为全球AI制药巨头，拥有横跨欧美的7大办事处、行业领先生物化学数据集、制药界最强超算，并与赛诺菲/罗氏/基因泰克建立合作。BioHive董事会成员，2020年创立孵化器Altitude Lab，2025年发起Gibson奖学金及Altitude Lab基金。

• 核心职责： 领导公司战略方向，构建肿瘤学与罕见病临床管线；推动AI在药物研发中的创新应用；主导BioHive生态扩张及初创企业孵化。

Dave Hallett 博士｜Chief Scientific Officer｜首席科学官

• 背景： 剑桥大学自然科学学士、曼彻斯特大学合成有机化学博士，德州大学奥斯汀分校博士后。默克公司前研究员，Evotec任职14年（化学与联盟管理执行副总裁），曾任Exscientia首席科学官及临时CEO超5年。

• 核心职责： 主导药物发现战略，整合AI技术与实验科学；推动跨国药企重大研发合作，优化临床前管线开发。

Najat Khan 博士｜Chief R&D & Business Officer｜首席研发官兼首席商务官

• 背景： 强生前首席数据科学官兼全球战略负责人，建立行业领先管线并交付多款转化药物。强生数据科学委员会联合主席，在生物、化学、数据科学交叉领域拥有20+年经验。

• 核心职责： 统筹研发与商业战略，驱动AI/数据科学在药物开发中的规模化应用；构建多元化技术团队，管理临床资产组合与外部合作。

David Mauro 医学博士｜Chief Medical Officer｜首席医疗官

• 背景： 康奈尔大学生物化学学士、天普大学医学博士/PhD，美国国立卫生研究院癌症研究所解剖病理学培训。曾任Codiak/Checkmate/Prelude/Advaxis首席医疗官，默克、BMS、BD临床事务高管。

• 核心职责： 领导肿瘤领域转化医学与临床开发，近十年主导超25项IND候选药物从早期至后期研究；制定临床开发策略与监管路径。

Benjamin Mabey 硕士｜Chief Technology Officer｜首席技术官

• 背景： 机器学习与数据科学专家，2017年加入Recursion，晋升前为软件工程副总裁。曾任Savvysherpa高级数据科学家、Red Brain Labs CTO，15年跨医疗/广告领域AI系统构建经验。

• 核心职责： 构建AI驱动的药物研发技术平台；领导自动化机器学习系统开发，整合生物、化学与临床数据科学解决方案。

Elaine Sun MBA｜Chief Financial & Strategy Officer｜首席财务官兼战略官

• 背景： 韦尔斯利学院学士、哈佛商学院MBA。30年生命科学与金融经验，曾任Mammoth Biosciences COO/CFO、Halozyme CFO、SutroVax（现Vaxcyte）CFO/CSO、Evercore Partners及美林董事总经理。主导超500亿美元医药并购交易，现任Dynavax、Asher Biotherapeutics董事。

• 核心职责： 统筹公司运营与财务战略，优化生物制药价值创造路径；主导融资、并购及商业合作。

1.3 公司股票与估值（截止2025年7月）

• 股票代码：RXRX（纳斯达克上市，2021年4月IPO）

• 当前股价：$6.40（52周波动区间$3.79-$12.36，波动幅度达225.6%，反映市场对AI制药技术落地与临床失败的分歧）

• 总市值：$25.98亿（属于AI制药第一梯队，近1个月反弹26.48%，受临床管线进展推动）

1.4 财务数据及历史表现

财报数据解读：

亏损显著扩大：

• 2025年Q1净亏损$2.02亿（同比扩大121.6%），还处于深度投入期。

亏损驱动因素：

• 研发投入高：研发支出约$9800万（同比增长30%）。

• 并购成本压力：Exscientia并购产生$4,200万成本开支。

现金与展望：

• 资金储备：公司预计现金储备（2024年底$6.03亿）可支撑运营至2027年。

• 缓冲希望：$50亿潜在里程碑款中，$12亿绑定2025-2026节点临床数据（如REC-4881成功可触发拜耳$1.8亿付款）。

1.5 核心商业模式

Recursion 产品线解析

Recursion 商业模式亮点

✅ Recursion OS（AI平台｜估值引擎）：

• 数据壁垒：

  积累超3 PB专有生物图像数据集（每周新增10TB+细胞成像数据）；

  构建Recursion Maps：覆盖1,000+疾病模型与20亿+基因-表型关系。

• 技术优势：

  BioHive-1超算平台（与NVIDIA合作，算力50 AI petaflops）；

  ROOT算法系统：实现跨组学数据（基因组/转录组/蛋白组）融合分析。

• 商业壁垒：

  与罗氏、拜耳、BMS等6家TOP20药企绑定战略合作；

  平台已验证40+疾病领域靶点发现能力，合作项目历史续约率100%（截至2025Q1）。

✅ 药物研发管线（核心资产｜未来现金奶牛）：

• 临床价值：

  聚焦高价值罕见病赛道（如神经纤维瘤病REC-4881、家族性腺瘤性息肉病REC-3946），定价潜力$50万+/年/患者；

  REC-994曾获FDA孤儿药认定，II期数据已于2025Q1公布（未达功能性终点）。

• 效率优势：

  将靶点发现→临床前候选周期（即传统药物发现周期），从5年缩短至18个月；

  单项目研发成本低于行业均值70%+。

• 管线储备:

  推进5个临床阶段管线（含2项II期） + 10项临床前项目（2025年Q1实际管线数，来源: ClinicalTrials.gov）；

  肿瘤免疫管线布局下一代IO靶点（如TIGIT/LAG-3组合）。

✅ Biopharma合作生态（现金流支柱）：

• 收入韧性

  2024年合作收入$18.5M（占总收入83%），锁定$50亿+潜在里程碑付款；

  罗氏合作首付$1.5亿保障短期现金流。

• 生态扩展性

  合作覆盖药物发现→临床开发→商业化全链条；

  首创"利润分成+共同商业化"模式（如拜耳纤维化项目）。

• 技术外溢价值

  向药企授权CHEMIST AI化学设计工具（年授权费$500万+/客户）；

  Recursion OS 开放化合物活性预测API接口，探索按数据调用量收费模式。

1.6 客户战略方案

Recursion采用“灯塔客户辐射”策略：

• 标杆合作：与罗氏、拜耳等头部药企建立深度合作，利用其行业影响力拓展客户群。罗氏将Recursion OS整合入自有AI平台，证明技术互补性。

• 解决方案特性：介于标准化与定制化之间。基础模块（如PhenoMap）为标准化产品，但针对特定疾病领域（如肿瘤免疫）需定制训练模型，实施周期3-6个月。

• 客户粘性：平台切换成本高。拜耳使用LOWE工作流引擎后，研究人员操作熟练度提升，数据沉淀形成闭环优化，替换成本估计超2000万美元。

三、核心技术：模型、逻辑与壁垒

1. 核心算法模型：Boltz-2

2023年11月，Recursion联合MIT推出全球首个药物发现开源大模型Boltz-2（MIT & Recursion 在 Nature Machine Intelligence (2024) 联合发表论文），其技术突破性体现于三个维度：

• 效率提升1000倍：

  在KRAS抑制剂开发任务中，传统方法需1.2万GPU小时筛选10亿分子，Boltz-2仅用12小时完成同等计算量（效率提升1000倍）。

• 三大技术支柱：

  原子级设计：几何深度学习解析3D蛋白结构，结合能预测误差<0.8 kcal/mol；

  细胞级预测：跨尺度模型同步输出分子对细胞表型的影响；

  临床级解释：可视化药效团与毒性位点，FDA审核通过率提升5倍。

• 开源生态：

  开放资源：公开1.5亿组细胞图像-分子活性配对数据（全球最大规模）；

  生态反哺：通过开源吸引全球开发者贡献数据反哺Recursion OS，形成“数据飞轮”。

• 权威认证：

  Nature Biotechnology 论文（DOI:10.1038/s41587-023-02033-x）验证：“Boltz-2在KRAS、TP53等‘不可成药’靶点上展现出突破性效能，其预测分子经湿实验验证活性达标率91%（传统AI模型<60%）”。

2. 技术逻辑闭环：Recursion OS的“干湿循环”引擎

• “数据-决策-验证”三位一体架构

• 数据层：

  超 100 PB 结构化生物学数据集（含 500亿+ 细胞图像）；

  RXRX 开源数据集：涵盖 37 种疾病模型、1,200 万组基因扰动显微图像。

• 处理层：

  计算机视觉 + 图神经网络 (GNN) 解析细胞表型；

  Phenomaps 技术：量化药物-靶点-疾病空间关系。

• 应用层：

  自动化验证：48小时内完成“分子合成→细胞实验→表型分析”全流程；

  自主管线推进至临床 II 期，如 REC-4881 Familial adenomatous polyposis(FAP)。

3. 技术壁垒 vs 竞争对手

真正壁垒-总结：

✅ 数据护城河：规模领先

• 专有数据集：积累超23 PB生物图像数据（含50万种罕见变异），覆盖1200+疾病模型，远超竞品Schrödinger（<0.1 PB，300+模型）。

• 多模态融合：整合细胞成像、多组学（基因组/蛋白组）及化学库数据，支撑跨尺度靶点发现（如REC-617的CDK7抑制剂设计）。

✅ 算力优势：超算效能

• BioHive超算联盟：与NVIDIA共建算力集群，当前BioHive-1（50 AI petaflops）实现单GPU日处理86亿分子，效率为传统集群1000倍。

• 硬件优势：与NVIDIA联合开发BioTuring GPU优化分子动力学计算，竞品难以复现同等规模。

✅ 临床转化：效率优势

• REC-2281（MEN2肿瘤）：从靶点发现到IND申报仅18个月（行业平均4.5年）。

• 5项AI设计分子获FDA快速通道认定（包括REC-994）。

四、商业化进展与挑战

1. 临床验证困境（高风险）

Recursion的技术落地核心困难体现在临床转化环节：

• 数据-临床脱节：实验数据量虽大（周产出300万实验），但临床相关性验证不足，尚未转化为临床成功案例。2025年关闭REC-994（CCM）、REC-2282（神经胶质瘤）等3项关键管线，因II期疗效未达预期。

• 剂量优化困境：REC-617在20mg剂量耐受性良好但疗效不足，更高剂量安全性存疑。传统剂量探索需2-3年，Recursion尝试通过PK/PD模型结合AI预测（Boltz-2辅助），目标将周期压缩至6个月，但目前尚未公布验证结果。

• 患者分层难题：Recursion的AI模型未解决临床试验设计痛点（如REC-994亚组分析缺失），传统药企凭借临床经验反超。

2. 可解释性与监管应对（中风险）

模型黑箱问题是AI制药面临的监管核心挑战，Recursion采用的是「分层解释」策略：

• 局部可解释性：对特定分子预测，提供特征重要性热力图（如原子贡献度），符合FDA“合理可解释”要求。

• 生物学佐证：将AI预测靶点匹配公共数据库，2024年提交的IND申请中，70%预测靶点找到文献佐证。

• 监管协作：参与FDA的AI/ML软件预认证计划，共享部分脱敏训练数据。但核心模型参数（如神经网络架构）仍作为商业秘密保护。

注意：欧盟AI法案将AI药物发现列为“高风险系统”，要求公开全量模型开发文档（含训练数据溯源），这迫使Recursion可能会调整欧洲市场策略（如转为合作主导模式）。

3. 新技术冲击与机遇（中风险）

护城河冲击风险

• 数据层：竞品通过AlphaFold3公共库补足蛋白结构数据，降低对私有数据依赖（Schrödinger成本降40%）。

• 算力层：NVIDIA BioTuring GPU开放销售，Recursion的BioHive超算无硬件独占性。

• 生成式AI：Diffusion模型输出分子类药性仅50%，且湿实验验证成本增加30%，实际降本增效未达预期。

Recursion技术增强策略

• 合作学习：与Tempus构建分布式训练网络，数据源扩至300+医院，但需支付1.6亿美元授权费给Tempus。

• 大语言模型（LLM）：Recursion的LOWE引擎允许科学家自然语言交互，将实验设计周期从周级压缩至小时级。拜耳肿瘤团队使用后，方案迭代效率提升5倍。

• 并购补强：2024年收购Exscientia，获得小分子精准设计能力和Exscientia全部管线权利，增强竞争优势。

💰百倍回报or泡沫归零？下篇：《木头姐的豪赌》揭秘Recursion会是下一个10倍股吗？