Shenzhens 11-Milliarden-Parameter-Wissenschaftsmodell debütiert in Shanghai und integriert sechs Datentypen, um Felder von der DNA bis zum Wetter zu verbinden

Am 19. Juli stellte das Shanghai Institute for Scientific Intelligence auf dem Scientific Intelligence Open Forum während der World Artificial Intelligence Conference 2026 ein grundlegendes Superhirn vor: das Shenzhen Scientific Multimodal Foundation Model. Dieses Modell wurde entwickelt, um multidisziplinäre wissenschaftliche Forschung zu unterstützen und seinen Namen aus der „Göttlichen Perle aus Eisen“ aus der klassischen chinesischen Erzählung „Reise nach dem Westen“ ableitend. Das Entwicklungsteam strebt an, dass dieses offene Modell verschiedene wissenschaftliche Aufgaben effizient bewältigt, um einer breiteren Forschergemeinde die Teilnahme an Tests, Nutzung und gemeinsamer Entwicklung zu ermöglichen. Es fungiert als das „Große Heilige“ System-Level Intelligent Research Agent und wurde Anfang März zusammen mit seinem Superhirn eingeführt.

Technisch gesehen integriert Shenzhen Disziplinen wie Materialwissenschaft, Lebenswissenschaften und Erdwissenschaften und erreicht eine stufenweise einheitliche Darstellung von domänenübergreifendem wissenschaftlichem Wissen sowie multimodales Verständnis. Mit etwa 11 Milliarden Parametern unterstützt das Modell das wissenschaftliche Verständnis und die Generierung von Ergebnissen mehrerer Typen für sechs verschiedene Datenkategorien: DNA, RNA, Proteine, kleine Moleküle, Erdsysteme und medizinische Bilder, alles innerhalb eines einzigen Rahmens. Unter Verwendung von Qwen3-VL-8B als gemeinsamem Kern nutzt das Modell dedizierte Datenverarbeitungspfade für jede der sechs wissenschaftlichen Datentypen. Vor der Verbindung zum gemeinsamen Modell bewahrt es die Sequenzreihenfolge, molekulare Verbindungsstrukturen, räumliche Verteilung von Wetterfeldern und lokale Details medizinischer Bilder. In der Praxis kann Shenzhen direkt RNA-Sequenzen, computergerechte molekulare Darstellungen (SMILES), globale Wetterfelder und Segmentierungsergebnisse medizinischer Bilder generieren und integriert so Verständnis- und Generierungsfähigkeiten in einen kohärenten Rahmen.

Open Source und Zugänglichkeit sind zentrale Elemente dieses Modells. Das Shanghai Institute for Scientific Intelligence hat Modellgewichte, Inferenzcode, Beispielskripte und Nutzungsdokumentation veröffentlicht. Forscher können das Modell herunterladen oder über die Xinghe Qizhi Scientific Intelligence Open Platform auf APIs zugreifen und es zusammen mit über 1.500 wissenschaftlichen Modellen und Tools nutzen, die auf der Plattform verfügbar sind. Darüber hinaus sind die Gewichte auf Hugging Face verfügbar, wobei der Code auf GitHub gehostet wird, was eine kollaborative offene wissenschaftliche Intelligenzgemeinschaft fördert.

Diese Veröffentlichung erfolgte während des Scientific Intelligence Open Forums auf der WAIC2026. Geführt vom Büro des Organisationskomitees der World Artificial Intelligence Conference und veranstaltet von der Fudan University und dem Shanghai Institute for Scientific Intelligence, konzentrierte sich das Forum auf die geschlossene Entdeckung in der AI-nativen Ära. Es versammelte renommierte Wissenschaftler und junge Vertreter aus Industrie, Akademie und Forschung, um zu diskutieren, wie künstliche Intelligenz den gesamten wissenschaftlichen Entdeckungsprozess auf methodischer Ebene umstrukturieren könnte, mit dem Ziel, ein offenes und kollaboratives wissenschaftliches Intelligenz-Ökosystem zu schaffen. Vier herausragende Wissenschaftler hielten Keynote-Vorträge und boten unterschiedliche Perspektiven auf wissenschaftliche Intelligenz.

Professor Arie Y. K. Wachter, Nobelpreisträger für Chemie und Professor an der Chinese University of Hong Kong, Shenzhen, betonte, dass KI auf zuverlässigen physikalischen Mechanismen basieren muss. Professor Gilles Brassard, Turing Award-Gewinner und Professor an der University of Montreal, äußerte hohe Erwartungen an das Potenzial der Quantencomputing in Bereichen wie der Entdeckung neuer Materialien und riet jungen Forschern, ihren Interessen statt Industrietrends zu folgen, da aktuelle Forschungsergebnisse möglicherweise erst nach einem Jahrzehnt vollständig realisiert werden könnten.

Wang Jian, Direktor des Zhejiang Lab und Akademiker der Chinese Academy of Engineering, teilte seine Ansichten über wissenschaftliche Grundmodelle und die Wissenschaft im Allgemeinen. Er bemerkte, dass wissenschaftliche Intelligenz in Daten und nicht in Texten von Papieren liegt, doch aktuelle Grundmodelle bleiben textbasiert. Er argumentierte, dass wissenschaftliche Daten die natürlichen Bewohner der wissenschaftlichen Intelligenz werden sollten, was bedeutet, dass Daten aus verschiedenen Disziplinen tokenisiert und in einen gemeinsamen Repräsentationsraum integriert werden sollten. Er glaubt, dass KI so grundlegend wie Mathematik wird und das Forschungsparadigma von STEM zu STE+MAP verschiebt – die Integration von Mathematik, KI und öffentlicher Infrastruktur – wodurch die Wissenschaft vereinheitlicht wird.

Professor Jianqing Fan, Mitglied der U.S. National Academy of Sciences und Professor an der Princeton University, diskutierte intelligente Wissenschaft und Gesellschaft und definierte KI als einen dynamischen Zyklus aus statistischem Lernen und optimierter Entscheidungsfindung. Er erklärte, wie KI Daten in soziale Erkenntnisse verwandelt, und führte Beispiele wie sozioökonomische Messungen, Finanzrisikokontrolle und große Modellanwendungen an. Er betonte, dass KI zwar sozioökonomische Entwicklung unterstützt und intelligente Agenten sowie wissenschaftliche Innovation fördert, aber kontinuierlich Herausforderungen wie Veränderungen der Beschäftigungsstruktur, Bildungstransformation, ethische Sicherheit und die Aufrechterhaltung effektiver menschlicher Kontrolle angehen muss.

Während des Gipfeldialogs einigten sich die Teilnehmer darauf, dass ein Schlüsselfaktor für ursprüngliche Innovation in der AI-nativen Ära ist, ob Menschen, Daten, Modelle, Experimente und akademische Urteile einen neuen kollaborativen Entdeckungsmechanismus bilden können. Dies erfordert nicht nur systematische Upgrades in der Forschungsinfrastruktur, sondern auch eine grundlegende Transformation in den Denkmustern und Fähigkeitenstrukturen einer neuen Generation von Forschern.

Qi Yuan, speziell ernannter Professor an der Fudan University und Direktor des Shanghai Institute for Scientific Intelligence, skizzierte die ultimative Vision dieser Transformation. Er erklärte, dass KI sich von der Vorhersage des nächsten Tokens zur Entdeckung unbekannter Gesetze entwickeln sollte, wobei die Entdeckung dieser Gesetze den Beginn von Superintelligenz markiert. Der Kern dieses Prozesses beinhaltet die Komprimierung hochdimensionaler Räume, um prägnante Prinzipien aufzudecken, und die Erreichung eines effizienten wissenschaftlichen Verifikationsloops, der die Integration digitaler und physischer Welten sowie das Entstehen neuer Modellarchitekturen fördert. Er erinnerte die Teilnehmer daran, dass echte Forschung einen langen Prozess umfasst, der Literatur, Hypothesen, Daten, Modelle, Simulationen, Experimente und Feedback beinhaltet, und dass das Feld der wissenschaftlichen Intelligenz derzeit darauf fokussiert ist, systemische Fähigkeiten zur Organisation komplexer Forschungsprozesse zu entwickeln.

Während Shenzhen mit seinen 11 Milliarden Parametern sechs Arten wissenschaftlicher Daten in einem einzigen Geist konsolidiert, könnte die Form wissenschaftlicher Entdeckung leise neu geschrieben werden.