(资料图片仅供参考)

谈及人工智能发展趋势，俞枫表示，依托大数据等技术发展，大模型性能得到提升，已具备深度语义理解能力，正深刻影响各行业客户交互模式与业务模式，成为经济发展和企业转型的重要竞争力。他进一步分析，人工智能发展是不断进步摸高的过程，从早期记忆规则系统、基于统计数据的人工神经网络强化学习，到基于深度优先的模型，“差不多每三个月就会迭代出一个能力比以前更强的新模型。”而且历史上曾经发展的相关技术，也会成为模型升级的新基础，比如这两年在大模型发展中普遍重新采用的混合专家（MoE）架构、强化学习机制等。证券行业应用更多是一个工程创新的过程，所以相类似的，在大模型的应用中，比起关注单一的新模型，更应该理解、平衡历史上每一个阶段模型的适用点和成本收益，模型的能力组合可能是行业应用一种必然选择。

在数据要素价值方面，俞枫提到：“在新一轮科技革命与产业变革背景下，数据成为新型生产要素，以大模型为代表的人工智能技术正加速形成新增生产力。数据的价值日益凸显，已快速融入生产、分配、流通、消费和智慧服务管理等各个环节，推动生产生活、经济发展和社会治理方式深刻变革。”

针对证券行业AI应用，俞枫表示，随着大模型朝着通用智能方向突破，早期智能体可化为客服销售等助手，聚焦于提升运营与办公效率，远期聚生机器人能够感知世界自主决策，成为人们的贴身助手，驱动各产业发展。

在应用策略上，俞枫提出，金融行业应采用“1+N”AI大模型应用策略。他分析，当前大模型性能突出、各有所长。通用大模型在语言理解、文本生成能力出色，但无法对行业应用场景产生深刻理解、解决具体问题，且训练成本偏高。相比之下，垂类大模型能够更精准地满足特定行业的需求，实现“小而精”的突破。从平衡成本收益的角度看，金融行业应该采用“通用+垂类”融合的“1+N”应用策略，通过模型组合、有机协同来满足各类场景应用的需要。