Recursion

Recursion 是一家药物发现公司，特点是把自动化实验室实验与计算结合起来。它不靠人工挑出少数几个假设逐个验证，而是以工业化的规模做实验，再用实验产生的数据训练模型，让模型指向可能有希望的治疗方向。公司把自己的平台 Recursion OS 描述为覆盖从靶点识别（target identification）一直到临床试验入组（clinical trial enrolment）的完整路径^[2]。

成立与早期融资

Recursion 成立于 2013 年 11 月 5 日^[1]。2016 年 9 月，它完成由 Lux Capital 领投的 A 轮融资；2017 年 9 月完成由 DCVC 领投的 B 轮融资^[1]。2019 年 2 月，Baillie Gifford 领投了 C 轮^[1]。2020 年 9 月，公司同时宣布与拜耳（Bayer）建立合作，以及由 Leaps by Bayer 领投的 2.39 亿美元 D 轮融资^[1]。

这条融资路线本身是研究型创业公司的常见路径：早期靠风险投资把技术搭起来，后面的轮次由更大的机构出钱，用来扩大规模。不那么常见的是融资与合作的绑定——同一条消息里既有产业合作方，也有领投方，钱和科学关系是一起到的^[1]。

上市与大型药企合作

2021 年 4 月 16 日完成首次公开募股（IPO）后，Recursion 以 RXRX 为代码在纳斯达克开始交易^[1]。上市对药物发现公司的意义在于，它多了一个不完全依赖某一次合作或某一个临床结果的资金来源，代价是要接受公开市场按季度审视。

2021 年 12 月，公司宣布与罗氏（Roche）和基因泰克（Genentech）在神经科学和肿瘤学领域开展为期多年的合作^[1]。这类协议通常的交换是：平台公司获得大药企的临床开发能力和疾病领域经验，大药企获得平台的使用权。双方押注的其实不是某一个化合物，而是发现方法本身。

实验室、数据集与算力

公司称，其自动化实验室每周最多可运行 200 万次实验，并已产出超过 50 PB（petabyte）的专有数据集^[2]。为什么要做到这个规模？理由在统计上。机器学习模型在有大量带标注的样本时表现更好，而在生物学里，样本的供给受限于实验能跑多快、记录能有多一致。把实验自动化同时解决这两个问题：通量上去了，测量又以统一的方式产生，因而可以直接当作训练数据使用。

Recursion 也不是什么都自己造，一部分能力是买来的。2023 年 5 月，它收购了 Cyclica 和 Valence，以补充数字化学（digital chemistry）和生成式人工智能（generative AI）方面的能力^[1]。2024 年 3 月，它完成了 BioHive-2，并称其为制药行业最大的超级计算机^[1]。算力投入是数据策略的必然延伸：用 PB 级实验数据训练的模型，既需要机器来训练，也需要机器来运行预测。

把这些动作连起来看，是一个闭环：实验产生数据，数据训练模型，模型提出下一批实验，自动化负责执行。公司称 Recursion OS 覆盖从靶点识别到临床试验入组的全过程，说的就是它打算在这个闭环上覆盖多长的链条^[2]。

与 Exscientia 合并及管理层变动

2024 年 11 月 20 日，Recursion 完成了与 Exscientia 的合并^[1]。把两家都在计算与药物发现交叉地带工作的组织合到一起，要整合的不只是研发管线，还有软件、实验室运营和科研人员，而这通常是这类交易中最费时间的部分。

2026 年 1 月 1 日，Najat Khan 出任首席执行官兼总裁，联合创始人 Chris Gibson 转任董事会主席^[1]。创始人从管理岗位退到董事会、由外部人接手日常运营，对一家从「搭平台」走向「运营一个更大合并组织」的公司来说是常见的过渡。

位置

Recursion 的经历相当集中地记录了一种押注：生物学可以被当作数据问题来处理，能生成最多、最干净的实验数据的公司，会比只依赖个人洞察的公司更快找到药。一轮轮融资、上市、与大型药企的合作、收购，直到最后的合并，都是把这个押注放到更大规模上去做的步骤。规模能否最终转化为获批药物，公司自己的材料并没有回答；它记录下来的是为回答这个问题所做的建设——实验室、数据集、算力与合作关系。