人工智能（AI）的发展依然是代表委员关注的热点话题。全国政协委员、民建上海市委副主委、上海联和投资有限公司总经理张琦近日在接受上海证券报记者采访时表示，抢抓AI变革机遇，当下亟需加快探索中国特色人工智能产业发展路径。
在张琦看来，近年来，我国人工智能科技研发和产业应用发展迅猛，总体上具备了一定的先发优势，但也面临不少亟待攻关破解的瓶颈：一是如何摆脱传统的数据依赖，提升高质量数据供给能力，让“人工智能+”到哪里，高质量的语料数据库就建到哪里；二是如何摆脱算力依赖，做好自主可控和算效比文章；三是如何摆脱路径依赖，探索适合国情的模型研发路径。
搭建枢纽平台
加快建设高质量语料创新体系
张琦表示，高质量的语料数据日益成为决定大模型性能上限的“关键燃料”，但我国高质量语料库在数量和质量上均存在不足。据统计，目前主流的Common Crawl数据集项目中，中文数据只占4.8%。科学智能领域更需要站在全球的视野进行体系化重构。
为此，张琦建议市场各方坚持数据驱动，加快推动高质量语料创新体系建设。他建议，支持上海等城市搭建服务国家战略的语料枢纽平台，对标国际最高水平开展语料数据产品和语料关键技术布局，争取在物理AI等高维语料和技术创新方面与国际并跑，在前沿稀缺语料方面填补国内空白。同时，顺应Model-Centric（以模型为中心）AI向Data-Centric（以数据为中心）AI转变的大趋势，加强数据合成、多模态数据融合等关键技术攻关，围绕智能体、推理和代码等方面加强关键语料供给，提升全社会数据的AI就绪度。
软硬协同
加快国产异构智能算力研发进程
张琦认为，与发达国家相比，我国在人工智能芯片赛道上仍处于跟跑状态，高性能算力资源短缺将成为制约我国大模型发展的重要瓶颈。“在此背景下，追求自主可控与性价比成为我国人工智能发展的一大选择，下一步如何软硬协同，加快国产训练芯片和推理芯片研发、推动国产异构智能算力建设、提高模型训练效率，是我国在有限算力基础上‘另辟蹊径’、实现大模型赶超发展的关键举措。”张琦说。
基于此，张琦建议，市场各方坚持软硬协同，加快面向AI的软件工程创新突破。在硬件方面，加快国产异构智能算力研发进程，建设自主智算软硬件适配中心，推进自主智算芯片测试和集群验证，争取全面兼容国产训练框架，让“国模—国芯”更好协同。在软件方面，把握世界模型的时间窗口，密切跟踪循环神经网络（RNN）、长短期记忆网络（LSTM）、物理信息神经网络（PINN）、液态神经网络（LNN）等前沿进展，探索混合增强模型等理论和技术创新，实施新一轮面向大模型软件工程，探索有限硬件条件下的模型发展之路。
以用促研
构建国产芯片应用生态
“下一步，如何加快推动自主可控的基础算法、技术底座和软件生态建设，统筹推进通用基础模型和垂类模型协同发展，对我国加快实施‘人工智能+’行动和推动大模型普及应用尤为关键。”张琦说，发展中国特色的人工智能产业，市场各方还须摆脱路径依赖，探索适合国情的模型研发路径。
他分析称，近年来，以DeepSeek、Kimi等为代表的国产大模型虽然在架构设计、高效训练等方面均取得积极进展，但仍以Transformer架构为基础，在原创性、基础性算法研究方面仍较滞后，缺少具有强大生态掌控力的技术底座和创新平台。
对此，张琦建议各方以用促研，增强国产大模型的创新实战能力。构建包括国家实验室和民间力量等在内的新型举国体制，通过算法、架构和硬件“一体化”设计，推动基于国产芯片的大规模训练，构建国产芯片应用生态。促进基础大模型和垂类大模型研发，支持龙头企业搭建模型即服务（MaaS）平台、智能体集群，支撑多任务复杂场景行业应用，加快培育一批具有国际影响力的垂类模型、智能体解决方案供应商和集成商。
