Recursion：Ai制药转型biotech，还值得投资吗？
Recursion正处于一个关键的验证期。其技术平台在效率和规模上具有显著优势，但并非万能。公司的未来成败，不再取决于其生成了多少TB的数据或发布了多少篇论文，而将完全系于其核心临床资产（如REC-4881）
1. 战略转型：从“Tech-Bio”到“Clinical Execution”
背景：公司正经历领导层变动，重心从构建庞大的AI/自动化平台转向推动临床管线取得成果。
影响：工程文化演变：并未完全停滞平台开发，但资源明显向临床项目倾斜，部分非核心的“蓝天研究”项目被砍掉。OPEX削减：为支持昂贵的II期临床试验，公司进行了裁员和成本控制，使组织更加精简高效。
2. 技术平台的真实能力与局限性
A. 50PB数据集的角色： 主要作为安全过滤器（safety filter），用于预测分子的基因表达和潜在毒性，而非直接“生成”新药。它能告诉研究人员“什么不该做”，但不能完全指导“如何创造”。
B. Exscientia整合： 整合过程被描述为“即插即用”（plug-and-play），成功地将Exscientia的模块化、图形化药物设计工具统一到Recursion OS中，解决了此前工具分散的问题。
C. 自动化合成的现实： 尽管营销称“AI设计，机器人制造”，但现实中约50%的AI生成分子仍需人工化学家手动调整合成路线才能成功制备。
D. 细胞模拟的局限： 专家明确指出，当前生物学的复杂性使得“全细胞数字孪生”不切实际。Recursion的成功更多依赖于大规模数据聚合来发现模式，而非真正的模拟。
3. 核心技术亮点：Boltz-2模型
定位： 一个用于预测小分子-蛋白质结合亲和力（binding affinity）的AI模型。
优势：成本效益： 相比传统的自由能微扰（FEP+）等方法，计算成本降低1000倍。准确性： 在结合亲和力预测上，能达到与昂贵物理模型相当或更具竞争力的准确度。
局限：专注性强： 主要针对结合亲和力，对于溶解度、渗透性等其他ADMET性质的预测能力有限。选择性预测是盲点： 模型在预测药物对靶点的选择性（避免脱靶效应）方面仍是主要短板。
4. 临床进展的最大风险
I期 vs II期鸿沟： 专家认为，凭借其强大的安全预测模型，Recursion的管线通过I期（毒性）。
最大不确定性： II期（疗效）。动物模型到人体的转化存在巨大不确定性，这是所有创新药企都面临的“高风险彩票”，Recursion也无法幸免。$Recursion(RXRX)$ $Schrodinger(SDGR)$ $晶泰控股(02228)$