Recursion(RXRX)的競爭不是只和「AI 製藥公司」比模型,而是同時面對三種不同類型對手:AI 分子設計平台、計算化學軟體公司、以及大型藥廠內部研發能力。其真正差異化,在於以自動化濕實驗持續生成資料,再訓練 AI 模型並回饋到自有管線的「資料—實驗—模型」閉環。
主要競爭對手與定位
| 類型 |
代表對手 |
核心強項 |
與 Recursion 的主要差異 |
| AI 原生藥物研發平台 |
Insilico Medicine、Isomorphic Labs、XtalPi、insitro |
生成式分子設計、靶點發現、特定模態或自動化實驗 |
多數聚焦於分子設計或特定技術環節;Recursion較強調大規模表型資料與全流程整合 |
| 計算化學/軟體平台 |
Schrödinger |
物理模擬、計算化學軟體、訂閱收入與既有客戶基礎 |
軟體商業模式較成熟、收入相對可預期;Recursion則承擔較多自有臨床管線風險 |
| 大型藥廠自建 AI |
跨國藥廠內部 AI 團隊 |
資金、臨床開發、法規與商業化資源 |
藥廠可自行內化 AI 能力,降低外包需求;但通常缺乏 Recursion 長年累積的大規模自動化表型資料工廠 |
| 抗體/大分子 AI 平台 |
AbCellera、Absci、Generate 等 |
抗體篩選、蛋白設計與大分子開發 |
Recursion目前核心仍偏小分子、腫瘤及罕病;在抗體與其他新型態藥物的直接競爭力相對不是主場 |
Recursion 的優勢
1. 資料規模與自動化濕實驗閉環
Recursion 的護城河不只是演算法,而是自行運轉的資料工廠:以高通量細胞實驗、影像、轉錄體、化學及病人資料持續生成專有多模態資料,再用模型提出假設、回到實驗驗證。公司揭露平台資料規模約 65PB,其中約 40PB 屬專有資料;這類包含實驗結果與失敗訊號的資料,通常比公開資料更難複製。
相較只用公開資料訓練模型、或偏向單次專案服務的 AI 公司,這個閉環若能持續提高命中率,會有累積效應:每完成一輪實驗,理論上都讓下一輪靶點、化合物與病人分層的判斷更準。
2. 從生物學洞察到臨床的整合範圍較廣
Recursion 不只做虛擬篩選或分子生成,也涵蓋表型組學、靶點驗證、化學設計、ADMET、自動化實驗與臨床試驗設計。這種端到端布局的優點,是可將平台能力同時服務自有管線與合作案,而不是只在單一環節收取軟體或服務費。
公司目前有多個臨床或接近臨床的自有專案,包含 FAP 的 REC-4881、CDK7 抑制劑 REC-617、RBM39 降解劑 REC-1245、MALT1 專案 REC-3565 等。REC-4881已出現息肉負擔下降的早期臨床訊號,是市場檢驗其平台能否導向真實臨床價值的重要案例。
3. 合作驗證及里程碑收入可分攤研發成本
公司與多家大型藥廠合作,並已累計取得超過 5 億美元的合作現金流入;合作模式通常包含前期款、研發里程碑及潛在權利金。這使 Recursion 在自有管線尚未商業化之前,仍可透過外部專案驗證平台並補貼研發支出。
此外,併入 Exscientia 後,Recursion 補強了生成式化學與精準設計能力;原本偏重「從生物學找答案」的平台,能更完整地延伸到「把答案設計成可開發分子」的階段。
4. 罕病與腫瘤的組合有風險分散效果
罕病適合資料導向的病人分群與自然病程研究,也可能具備較清楚的法規途徑;腫瘤則有較大的商業空間。Recursion將兩者並行,能避免完全押注於單一治療領域,但仍須以各管線的臨床可重複性決定最終價值。
Recursion 的劣勢與競爭壓力
1. 最大弱點仍是臨床驗證,而不是 AI 能力
AI 能提升靶點發現、候選分子篩選與實驗效率,但不能自動解決人體療效、安全性與病人異質性問題。整個產業已累積許多早期 AI 專案,但能進到後期臨床的資產仍很少;這代表市場最終看的是「AI 是否提高成功率」,不只是「能否更快找到分子」。
因此,Recursion 雖有龐大資料和平台故事,估值能否上修仍高度取決於 REC-4881、REC-617、REC-1245 等專案的臨床讀出,而非資料量本身。部分產業分析也指出,AI 製藥競爭已從模型能力轉為專有資料、濕實驗能力與管線成果的整合競爭。
2. 自有管線模式使現金消耗與稀釋風險較高
相對於以軟體授權為主、能產生訂閱收入的競爭者,Recursion選擇持有更多自有藥物權益,成功時上行空間大,但也必須自行負擔臨床試驗成本與失敗風險。
公司截至 2025 年底的現金、約當現金及受限現金為 7.55 億美元,並預期資金可支應至 2027 年底;但這項展望包含合作相關的風險調整後現金流。這意味著,合作里程碑能否如期實現、公司是否維持支出紀律,對未來融資與股本稀釋風險相當關鍵。
3. 商業收入的認列節奏容易波動
Recursion現階段沒有成熟產品銷售,收入較依賴合作案的前期款與里程碑。這類收入通常不是穩定按季成長,而是取決於合作方決策、專案推進與特定付款節點。
相較之下,以軟體訂閱為主的競爭對手,雖然未必有更高的藥物成功上行空間,但收入可預測性通常較佳。對 RXRX 而言,營收波動不必然等於平台失效,但會提高市場評價的不確定性。
4. 模型與算力本身逐漸商品化
開源模型、雲端算力與蛋白質結構預測工具持續進步,使「有 AI 模型」不再是足夠的差異化。Recursion雖推出開源模型並有自建算力和專有資料優勢,但若同業也建立高效率自動化實驗室,或大型藥廠把 AI 導入內部流程,技術門檻可能逐步下降。
所以真正值得觀察的不是模型宣傳,而是:
- 是否持續產生難以外購的專有實驗資料;
- 能否將資料轉化為更高的候選藥物成功率;
- 是否能在臨床上證明病人選擇、試驗設計或療效具有可量化優勢。
與幾個代表性對手相比
相對 Schrödinger:Recursion強在自動化生物實驗、表型資料與自有管線整合;弱在缺少規模化、較穩定的軟體訂閱收入。Schrödinger的物理模擬與軟體客戶基礎,讓其商業模式較接近「工具供應商」;Recursion則更像高風險、高報酬的研發資產持有者。
相對 Insilico Medicine:雙方都是平台加管線模式,也都主打 AI 加速研發。Recursion較重視表型資料、自動化實驗與疾病生物學映射;對手則較著重生成式 AI 的靶點發現與分子設計。勝負不會只由模型決定,而要看誰先把平台效率轉成可重複的臨床成功。
相對 Isomorphic Labs:對手在蛋白質結構與生物分子建模上具技術與資本優勢;Recursion的相對優勢則是公開可見的多項臨床資產、實驗資料工廠與合作成果。前者偏「結構生物學與設計」的深度,後者偏「表型生物學、資料生成與驗證」的廣度。
相對大型藥廠:Recursion的速度、組織聚焦及資料平台可能優於傳統研發流程;但大型藥廠擁有更豐富的臨床、法規、製造、商業化與資本資源。這使Recursion最合理的定位未必是完全取代藥廠,而是透過合作,成為其外部創新與早期研發引擎。
投資上最重要的結論
Recursion的核心優勢是:有能力把 AI、資料、自動化濕實驗、設計與臨床開發串成一個可持續學習的平台。
核心弱點則是:這套平台尚未靠核准藥物或後期臨床成功完全證明能提高人體試驗成功率,且財務仍依賴合作里程碑與資本市場支持。
因此,RXRX不適合用傳統本益比評價;較適合以「臨床催化劑 + 平台合作變現 + 現金跑道」三條線追蹤。若REC-4881的註冊路徑與後續療效資料持續改善,並且其他腫瘤專案提供清楚的早期人體訊號,資料平台的價值才可能從題材進一步轉為可驗證的資產價值。