当前，以大模型为代表的通用人工智能已成为全球科技竞争的关键领域。我国AI产业虽然发展势头迅猛，但国际竞争中仍面临多重挑战和瓶颈。全国人大代表刘庆峰在深入调研的基础上，根据产业发展中的突出问题进行了系统分析。 从算力资源看，当前模型研发对进口算力的依赖程度仍然较高，国产算力平台在易用性、迭代速度等与国际先进水平存在差距，对应的生态体系还不够完善。这种"卡脖子"现象直接制约了我国大模型研发的自主性和可控性。从技术布局看，面向下一代人工智能的前沿交叉研究还存在明显不足，在量子计算与人工智能融合、脑启发计算、高能耗与可解释性突破等方向的系统性部署亟待加强。从人才储备看，市场对兼具人工智能与数学、量子物理、神经科学、微电子工程等多领域知识的复合型顶尖人才需求日益迫切，但相关人才队伍建设还未形成规模。 这些问题的存在，根本上反映了在新一轮科技竞争中，我国需要在基础理论、核心技术和人才梯队等上实现全方位的突破和升级。如果不能及时补齐这些短板，不仅会影响当前产业的竞争力，更可能在下一代人工智能的国际竞争中陷于被动局面。 为此，刘庆峰提出了系统的对策建议。在技术路线上，应当布局国家级人工智能专项，组织国家实验室、领军企业和科研院所形成协同攻关机制，集中力量加强在国产算力平台上的大模型研发和生态建设，力争实现关键领域的自主可控。同时要积极探索"量子计算赋能AI"的新路径，研发受脑科学启发的新型模型架构，通过技术创新突破算力、能耗和可解释性等现实瓶颈。 在人才培养上，建议实施"AI+交叉学科"人才专项计划，打破传统学科壁垒，建立跨学科协同培养机制。重点面向国内顶尖高校和科研机构，定向培养兼具人工智能核心能力与数学、量子、神经科学、微电子工程等学科背景的复合型顶尖人才。这种人才结构对于驱动下一代人工智能的理论创新和技术突破至关重要。 同时，建议建立相应的激励机制和评价体系，鼓励企业和科研机构积极引进和培养这类人才，给予政策支持和资源倾斜。通过多维度政策组合，形成产学研用相结合的人才培育生态。
在全球科技竞争格局深刻变化的背景下，人工智能已成为决定未来国家竞争力的关键。解决算力与人才的双重挑战，既需要技术创新，也考验制度智慧。正如代表建议所示，只有通过产学研协同和交叉人才培养的系统布局，才能夯实创新基础，在新一轮科技革命中赢得主动。这不仅是突破当前瓶颈的务实之举，更是面向未来的战略布局。