当前，以大模型为代表的通用人工智能已成为国际科技竞争的战略高地。
我国AI产业虽然发展势头迅猛，但在关键领域仍存在明显短板。
刘庆峰代表在调研中发现，模型研发对进口算力的依赖度居高不下，国产算力在易用性、生态完善度和迭代速度上与国际先进水平存在差距，这直接制约了我国AI产业的自主创新能力。
更为突出的是人才结构失衡问题。
下一代人工智能的发展需要跨越多个学科领域，但当前兼具AI与数学、量子计算、类脑科学、微电子工程等多学科背景的顶尖复合人才极为稀缺。
这种人才短缺不仅影响当前的技术突破，更关系到我国在未来AI竞争中的战略地位。
同时，面向下一代AI的前沿交叉研究布局不足，导致我国在算力瓶颈、能耗效率、模型可解释性等关键问题上的研究深度有限。
为抢占下一代人工智能竞争的制高点，刘庆峰建议采取系统性、前瞻性的举措。
首先，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，集中力量突破关键技术瓶颈。
其次，要加强在国产算力平台上的大模型研发和生态建设，提升国产算力的竞争力和易用性，形成完整的产业链闭环。
在技术路线上，刘庆峰强调要积极探索"量子计算赋能AI"的新方向，通过量子计算的独特优势突破传统算力的瓶颈，开辟新的技术路径。
同时，应当加大对脑启发型新一代模型架构的研发投入，借鉴生物神经系统的工作原理，实现在高能耗和可解释性等方面的突破，推动AI技术向更高效、更智能的方向发展。
在人才培养方面，刘庆峰建议实施"AI+交叉学科"人才专项，打破传统学科壁垒，重点培养兼具AI能力与数学、量子、神经科学、微电子工程等知识背景的顶尖复合人才。
这一举措旨在建立引领人工智能创新的核心人才梯队，为我国AI产业的长期发展提供人才支撑。
通用人工智能的竞争，本质是科技创新体系与产业生态体系的综合较量。
夯实国产算力底座、完善协同攻关机制、培养复合型顶尖人才，既是应对当下挑战的现实选择，也是面向未来塑造新优势的战略之举。
把握窗口期、坚持长期主义，才能在关键领域实现更稳更快的突破，为建设科技强国提供坚实支撑。