打破模态壁垒，11B通用底座，上智院开放多模态科学基础模型「神珍」

机器之心编辑部

人工智能（AI）模型在科学发现中的角色，正经历着一场从「工程缝合者」向「智能推演者」的深刻蜕变。

过去几年，AI for Science 领域涌现出众多性能优异的专用模型，蛋白质结构预测、分子生成、材料设计等单一任务频现进展。然而，在科研场景中，实质性的突破往往诞生于跨模态的交界地带。

以疾病研究为例，面对基因序列、蛋白质构象与药理活性数据交织而成的复杂因果网络，研究者需要的不是预测精准的蛋白质模型，而是一个能同时「阅读」序列语言、「理解」空间构象、「推演」动态交互的统一框架。

最近，由上海科学智能研究院（下称「上智院」）发布并开放的科学多模态基础模型 ——「神珍」，有力回应了这一需求。

作为一款总参数量为 110 亿的统一基座模型，「神珍」并非简单地将多个专用模型打包，而是从底层模态对齐入手，在一个统一架构内同时支撑科学理解与多类结果生成，现已覆盖 DNA、RNA、蛋白质、小分子、地球系统与医学影像六类科学数据。

科学智能新思路

2020 年，AlphaFold2 成功从氨基酸序列直接预测蛋白质的三维结构，证明了 AI 模型在单一科学任务上的潜力。以之为代表的专用模型路线，针对特定科学领域定制网络架构与损失函数，在大量标注数据上充分挖掘特征，从而在既定任务上精度卓越、物理合理性强。

但这种专精化也带来了固有局限：模型的表征空间被严格锚定在单一模态和特定物理尺度内，泛化能力严重不足，既难以跨领域迁移知识，也无法与其他科学模态建立语义关联。由此形成的数据与任务孤岛，从根本上制约了跨域融合与通用推理。

2022 年以来，大语言模型（LLM）以通用推理和涌现能力席卷 AI 领域，也为科学智能提供了另一条可能路径 —— 将 LLM 直接作为基础框架，把各类科学数据统一转化为文本 token。例如，把分子、蛋白质翻译成一串字母（SMILES 表达式），再以文本形式喂给大模型，NatureLM、Intern-S1-pro 走的就是这条路线。

然而，科学数据本质上是结构化数据，当它们被强行压扁为文本 token 时，就像是只给一份乐高零件清单却不给成品图，结构性信息会出现系统化损失。模型在已受损的科学 token 上进行模式识别与逻辑推演，其推理精度与科学发现能力就被框定了上限。

这一局限，恰恰揭示了一个更深层的命题：对科学智能而言，数据以何种形式进入模型，决定了模型能以何种方式理解世界。

复旦大学特聘教授、上智院院长漆远在 2026 世界人工智能大会（WAIC 2026）科学智能开放论坛上指出，一个好的模型是一种压缩。AI 要从「预测下一个 token」走向「发现未知规律」，靠的是从高维空间中压缩出简洁的机理 —— 而想发现底层规律，前提就是在第一步别把关键的细节信息丢掉。让 AI 从背诵科学走向发现科学，第一步就是让它直接看懂科学现象。

基于这一前瞻判断，上智院团队给出了一条科学智能新思路：将科学模态的数据以原生、无损方式接入基础模型，在统一表征空间中完成跨模态对齐、理解与推理，确保输入输出始终处于原生的科学数据空间。

借鉴多模态大模型处理图像的方式 —— 将图像压缩编码为视觉 token，团队为每个学科配置专属的 tokenizer，将高维原始数据中的有效信息高效压缩为「科学 token」，统一到同一个表达空间，再对齐进大语言模型进行推理。这样一来，AI 看到的并非转译后的「文字说明」，而是科学对象本身近乎「原图」的样貌，高维结构与原生信号得以保留。

整个架构以「共享智能内核＋专业接口模块」实现分工 —— 共享空间承载跨领域知识、推理与对话，不同对象则保留适合自身结构特性的编码与解码路径。

这一方案恰好呼应了中国工程院院士、之江实验室主任、阿里云创始人王坚的洞见，他在论坛上点明：要让科学数据成为科学智能的「原住民」，将各学科数据 token 化、纳入同一表征空间，让科学重新成为一个整体。

从文本 token 到科学 token，表面上是技术路径的差异，实则是对「AI 如何理解科学」这一根本问题的不同回答。

如中国工程院外籍院士、香港科技大学首席副校长郭毅可在论坛巅峰对话中所言，语言是人类对世界观察的一次压缩。只有当 AI 能够创造「语言」，以其方式压缩世界，它才算真的开始理解科学。

具体到应用层面，上智院的「神珍」方案具备三大优势：第一，同一科学领域内可以实现知识共享与规律迁移，例如生命科学领域中 DNA、RNA、蛋白质之间的内在关联；第二，可以实现跨模态的可靠推理，形成跨模态科学发现的完整闭环；第三，模型本身具备通用推理能力，是一个可扩展的通用推理引擎。

从干湿协同看，「神珍」能够以科学模态输出结果，使得模型能将推理结果无缝交付给下游的设计、模拟、分析或验证环节，完成从「解释科学对象」到「返回科学对象结果」的质变。这不仅是技术架构的升级，更是科学智能范式的跃迁。

读得懂序列语言，算得出科学对象

循着这一思路，上智院是如何搭建「神珍」模型的？

「神珍」以 Qwen3-VL-8B 为共享主干，在这一通用语言模型的基础上，构建起覆盖多学科的科学智能框架。

由于科学数据本身是结构各异的，序列、分子图、气象场、医学图像...... 每一种都有自己的组织逻辑与信息载体。为了在统一表征空间中完成跨模态理解、对齐与推理，「神珍」首先给各种科学模态数据提供了专门入口。

目前，模型已覆盖 DNA、RNA、蛋白质、小分子、地球系统与医学影像六类科学数据，每一类都设有专门的数据处理通路，分别配备模态专属的编码器用于无损读入、解码器用于结构化输出，确保输入输出始终处于原生科学数据空间。

「神珍」模型整体架构。

具体来说，在输入端，「神珍」为每一类科学数据保留了其核心的结构特征：蛋白质和核酸保留序列的先后顺序与生物学上下文，小分子保持原子的连接关系与立体构型，气象数据维持空间网格上的物理场分布，医学影像则保留像素空间中的局部纹理与组织细节。

以 DNA 序列为例，「神珍」通过序列编码器将长达上万维的原始输入数据压缩为数百个科学 token。不同于通用模型将序列转化为文本 token，这一编码过程在实现高倍压缩的同时，保留了碱基的先后顺序、相邻关联与生物学语义，使得模型能够深入理解序列数据。

经过各自编码器进入统一表征空间后，原本结构迥异、尺度悬殊的科学数据在此实现了语义层面的对齐与融合。模型主干根据不同任务动态调用相应功能模块，完成跨模态的理解、推理与生成，成功将结构和尺度差异极大的科学问题纳入同一理解与交互框架。

输出端则配备模态专属的解码器，将共享表征空间中的推理结果还原为各学科可用的结构化对象。因此，除文本回答外，「神珍」还能直接生成 RNA 序列、可供计算机读取的分子表示（SMILES）、全球气象场和医学影像分割结果。

这意味着，「神珍」的产出是可直接投入使用的科学对象，能够无缝衔接至下游的设计、模拟、分析或验证环节，进而为跑通干湿闭环打下基础。

单点比肩专业模型，跨模态优势初显

在架构设计上，「神珍」兼顾了专用模型的物理严谨性与通用语言模型的规模扩展能力，那么模型的实际表现如何呢？

首先，我们来看下专用模型擅长的单点任务，团队在生命科学、物质科学、地球科学及医疗影像领域的 49 个 Benchmark 上进行了全面评测。

在生命科学领域，「神珍」与业界通用基础模型 Biology-Instructions、Intern-S1-Pro 进行了比较。在覆盖 DNA、RNA、蛋白质以及不同生物序列关系判断的 20 项任务中，「神珍」有 9 项取得三款参评模型中的最优结果，17 项位列前二。

生物序列理解任务的结果对比。加粗为三款参评模型中的最优结果，下划线为次优结果。

值得注意的是，Intern-S1-Pro 的总参数量约为 1 万亿，而「神珍」仅有 110 亿参数。这说明，参数规模并非决定科学智能模型能力的唯一因素，关键在于：能否针对不同科学对象的物理语义与数据结构，设计出有效的编码与推理路径。

在物质科学领域，「神珍」在物理化学性质预测、分子理解与分子生成任务上超越部分领域专用模型。以公开基准 SMolInstruct 为例，在其涵盖的 6 项小分子属性理解任务中，「神珍」在三款参评模型中有 4 项任务取得最优或并列最优结果。

小分子理解任务的结果对比。加粗为三款参评模型中的最优结果，下划线为次优结果。

在地球科学领域，「神珍」在气象预测任务上超过了数值预测方法。在离线评测中，模型以单帧初始大气场为起点，以 6 小时间隔进行滚动预报，持续推演至第 10 天。在第 10 天的预报结果中，500hPa 位势高度、2 米温度、海平面气压等多项指标达到或优于业务级数值预报的水平。

「神珍」与 ECMWF HRES 在全球 ERA5 预报上的比较。

在医疗影像领域，在覆盖 CT、MRI、病理等九种影像模态、逾十万个图文样本的评测中，「神珍」衡量预测区域与人工标注重合程度的平均 Dice 得分为 91.20，在 7 种参评方法中最优。分 9 类影像看，5 类排名第一，其余 4 类排名第二。

9 类医学影像的文本提示分割案例。

我们再来看下「神珍」的跨科学模态推理能力。以药物靶点亲和力预测为例，给定蛋白质序列与候选药物分子，预测两者的结合亲和力。在传统路径下，若想获得理想效果，往往需要为蛋白质和药物分子分别训练专属编码器以提取各自模态的特征，再通过一个融合模型将两种异构表征联合起来进行预测。这一流程涉及三个独立环节，通常由多个团队在不同框架下、以不同数据格式串接完成，不仅需要大量「胶水代码」将各部分拼装在一起，而且整个系统稳定性差、可解释性弱。

而「神珍」将这条复杂的流水线简化为一次自然语言交互。如下图所示，科研人员只需将蛋白质序列、分子结构连同文本指令一并输入，模型便承担全部编码、理解与推理工作，并直接输出预测结果。

开放科学，技术共建

我们不难发现，「神珍」目前覆盖的科学子领域并非都有直接关联。例如，生命科学聚焦于分子层面的序列与结构，地球科学则关注宏观尺度的场量与空间分布。而这种学科之间的极大差异性，恰恰证明了这套框架极强的跨学科扩展性和通用性。

这意味着，「神珍」为更多领域的研究者提供了一个可扩展的通用基座，未来可继续接入更多、更复杂的科学模态。正因如此，上智院选择将「神珍」模型开放。这不仅是一项技术共享，更是一份邀请：邀请不同学科背景的科学家、开发者、研究者，共同站在这套通用基座之上，为各自的学科难题探索新的解法，让跨学科的融会贯通成为科学智能的常态。

同时，「神珍」也是上智院科学智能整体布局中非常关键的一环。星河启智科学智能开放平台（下称「星河启智平台」）自下而上构筑三层架构：底层是科研基础要素（数据、模型、工具、Skills、实验能力），中层是科学多模态基础模型「神珍」，上层是系统级科研智能体「大圣」。三层协同，覆盖从资源调度到任务执行的科研全流程。

星河启智平台由上智院联合复旦大学、无限光年共同打造，于2025年世界人工智能大会正式亮相。今年3月，平台全面升级，在既有科学智能全流程要素能力的基础上，新增以超级科研合伙人「大圣」为核心的科研智能体，面向科学探索提供全链路智能化支撑。

三层之中，「神珍」承上启下，以原生科学数据为输入，专注于科学问题的深度理解、推理与生成，其推理结果由「大圣」承接并进行任务化编排，完整覆盖从科学实验规划、文献深度调研、工具调用，到实验设计迭代、日志分析与结果解读的全流程。底层的基础要素（算力、数据资源、在线协作功能，以及高校及科研机构的接入入口）则由平台统一承载，为上层提供坚实支撑。

得益于这套完备的体系，星河启智平台得以在更宏观的生态层面释放价值。

如复旦大学校长助理、上智院理事长吴力波所言，星河启智平台致力于扮演科学智能生态的枢纽角色。它把科学家、AI 工程师和产业力量连接在一起，让数据和方法在体系内流动复用，使创新从单点突破走向系统化加速，为 AI 驱动的科研范式变革提供可持续的制度支持。

而「神珍」犹如这一生态的「定海神针」，未来将持续强化生成科学数据的可靠性、可信度与物理一致性，为干湿实验闭环夯实根基。它不仅是科学智能基座，更将成为撬动科研范式变革的支点。