AI 相关业务深度拆解

Recursion 的 AI 相关性来自 AI产业链 中的 AI制药、计算生物学与自动化实验平台 节点。它不是抽象的“AI 应用”，而是下游 AI 基础设施、模型部署、自动化、能源系统或空间/工业场景中必须被采购、接入、认证或长期运营的一部分。真实卡位要拆成三层：第一，产品是否直接进入 AI 相关项目；第二，AI 是否提高单项目价值量或交付频次；第三，公司是否能把该增量留在利润表和现金流里。

单平台价值量：在该公司场景中，价值量应按 单个企业客户的席位、API 调用、协议对象、边缘推理量、数据留存和安全策略数量 来理解。这个口径比“AI 市场空间”更窄，但更可审计。若 company-rich 未披露单客户、单机柜、单项目或单管线价值量，本文不填具体数字；后续只能通过订单、分部收入、客户描述、毛利率、库存和资本开支侧面验证。

1. Recursion OS：AI 制药操作系统 收入来源是 通过药企合作、里程碑、潜在版税和内部管线资产价值体现。；当前状态是 公司核心平台，整合数据、模型、自动化实验和项目管理。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

2. BioHive：面向药物发现的 AI 超算与数据平台 收入来源是 不单独作为商品销售，支撑内部研发效率和合作项目交付。；当前状态是 与 NVIDIA 生态深度相关，持续用于模型训练和大规模生物化学关系搜索。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

3. 表型组学与自动化实验平台：高通量细胞成像、实验自动化和数据生成体系 收入来源是 形成差异化数据资产，支撑合作收入和自有管线发现。；当前状态是 平台壁垒核心，需通过临床和合作项目持续证明。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

4. LOWE 与内部 AI 工具：面向科学家的生成式/交互式药物发现工具 收入来源是 主要提升内部研发和合作项目效率，间接体现在研发杠杆和交付能力。；当前状态是 用于将模型能力嵌入研发流程。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

5. 内部临床与临床前管线：小分子候选药物组合 收入来源是 未来可能通过自研商业化、授权、合作里程碑或版税变现。；当前状态是 临床阶段和临床前项目并行推进，价值高度依赖读出。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

6. 药企合作项目：Roche、Bayer、Sanofi 等合作研发组合 收入来源是 前付款、研发付款、里程碑和潜在版税构成非稀释资金来源。；当前状态是 是平台商业验证的重要外部信号。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

增长驱动不是单因子。AI 需求上行首先传导到下游客户预算，再传导到采购、项目排期、认证和验收，最后才进入收入。对 Recursion 来说，最强驱动是产品与客户流程已经耦合，客户扩容时不愿意重新认证；最弱驱动是公司只处在外围供应或概念合作，订单随预算波动而来、也会随预算收缩而去。

天花板：天花板取决于开发者采用、企业付费意愿、平台生态、数据权限和单位推理成本，而不是简单的 AI 访问量。 这意味着估值不能只看 TAM。更实用的天花板公式是：

AI proxy = 下游真实部署量
         × 单项目/单平台价值量
         × 公司可获得份额
         × 交付与认证成功率
         × 可持续毛利率

替代风险：替代风险来自超大云厂商捆绑、开源模型与自建工作流、微软/Adobe/Salesforce 等系统入口，以及客户把 AI 能力视为基础功能后压价。 如果替代风险开始出现，早期信号通常不是收入立刻下降，而是新订单周期变长、价格让步、毛利率低于收入增速、客户要求二供、存货和应收先变差。

产业链位置

company-rich 对产业链问题的原始提问是：Recursion在AI产业链依赖谁、被谁依赖、和谁竞争？ 这一定义很关键，因为它把公司放回供需网络，而不是把公司孤立成一个“AI 标签”。

上游

名称	角色
NVIDIA	为大规模模型训练、图像表型分析和 BioHive 超算提供 GPU 与 AI 计算生态。
Thermo Fisher Scientific	实验室仪器、试剂、自动化设备和生命科学工具链上游。
Danaher	生命科学仪器、成像、自动化和实验耗材供应链代表。
Amazon Web Services	云计算、数据存储、工程管道和部分计算资源的基础设施来源。
10x Genomics	单细胞与空间组学工具链代表，支撑更丰富的生物数据输入。

上游的研究重点是约束项。NVIDIA、Thermo Fisher Scientific、Danaher、Amazon Web Services 等上游角色会影响交付、成本、合规和可靠性。若上游供应紧张，公司可能拿到更高 ASP，也可能因为关键部件、能源、劳动力、云算力或矿石/材料不足而无法确认收入。判断上游影响时，应看采购周期、库存策略、长期协议和价格转嫁机制，而不是只看公司订单。

下游

名称	角色
Roche	大药企合作方和潜在管线商业化伙伴，依赖平台发现候选药物和新靶点。
Bayer	制药合作伙伴，关注平台在疾病生物学、靶点发现和候选分子筛选中的应用。
Sanofi	药物发现和研发合作生态中的下游需求方，代表大药企外部创新预算。
临床研究机构与医院网络	承接候选药物临床试验执行、患者入组和疗效安全性验证。

下游决定需求质量。Roche、Bayer、Sanofi、临床研究机构与医院网络 等客户或场景的预算来自 AI 训练/推理、数据中心建设、工业自动化、电网扩容、国防航天、企业软件、生命科学或关键资源安全。若下游需求是长期合同、监管支持或客户核心生产系统，收入质量更高；若下游需求来自一次性试点或资本市场融资，波动性更大。

竞品

名称	角色
Schrodinger	计算化学、分子模拟和药物设计软件平台竞争者。
Exscientia	AI 药物设计与自动化药物发现竞争者，强调算法驱动的候选分子设计。
Relay Therapeutics	结合蛋白动态学和计算平台的小分子药物研发竞争者。
Isomorphic Labs	DeepMind 体系下的 AI 药物发现平台竞争者，模型和大药企合作资源强。
BenevolentAI	知识图谱、AI 靶点发现和药物研发平台竞争者。

竞品决定价值分配。Schrodinger、Exscientia、Relay Therapeutics、Isomorphic Labs 并不一定在每个产品线上都正面竞争，但它们会在客户预算、技术路线、交付能力、价格和服务上形成压力。正确的份额分析必须按产品、区域、客户和项目类型分层，不能用“公司规模更大/更小”直接判断输赢。

竞争格局与市场份额

公司/平台	定位	竞争边界
Recursion Pharmaceuticals	以大规模表型组学、自动化实验、AI 模型和临床管线组成 TechBio 平台。	核心差异是自建数据工厂和实验闭环，强调从生物图谱到候选药物的工业化发现。
Schrodinger	计算化学软件、物理建模和药物发现服务/管线并行。	软件商业化更成熟，偏分子模拟和结构驱动；Recursion 更偏表型数据和生物系统发现。
Relay Therapeutics	结构生物学、蛋白动态和计算设计驱动的小分子药企。	更像聚焦管线的计算药企，Recursion 平台属性和合作网络更突出。
Insilico Medicine	生成式 AI、靶点发现和小分子设计平台。	生成式模型叙事更强；Recursion 的差异在实验数据闭环和自有表型数据库。
BenevolentAI	知识图谱、文献和多源数据驱动的药物发现平台。	更偏知识发现和药物再定位，Recursion 更依赖自有实验生成数据。
Exscientia	AI 设计小分子和自动化药物设计平台。	并入 Recursion 后补强分子设计和临床资产，但整合成效仍需项目读出验证。

竞争格局的第一层是同产品竞争：客户在相同技术、相同预算和相同交付窗口中选择供应商。第二层是替代路线竞争：客户可能用不同架构、不同能源方案、不同软件平台或不同外包模式解决同一个问题。第三层是资本开支竞争：即使公司产品有价值，也要与客户预算中的 GPU、服务器、土地、电力、网络、软件、人力和安全支出争夺优先级。

份额判断不写伪精确数字。company-rich 没有披露公司在 AI 项目中的具体份额，本文就不写“全球份额 X%”。可以写的是相对竞争态势：若公司有客户认证、可靠交付、长期服务和成本优势，它能在项目扩容中保持位置；若竞争者通过更完整平台、更低价格或更强生态绑定客户，公司份额会被压缩。

供应链情景表能帮助判断竞争的方向：

环节	上行情景	下行情景
生物与化学数据生成	自动化实验吞吐提升、表型数据与临床数据连接更紧，平台的差异化数据资产更难被复制。	数据噪声、批次效应或外推失败暴露，可能削弱模型发现靶点和候选分子的可信度。
AI 模型与计算基础设施	基础模型和多模态建模改善靶点发现、命中物筛选、ADMET 预测与患者分层效率。	算力成本上升、模型效果边际递减或公开模型追平内部能力，会压缩平台溢价。
湿实验闭环验证	AI 假设能被快速实验验证，形成数据-模型-实验的闭环复利。	候选分子在体外有效但体内或毒理失败，平台效率优势会被临床前瓶颈抵消。
药企合作与里程碑	合作项目进入更后期阶段并触发里程碑，证明平台可为大药企持续创造候选资产。	合作方终止项目、降低承诺或内部化 AI 能力，会削弱外部收入和平台背书。
内部临床管线	关键项目出现明确临床信号，市场会把 Recursion 从工具平台重新定价为兼具管线价值的 TechBio。	多个项目连续读出失败，尤其是机制和模型假设相关失败，会直接挑战平台叙事。
资本与经营节奏	平台合作现金流、管线取舍和整合协同改善，能延长验证窗口并减少稀释压力。	现金消耗高于合作回款和融资能力，可能迫使公司削减项目或以不利条件融资。

竞争态势判断：Recursion 的真实对手不是所有 AI 公司，而是在 AI制药、计算生物学与自动化实验平台 这一层争夺客户预算的厂商。若未来几个季度出现订单扩张、毛利率稳定、项目交付按期、FCF 不恶化，说明竞争压力可控；若收入增长但毛利率/现金流同步走弱，说明公司可能在用价格或资本开支换份额。

护城河

技术/产品护城河：核心证据来自 Recursion OS 及相邻产品线的客户验证。对 AI制药、计算生物学与自动化实验平台 来说，技术壁垒不是口号，而是稳定性、认证、交付、能耗/成本、可靠性和与客户流程耦合的综合结果。若产品只停留在样机、评估或一次性项目，护城河要打折；若能跨客户复用，护城河才会体现为更稳定的毛利率和更低的获客成本。

规模/交付护城河：FY2025 FY 收入：US$74.7M（SEC XBRL companyfacts）；毛利率 GM：5.0%（FY2025 FY）；营业利润率 OPM：-867.9%（FY2025 FY）；自由现金流 FCF：-US$378.3M（FY2025 FY） 这些财务锚点说明公司已有披露口径下的经营底盘，但规模不是天然护城河。规模只有在采购、工程、服务、渠道、监管或项目管理上形成成本曲线优势时，才会转化为利润质量。

客户认证护城河：下游包括 Roche、Bayer、Sanofi、临床研究机构与医院网络。这些客户或场景通常重视可靠性、合规、交付和长期服务，切换供应商存在验证成本；但客户集中、议价和二供也是同一枚硬币的另一面。

生态/数据护城河：公司位于 AI产业链 链条中，能从上游供给、下游需求和竞品动作中看到项目节奏。若这种信息优势能转化为新品迭代和库存/产能纪律，它会改善现金流；若只转化为扩张冲动，则会抬高资本开支和运营风险。

财务护城河复核：FY2025 FY 毛利率 5.0%，毛利 US$3.7M；FY2025 FY 营业利润率 -867.9%，营业利润 -US$648.1M；FY2025 FY 净利率 -863.4%，净利润 -US$644.8M。护城河最终要回到财务质量：收入增长、毛利率、营业利润率、净利率、FCF 与资本开支方向必须互相印证。

护城河也要有反证。若竞争者能在短周期内复制产品并通过客户认证，技术护城河就不强；若规模扩大不能带来采购、交付或服务效率，规模护城河就不强；若客户集中导致议价权转移，客户绑定反而可能变成利润率压力；若资本开支持续高于经营现金流而没有长期订单支撑，所谓增长会变成资产负担。

因此，本文对 Recursion 的护城河判断是有条件的：它必须通过季度桥、订单质量、客户复购、产品扩展和现金流共同验证。只要其中两到三个指标持续背离，就应把公司从“AI 产业链稀缺节点”下调为“受益于周期但缺乏定价权的供应商/服务商”。

误读纠偏 / 风险与证伪

1. 把公司全部收入都视作 AI 收入，是第一类误读。本文只承认 AI 暴露，不把未披露分部改写成会计收入。
2. 把单季收入增长等同于长期份额提升，是第二类误读。真正需要验证的是订单、客户复购、毛利率、现金流和资本开支回报。
3. 把产业链位置等同于不可替代，是第三类误读。上游、下游和竞品都可能通过二供、内制或架构变化改变价值分配。
4. AI 制药平台的前期指标容易被命中率、数据规模和合作金额放大，但最终价值仍取决于临床安全性、有效性和监管路径。
5. Recursion 处于高研发投入阶段，现金消耗、融资环境、并购整合和管线取舍会显著影响股权价值，但这些不等同于平台科学假设已经被证伪。
6. 多个由 Recursion 平台发现或优化的临床项目连续未显示机制相关疗效信号，且失败原因指向靶点或患者选择假设错误。
7. Roche、Bayer、Sanofi 等核心合作方公开终止或大幅缩小合作范围，且没有同等级新合作补位。
8. 公司披露平台数据生成速度或模型命中率停滞，同时研发费用和计算成本继续上升。
9. Tempus 临床数据合作无法带来患者分层、肿瘤项目选择或临床入组效率改善的公开证据。
10. Exscientia 整合后未形成更强的生成式化学、自动化设计或临床管线协同，反而导致项目削减和组织摩擦。
11. 同业或大药企内部 AI 平台以更低成本产出同等质量候选药物，削弱 Recursion 数据闭环的稀缺性。

反证框架

若收入增长 + 毛利率稳定/上行 + FCF 改善 + 客户复购/长期合同增加：
  AI 产业链卡位被验证。

若收入增长 + 毛利率下行 + FCF 恶化 + 存货/应收/项目成本上升：
  需求可能真实，但公司议价权或交付质量不足。

若订单延迟 + 客户转向二供 + 技术路线变化 + 管理层降低指引：
  原 thesis 被公开信号推翻，应重新评估产业链位置。

跟踪指标

频率	指标	为什么重要
季度	收入、毛利率、营业利润率、净利率、FCF	验证 AI 需求是否转化为利润和现金
季度	订单、backlog、项目验收、客户复购	判断收入的领先性和可持续性
季度	存货、应收、预付款、capex	识别低质量增长和项目延期
年度	客户/供应商集中度、分部披露	判断议价权和真实 AI 暴露
事件	技术路线、监管、出口管制、费率/许可、临床或任务节点	判断 thesis 是否被外部条件改变

尽调问题清单

问题	期待看到的证据	若无法回答如何处理
Recursion 的 AI 相关收入是否可给区间？	分部、订单、客户场景或管理层定性口径	只用 AI proxy，不提高估值权重
AI制药、计算生物学与自动化实验平台 的单项目价值量是否提升？	BOM、合同范围、项目规模、续费或复购	不写具体数字，保留定性
毛利率变化是否来自 AI mix？	产品 mix、价格、良率、项目执行、成本转嫁	若无法拆分，按集团毛利率验证
客户集中度是否上升？	年报客户集中度、应收、backlog、长期合同	假设集中度风险存在
上游供给是否限制交付？	关键部件/资源/能源/云算力/劳动力交期	下修收入确认节奏
竞品是否通过二供进入？	客户认证、招标结果、价格变化	下修份额和毛利率
capex 或研发投入是否有订单支撑？	客户预付款、长期协议、项目里程碑	提高现金流折扣
哪些公开信号会推翻 thesis？	管理层指引、订单延期、客户流失、监管/技术路线变化	触发重新评级产业链卡位

主要来源

[1] company-rich 本地结构化数据：recursion-pharmaceuticals，含 identity/thesis/products/chain_position/peer_compare/financial_quality/quarterly_bridge [2] 公开年报/产业公开资料 [3] SEC XBRL companyfacts via holdings.db；official；as of 2026-06-24；https://data.sec.gov/ [4] ARK日频 holdings via holdings.db；fund_holdings；as of 2026-06-24；https://ark-funds.com/ [5] SEC Form 4 via holdings.db；official；as of 2026-06-24；https://www.sec.gov/edgar/search/ [6] SEC 13F holdings via holdings.db；official；as of 2026-06-24；https://www.sec.gov/edgar/search/