El modelo de ciencia de 11B parámetros de Shenzhen se estrena en Shanghái, integrando seis tipos de datos para conectar campos desde el ADN hasta el clima

El 19 de julio, en el Foro Abierto de Inteligencia Científica durante la Conferencia Mundial de Inteligencia Artificial 2026, el Instituto de Inteligencia Científica de Shanghái presentó un modelo base fundamental: el Modelo Base Multimodal Científico de Shenzhen. Diseñado para apoyar la investigación científica multidisciplinaria, el modelo toma su nombre del «Perla Divina de Hierro» en Viaje al Oeste. El equipo de desarrollo espera que este modelo abierto pueda manejar diversas tareas científicas de manera eficiente, permitiendo una participación más amplia de los investigadores en pruebas, uso y desarrollo colaborativo. Actúa como el sistema inteligente de investigación a nivel de «Gran Sabio», lanzado a principios de marzo junto con su cerebro superinteligente.

Técnicamente, Shenzhen integra disciplinas como la ciencia de materiales, las ciencias de la vida y las ciencias de la Tierra, logrando una representación unificada por etapas del conocimiento científico interdisciplinario y la comprensión multimodal. Con aproximadamente 11 mil millones de parámetros, el modelo admite la comprensión científica y la generación de resultados de múltiples tipos para seis categorías distintas de datos: ADN, ARN, proteínas, moléculas pequeñas, sistemas terrestres e imágenes médicas, todo dentro de un único marco. Utilizando Qwen3-VL-8B como columna vertebral compartida, el modelo emplea rutas de procesamiento de datos dedicadas para cada uno de los seis tipos de datos científicos. Antes de conectarse al modelo compartido, preserva el orden de las secuencias, las estructuras de conexión molecular, la distribución espacial de los campos meteorológicos y los detalles locales de las imágenes médicas. En la práctica, Shenzhen puede generar directamente secuencias de ARN, representaciones moleculares legibles por computadora (SMILES), campos meteorológicos globales y resultados de segmentación de imágenes médicas, integrando eficazmente las capacidades de comprensión y generación en un marco cohesivo.

El código abierto y la accesibilidad son centrales en este modelo. El Instituto de Inteligencia Científica de Shanghái ha publicado los pesos del modelo, el código de inferencia, scripts de ejemplo y documentación de uso. Los investigadores pueden descargar el modelo o acceder a las API a través de la Plataforma Abierta de Inteligencia Científica Xinghe Qizhi, utilizándolo junto con más de 1.500 modelos y herramientas científicas disponibles en la plataforma. Además, los pesos están disponibles en Hugging Face, con el código alojado en GitHub, fomentando una comunidad colaborativa de inteligencia científica abierta.

Este lanzamiento tuvo lugar durante el Foro Abierto de Inteligencia Científica en WAIC2026. Guiado por la Oficina del Comité Organizador de la Conferencia Mundial de Inteligencia Artificial y organizado por la Universidad de Fudan y el Instituto de Inteligencia Científica de Shanghái, el foro se centró en el descubrimiento en ciclo cerrado científico en la era nativa de la IA. Reunió a científicos destacados y representantes jóvenes de la industria, la academia y la investigación para discutir cómo la inteligencia artificial podría reestructurar todo el proceso de descubrimiento científico a nivel metodológico, con el objetivo de crear un ecosistema de inteligencia científica abierto y colaborativo. Cuatro científicos distinguidos impartieron conferencias magistrales, ofreciendo diversas perspectivas sobre la inteligencia científica.

El profesor Arie Y. K. Wachter, laureado con el Premio Nobel de Química y profesor en la Universidad China de Hong Kong, Shenzhen, enfatizó que la IA debe estar fundamentada en mecanismos físicos confiables. El profesor Gilles Brassard, ganador del Premio Turing y profesor en la Universidad de Montreal, expresó altas expectativas sobre el potencial de la computación cuántica en áreas como el descubrimiento de nuevos materiales, aconsejando a los jóvenes investigadores que persigan sus intereses en lugar de las tendencias industriales, ya que los resultados de la investigación actual pueden materializarse plenamente solo después de una década.

Wang Jian, director del Laboratorio de Zhejiang y académico de la Academia de Ingeniería de China, compartió sus puntos de vista sobre los modelos base científicos y la ciencia en general. Señaló que la inteligencia científica reside en los datos y no en los textos de los artículos, pero que los modelos base actuales siguen siendo basados en texto. Argumentó que los datos científicos deben convertirse en los habitantes nativos de la inteligencia científica, lo que significa que los datos de diversas disciplinas deben ser tokenizados e integrados en un espacio de representación común. Cree que la IA se está volviendo tan fundamental como las matemáticas, cambiando el paradigma de investigación de STEM a STE+MAP: la integración de matemáticas, IA e infraestructura pública, unificando así la ciencia.

El profesor Jianqing Fan, miembro de la Academia Nacional de Ciencias de EE. UU. y profesor en la Universidad de Princeton, discutió la ciencia inteligente y la sociedad, definiendo la IA como un ciclo dinámico de aprendizaje estadístico y toma de decisiones de optimización. Explicó cómo la IA transforma los datos en conocimientos sociales, citando ejemplos como la medición socioeconómica, el control de riesgos financieros y las aplicaciones de modelos grandes. Enfatizó que, aunque la IA sirve al desarrollo socioeconómico y promueve agentes inteligentes e innovación científica, debe abordar continuamente desafíos como los cambios en la estructura del empleo, la transformación educativa, la seguridad ética y el mantenimiento del control humano efectivo.

Durante el diálogo de la cumbre, los participantes llegaron a un consenso: un factor clave para la innovación original en la era nativa de la IA es si las personas, los datos, los modelos, los experimentos y el juicio académico pueden formar un nuevo mecanismo de descubrimiento colaborativo. Esto requiere no solo actualizaciones sistemáticas en la infraestructura de investigación, sino también una transformación fundamental en los patrones de pensamiento y las estructuras de capacidad de una nueva generación de investigadores.

Qi Yuan, profesor especialmente nombrado en la Universidad de Fudan y director del Instituto de Inteligencia Científica de Shanghái, esbozó la visión final de esta transformación. Declaró que la IA debe evolucionar desde predecir el siguiente token hasta descubrir leyes desconocidas, y que el descubrimiento de estas leyes marca el comienzo de la superinteligencia. El núcleo de este proceso implica comprimir el espacio de alta dimensión para descubrir principios concisos y lograr un ciclo eficiente de verificación científica, promoviendo la integración de los mundos digital y físico y la emergencia de nuevas arquitecturas de modelos. Recordó a los asistentes que la investigación real implica un proceso largo que incluye literatura, hipótesis, datos, modelos, simulaciones, experimentos y retroalimentación, y que el campo de la inteligencia científica se centra actualmente en desarrollar capacidades sistémicas para organizar procesos de investigación complejos.

A medida que Shenzhen, con sus 11 mil millones de parámetros, consolida seis tipos de datos científicos en una sola mente, la forma del descubrimiento científico puede estar siendo reescrita silenciosamente.