一燊
一、技术原理
定义与核心机制：
Recursion 与 Exscientia 的结合，代表了“表型驱动 + 生成式AI”的新融合路径。
Recursion 的强项是 高通量细胞成像 + AI 表型识别，让算法能从数百万个细胞图像中提取“疾病表征模式”；
Exscientia 则擅长 分子生成模型 + 决策优化，能让 AI 在分子空间中精准找到与病理表型匹配的候选药物。
当这两者结合，就相当于让 AI 同时看得见“病”的形状，又能自动“画”出药的形状。
形象化比喻：
如果说传统制药像是医生靠经验对症下药，Recursion + Exscientia 就像让一台“视觉AI + 文本AI”的超级医生，用显微镜看病、用笔写药方，并且每次都会从结果中自我学习。
一句话本质：
从“AI辅助药物设计”到“AI主导疾病理解与分子生成”的双模闭环。
二、美国谁在做
代表企业：Recursion Pharmaceuticals × Exscientia Ltd.
Recursion
成立时间： 2013 年，美国盐湖城
核心技术： 高通量显微成像 + 深度学习表型分析
数据量级： 已积累超过 30PB 的细胞影像与分子反应数据，是全球最大“生物影像数据湖”
合作方： 与罗氏（Roche）、拜耳（Bayer）等药企长期合作
市值： 约 25 亿美元（NASDAQ: RXRX）
Exscientia
成立时间： 2012 年，英国牛津
核心技术： AI 分子生成、自动化实验验证、强化学习优化
代表成果： 3 款进入临床阶段的 AI 设计小分子药物
融资情况： 超过 8 亿美元，主要投资方包括 SoftBank Vision Fund、BlackRock
合作方： Sanofi、Bristol Myers Squibb 等
象征意义：
两家公司合体，意味着“数据规模 + 模型智能”正式融合，宣告 AI 制药行业从“技术碎片期”进入“数据帝国期”。
三、做到哪期
阶段： Recursion 已进入临床阶段（多款候选药），Exscientia 已有多项临床I/II期试验。
关键节点：
2024 年 Recursion 收购 Exscientia 的核心资产，整合为统一平台。
2025 年启动整合后的“BioOS”系统测试，目标是实现从细胞图像到候选分子的全流程 AI 自动化。
与罗氏合作的药物项目预计 2026 年提交IND申请。
阶段意义：
从“AI实验室”走向“AI主导临床研发”的关键过渡期。
四、为什么中国这里没做到
数据差距：
中国缺乏高质量的表型数据集，尤其是标准化细胞影像、病理切片、分子反应数据的积累。
算法生态断层：
国内AI制药公司多停留在分子生成或筛选层，缺乏像Recursion这样的大规模图像理解能力。
资本耐性不足：
Recursion花了十年堆数据，国内资本普遍要求三年回报周期，难以支撑这种重资产数据建设。
算力和数据合规：
生物影像数据需要极高算力和跨医院整合，现行数据保护法规使“数据出院”难度大。
跨界团队稀缺：
Recursion团队中既有制药博士，也有顶级AI工程师，而中国的“交叉型人才”仍是短板。
五、中国可以怎么补位 / 投资 / 合作
技术补位：
建立“中国版BioOS”，优先布局 AI 病理影像与药物表型映射数据库。
临床补位：
与大型医院合作，开放匿名化病理影像用于 AI 模型训练。
合作方向：
与 Recursion、Exscientia 共同开发针对中国罕见病、老年病的药物验证项目。
政策建议：
建立“科研级数据安全沙箱”，允许医疗AI在受控环境下访问临床图像。
资本策略：
鼓励母基金支持“AI药物发现+临床转化”的长期赛道，用国家级资金耐心培育数据资产。
长线价值：
表型数据是AI药物发现的“地球引力”，谁掌握数据重力场，谁就掌握了未来生物医药的创新方向。
S.L