湖北省行業資訊
今日項目分享
武漢市人工智能產業創新任務揭榜掛帥項目
具體申報條件材料流程以及大家感興趣的獎補資金都在下面內容中啦
大家快跟小編一起來看看吧!
更多獎補項目詳情咨詢：13053132051（微信同號）
【臥濤科技：項目申報、專利商標版權代理、軟件著作權代理（不過包退）、科技成果評價、各類標準化（參編）代理、軟件開發、商業計劃書、工商注冊財稅規劃、可行性研究報告、兩化融合、企業信用修復、ISO體系認證等?！?/span>
一、任務內容
本次揭榜掛帥工作聚焦人工智能產業發展的核心基礎、重點產品、公共支撐等3類創新任務，旨在發掘培育一批掌握關鍵核心技術、具備較強創新能力的優勢單位，突破一批人工智能標志性技術產品，加速新技術、新產品落地應用。（詳見附件1）
二、申報條件
1. 揭榜申報主體包括從事人工智能技術創新和應用服務的相關企業、高校、科研院所等，應具備獨立法人資格，具有較強技術創新和產業化應用能力。
2. 每個主體申報不超過3個項目。
3. 已列入前期揭榜優勝項目的不得重復申報。
三、核心基礎
（一）高性能云端人工智能芯片
揭榜任務：研制高性能云端人工智能芯片，突破適用于人工智能計算范式的矩陣乘加內核架構、實現高速互聯總線等核心技術，滿足云計算環境中的低能耗訓練和推斷。在智慧城市、自動駕駛、云計算、智能家居等重點領域實現規?；逃?。
預期目標：到2023年，支持多種國內外主流深度學習框架，支持計算機視覺、自然語言處理、智能語音等技術領域中不少于三種主流神經網絡模型的訓練與推斷。云端訓練芯片可支持FP32、TF32、BF16、FP16、INT8等計算精度，算力可達到32TFLOPS@FP32、64TFLOPS@TF32、128TFLOPS@BF16、128TFLOPS@FP16、512TOPS@INT8，芯片典型功耗不高于400W。云端推斷芯片支持FP32、TF32、FP16、INT8等計算精度，算力可達到32TFLOPS@FP32、128TFLOPS@TF32、128TFLOPS@FP16、256TOPS@INT8，芯片典型功耗不超過75W。
（二）高性能邊緣端/終端計算人工智能芯片
揭榜任務：面向機器學習邊緣端及終端，研發高性能、低功耗、低延時、高算力性價比的人工智能芯片；研發配套的編譯器、驅動軟件、開發環境等產業化支持工具，形成加速卡、智能計算盒子、邊緣服務器等完整的配套產品。
預期目標：到2023年，支持多種國內外主流深度學習框架，支持計算機視覺、自然語言處理、智能語音等技術領域中不少于三種主流神經網絡模型。邊緣端芯片峰值性能不低于20TOPS@INT8，支持FP16、INT8、INT4等量化精度，芯片典型功耗不高于16W，能效比超過2TOPS/W @INT8。終端芯片能效比超過5TOPS/W@INT8，典型功耗不超過2W，支持INT8、INT4等量化精度。
（三）智能傳感器
揭榜任務：研發基于新需求、新材料、新工藝、新原理的智能傳感器，提升圖像、聲學、健康監測、車規級雷達、車規級攝像頭等智能傳感器自主研發水平，推動智能傳感器的產業化應用。
預期目標：到2023年，相關類型傳感器達到以下性能：聲學傳感器信噪比達到70dB、聲學過載點達到135dB。柔性干式腦電電極、肌電電極、心電電極的導電性能顯著提高，導電阻抗可以達到小于5KΩ。車規級固態激光雷達在自動駕駛場景下實現探測距離≥250m，水平視場角120°/垂直視場角20°，水平角度分辨率≤0.075°/垂直角度分辨率≤0.075°。車規級攝像頭在自動駕駛場景下，前視、后視攝像頭實現可探測距離＞250m (FOV 30°)，環視、側視實現可探測距離＞100m (FOV 180°)。其他類型傳感器性能達到國際先進水平。
（四）終端人工智能推斷框架
揭榜任務：開發高性能終端人工智能推斷框架，突破多模式訓練、多精度推斷、多平臺覆蓋、模型量化等關鍵技術，運行效率、量化能力、壓縮率滿足應用場景需求，實現自學習、自定義算子、分布式算力調度等能力。
預期目標：到2023年，框架支持C、C++、Java和Python等主流開發語言中3種以上，適配5款以上人工智能推斷芯片，支持FP32、FP16、INT8、INT4等多種推斷精度，在自動駕駛、智能醫療裝備、智能家居、智能終端等重點領域實現規?；逃?。
（五）人工智能開發服務平臺及工具
揭榜任務：研制低門檻、高性能、可擴展的人工智能開發平臺，突破智能數據標注、自動機器學習（AutoML）、大規模異構資源管理、云邊端協同管理等核心技術，提供面向機器視覺、自然語言處理等特定應用和金融、制造、能源等典型行業的平臺服務能力。
預期目標：到2023年，平臺支持主流人工智能深度學習框架，支持3種以上人工智能芯片的適配，支持多種典型算法和工具，多機多卡分布式環境下線性加速比達到國際先進水平。工具支持典型場景的智能化標注，標注工作量顯著降低，實現典型行業的實際應用。在多個標準數據集上AutoML算法的性能與人類專家差距在10%以內。
四、智能產品
（六）機器翻譯系統
揭榜任務：突破低資源機器翻譯模型架構、跨語言跨領域知識遷移、魯棒性訓練與解碼、多語言通用翻譯引擎等核心技術，開發高性能的小語種自動翻譯模型與算法。在實時、非實時、常見噪聲等多種應用場景下，支持語音轉文本、語音轉語音、文本轉語音、文本轉文本等能力。
預期目標：到2023年，實現超大規模多語言通用機器翻譯引擎，支持中文普通話、常見方言、外語類型的翻譯，支持多個國產軟硬件平臺的小語種機器翻譯訓練與推斷，小語種機器翻譯抗噪音與領域遷移魯棒性滿足實際應用需求。系統的譯文忠實度大于90%，譯文流利度大于90%。
（七）三維圖像身份識別系統
揭榜任務：研發三維圖像身份識別系統，包括3D成像硬件模組，千萬大庫3D人臉識別算法，云-邊協同3D人臉識別引擎等關鍵技術，實現在人臉支付、智慧安檢、視頻監控、圖像檢索等典型場景的應用。
預期目標：到2023年，高精度3D成像硬件模組1米距離成像精度達到1毫米，誤識率小于0.001?，拒識率小于5%。3D人臉識別引擎支持大庫實時檢索，QPS大于150，達到國際先進水平。在典型應用場景下，系統對二維靜態紙質/非紙質圖像、電子/動態圖像、面具、頭模拒絕率≥99.9%，人臉活體接受率≥99%。系統應用的安全合規性符合國家相關法規要求。
（八）智能語音交互系統
揭榜任務：研究基于人機對話的智能語音交互系統，突破環境因素和用戶口語發音差異等導致的語音識別技術瓶頸。研究多語種及多風格情感語音合成技術，實現自然、情感豐富的語音合成效果。研究以多模態識別技術為前端，基于多種機器學習方法的語義對話系統，提升開放場景下的語義泛化能力。研究智能語音分布式管理，實現多個智能交互設備的協同工作。在智能制造、智能客服、智能車載、智能家居等場景下實現大規模應用。
預期目標：到2023年，實現多場景下中文語音識別平均準確率達到98%，遠場識別率超過95%，語音合成MOS分不低于4.2分，誤喚醒每24小時不超過1次，用戶意圖準確率達到95%以上，多設備協同喚醒準確率達到98%以上，支持的外語類型、少數民族語言、方言種類達到5種以上，支持個性化語音合成種類3種以上，平均響應時間小于2秒。
（九）自動駕駛虛擬仿真測試平臺
揭榜任務：研制高置信度、高覆蓋度、高精度的自動駕駛仿真測試驗證平臺，突破場景構建、車輛動力學建模、駕駛員建模、傳感器建模等關鍵技術，提升自動駕駛系統功能測試和性能評價能力，驗證自動駕駛系統是否符合應用功能要求和安全要求。
預期目標：到2023年，基于高精度地圖和三維重建技術構建場景庫，建立自動駕駛仿真場景1000個以上，包括典型場景、連續場景、車路協同場景和城市道路場景。感知系統仿真實現激光雷達、毫米波雷達和攝像頭仿真，能夠接入自動駕駛感知和決策控制系統，實現道路環境場景仿真測試及量化評價，為行業企業提供有效的研發、產業化測試服務。
（十）智能機器人
揭榜任務：重點圍繞家庭服務、醫療健康、公共服務、養老服務、金融服務、巡檢安監、智能物流等領域，突破包括多模態智能交互、多機協同及云平臺、智能精準安全操控、感知信息融合、影像定位與導航等關鍵技術，推進智能機器人規模商用。
預期目標：到2023年，面向不同應用場景，智能機器人具備以下一種或多種能力：在多模態交互能力方面，識別準確率在95%以上，在巡檢等特定應用場景可實現對缺陷和隱患的全天候、全方位、全自主監測。在多機協同方面，具備高安全、高精度、超大作業范圍協同能力，以及面向場景的智能化運維能力。在自主動作能力方面，具備自由移動與避障能力，在特定應用場景可實現安全可靠、智能決策的高自動化水平和高智能化水平的無人搬運能力。在智能知識庫方面，擁有面向應用場景的規模化知識庫，具備智能問答等功能。在健康護理服務方面，實現智能輔助診斷、身體指標檢測、高清遠程醫療等功能。
（十一）智能無人機
揭榜任務：突破智能跟隨、自主作業、群體協同作業等關鍵技術，推動5G通信、北斗導航、邊緣計算等新技術在數據傳輸、鏈路控制、智能操作、監控管理等方面的應用。促進智能無人機在應急救援、通信保障、電力巡檢、森林防控、采礦安監等危特場景的應用。
預期目標：到2023年，智能無人機實現360°全向感知避障，避障模式下最大飛行速度不低于14m/s。新一代通信網絡環境下，無人機遠程高清圖傳屏到屏延時小于200ms，遠程控制延時小于60ms。面向森林草原巡檢、火災預警和消防救援等應急場景應用無人機抗風七級，連續飛行時間不小于60分鐘。人工智能飛行處理系統實現自動智能強制避讓航空管制區域，產品達到國際先進水平。
（十二）智能導盲產品
揭榜任務：圍繞視障人群的無障礙獨立出行需求，研制具有高性能、高精度、高度無障礙的導盲系統及產品，突破室內精準無障礙導航、室外復雜環境精準導盲、復雜場景下智能感知、自主決策、協同引導以及智能信息共享等關鍵技術，支持立體空間安全避障，提升路徑學習、物品識別的自學習能力，進一步解決視障人群的出行問題。
預期目標：到2023年，導盲產品利用5G、短距離通信和高精度衛星定位等技術，實現主動識別、主動判斷、主動避障、主動引領、低時延快速響應，具備處理室內外各類復雜出行環境的能力，實現立體空間安全避障。通過語音、音效、震動等多種交互方式實現主動引領導盲功能，支持遠程人工導盲服務。產品的續航時間、適用性、可靠性、安全性滿足視障人群的出行需求。
（十三）智能制造關鍵技術裝備與系統
揭榜任務：突破智能裝備自主識別、自主優化、自主學習、群體協同等關鍵技術，推動人工智能技術與智能制造裝備融合。研發智能新型工業控制系統等創新產品，推進人工智能算法與工業自動化系統融合。研發智能工業軟件，推進人工智能與研發設計、生產管控、經營管理等工業軟件系統的融合與應用。
預期目標：到2023年，智能裝備具備環境感知、控制指令優化、自主學習、人機交互、協同組織功能，重復定位精度達到特定場景生產制造要求，具備5臺以上單臺裝備的協同能力。智能工業控制系統涵蓋10種以上人工智能算法模型。智能工業軟件設計仿真領域形成不少于5類智能化功能模塊，在生產管控、經營管理軟件領域分別形成不少于20類智能化功能模塊。在倉儲物流、石油化工、服裝紡織、軌道交通等主要工業領域實現集成應用。
（十四）高精度工業視覺檢測系統
揭榜任務：研制基于機器視覺、高精度傳感等技術的工業視覺檢測系統，推動視覺和人工智能技術結合的檢測系統在精度、穩定性與檢測速度等領域關鍵技術突破，實現視覺技術在測量、定位、檢測、引導及識別等生產管理重點領域的場景創新與推廣應用。
預期目標：到2023年，3D視覺檢測、小樣本訓練、多類型混合缺陷識別等關鍵技術實現重大突破，視覺檢測系統的工業現場漏檢率、誤報率、測量精度、識別速度、系統一致性滿足實際生產需求，實現產業規模化應用。
五、公共支撐
（十五）人工智能訓練資源庫
揭榜任務：建設通用基礎訓練資源庫和行業訓練資源庫，可提供合規的、高質量人工智能訓練資源庫、標準測試數據和服務能力，具備多類型、多場景數據采集與處理服務能力。通用基礎訓練資源庫支持計算機視覺、智能語音、自然語言處理等典型人工智能應用訓練數據，行業訓練資源庫可提供定制化行業領域訓練數據服務。
預期目標：到2023年，通用基礎訓練資源庫具備以下一種或多種數據類型：語音識別數據時長超過9萬小時，標注準確率超過97%。圖片數據量超過1500萬張，標注準確率超過97%。視頻數據時長超過800小時，標注準確率超過97%。自然語言處理數據量超過600萬條，標注準確率超過97%。行業訓練數據滿足相關領域如工業、交通、金融等行業的應用需求。
（十六）大規模預訓練模型
揭榜任務：研發面向計算機視覺、自然語言處理、智能語音等人工智能核心技術的大規模預訓練模型。突破預訓練模型的訓練算力、時間等限制，結合微調等技術，提升常見視覺、語言任務的分析和處理效果，搭建人工智能通用算法底座，提升大規模預訓練模型的公共支撐能力。
預期目標：到2023年，構建至少覆蓋多語種文本、語音、圖像、視頻的多模態預訓練大模型，模型參數至少達到千億級。構建人工智能預訓練大型模型的工程化開發能力，建設通用的人工智能開發工作流，減少專家干預及人為調參。平臺具備提供數據、代碼、模型、API等服務的能力，在工業、醫療、城市、金融、物流、科學研究等行業領域實現規模應用。
（十七）人工智能安全檢測平臺
揭榜任務：研發人工智能數據安全測試平臺，支持對模型數據泄露行為檢測。研發人工智能算法安全性測評平臺，支持針對以人臉識別身份認證、自動駕駛智能識別等為代表的人工智能系統進行抗對抗樣本攻擊能力等安全風險的測評。研發面向金融、政務、電商等行業領域的風險監測預警平臺。
預期目標：到2023年，人工智能安全檢測平臺具備以下一種或多種能力：不少于3種人工智能模型數據泄露行為檢測方法。不少于10種數字世界黑盒對抗攻擊、不少于2種物理世界黑盒對抗攻擊算法。平臺支持對TensorFlow、PyTorch等典型深度學習框架訓練出的算法模型的安全性進行高效的、自動化的測評，支持測評多種任務模型的安全性，如包括人臉識別身份認證、自動駕駛智能感知等任務。風險監測預警平臺具備至少10種行業監測預警模型，大幅提高行業風險監測有效率與運行安全性，行業風險監測覆蓋率顯著提升。
六、其他
其他人工智能領域的特色化技術、產品、服務和平臺等，應具有技術先進性，技術成熟度較高，產業化前景較好。