一条抗体序列如何从计算机里的预测变成实验室中真正有效的候选分子？一副机翼如何从屏幕上的设计方案变成兼顾不同飞行状态的工程成果？这两个问题把AI带到了同一道门槛前：给出一个看起来合理的答案，和完成一项经得起验证的研究，是两回事。在华为HC大会上，“纳米抗体智造”与“民机总体与气动设计”两个案例让这道门槛变得具体起来，它们背后共同出现了openJiuwen ScienceDiscovery。

AI辅助科研的常见问题被归为两类：一是工具碎片化，文献阅读、假设提出、代码编写、实验试错、参数调优分散在不同平台，链条长、切换频繁；二是科研幻觉，复杂长链条任务容易出现文献引用失实、因果推导跳跃、实验流程造假等问题，破坏可复现性。ScienceDiscovery的评审与溯源设计，把输出产物关联到执行记录、引用证据和内容存储，而不只保留最终回答，让结论与证据建立可检查的联系。

科研不是一张预先知道所有步骤的流程表，同一目标可能对应多种假设，第一版方案失败后也可能需要退回之前的分岔口。ScienceDiscovery将文献阅读、假设提出、代码开发、实验试错和参数调优放进统一工作环境，解决流程断裂问题。判断科研智能体是否真正达到L4，不在于它能调用多少工具，而在于它能否接管一条完整科研链路：自主理解目标、组织计算与实验，并根据验证结果持续优化。

广州实验室联合华为，依托openJiuwen ScienceDiscovery、昇思MindSpore与昇腾算力，尝试把纳米抗体研发重构为一条自主运行、闭环迭代的智能工作流：智能体通过精准文献检索和知识图谱形成可追溯证据链，调用RFAntibody等SOTA生物模型完成表位分析、抗体从头设计、结构复评筛选及密码子优化，再由多个专业智能体协同完成计算调度和实验编排，将设计结果转化为可合成的核酸序列与可执行的湿实验方案，推动抗体研发从“算得出”走向“做得出、验得准、迭代快”。

商飞联合上海交大，基于openJiuwen ScienceDiscovery打造首个民机总体与气动设计智能平台“御风”，解析自然语言需求，串联总体方案设计、气动设计与预测、翼型高速设计、诊断与协同优化、方案对比与决策等流程。值得留意的是分工：大模型负责理解任务、组织步骤，真正面向分子设计与预测的工作由专业生物模型承担，不是让聊天模型凭语言经验“写出抗体”，而是让智能体调用合适的科学计算能力。