선전의 11B 파라미터 과학 모델이 상하이에서 데뷔하며, DNA부터 기상 예측에 이르기까지 다양한 분야를 연결하기 위해 6가지 데이터 유형을 통합합니다.

7월 19일, 2026 세계 인공지능 컨퍼런스(WAIC)의 과학 지능 오픈 포럼에서 상하이 과학 지능 연구소는 기초 슈퍼 브레인인 선전 과학 다중 모달 기초 모델을 소개했습니다. 다학제간 과학 연구를 지원하도록 설계된 이 모델은 서유기 속의 ‘신주철(神珠鐵)’에서 이름을 따왔습니다. 개발팀은 이 오픈 모델이 다양한 과학 작업을 효율적으로 처리하여 더 많은 연구자들이 테스트, 사용 및 협력 개발에 참여할 수 있도록 하는 것을 목표로 합니다. 이 모델은 3월 초 슈퍼 브인과 함께 출시된 ‘대성(Great Sage)’ 시스템 수준의 지능형 연구 에이전트 역할을 합니다.

기술적으로 선전은 재료과학, 생명과학, 지구과학 등 여러 학문을 통합하여 도메인 간 과학 지식의 단계적 통합 표현과 다중 모달 이해를 달성했습니다. 약 110억 개의 파라미터를 갖춘 이 모델은 DNA, RNA, 단백질, 소분자, 지구 시스템, 의료 이미지라는 여섯 가지 서로 다른 데이터 범주에 대해 단일 프레임워크 내에서 과학적 이해와 다중 유형 결과 생성을 지원합니다. 공유 백본으로 Qwen3-VL-8B를 활용하는 이 모델은 여섯 가지 과학 데이터 유형 각각에 대해 전용 데이터 처리 경로를 사용합니다. 공유 모델에 연결되기 전에 이 모델은 순서, 분자 연결 구조, 기상장 공간 분포, 의료 이미지의 국부적 세부 사항을 보존합니다. 실용적으로 선전은 RNA 서열, 컴퓨터 판독 가능한 분자 표현(SMILES), 전역 기상장, 의료 이미지 분할 결과를 직접 생성할 수 있으며, 이해와 생성 능력을 하나의 일관된 프레임워크로 효과적으로 통합합니다.

오픈 소스와 접근성은 이 모델의 핵심입니다. 상하이 과학 지능 연구소는 모델 가중치, 추론 코드, 예제 스크립트 및 사용 설명서를 공개했습니다. 연구자들은 싱허 치즈(Hehe Qizhi) 과학 지능 오픈 플랫폼을 통해 모델을 다운로드하거나 API에 접근하여, 플랫폼에서 이용 가능한 1,500개 이상의 과학 모델 및 도구와 함께 이를 활용할 수 있습니다. 또한 가중치는 Hugging Face에서, 코드는 GitHub에서 호스팅되어 협력적인 오픈 과학 지능 커뮤니티를 조성합니다.

이번 공개는 WAIC2026의 과학 지능 오픈 포럼에서 이루어졌습니다. 세계 인공지능 컨퍼런스 조직위원회 사무국의 지도 하에 복단대학교와 상하이 과학 지능 연구소가 공동 주최한 이 포럼은 AI 네이티브 시대의 과학 폐쇄형 발견에 중점을 두었습니다. 산업계, 학계, 연구 기관의 저명한 과학자와 젊은 대표자들이 모여 방법론적 수준에서 인공지능이 전체 과학 발견 과정을 어떻게 재구조화할 수 있는지 논의하며, 개방적이고 협력적인 과학 지능 생태계 조성을 목표로 했습니다. 네 명의 저명한 과학자가 기조 연설을 통해 과학 지능에 대한 다양한 관점을 제시했습니다.

홍콩중문대학교 선전 캠퍼스 교수이자 노벨 화학상 수상자인 아리에 야크 바흐터(Arie Y. K. Wachter) 교수는 인공지능이 신뢰할 수 있는 물리적 메커니즘에 기반해야 한다고 강조했습니다. 몽트리올 대학교 교수이자 튜링상 수상자인 질 브라스사드(Gilles Brassard) 교수는 신소재 발견 등 분야에서 양자 컴퓨팅의 잠재력에 대해 높은 기대감을 표명하며, 젊은 연구자들에게 산업 동향보다는 자신의 관심을 추구할 것을 조언했습니다. 그는 현재의 연구 성과가 완전히 실현되기까지 10년이 걸릴 수 있다고 언급했습니다.

저장 연구소 소장이자 중국 공학원 학사인 왕젠(Wang Jian)은 과학 기초 모델과 과학 전반에 대한 자신의 견해를 공유했습니다. 그는 과학 지능은 논문 텍스트가 아닌 데이터에 존재하지만, 현재의 기초 모델은 여전히 텍스트 기반이라고 지적했습니다. 그는 과학 데이터가 과학 지능의 원주민이 되어야 하며, 즉 다양한 학문의 데이터가 토큰화되어 공통 표현 공간에 통합되어야 한다고 주장했습니다. 그는 인공지능이 수학만큼 근본적인 것이 되면서 연구 패러다임이 STEM에서 수학과 인공지능, 공공 인프라의 통합인 STE+MAP로 전환되어 과학을 통일한다고 믿습니다.

미국 국립과학원 회원이자 프린스턴 대학교 교수인 지안칭 판(Jianqing Fan) 교수는 지능형 과학과 사회에 대해 논의하며, 인공지능을 통계적 학습과 최적화 의사결정의 동적 순환으로 정의했습니다. 그는 인공지능이 데이터를 사회적 통찰력으로 변환하는 방식을 설명하며, 사회경제적 측정, 금융 리스크 관리, 대규모 모델 적용 등의 예를 제시했습니다. 그는 인공지능이 사회경제적 발전에 기여하고 지능형 에이전트 및 과학 혁신을 촉진하지만, 고용 구조 변화, 교육 전환, 윤리적 보안, 효과적인 인간 통제 유지와 같은 과제에 지속적으로 대응해야 한다고 강조했습니다.

정상 대화 동안 참가자들은 다음과 같은 합의에 도달했습니다. AI 네이티브 시대의 원천 혁신의 핵심 요인은 사람, 데이터, 모델, 실험, 학문적 판단이 새로운 협력 발견 메커니즘을 형성할 수 있는지 여부입니다. 이는 연구 인프라의 체계적 업그레이드뿐만 아니라 새로운 세대 연구자들의 사고 패턴과 능력 구조의 근본적인 전환을 요구합니다.

복단대학교 특별 초빙 교수이자 상하이 과학 지능 연구소 소장인 치위안(Qi Yuan)은 이러한 전환의 최종 비전을 제시했습니다. 그는 인공지능이 다음 토큰을 예측하는 것을 넘어 미지의 법칙을 발견하도록 진화해야 하며, 이러한 법칙의 발견이 슈퍼 인텔리전스의 시작을 알린다고 밝혔습니다. 이 과정의 핵심은 고차원 공간을 압축하여 간결한 원리를 밝혀내고 효율적인 과학 검증 루프를 달성하며, 디지털 세계와 물리적 세계의 통합 및 새로운 모델 아키텍처의 출현을 촉진하는 것입니다. 그는 참석자들에게 실제 연구는 문헌, 가설, 데이터, 모델, 시뮬레이션, 실험, 피드백을 포함하는 긴 사슬 과정이며, 현재 과학 지능 분야는 복잡한 연구 과정을 조직하기 위한 체계적 능력 개발에 중점을 두고 있다고 경고했습니다.

110억 개의 파라미터를 갖춘 선전이 여섯 가지 과학 데이터를 하나의 지성에 통합함에 따라, 과학 발견의 형태가 조용히 재작성될 수 있습니다.