RECURSION PHARMACEUTICALS-A（RXRX）

产业链位置

• 链上坐标：chain-app / app，具体为 chain-app / AI drug discovery / TechBio platform；上游依赖云、模型、数据、医疗/法律/行业语料或视觉传感数据，下游嵌入专业工作流。17
• 与基础设施公司的差别在于，它不直接受益于 GPU ASP 上涨，而受益于客户把 AI 嵌入生产流程后形成的软件、服务、数据或交易量收入。2
• Recursion 位于药物发现工作流中游：上游是自动化湿实验、成像、多组学数据和计算平台，下游是自研管线、药企合作与临床/监管节点；价值要通过里程碑、管线推进和现金 runway 验证。7
• 上游第一层是算力与云服务；第二层是模型/算法框架；第三层是私有数据、标注数据、监管许可和业务系统接口。18
• 下游客户采购逻辑通常不是“买 AI”，而是降低审查成本、提高诊断效率、提升翻译/法律/工程/交通工作流吞吐量或满足监管可追溯。3
• 因此收入质量要看合同是否经常性、能否续费、部署是否扩张、客户是否从试点转为生产，而不是新闻稿里的 AI 关键词数量。24
• 若公司只披露项目制收入而不披露 ARR/续费率/留存率，本文把可持续性降级处理，并在跟踪指标中列为核心缺口。2
• 产业链映射结论：这是 AI 应用层中“垂直数据 + 专业工作流”的公司，弹性来自渗透率，风险来自客户预算、实施周期和合规责任。16

AI相关收入拆解

• AI 收入硬锚：Recursion OS、自动化实验、表型成像、多组学、低分子管线、Sanofi/Roche/Genentech 合作。；公司未把所有 AI 收入单列为独立分部时，本文只使用已披露业务线或事件作为 proxy。27
• 已披露财务：2025 年收入 7,470 万美元；净亏损 6.448 亿美元；经营现金流净流出 3.718 亿美元；现金及等价物 7.539 亿美元，管理层称现金 runway 至 2028 年初。 若该口径不是纯 AI 收入，本文不把集团收入全部等同于 AI 收入。23
• 收入拆解 A：软件/订阅/许可收入，优点是毛利较高、可续费，缺点是客户验证周期长；具体占比 [未充分披露]。2
• 收入拆解 B：项目/实施/专业服务收入，优点是能进入客户流程，缺点是人员交付和定制化会限制经营杠杆；具体占比 [未充分披露]。1
• 收入拆解 C：数据、模型分析、监管许可或平台使用费，优点是壁垒较强，缺点是披露粒度往往不足；具体毛利率 [未充分披露]。7
• 合作收入：2025 年收入包含 Roche/Genentech phenomap 里程碑和 Sanofi 合作相关贡献；这类收入是平台被外部药企验证的证据，但有里程碑节奏性，不能按经常性订阅收入外推。34
• AI 相关收入表：集团收入 2025 年收入 7,470 万美元；净亏损 6.448 亿美元；经营现金流净流出 3.718 亿美元；现金及等价物 7.539 亿美元，管理层称现金 runway 至 2028 年初。；AI 分部收入 [未充分披露/见上述 proxy]；AI 毛利率 [未充分披露]；AI 现金流 [未充分披露]。2
• 结论：AI 相关收入有真实业务线支撑，但分产品净收入、分客户贡献和续费结构仍需要持续跟踪。28

核心产品

• 核心产品组 1：Recursion OS、自动化实验、表型成像、多组学、低分子管线、Sanofi/Roche/Genentech 合作。。这些产品的共同点是嵌入行业工作流，而非面向泛消费者聊天入口。7
• 产品价值来自三层：输入数据的行业化、模型输出的可解释/可审核、最终决策流程中的责任边界。17
• Recursion OS 的商业化价值取决于两条路径：一是内部管线能否进入临床和产生资产价值，二是外部药企合作能否持续触发里程碑；平台本身的独立软件收入占比未充分披露。2
• 产品成熟度判断不能只看发布会，要看生产客户、监管许可、续费率、单位经济和实施后用量。34
• 对医疗/法律/工程/交通等高责任场景，AI 输出通常是辅助判断而不是替代最终责任人；合规披露必须保守处理。6
• 产品升级路径是从单点工具到平台化：数据接入、模型推理、任务编排、审计、权限和反馈闭环。7
• 竞争风险来自云厂商、通用模型、垂直 SaaS 大厂和客户自建；护城河必须落在专有数据与流程深度。1
• 未披露项：模型参数、训练数据来源、客户转化率、单客户 ACV、净收入留存、分产品毛利率。2

上下游

• 上游：云基础设施、GPU/CPU、数据库、行业数据、第三方模型、标注与专家校验；采购金额和供应商占比 [未充分披露]。5
• 上游约束一是算力成本，二是高质量数据供给，三是监管合规成本，四是模型供应商议价。6
• 中游：公司负责把模型与业务流程结合，包括数据清洗、模型调优、系统集成、权限、审计和客户成功。7
• 下游：企业、政府、医疗机构、法律/科研/工程/交通客户或行业渠道；单一客户收入占比 [未充分披露]，除非年报明确披露。1
• 客户采购预算可能来自 IT、合规、运营、研发或业务部门，不同预算口径决定销售周期和回款节奏。2
• 若产品需要监管许可或医院/政府招标，订单确认会滞后于产品发布，收入确认也可能滞后于中标/部署。3
• 供应链风险不是硬件断供，而是云成本、数据授权、模型合规、客户数据安全和实施人员产能。6
• 上下游结论：应用层 AI 的议价力取决于是否控制关键数据/工作流，而不是是否使用最新模型。7

同业与竞争格局

• 同业第一类是垂直 SaaS/专业数据库公司，它们有客户关系和工作流入口，可能把 AI 作为功能升级。1
• 同业第二类是通用模型与云平台，它们有算力和模型能力，但未必拥有行业责任链、私有数据和本地销售。6
• 同业第三类是专业服务/系统集成商，它们能承接项目，但软件复用率和毛利率通常低于纯订阅。2
• 竞争维度 1：模型精度、召回率、误报率、可解释性、审计日志和人机协作效率。7
• 竞争维度 2：销售周期、部署成本、续费率、客户成功能力和跨区域合规。3
• 竞争维度 3：数据权利和责任边界，尤其是医疗、法律、交通和工程场景。6
• 市场份额：公司未披露可核验的全球/区域 AI 应用份额，本文标为 [未充分披露]，不引用二级市场传闻。2
• 竞争结论：该公司具备垂直化标签，但是否有强护城河，要由复购、利润率和现金流证实。25

护城河

• 护城河 A：专有行业数据与历史案例库；若没有独占数据，模型能力很容易被通用模型追平。7
• 护城河 B：专家工作流嵌入，包括医生、律师、工程师、交通管理者或企业合规人员的日常系统。1
• 护城河 C：合规与认证，尤其是医疗 AI、法律数据库、公共部门和关键行业客户。6
• 护城河 D：经常性收入和客户续费；公司未披露完整 ARR/NRR 时，只能把续费能力作为待验证项。2
• 护城河 E：交付方法论和行业模板，能把一次性项目沉淀成可复用产品。7
• 反向护城河：如果收入主要来自人力项目，规模增长会带来人员成本和管理复杂度，经营杠杆有限。2
• 监管与临床转化是反向护城河：即使平台能更快发现靶点或候选物，临床失败、监管要求变化和合作方优先级调整仍可能使数据资产无法转化为收入。6
• 护城河结论：先看收入质量和利润率，再看技术叙事；技术没有商业闭环时不构成财务护城河。25

财务质量

• 趋势表：最新硬锚为 2025 年收入 7,470 万美元；净亏损 6.448 亿美元；经营现金流净流出 3.718 亿美元；现金及等价物 7.539 亿美元，管理层称现金 runway 至 2028 年初。。缺少分产品披露的字段一律列 [未充分披露]。23 | 指标 | 最新口径 | 质量判断 | |---|---:|---| | 收入 | 2025 年收入 7,470 万美元；净亏损 6.448 亿美元；经营现金流净流出 3.718 亿美元；现金及等价物 7.539 亿美元，管理层称现金 runway 至 2028 年初。 | 以公开披露为准，AI 纯度需拆分。 | | 毛利率 | 见披露/若未列则 [未充分披露] | 应用软件高毛利不等于公司整体高毛利。 | | 净利润 | 见披露/若未列则 [未充分披露] | 小型 AI 公司需区分一次性收益和主业利润。 | | 经营现金流 | 见披露/若未列则 [未充分披露] | 现金流比发布会更能验证产品化。 | | 资本开支 | [未充分披露] | 应用层通常轻资产，但收购/数据中心/研发设备另计。 |
• 杜邦拆解：ROE = 净利率 × 资产周转率 × 权益乘数；因公开材料未完整给出同口径资产负债表，本页只做框架，不硬算。5
• 逐季财务：2025Q4 收入 3,550 万美元、净亏损 1.081 亿美元、经营现金流净流出 4,610 万美元，较 2024Q4 的 1.154 亿美元经营现金流流出改善。 逐季表需以后续正式报告校准。35 | 期间 | 收入 | 利润/亏损 | 现金流 | 备注 | |---|---:|---:|---:|---| | 最近年度 | 见上文 | 见上文 | 见上文/未披露 | 公开财报硬锚。 | | 最近季度/半年度 | 2025Q4 收入 3,550 万美元、净亏损 1.081 亿美元、经营现金流净流出 4,610 万美元，较 2024Q4 的 1.154 亿美元经营现金流流出改善。 | [见披露] | [未充分披露] | 用于观察趋势，不替代年报。 | | 下一披露窗口 | [未充分披露] | [未充分披露] | [未充分披露] | 跟踪收入质量。 |
• 财务结论：收入增长必须与毛利率、费用率、现金流和客户留存同时验证；单一收入增速不能证明 AI 商业模式成熟。25

业绩传导

• 传导链条：AI 产品能力提升 -> 客户试点 -> 生产部署 -> 使用量/席位/许可扩张 -> 续费或追加采购 -> 收入确认。7
• 第一阶段通常体现在新闻、PoC、监管许可或合作签约；此阶段对收入贡献可能很小。3
• 第二阶段体现在合同额、收入增长、毛利率变化和应收账款；若只披露客户数不披露金额，财务弹性仍 [未充分披露]。2
• 第三阶段体现在现金流、续费率和净收入留存；这是应用层 AI 最关键的质量指标。5
• 成本传导包括云推理成本、专家审核成本、销售费用、合规费用和定制实施成本。6
• 利润弹性来自产品复用率提升和实施成本下降；若每个客户都高度定制，则收入增长未必带来利润率提升。2
• 现金流传导受合同预收、验收周期、政府/医院/企业付款条款影响，必须与收入增速分开看。5
• 业绩传导结论：该公司能否从 AI 主题变成 AI 利润池，核心看“可重复收入 + 现金流改善”。23

经营拆分与反证框架

本节只拆分经营驱动，不做价格、规模口径或市场口径推导。判断重点改为收入质量、毛利率、现金流、客户/订单、产能利用率和产品采用是否强化业务叙事。

风险

• 商业化风险：试点多、付费少，或部署后使用量不足，导致 AI 收入无法覆盖研发和销售费用。2
• 临床失败风险：AI 药物发现降低的是搜索和实验效率，不消除药物研发固有的安全性、有效性、剂量、入组和监管失败风险。5
• 客户集中风险：若少数大客户或项目贡献大部分收入，续约失败会造成季度波动；集中度 [未充分披露]。2
• 合作方风险：Roche/Genentech、Sanofi 等合作能带来里程碑和验证，但项目推进取决于合作方选择、预算和科学结果；合作收入可能不连续。6
• 数据与模型风险：表型成像和多组学数据库是核心资产，但数据偏差、可重复性、隐私合规和模型解释性不足会影响药物发现质量。6
• 财务风险：亏损、经营现金流为负、商誉减值、并购整合或融资稀释都可能影响长期价值。5
• 披露风险：分产品收入、毛利、客户留存、训练数据和模型指标未充分披露时，研究结论必须降级。2
• 市场风险：本文不讨论短线价格，所有风险仅服务于产业和财务质量判断。5

常见误读纠偏

• 误读 1：名字里有 AI 就等于高增长软件公司。纠偏：必须看收入、毛利、现金流、续费和客户生产部署。25
• 误读 2：发布一个模型或产品就等于收入确定。纠偏：应用层 AI 从产品发布到采购、部署、验收、续费之间可能相隔多个季度。3
• 误读 3：集团收入都应算 AI 收入。纠偏：除非公司明确单列，否则只能用披露分部或产品 proxy，不能全部归因于 AI。2
• 误读 4：高毛利行业软件一定有经营杠杆。纠偏：若项目定制化、实施人力和客户成功成本高，经营杠杆会被抵消。2
• 误读 5：医疗/法律/交通 AI 可替代专家。纠偏：公开材料通常强调辅助、提示、决策支持或工作流效率，最终责任边界仍需合规定义。6
• 误读 6：一次性合作里程碑等于可持续收入。纠偏：里程碑应从经常性收入中剥离观察。3
• 误读 7：未披露数据可以用行业平均填补。纠偏：本文不使用无来源倒推，缺口标 [未充分披露]。2
• 误读 8：把平台规模当成临床成功保证。纠偏：Recursion OS、自动化实验和多组学数据提高发现效率，但候选药物仍需完成临床和监管验证；平台能力不能直接写成确定药品收入。17