7 月 19 日，上海科學智能研究院在 2026 世界人工智能大會的科學智能開放論壇上，揭開了一個承託多領域科學智能研究的底層超級大腦——神珍科學多模態基礎模型。這個名字取自《西遊記》裏的天河定底神珍鐵，團隊希望這套開放模型以相對精煉的形態承載多樣科學任務，也讓更多研究者參與檢驗、使用與共建。它是今年 3 月初面世的系統級科研智能體大聖的超級大腦。

在技術上，神珍立足物質科學、生命科學、地球科學等多元學科場景，階段性實現了跨領域科學知識的統一表徵與多模態融合理解。模型總參數約 110 億，面向DNA、RNA、蛋白質、小分子、地球系統和醫學影像六類科學數據，在一個統一模型中同時支持科學理解與多類結果生成。它的共享主幹選用Qwen3-VL-8B，併爲六類科學數據各設專門的數據處理通路，在接入共享模型之前分別保留序列的先後關係、分子的連接結構、氣象場的空間分佈和醫學影像的局部細節。更實用的是，神珍能直接生成RNA序列、可供計算機讀取的分子表示SMILES、全球氣象場以及醫學影像分割結果，相當於把理解與生成兩套能力捏進同一個框架。

開源與開放是這套模型的關鍵姿態。上智院已經放出了模型權重、推理代碼、示例腳本與使用文檔，研究者可以通過星河啓智科學智能開放平臺下載模型或調用API，與平臺上匯聚的 1500 餘個科學模型和工具組合使用；也可以在Hugging Face下載權重、在GitHub獲取代碼，一同共建開放的科學智能社區。

這場發佈發生在WAIC2026 科學智能開放論壇的舞臺上。論壇由世界人工智能大會組委會辦公室指導、復旦大學和上智院聯合主辦，聚焦AI原生時代的科學閉環發現，匯聚了諸多知名科學家與一線青年產學研代表，深度探討人工智能如何從方法論底層重構科學發現的全流程，謀一個開放協同的科學智能新生態。四位重量級科學家發表了主旨演講，從不同維度打開理解科學智能的視角。

諾貝爾化學獎得主、香港中文大學深圳教授阿里耶·瓦謝爾強調，AI必須建立在可靠的物理機制之上。圖靈獎得主、蒙特利爾大學教授吉勒斯·布拉薩德對量子計算在新材料發現等領域的潛力寄予厚望，並建議青年研究人員追隨興趣而非業界時髦，因爲當下的研究發現有可能在十年之後才真正落地應用。

之江實驗室主任、中國工程院院士王堅的分享圍繞科學基礎模型與科學作爲一個整體展開。他指出，科學智能不在論文文本而在數據，但今天的基礎模型仍建立在文本之上，未來需要讓科學數據成爲科學智能的原住民，也就是把各學科數據詞元化，納入同一表徵空間。他判斷AI正變得像數學一樣基礎，科研範式也將從STEM走向STE+MAP，即數學、AI與公共設施的結合，讓科學重新成爲一個整體。

美國國家科學院院士、普林斯頓大學教授範劍青以智能科學和社會爲題，把AI概括爲統計學習與優化決策的動態循環，並用社會經濟測度、金融風控和大模型應用舉例，闡釋AI如何將數據轉化爲社會洞察。他強調AI服務於經濟社會發展，在推動智能體與科研創新的同時，也必須持續迴應就業結構變化、教育轉型、倫理安全以及人類能否保持有效控制等問題。

巔峯對話環節，與會嘉賓達成共識：AI原生時代的原始創新，一大關鍵在於人、數據、模型、實驗與學術判斷能否形成嶄新的協同發現機制，這既需要科研基礎設施的系統性升級，更需要一代科研工作者思維方式和能力結構的根本性重塑。

復旦大學特聘教授、上智院院長漆遠點出了這場變革的終局想象。他表示，AI要從預測下一個Token走向發現未知的規律，而AI發現未知科學規律將是超級智能的開始。這一進程的核心，在於通過壓縮從高維空間運用和發現簡潔的機理，以及科學驗證的高效閉環，這將促進數字與物理世界的結合與新的模型架構產生。他提醒，真實的科研是包含文獻、假設、數據、模型、仿真、實驗及反饋的長鏈條過程，科學智能領域正在着力發展能夠組織複雜研究流程的系統能力。

當 110 億參數的神珍把六類科學數據收進同一個大腦，科學發現的形態，或許正被悄悄改寫。