上证报中国证券网讯(记者孙忠)10月18日，“第五届1024资管科技开发者大会”在上海临港（600848）中心举行。

　　智能投研技术联盟主席、中国人工智能学会荣誉副理事长杨强在大会上表示，未来高质量公用数据越来越贵，获取越来越难，众多大模型和小模型将一起互相合作，有望形成一个更有效的模型图计算场景。

　　杨强表示，如今人工智能和大模型技术有了长足的发展。但这个发展是在中心化模式下进行的。中心化有很多优点，但是也带来了包括数据隐私保护和资源的分配等方面的一些问题，而隐私数据需要受到保护。

　　目前无论众多计算中心联合建模，还是分布式建模均需要保护隐私。在保护隐私的联邦学习领域，我国不仅仅是做了技术革新，同时也领导了国际标准的建立。早在2021年就发布了全球第一个联邦学习的国际标准，同时也制定了多个国内国外的行业标准，尤其是金融行业的标准。

　　与此同时，模型间的协作未来也会增加。

　　未来高质量公用数据越来越贵，获取越来越难。业界会存在多个大模型，能不能让这些模型能够互相合作协作，形成一个更有效的模型？

　　杨强提出，未来AI新范式将是大模型和小模型相互协作的状态。在隐私计算的加持下，一个通用大模型和本地数据的小模型之间也可以进行知识迁移。大模型通用知识可以来帮助本地数据的小模型，小模型专业知识也可以反过来帮助通用大模型成长。

　　而.一旦大模型和多个小模型网络形成，未来还会有多个小模型和多个大模型一起形成网络。这样就会形成一个大模型和小模型的组成的网络图，未来模型的图计算是一个前景。

　　“这是我正在研究的一个方向。无论是同构和异构模型场景正规股票配资机构，都做了实验且证明效果相当不错。”杨强表示。