AI从给答案到做研究，华为HC大会揭示科研智能体新路径

一条抗体序列如何从计算机预测变成实验室中的有效候选分子？一副机翼设计方案怎样才能兼顾不同飞行状态并转化为工程成果？这些问题看似相隔甚远，却将人工智能（AI）推到了一个共同的门槛前：给出一个看起来合理的答案，与完成一项经得起验证的研究，是两件不同的事。

在华为2026年全联接大会（HC大会）上，两个具体案例让这一挑战变得清晰可见。广州实验室与华为合作的“纳米抗体智造”系统，以及商飞联合上海交大打造的“御风”民机总体与气动设计平台，都聚焦于如何让AI不仅‘更懂生物’或‘更懂空气动力学’，而是真正组织起研究所需的各个环节，使一个科学问题能够连续向前推进。

这两个案例背后，共同出现了一个名字：openJiuwen ScienceDiscovery。这是一个旨在构建科研智能体的平台，其核心目标是解决AI辅助科研时面临的两大难题：一是工具碎片化导致的研究链条长、切换频繁；二是科研幻觉——复杂任务中可能出现文献引用失实、因果推导跳跃、实验流程造假等问题，从而破坏研究的可复现性。

ScienceDiscovery 的解决方案在于，它将输出产物与执行记录、引用证据和内容存储关联起来，确保每一步结论都有据可查。同时，该平台允许研究过程中的‘走弯路’，因为科研本身就是一个不断试错、调整方向的过程。更重要的是，它试图打通从‘想到’到‘做到’的全流程，将文献阅读、假设提出、代码开发、实验试错和参数调优整合在一个统一的工作环境中。

以广州实验室的纳米抗体研发为例，他们依托 openJiuwen ScienceDiscovery、昇思 MindSpore 和昇腾算力，将原本分散的模型和实验重构为一条能够自主运行、闭环迭代的智能工作流。这个智能体通过精准文献检索和知识图谱形成可追溯的证据链，降低大模型幻觉的影响；调用 RFAntibody 等先进生物模型完成表位分析、抗体设计、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，最终生成可合成的核酸序列与可执行的湿实验方案。

同样，在商飞与上海交大的合作中，‘御风’平台解析自然语言需求，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，实现飞行器设计的快速闭环。这标志着传统高低速串行设计流程的改变，开启了全流速智能设计的新时代。

这些实践表明，科研智能体的成功关键不在于调用多少工具，而在于能否接管一条完整的科研链路：自主理解目标、组织计算与实验，并根据验证结果持续优化。正如曹小宝老师所言，达到 L4 水平的科研智能体需要具备这样的能力。

值得注意的是，这些系统的成功并非依赖单一的大模型，而是通用模型的理解与推理能力与专业工具、执行约束、证据记录和验证反馈的有机结合。这种分工协作模式，既发挥了大模型在任务理解和步骤组织上的优势，又利用了专业模型在特定领域内的高效计算能力。

展望未来，随着 AI 在科研领域的深入应用，我们有望看到更多类似‘从给答案到做研究’的突破，推动科学研究进入一个全新的智能化时代。