人工智能产业创新任务揭榜挂帅申报指南.docx

《人工智能产业创新任务揭榜挂帅申报指南.docx》由会员分享，可在线阅读，更多相关《人工智能产业创新任务揭榜挂帅申报指南.docx（20页珍藏版）》请在第一文库网上搜索。

1、人工智能产业创新任务揭榜挂帅申报指南一、核心基础（一）高性能云端人工智能芯片揭榜任务：研制高性能云端人工智能芯片，突破适用于人工智能计算范式的矩阵乘加内核架构、实现高速互联总线等核心技术，满足云计算环境中的低能耗训练和推断。在智慧城市、自动驾驶、云计算、智能家居等重点领域实现规模化商用。预期目标：到2023年，支持多种国内外主流深度学习框架，支持计算机视觉、自然语言处理、智能语音等技术领域中不少于三种主流神经网络模型的训练与推断。云端训练芯片可支持FP32、TF32、BF16、FPI6、INT8等计算精度，算力可达到32TF1OPSFP32、64TF1OPSTF32、128TF1OPSBFI6

2、、128TF1OPSFP16、512TOPSINT8,芯片典型功耗不高于40OW。云端推断芯片支持FP32、TF32、FPI6、INT8等计算精度,算力可达到32TF1OPSFP32、128TF1OPSTF32、128TF1oPSFP16、256TOPSINT8,芯片典型功耗不超过75W。（二）高性能边缘端/终端计算人工智能芯片揭榜任务：面向机器学习边缘端及终端，研发高性能、低功耗、低延时、高算力性价比的人工智能芯片；研发配套的编译器、驱动软件、开发环境等产业化支持工具，形成加速卡、智能计算盒子、边缘服务器等完整的配套产品。预期目标：到2023年，支持多种国内外主流深度学习框架，支持计算机视觉

3、、自然语言处理、智能语音等技术领域中不少于三种主流神经网络模型。边缘端芯片峰值性能不低于20TOPS1NT8,支持FPI6、INT8、INT4等量化精度，芯片典型功耗不高于16W,能效比超过2TOPS/WINT8。终端芯片能效比超过5TOPS/WINT8,典型功耗不超过2W,支持INT8、INT4等量化精度。（三）智能传感器揭榜任务：研发基于新需求、新材料、新工艺、新原理的智能传感器，提升图像、声学、健康监测、车规级雷达、车规级摄像头等智能传感器自主研发水平，推动智能传感器的产业化应用。预期目标：到2023年，相关类型传感器达到以下性能：声学传感器信噪比达到70dB、声学过载点达到135dB,

4、柔性干式脑电电极、肌电电极、心电电极的导电性能显著提高，导电阻抗可以达到小于5Ko车规级固态激光雷达在自动驾驶场景下实现探测距离2250m,水平视场角120。/垂直视场角20,水平角度分辨率式）.075。/垂直角度分辨率柳.075。车规级摄像头在自动驾驶场景下，前视、后视摄像头实现可探测距离25Om（FOV30。），环视、侧视实现可探测距离10Om（FOV180o）o其他类型传感器性能达到国际先进水平。（四）终端人工智能推断框架揭榜任务：开发高性能终端人工智能推断框架，突破多模式训练、多精度推断、多平台覆盖、模型量化等关键技术,运行效率、量化能力、压缩率满足应用场景需求，实现自学习、自定义算子

5、、分布式算力调度等能力。预期目标：到2023年，框架支持C、C+、JaVa和Python等主流开发语言中3种以上，适配5款以上人工智能推断芯片，支持FP32、FPI6、INT8、INT4等多种推断精度，在自动驾驶、智能医疗装备、智能家居、智能终端等重点领域实现规模化商用。（五）人工智能开发服务平台及工具揭榜任务：研制低门槛、高性能、可扩展的人工智能开发平台，突破智能数据标注、自动机器学习（AUtOM1）、大规模异构资源管理、云边端协同管理等核心技术，提供面向机器视觉、自然语言处理等特定应用和金融、制造、能源等典型行业的平台服务能力。预期目标：到2023年，平台支持主流人工智能深度学习框架，支持

6、3种以上人工智能芯片的适配，支持多种典型算法和工具，多机多卡分布式环境下线性加速比达到国际先进水平。工具支持典型场景的智能化标注，标注工作量显著降低，实现典型行业的实际应用。在多个标准数据集上AUtoM1算法的性能与人类专家差距在10%以内。二、智能产品（六）机器翻译系统揭榜任务：突破低资源机器翻译模型架构、跨语言跨领域知识迁移、鲁棒性训练与解码、多语言通用翻译引擎等核心技术，开发高性能的小语种自动翻译模型与算法。在实时、非实时、常见噪声等多种应用场景下，支持语音转文本、语音转语音、文本转语音、文本转文本等能力。预期目标：到2023年，实现超大规模多语言通用机器翻译引擎，支持中文普通话、常见方

7、言、外语类型的翻译，支持多个国产软硬件平台的小语种机器翻译训练与推断，小语种机器翻译抗噪音与领域迁移鲁棒性满足实际应用需求。系统的译文忠实度大于90%,译文流利度大于90%。（七）三维图像身份识别系统揭榜任务：研发三维图像身份识别系统，包括3D成像硬件模组，千万大库3D人脸识别算法，云-边协同3D人脸识别引擎等关键技术，实现在人脸支付、智慧安检、视频监控、图像检索等典型场景的应用。预期目标：到2023年，高精度3D成像硬件模组1米距离成像精度达到1毫米，误识率小于0.001fc,拒识率小于5%o3D人脸识别引擎支持大库实时检索，QPS大于150,达到国际先进水平。在典型应用场景下，系统对二维静

8、态纸质/非纸质图像、电子/动态图像、面具、头模拒绝率299.9%,人脸活体接受率N99%。系统应用的安全合规性符合国家相关法规要求。（八）智能语音交互系统揭榜任务：研究基于人机对话的智能语音交互系统，突破环境因素和用户口语发音差异等导致的语音识别技术瓶颈。研究多语种及多风格情感语音合成技术，实现自然、情感丰富的语音合成效果。研究以多模态识别技术为前端，基于多种机器学习方法的语义对话系统，提升开放场景下的语义泛化能力。研究智能语音分布式管理，实现多个智能交互设备的协同工作。在智能制造、智能客服、智能车载、智能家居等场景下实现大规模应用。预期目标：到2023年，实现多场景下中文语音识别平均准确率达

9、到98%,远场识别率超过95%,语音合成MOS分不低于4.2分，误唤醒每24小时不超过1次，用户意图准确率达到95%以上，多设备协同唤醒准确率达到98%以上，支持的外语类型、少数民族语言、方言种类达到5种以上，支持个性化语音合成种类3种以上,平均响应时间小于2秒。（九）自动驾驶虚拟仿真测试平台揭榜任务：研制高置信度、高覆盖度、高精度的自动驾驶仿真测试验证平台，突破场景构建、车辆动力学建模、驾驶员建模、传感器建模等关键技术，提升自动驾驶系统功能测试和性能评价能力，验证自动驾驶系统是否符合应用功能要求和安全要求。预期目标：到2023年，基于高精度地图和三维重建技术构建场景库，建立自动驾驶仿真场景I

10、OOO个以上，包括典型场景、连续场景、车路协同场景和城市道路场景。感知系统仿真实现激光雷达、毫米波雷达和摄像头仿真，能够接入自动驾驶感知和决策控制系统，实现道路环境场景仿真测试及量化评价，为行业企业提供有效的研发、产业化测试服务。（十）智能机器人揭榜任务：重点围绕家庭服务、医疗健康、公共服务、养老服务、金融服务、巡检安监、智能物流等领域，突破包括多模态智能交互、多机协同及云平台、智能精准安全操控、感知信息融合、影像定位与导航等关键技术，推进智能机器人规模商用。预期目标：到2023年，面向不同应用场景，智能机器人具备以下一种或多种能力：在多模态交互能力方面，识别准确率在95%以上，在巡检等特定应

11、用场景可实现对缺陷和隐患的全天候、全方位、全自主监测。在多机协同方面，具备高安全、高精度、超大作业范围协同能力，以及面向场景的智能化运维能力。在自主动作能力方面，具备自由移动与避障能力，在特定应用场景可实现安全可靠、智能决策的高自动化水平和高智能化水平的无人搬运能力。在智能知识库方面，拥有面向应用场景的规模化知识库，具备智能问答等功能。在健康护理服务方面，实现智能辅助诊断、身体指标检测、高清远程医疗等功能。（十一）智能无人机揭榜任务：突破智能跟随、自主作业、群体协同作业等关键技术，推动5G通信、北斗导航、边缘计算等新技术在数据传输、链路控制、智能操作、监控管理等方面的应用。促进智能无人机在应急

12、救援、通信保障、电力巡检、森林防控、采矿安监等危特场景的应用。预期目标：到2023年，智能无人机实现360。全向感知避障，避障模式下最大飞行速度不低于14mso新一代通信网络环境下，无人机远程高清图传屏到屏延时小于200ms,远程控制延时小于60ms。面向森林草原巡检、火灾预警和消防救援等应急场景应用无人机抗风七级，连续飞行时间不小于60分钟。人工智能飞行处理系统实现自动智能强制避让航空管制区域，产品达到国际先进水平。（十二）智能导盲产品揭榜任务：围绕视障人群的无障碍独立出行需求，研制具有高性能、高精度、高度无障碍的导盲系统及产品，突破室内精准无障碍导航、室外复杂环境精准导盲、复杂场景下智能感

13、知、自主决策、协同引导以及智能信息共享等关键技术，支持立体空间安全避障，提升路径学习、物品识别的自学习能力，进一步解决视障人群的出行问题。预期目标：到2023年，导盲产品利用5G、短距离通信和高精度卫星定位等技术，实现主动识别、主动判断、主动避障、主动引领、低时延快速响应，具备处理室内外各类复杂出行环境的能力，实现立体空间安全避障。通过语音、音效、震动等多种交互方式实现主动引领导盲功能，支持远程人工导盲服务。产品的续航时间、适用性、可靠性、安全性满足视障人群的出行需求。（十三）智能制造关键技术装备与系统揭榜任务：突破智能装备自主识别、自主优化、自主学习、群体协同等关键技术，推动人工智能技术与智

14、能制造装备融合。研发智能新型工业控制系统等创新产品，推进人工智能算法与工业自动化系统融合。研发智能工业软件，推进人工智能与研发设计、生产管控、经营管理等工业软件系统的融合与应用。预期目标：到2023年，智能装备具备环境感知、控制指令优化、自主学习、人机交互、协同组织功能，重复定位精度达到特定场景生产制造要求，具备5台以上单台装备的协同能力。智能工业控制系统涵盖10种以上人工智能算法模型。智能工业软件设计仿真领域形成不少于5类智能化功能模块，在生产管控、经营管理软件领域分别形成不少于20类智能化功能模块。在仓储物流、石油化工、服装纺织、轨道交通等主要工业领域实现集成应用。（十四）高精度工业视觉检

15、测系统揭榜任务：研制基于机器视觉、高精度传感等技术的工业视觉检测系统，推动视觉和人工智能技术结合的检测系统在精度、稳定性与检测速度等领域关键技术突破，实现视觉技术在测量、定位、检测、引导及识别等生产管理重点领域的场景创新与推广应用。预期目标：到2023年，3D视觉检测、小样本训练、多类型混合缺陷识别等关键技术实现重大突破，视觉检测系统的工业现场漏检率、误报率、测量精度、识别速度、系统一致性满足实际生产需求，实现产业规模化应用。三、公共支撑（十五）人工智能训练资源库揭榜任务：建设通用基础训练资源库和行业训练资源库，可提供合规的、高质量人工智能训练资源库、标准测试数据和服务能力，具备多类型、多场景

16、数据采集与处理服务能力。通用基础训练资源库支持计算机视觉、智能语音、自然语言处理等典型人工智能应用训练数据，行业训练资源库可提供定制化行业领域训练数据服务。预期目标：到2023年，通用基础训练资源库具备以下一种或多种数据类型：语音识别数据时长超过9万小时，标注准确率超过97%o图片数据量超过1500万张，标注准确率超过97%。视频数据时长超过800小时，标注准确率超过97%o自然语言处理数据量超过600万条，标注准确率超过97%o行业训练数据满足相关领域如工业、交通、金融等行业的应用需求。（十六）大规模预训练模型揭榜任务：研发面向计算机视觉、自然语言处理、智能语音等人工智能核心技术的大规模预训练模型。突破预训练模型的训练算力、时间等限制，结合微调等技术，提升常见视觉、语言任务的分析和处理效果，搭建人工智能通用算法底座，提升大规模预训练模型的公共支撑能力