华为 openJiuwen 发布 Jiuwen Symbiosis，打通大模型与实验室物理设备的执行链路
物理智能体（让大模型直接操作真实设备的系统）如何把实验方案落到实验台上，这篇用华为的落地案例讲清了感知、编排、记忆与安全护栏的设计。
大模型能写出可行的实验方案，却很难自己把方案跑完。华为 openJiuwen 团队以电催化实验为例，用 Jiuwen Symbiosis 物理智能体连接大模型与底层设备：先感知实验台和设备状态，再按设备能力动态编排任务，执行后校验结果并据此重新规划，同时记录可回放的执行轨迹、设置动作安全护栏。
正文摘录
.jpg) 如何把屏幕上罗列的实验流程准确变成一连串的实际操作？这个问题直指 AI 科研落地的核心门槛：AI 能够输出可行的实验方案，却很难自主完成整套线下实操。 华为 openJiuwen 团队联合算力平台公共事业中队，以电催化场景为例，打通了大模型与底层物理设备之间的交互，成功将设计的实验方案下发到物理设备上执行。其中，保障大模型操作物理设备的关键底座之一，便是 openJiuwen 旗下的 Jiuwen Symbiosis 物理智能体。 这一落地案例，也为我们打开窗口，进一步阐释 Jiuwen Symbiosis 面向自动化科研实验室的通用技术能力。  一、湿实验 为什么是 AI 科研难落地的一环 以一条常规实验指令为例：“按方案 B 配制三组溶液，60℃搅拌两小时后开展光谱表征。” 在数字空间中，这条描述看似清晰完备。但落到真实实验台，它会被拆解为多项物理动作：取容器、开盖、称量、移液、物料混合、加热台控温…… 每一步都需要由对应的设备或具身机器人执行。