亿参数神珍科学多模态模型读懂DNA到气象

2026年7月19日，上海科学智能研究院在2026世界人工智能大会科学智能开放论坛上，正式发布了一项重磅成果——"神珍科学多模态基础模型"。这一底层超级大脑旨在支撑多领域的科学智能研究。命名灵感源自《西游记》中的天河定底神珍铁，寓意清晰：研发团队希望以相对精炼的模型形态，承载多样化的科学任务，同时吸引更多研究者参与检验、使用与共建。实际上，神珍正是今年3月面世的系统级科研智能体"大圣"的超级大脑。

从技术层面看，神珍的定位非常明确：同时覆盖物质科学、生命科学和地球科学等多个学科场景，并已阶段性实现跨领域科学知识的统一表征与多模态融合理解。模型总参数约110亿，体量适中，但关键在于其面向DNA、RNA、蛋白质、小分子、地球系统和医学影像六类科学数据，在统一模型中同时支持科学理解与多类结果生成。共享主干采用Qwen3-VL-8B，并针对每一类科学数据设计了专门的数据处理通路，在接入共享模型前，分别保留序列的先后关系、分子的连接结构、气象场的空间分布以及医学影像的局部细节。更实用的是，神珍可直接生成RNA序列、计算机可读的分子表示SMILES、全球气象场及医学影像分割结果——将理解与生成两种能力融合于同一框架。

开源与开放是这套模型的核心姿态。上智院已公开模型权重、推理代码、示例脚本及使用文档。研究者可通过星河启智科学智能开放平台下载模型或调用API，与平台上汇聚的1500多个科学模型及工具组合使用；也可在Hugging Face下载权重、在GitHub获取代码，共同参与建设开放的科学智能社区。

此次发布在WAIC2026科学智能开放论坛上举行。该论坛由世界人工智能大会组委会办公室指导，复旦大学与上智院联合主办，聚焦AI原生时代的科学闭环发现，汇聚众多知名科学家及一线青年产学研代表，深入探讨人工智能如何从方法论底层重构科学发现全流程，旨在构建开放协同的科学智能新生态。四位重量级科学家发表了主旨演讲，从不同维度为理解科学智能提供了全新视角。

诺贝尔化学奖得主、香港中文大学（深圳）教授阿里耶·瓦谢尔强调，AI必须建立在可靠的物理机制之上。图灵奖得主、蒙特利尔大学教授吉勒斯·布拉萨德则对量子计算在新材料发现等领域的潜力寄予厚望，并建议青年研究人员追随个人兴趣而非业界潮流——因为当下的研究发现，可能十年之后才能真正落地应用。

之江实验室主任、中国工程院院士王坚的分享围绕科学基础模型与科学整体性展开。他指出，科学智能的核心不在于论文文本，而在于数据；但当前基础模型仍建立在文本之上，未来需让科学数据成为科学智能的"原住民"——即把各学科数据词元化，纳入同一表征空间。他判断，AI正变得像数学一样基础，科研范式也将从STEM走向STE+MAP，即数学、AI与公共设施的结合，使科学重新成为一个整体。

美国国家科学院院士、普林斯顿大学教授范剑青以"智能科学和社会"为题，将AI概括为统计学习与优化决策的动态循环，并以社会经济测度、金融风控及大模型应用为例，阐释AI如何将数据转化为社会洞察。他强调，AI服务于经济社会发展，在推动智能体与科研创新的同时，也必须持续回应就业结构变化、教育转型、伦理安全以及人类能否保持有效控制等问题。

巅峰对话环节，与会嘉宾达成共识：AI原生时代的原始创新，关键在于人、数据、模型、实验与学术判断能否形成崭新的协同发现机制。这既需要科研基础设施的系统性升级，更需要一代科研工作者思维方式和能力结构的根本性重塑。

复旦大学特聘教授、上智院院长漆远点出了这场变革的终极想象。他表示，AI要从预测下一个Token走向发现未知规律，而AI发现未知科学规律将是超级智能的起点。这一进程的核心，在于通过压缩从高维空间运用和发现简洁机理，以及科学验证的高效闭环——这将促进数字与物理世界的结合，并催生新的模型架构。他特别提醒，真实的科研是包含文献、假设、数据、模型、仿真、实验及反馈的复杂长链条过程，科学智能领域正着力发展能够组织复杂研究流程的系统能力。

当110亿参数的神珍将六类科学数据收进同一个大脑，科学发现的形态，或许正在悄然改变。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：亿参数神珍科学多模态模型读懂DNA到气象要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题