Recursion(RXRX)은 ‘실험을 데이터로 바꾼’ AI 신약 탐색 인프라 기업입니다
AI 인프라가 커질수록 진짜 가치가 커지는 기업들은 GPU를 만드는 회사가 아니라, 그 GPU를 “가장 비싸게 써먹는” 기업들입니다.
Recursion Pharmaceuticals(RXRX)는 그 대표 사례입니다. 이 회사는 신약을 개발하는 전통 바이오가 아니라, ‘실험 그 자체를 데이터화’하고, 그 데이터를 AI 학습 자산으로 만드는 플랫폼입니다.
즉, RXRX를 이해하는 핵심은 “어떤 약을 만들고 있나?”가 아니라, “실험을 어떻게 데이터 자산으로 바꾸고 있나?”입니다.
RXRX의 정체: “신약 개발”이 아니라 “생물학을 데이터셋으로 만드는 회사”
전통적인 제약사의 실험은 대부분 기록으로 남습니다. 숫자, 결과, 논문. 하지만 Recursion은 완전히 다른 접근을 합니다.
이 회사는 세포 실험을 할 때마다 초고해상도 이미지를 찍고, 그 이미지를 AI가 학습할 수 있는 형태로 축적합니다.
즉, RXRX는 실험을 할 때마다 “논문”이 아니라 AI 학습용 이미지 데이터셋을 생산합니다.
이 차이가 RXRX의 모든 해자의 출발점입니다.
해자 ① — ‘이미지 기반 생물학 데이터’라는 완전히 다른 자산
RXRX의 가장 강력한 자산은 후보 물질이 아닙니다. 수십억 장에 달하는 세포 이미지 데이터입니다.
이 데이터는 공개 데이터도 아니고, 실험 기록도 아닙니다. AI가 패턴을 학습할 수 있는 형태의 생물학 이미지 데이터입니다.
- 약물 투여 전/후 세포 변화 이미지
- 유전자 조작 후 세포 반응 이미지
- 질병 모델에서의 세포 형태 변화 데이터
이 데이터가 많아질수록 AI는 “이 세포 변화가 어떤 약물 반응을 의미하는지”를 더 정확히 학습합니다.
이건 후발주자가 돈으로 따라잡을 수 있는 영역이 아닙니다. 시간과 실험량으로만 축적되는 자산입니다.
해자 ② — 자동화 실험 공장 + AI의 결합 (실험 속도가 곧 해자)
RXRX는 실험실이 아니라 ‘실험 공장’에 가깝습니다. 로봇이 자동으로 세포를 배양하고, 약물을 처리하고, 이미지를 촬영합니다.
그리고 그 모든 데이터가 자동으로 AI 학습으로 들어갑니다.
- AI가 가설 제시
- 자동화 실험으로 검증
- 이미지 데이터가 다시 AI 학습
이 폐쇄 루프가 빠르게 돌아갈수록, RXRX의 데이터 자산은 기하급수적으로 커집니다.
즉, RXRX의 경쟁력은 “AI 모델”이 아니라 AI가 계속 똑똑해질 수밖에 없는 실험 시스템입니다.
해자 ③ — NVIDIA, Roche 등과의 협업: 데이터 가치에 대한 외부 검증
NVIDIA가 RXRX에 투자하고 협업하는 이유는 단순하지 않습니다. RXRX의 데이터셋은 GPU를 가장 ‘값지게’ 쓰는 사례이기 때문입니다.
Roche 같은 빅파마와의 협업 역시, RXRX의 플랫폼이 단순 연구가 아니라 실제 신약 탐색에 쓰일 수 있다는 검증입니다.
이 레퍼런스는 후발주자에게 매우 큰 장벽이 됩니다.
왜 경쟁사가 이 구조를 따라오기 어려운가
- 수십억 장의 세포 이미지 데이터
- 자동화 실험 공장 인프라
- AI + 실험이 결합된 폐쇄 루프
- 빅파마/엔비디아 레퍼런스
이 네 가지를 동시에 갖추는 것은 단순한 기술 문제가 아니라 수년의 운영과 누적이 필요한 영역입니다.
AI 인프라 관점에서 RXRX를 봐야 하는 이유
AI 데이터센터가 커질수록, AI가 실제 산업에 깊게 적용되는 기업의 가치가 올라갑니다. RXRX는 AI 연산력을 생물학 탐색이라는 고부가 영역에 연결했습니다.
그래서 RXRX는 바이오 멀티플보다, AI 기반 탐색 플랫폼이라는 관점으로 봐야 이해가 됩니다.
한 줄 정의: RXRX는 “약”이 아니라 “실험 생산라인”을 파는 회사다
대부분의 AI 신약 기업은 “AI가 똑똑하다”를 강조합니다. 그런데 RXRX의 핵심은 AI가 아니라 AI가 먹을 ‘훈련 데이터’를 공장처럼 찍어내는 시스템이에요.
RXRX는 세포에 유전자 조작(perturbation)을 가하고, 약물을 처리하고, 그 결과를 고해상도 이미지(phenomics)로 대량 수집합니다. 이 데이터를 통해 AI는 “이 세포의 변화 = 어떤 생물학적 경로/질병 기전/약물 반응”을 학습합니다.
여기부터가 진짜: 다른 AI 신약 기업들과 “구조적으로” 갈리는 5가지 차별점
차별점 ① 데이터의 결이 다르다: “분자(chemistry) 중심”이 아니라 “세포(phenomics) 중심”
AI 신약 영역은 크게 두 갈래로 나뉩니다.
- 분자 설계(chemistry-first): 어떤 분자를 만들지(생성형 모델/도킹/구조 기반)에서 출발
- 세포/표현형(phenomics-first): “세포가 어떻게 변했는지”에서 출발해 기전/타깃/후보를 역으로 좁힘
RXRX는 후자입니다. 즉 “이 분자가 예쁘게 생겼다”보다, “세포가 이렇게 바뀌면 실제로 병이 이렇게 움직인다”를 데이터로 잡아내는 쪽이에요. 그래서 RXRX는 타깃 발굴/기전 규명 단계에서 강해질 수밖에 없는 구조를 갖습니다.
차별점 ② ‘실험’이 병목이 아닌 회사다: 자동화가 아니라 “산업화(industrialized)”에 가깝다
많은 AI 바이오가 “우리는 자동화 실험실이 있어요”라고 말하지만, 실제로는 실험이 병목이 됩니다. RXRX는 AI → 실험 → 데이터 → AI 루프를 “빨리 도는 정도”가 아니라, 처음부터 ‘공장형’으로 설계해서 데이터 생산이 핵심 KPI가 됩니다.
차별점 ③ 모델이 아니라 ‘플라이휠’이 해자다: 데이터 생성이 곧 방어력
요즘 모델은 따라잡힐 수 있어요. 문제는 데이터입니다. 특히 RXRX가 쌓는 데이터는 단순한 표(테이블)가 아니라 대규모 세포 이미지 + 조건(약물/유전자/시간/농도) 라벨이 붙은 형태라 “재구축” 비용이 비정상적으로 큽니다.
그래서 RXRX의 해자는 “모델 성능”이 아니라, 데이터를 계속 생산할 수밖에 없는 운영 구조(플라이휠) 자체입니다.
차별점 ④ 컴퓨트 전략이 ‘시연용’이 아니다: BioHive-2는 그냥 홍보가 아니라 생산설비다
대부분 기업은 “AI를 쓴다”에서 끝나는데, RXRX는 컴퓨트를 ‘생산설비(capex)’처럼 쌓는 회사로 가고 있습니다. 즉 GPU는 비용이 아니라 데이터/모델 생산량을 끌어올리는 레버예요.
차별점 ⑤ 범위 확장 방식이 명확하다: ‘세포 데이터(발굴)’ + ‘분자 설계(설계)’를 합치려 한다
“세포 기반 탐색”만 강하면, 후보를 실제 약으로 최적화하는(화학/설계) 단계에서 다시 외주/파트너 의존이 커질 수 있습니다. 그래서 RXRX는 엔드-투-엔드(end-to-end) 쪽으로 확장하려는 움직임을 보입니다.
그럼 ‘다른 AI 신약 기업’과 비교하면, RXRX는 어디서 이기는가?
딱 이렇게 보면 이해가 빨라요.
| 구분 | RXRX(Recursion) | 일반적 AI 신약 회사(전형) |
|---|---|---|
| 출발 데이터 | 세포 이미지(phenomics) + perturbation 라벨 | 논문/공개데이터/화학 구조/오믹스 테이블 |
| 핵심 강점 구간 | 타깃 발굴·기전 규명·표현형 기반 탐색 | 분자 설계(생성형)·도킹·가상 스크리닝 |
| 해자 형태 | 데이터 생산 플라이휠(운영 구조) | 모델/알고리즘(상대적으로 모방 가능) |
| 병목 | 컴퓨트/실험을 스케일링 설비로 취급 | 실험/데이터 수급에서 멈추는 경우 많음 |
현실 체크(중요): “AI로 약이 바로 나오나?”는 아직 아니다
여기서 투자자들이 가장 많이 착각하는 부분이 있어요. AI가 신약을 “만들어준다”는 환상이죠.
현실은 이렇게 정리됩니다.
- AI는 후보를 줄이고, 실패를 빨리 찾고, 탐색 속도를 올리는 도구다
- 임상은 여전히 길고, 확률게임이고, 인체에서 많은 게 깨진다
그래서 RXRX를 볼 때도 “AI 약이 언제 승인되나”만 보시면 안 되고, 데이터/실험/컴퓨트의 생산성이 계속 올라가고 있는가를 핵심으로 보셔야 합니다.
FAQ
RXRX는 결국 어떤 종류의 AI 회사인가요?
“모델 회사”라기보다, 세포 실험을 대규모 이미지 데이터로 생산하고 그 데이터로 AI를 반복 학습시키는 ‘실험-데이터-컴퓨트’ 인프라 회사에 가깝습니다.
RXRX의 차별점 1개만 꼽으면?
공개 데이터에 기대는 게 아니라, ‘세포 이미지(phenomics) 데이터’를 공장처럼 자체 생산하는 구조(플라이휠)입니다.
그럼 리스크는 뭔가요?
임상은 여전히 고난도이고, 데이터/실험 스케일업이 비용을 동반합니다. 그래서 “성과(파이프라인/파트너십/검증)”가 비용 증가 속도를 따라가는지가 핵심 체크포인트입니다.
