让 AI 设计抗体或机翼，难点不是先给出一个漂亮答案，而是把答案送进计算、仿真或实验，再根据结果继续修改。ScienceDiscovery 想做的，正是把文献检索、专业模型、代码、实验和反馈接成一条工作流，让 AI 从聊天助手变成科研 Agent——能规划步骤、调用工具并组织验证的系统。
据 InfoQ 报道，平台用“记忆图谱”保存任务链和引用链：前者记录调用过什么工具、生成过哪些代码与文件，后者把报告中的判断连回证据和文献。这样，研究者能从一句结论追到执行日志，而不是只看到最终答案。广州实验室的纳米抗体案例会串联 RFDiffusion、ProteinMPNN、Protenix 等专业模型；民机设计平台“御风”则让不同流速下的设计与评估并行协同，报道所引数据称设计迭代效率提升 3～5 倍。
这两个案例说明，科研 AI 的竞争点正在变化：不只是“会不会生成”，而是能否留下可检查、可复现的证据链，并形成验证反馈。可追溯仍不等于结论正确，最终判断依然要靠真实计算和实验。