设计蛋白质开始像和研究员对话：天鹜科技把“晓鹜”带到 WAIC

哇哦AI

天鹜科技在 WAIC 2026 官方企业目录使用的品牌图。 来源：WAIC 2026 官方企业目录

研发一种新蛋白质，前面往往先要查文献、翻专利、找序列，再反复设计和实验。任何一步的信息没有接上，后面的实验成本都会被放大。

WAIC 2026 上，天鹜科技展示了对话式蛋白质研发智能体 MatwingsVenus，中文名“晓鹜”。研究人员可以用自然语言提出目标，让系统协助完成资料检索、候选设计和实验计划衔接。

它想接住从查资料到做实验的整段流程
天鹜科技官网显示，晓鹜覆盖行业研究、文献与专利检索、蛋白质数据查询、功能设计和实验协同。它不是只给出一条序列，而是把设计依据和后续验证放在同一任务里。

对研究团队来说，这种工作流的价值在于减少信息搬运：一次设计为什么被选中、参考了哪些资料、实验结果怎样回到下一轮，都可以围绕同一项目整理。

产品背后使用蛋白质序列数据和模型，但自然语言界面不会消除生物实验。候选结果仍需要专业人员检查，并通过真实实验确认稳定性、活性和安全性。

厂商公布的提速数字不能直接当作所有项目结果
WAIC 相关报道提到研发周期、样本量和成功率的明显改善，这些数据来自公司对自身项目的介绍。不同蛋白质目标、数据基础和实验条件差异很大，不能把一组数字套到所有研发任务。

更有参考价值的问题是：系统能否展示候选的证据、失败实验是否会被记录、同一流程能否在下一批任务复用。研发人员需要知道模型为什么给出建议，而不是只收到一个排名。

涉及药物、食品或农业产品时，后续还要经过各自的验证和监管流程。AI 可以缩小候选范围，但不会跳过实验、质量控制和审批。

先从一个边界清楚的蛋白质任务验证
团队可以选择已有历史数据的目标，比较晓鹜给出的检索结果、候选排序和实验方案是否覆盖已知结论，再观察它能否发现有用的新线索。

测试时应保存输入数据版本、模型输出、人工修改和实验结果。只有这些环节能互相追溯，智能体才可能成为研发记录的一部分，而不是又一个一次性问答窗口。

晓鹜已经在 WAIC 公开展示，天鹜官网也提供产品与研究信息。下一步值得关注的是开放范围、数据保密方式、实验系统接口和独立复现案例。

想继续了解
• 天鹜科技官网
• 天鹜科技：晓鹜亮相 WAIC 2026
• 36氪：MatwingsVenus 产品信息
• 新浪财经：晓鹜 WAIC 展示
• WAIC 2026 官方企业目录