深圳11B参数科学模型在上海亮相，整合六种数据类型，打通从DNA到气象的多个领域

7月19日，在2026世界人工智能大会“科学智能开放论坛”期间，上海科学智能研究院发布了一款基础超级大脑：深圳科学多模态基础模型。该模型旨在支持多学科科学研究，其名称取自《西游记》中的“神珠铁”。研发团队希望这一开源模型能够高效处理各类科学任务，从而让更多研究人员参与到测试、使用及联合开发中。它作为“大圣”系统级智能科研代理，于3月初随其超级大脑一同发布。

在技术层面，深圳融合了材料科学、生命科学和地球科学等多个学科，实现了跨领域科学知识的阶段性统一表示和多模态理解。该模型拥有约110亿参数，支持对六种不同数据类别的科学理解和多类型结果生成：DNA、RNA、蛋白质、小分子、地球系统以及医学图像，且所有功能均集成在单一框架内。模型采用Qwen3-VL-8B作为共享骨干网络，并为六种科学数据类型分别配备了专用的数据处理路径。在接入共享模型之前，它会保留序列顺序、分子连接结构、气象场空间分布以及医学图像的局部细节。在实际应用中，深圳可以直接生成RNA序列、计算机可读的分子表示（SMILES）、全球气象场以及医学图像分割结果，有效地将理解与生成能力整合到一个连贯的框架中。

开源与可访问性是此模型的核心。上海科学智能研究院已发布模型权重、推理代码、示例脚本和使用文档。研究人员可以通过“星河启智”科学智能开放平台下载模型或通过API访问，并利用平台上提供的1500多个科学模型和工具。此外，模型权重已在Hugging Face上提供，代码托管于GitHub，旨在培育一个协作开放的科学智能社区。

此次发布正值WAIC2026“科学智能开放论坛”。在World Artificial Intelligence Conference组委会办公室的指导下，由复旦大学和上海科学智能研究院共同主办，该论坛聚焦于AI原生时代的科学闭环发现。会议汇聚了来自业界、学术界和研究机构的知名科学家及青年代表，共同探讨人工智能如何在方法论层面重构整个科学发现过程，旨在构建一个开放协作的科学智能生态系统。四位杰出科学家发表了主题演讲，提供了关于科学智能的多元视角。

香港中文大学（深圳）教授、诺贝尔化学奖得主Arie Y. K. Wachter教授强调，人工智能必须建立在可靠的物理机制之上。蒙特利尔大学教授、图灵奖得主Gilles Brassard教授对量子计算在新材料发现等领域的潜力表达了高度期待，并建议年轻研究人员追随自己的兴趣而非行业趋势，因为当前的研究成果可能在十年后才能完全显现。

浙江省实验室主任、中国工程院院士王建分享了关于科学基础模型及科学整体的观点。他指出，科学智能存在于数据而非论文文本中，然而当前的基础模型仍以文本为主。他认为，科学数据应成为科学智能的“原住民”，即各学科的数据应被分词并整合到统一的表示空间中。他相信，人工智能正变得如同数学一样基础，研究范式正从STEM转向STE+MAP——即数学、人工智能与公共基础设施的融合——从而统一科学。

美国国家科学院院士、普林斯顿大学教授范建清教授探讨了智能科学与社会，将人工智能定义为统计学习与优化决策的动态循环。他解释了人工智能如何将数据转化为社会洞察，并列举了社会经济测量、金融风险控制以及大模型应用等案例。他强调，虽然人工智能服务于社会经济发展，促进智能代理和科学创新，但它必须持续应对就业结构变化、教育转型、伦理安全以及保持有效人类控制等挑战。

在峰会对话期间，与会者达成共识：AI原生时代原始创新的关键因素在于人、数据、模型、实验和学术判断能否形成新的协作发现机制。这不仅需要研究基础设施的系统性升级，还需要新一代研究人员思维模式和能力结构的根本性转变。

复旦大学特聘教授、上海科学智能研究院院长祁渊概述了这一转型的最终愿景。他表示，人工智能应从预测下一个词元演变为发现未知规律，对这些规律的发现标志着超级智能的开端。这一过程的核心在于压缩高维空间以揭示简洁原理，并实现高效的科学验证循环，促进数字世界与物理世界的融合以及新模型架构的出现。他提醒与会者，真实的研究涉及一个漫长的链条过程，包括文献、假设、数据、模型、模拟、实验和反馈，而科学智能领域目前正致力于开发组织复杂研究过程的系统性能力。

随着拥有110亿参数的深圳将六种科学数据整合为单一心智，科学发现的形式或许正在被悄然改写。