登录 注册

使用微信,扫描二维码登录

项目资助

使用其他账号登录

忘记密码

输入图形码

取消
深圳
4000-119-388 注册 登录

申请免费项目登记评估

取消

当前位置:项目申报 > 人工智能产业创新任务揭榜挂帅申报工作

开放申报中人工智能产业创新任务揭榜挂帅申报工作

根据《工业和信息化部办公厅关于组织开展2021年人工智能产业创新任务揭榜挂帅申报工作的通知》(工信厅科函〔2021〕231号)要求,现请省直有关单位和各市工信局(以下称“推荐单位”)做好我省揭榜挂帅的申报工作。有关事项通知如下:

发布时间:2021-10-21 | 省级 技术创新 政策 关注

|为您推荐

  • 项目介绍
  • 历年申报通知
  • 历年资助企业统计
  • 相关附件

省直有关单位,各地级以上市工业和信息化局:

  根据《工业和信息化部办公厅关于组织开展2021年人工智能产业创新任务揭榜挂帅申报工作的通知》(工信厅科函〔2021〕231号)要求,现请省直有关单位和各市工信局(以下称“推荐单位”)做好我省揭榜挂帅的申报工作。有关事项通知如下:

  一、本次申报采取网上填报与纸质版材料相结合的方式。每个申报主体申报不超过3个项目,已列入前期揭榜优胜项目的不得重复申报。每个申报主体只能通过1个推荐单位推荐,不接受无推荐单位的申报主体。

  二、各推荐单位按照政府引导、企业自愿的原则组织,优先推荐创新能力强、产业化前景好、行业带动作用明显的项目。其中,广州(国家人工智能创新应用先导区)可推荐不超过8个项目,深圳直接推荐报工业和信息化部,珠三角地市(不含广州、深圳)推荐数量不超过5个;省有关单位和其余地市推荐数量不超过3个。

  三、申报主体对申报资料的真实性、合法性和可行性负责,需承诺揭榜后能够在指定期限内完成任务,申报主体须按要求填写《揭榜任务书》、《重点指标表》及《揭榜任务承诺书》并提交相关证明材料。推荐单位须落实指导和监管责任,对申报主体及其申报材料的情况进行认真审核。

  请各推荐单位高度重视人工智能创新任务揭榜挂帅工作,结合本地区、本领域实际,遵循公开、公平、公正的原则完成好推荐工作,并在政策、资金、资源配套等方面加大支持力度。


  2021年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、FP16、INT8等计算精度, 算力 可达到 32TFLOPS@FP32、64TFLOPS@TF32 、 128TFLOPS@BF16. 128TFLOPS@FP16> 512TOPS@INT8; 芯片典型功耗不高于400Wo云端推断芯片支持FP32、TF32、 FP16. INT8等计算精度,算力可达到32TFLOPS@FP32、 128TFLOPS@TF32> 128TFLOPS@FP16. 256TOPS@INT8, 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、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,能效比超过2TopS/W@INT8。 终端芯片能效比超过5TopS/W@INT8,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.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5Kd车规级固态激光雷达在自动驾 驶场景下实现探测距离之250m,水平视场角120。/垂直视场角 20°,水平角度分辨率00.075。/垂直角度分辨率W0.075。。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>250m(FOV30。),环视、侧视实现可探测距离〉100m (FOV 180。)。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、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、FP16、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(AutoML)、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 AutoML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0.001%。。,拒识率小于

  5%。3D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299%。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1000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14m/s.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%。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%。自然语言处理数据量超过600万条,标注准确率超过 97%。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。

  预期目标:到2023年,构建至少覆盖多语种文本、语 音、图像、视频的多模态预训练大模型,模型参数至少达到 千亿级。构建人工智能预训练大型模型的工程化开发能力, 建设通用的人工智能开发工作流,减少专家干预及人为调 参。平台具备提供数据、代码、模型、API等服务的能力, 在工业、医疗、城市、金融、物流、科学研究等行业领域实 现规模应用。

  (十七)人工智能安全检测平台

  揭榜任务:研发人工智能数据安全测试平台,支持对模

  型数据泄露行为检测。研发人工智能算法安全性测评平台, 支持针对以人脸识别身份认证、自动驾驶智能识别等为代表 的人工智能系统进行抗对抗样本攻击能力等安全风险的测 评。研发面向金融、政务、电商等行业领域的风险监测预警 平台。

  预期目标:到2023年,人工智能安全检测平台具备以 下一种或多种能力:不少于3种人工智能模型数据泄露行为 检测方法。不少于10种数字世界黑盒对抗攻击、不少于2 种物理世界黑盒对抗攻击算法。平台支持对TensorFlow. PyTorch等典型深度学习框架训练出的算法模型的安全性进 行高效的、自动化的测评,支持测评多种任务模型的安全性, 如包括人脸识别身份认证、自动驾驶智能感知等任务。风险 监测预警平台具备至少10种行业监测预警模型,大幅提高 行业风险监测有效率与运行安全性,行业风险监测覆盖率显 著提升。

  四、其他

  其他人工智能领域的特色化技术、产品、服务和平台等, 应具有技术先进性,技术成熟度较高,产业化前景较好。

    广东省工业和信息化厅

  2021年10月20日

  (联系人:王波涛、李信,电话:020-83133495,83180738)



本项目统计信息

  • 最近一批资助企业数量

    15 个

  • 最近一批资助总金额

    -

  • 最近一批资助单笔最高

    -