7月18日，上海科学智能研究院正式宣布，向全球开放一款名为“神珍”的人工智能模型。该模型突破性地实现了对基因序列、蛋白质结构、化学分子、天气数据、医学影像以及材料属性等六大类科学信息的统一处理能力，标志着我国在科学智能领域迈出重要一步。据央视新闻报道，“神珍”模型已面向全球科研机构、高校及企业开放使用，旨在降低AI在基础科学中的应用门槛，推动跨学科研究加速发展。
从“单一任务”到“多模态融合”
长期以来，人工智能在科学研究中的应用多聚焦于单一领域：有的模型擅长预测蛋白质结构，有的专攻气象预报，有的处理医学影像。然而，不同科学数据之间往往存在隐性关联——例如，蛋白质的折叠方式与化学分子的相互作用密切相关，而天气模式的变化又可能影响农业基因表达。传统模型由于数据格式、训练方式的差异，难以实现跨领域知识迁移。
“神珍”模型则采用统一的多模态架构，通过大规模预训练学习六类科学数据的共享特征表示。其核心创新在于：将基因序列的碱基编码、蛋白质的三维空间坐标、化学分子的图结构、气象雷达的时序信号、医学影像的像素矩阵以及材料的晶格参数，全部映射到同一个高维语义空间。这相当于为不同学科构建了“通用语言”，使得模型能够同时理解基因突变如何影响蛋白质功能、化学分子在特定天气条件下的稳定性变化，甚至从医学影像中关联到潜在的分子靶点。
六大场景，一个模型搞定
具体而言，“神珍”覆盖的六类科学信息各有其典型应用：
- 基因序列：可识别致病突变位点，辅助精准医疗；
- 蛋白质：预测三维结构与功能，加速药物设计；
- 化学分子：模拟化学反应路径，发现新材料；
- 天气数据：支持短临预报与气候模拟，提升灾害预警精度；
- 医学影像：实现病灶自动分割与疾病诊断，辅助临床决策；
- 材料属性：预测催化活性、导电率等关键参数，助力新能源研发。
上海科学智能研究院负责人表示，以往完成这些任务需要分别调用多个专用模型，不仅要耗费大量算力进行数据格式转换，还容易因模型间的“语义鸿沟”导致信息丢失。“神珍”将六类任务整合为一个端到端框架，用户在输入任意一类数据时，模型均可自动调用其跨领域知识库进行推理。例如，输入一种新化合物的分子式，模型不仅能预测其化学性质，还能反向推测其可能与哪些蛋白质结合，甚至评估其在特定天气环境下的稳定性——这在传统方法中几乎不可能实现。
开放共享，重塑科研范式
值得注意的是，“神珍”模型采取了完全开放的策略。全球任何合规的科研机构均可通过官方网站申请API接口或模型权重，无需支付高昂的商业使用费。这一举措旨在打破AI在科学研究中的“算力壁垒”和“数据孤岛”。此前，类似GPT-4这样的通用大模型虽具备强大的文本处理能力，但在科学信息的精确表征上存在短板；而专业科学模型又往往被少数大型科技公司垄断。
上海科学智能研究院强调，“神珍”的开放不仅是技术共享，更是对科学共同体的承诺。它将定期更新训练数据，吸纳全球科研人员的反馈，未来计划纳入更多数据类型，如量子化学波函数、地震波信号、生态遥感影像等，逐步构建覆盖全科学领域的“通用智能底座”。
业内专家评价称，“神珍”的发布可能催生“AI+科学”的新范式：过去科学家需要掌握编程、数学和跨学科知识才能调用不同工具，如今一个模型即可完成从数据解读到假设验证的闭环。尤其对于发展中国家和中小型研究团队，这意味着他们能以更低成本接入前沿AI能力，加速本土科研创新。
从“深蓝”战胜国际象棋冠军，到AlphaFold破解蛋白质结构之谜，再到如今“神珍”跨越六大科学领域的统一智能，人工智能正在从“工具”演变为“伙伴”。当它学会同时阅读基因、感知天气、解析影像、模拟分子，“人机共创”的科学未来，或许比我们想象的更近。