钱锋表示，与国际先进水平相比，我国人工智能大模型存在较大差距。钱锋建议，以创新联合体促进人工智能基础理论和创新算法突破。推动企业和高校院所共建人工智能创新联合体，企业和政府共同投入数据和算力资源。鼓励高校院所开展超越Transformer算法、探索大模型涌现机理、类脑人工智能等新型算法研究。鼓励规模化企业让渡部分数据和算力资源，促进联合体可持续运行。

　　钱锋建议，建设具有国际竞争力的人工智能新型研发机构。发挥有组织科研优势，征召一批人工智能顶尖算法和工程人才投入大模型研发竞争赛道，建设组织高效、制度灵活、可与OpenAI和DeepMind竞争的新型研发机构。该机构提供数据、技术和算力等，并与合作企业联合获得大模型市场收益。

　　钱锋表示，政府应多管齐下推动开源，降低大模型训练成本，有导向性地将高质量的代码、模型和数据开源作为对社会贡献的重要评估要素。建立旨在提高复用性的，面向开源代码、模型、数据的国家标准。

　　对于算力资源，钱锋建议，整合多方算力资源，建设算力共享和使用机制。建立国家算力共享平台，鼓励有条件的单位贡献剩余算力，实现资源共享，促进大模型共性技术和算法研究。设立专业委员会，评审算力申请者研究方法的创新性和可靠性，提供免费或低成本申请使用渠道。探索设立成果使用权等算力贡献回报机制。

　　对于推动大模型应用场景落地，钱锋建议，实现生成数据充分共享。依托创新潜能优势，引导行业用户向大模型厂商开放核心业务场景，牵引研究成果落地应用，打造标杆型示范场景。对政府投入场景中生成的数据“应采尽采”，对齐大模型研究和训练需求，形成更高质量的领域数据集，提供给有资质的大模型创新联合体或机构使用。

　　钱锋表示，目前国内大模型评测良莠不齐，影响市场的优胜劣汰。钱锋建议，国家层面发布权威、公平的大模型评测结果，包括基座大模型、领域大模型、大模型特定算法性能等。制定大模型数据集、开源及落地应用等关键环节标准规范，加快形成健康的创新生态。