- 找政策
- 查服務(wù)
- 找成果
- 專利檢索
- 查活動(dòng)
當(dāng)前位置 : 科技項(xiàng)目 廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃
專題一：智能計(jì)算關(guān)鍵技術(shù)研究及應(yīng)用（專題編號： 20100140）
項(xiàng)目 1.1：面向規(guī)模視覺處理的開放計(jì)算框架研究及系統(tǒng)應(yīng)用：資助額度不超過 1500 萬元/項(xiàng)。
項(xiàng)目 1.2：數(shù)據(jù)流驅(qū)動(dòng)執(zhí)行的智能計(jì)算系統(tǒng)研制與應(yīng)用 ： 資助額度不超過 1500 萬元/項(xiàng)。
項(xiàng)目 1.3：面向 AI 計(jì)算集群的網(wǎng)絡(luò)體系結(jié)構(gòu)優(yōu)化關(guān)鍵技術(shù)研究及應(yīng)用資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 1.4：面向人機(jī)協(xié)同的邊緣計(jì)算開放系統(tǒng)研發(fā)及應(yīng)用：資助額度不超過 1000 萬元/項(xiàng)。
專題二：智能感知與認(rèn)知核心技術(shù)研究及應(yīng)用（專題編號：20100141）
項(xiàng)目 2.1：多自由度智能體復(fù)雜技能的自主學(xué)習(xí)研究及應(yīng)用資助額度不超過 1500 萬元/項(xiàng)。
項(xiàng)目 2.2：可自配準(zhǔn) DRGB 多維感知及實(shí)時(shí)計(jì)算系統(tǒng)研究及應(yīng)用：資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 2.3：基于神經(jīng)架構(gòu)搜索的 AI 處理器定制設(shè)計(jì)與評測系統(tǒng)開發(fā)：資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 2.4：跨域異構(gòu)群智系統(tǒng)關(guān)鍵技術(shù)研究與驗(yàn)證：資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 2.5：面向工業(yè)智能的分布式計(jì)算系統(tǒng)研究與應(yīng)用驗(yàn)證：資助額度不超過 1000 萬元/項(xiàng)。
專題三：智能創(chuàng)新應(yīng)用及重點(diǎn)場景（專題編號：20100142）
項(xiàng)目 3.1：基于多模態(tài)融合的醫(yī)學(xué)人工智能集成預(yù)測和輔診建模方法及應(yīng)用研究 ： 資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 3.2：物流供應(yīng)鏈智能預(yù)測系統(tǒng)研發(fā)及應(yīng)用：資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 3.3：基于大數(shù)據(jù)智能的多層次知識檢索關(guān)鍵技術(shù)研究及應(yīng)用 ：資助額度不超過 1000 萬元/項(xiàng)。
項(xiàng)目 3.4：基于 Atlas 計(jì)算平臺(tái)生態(tài)創(chuàng)新協(xié)同技術(shù)研究及應(yīng)用：資助額度不超過 1000 萬元/項(xiàng)。
?。ㄒ唬╉?xiàng)目申報(bào)單位（包括企業(yè)、科研院所、高校、其他事業(yè)單位和行業(yè)組織等）應(yīng)注重產(chǎn)學(xué)研結(jié)合、整合省內(nèi)外優(yōu)勢資源。
申報(bào)單位為省外地區(qū)的，項(xiàng)目評審與廣東省內(nèi)單位平等對待，港澳地區(qū)高校院所按照《廣東省科學(xué)技術(shù)廳 廣東省財(cái)政廳關(guān)于香港特別行政區(qū)、澳門特別行政區(qū)高等院校和科研機(jī)構(gòu)參與廣東省財(cái)政科技計(jì)劃（專項(xiàng)、基金等）組織實(shí)施的若干規(guī)定（試行）》（粵科規(guī)范字〔2019〕1號）文件精神納入相應(yīng)范圍。省外單位牽頭申報(bào)的，經(jīng)競爭性評審，擇優(yōu)納入科技計(jì)劃項(xiàng)目庫管理。入庫項(xiàng)目在滿足科研機(jī)構(gòu)、科研活動(dòng)、主要團(tuán)隊(duì)到廣東落地，且項(xiàng)目知識產(chǎn)權(quán)在廣東申報(bào)、項(xiàng)目成果在廣東轉(zhuǎn)化等條件后，給予立項(xiàng)支持。
?。ǘ?nbsp;堅(jiān)持需求導(dǎo)向和應(yīng)用導(dǎo)向。鼓勵(lì)企業(yè)牽頭申報(bào)，牽頭企業(yè)原則上應(yīng)為高新技術(shù)企業(yè)或龍頭骨干企業(yè)，建有研發(fā)機(jī)構(gòu)，在本領(lǐng)域擁有國家級、省部級重大創(chuàng)新平臺(tái)，且以本領(lǐng)域領(lǐng)軍人物或中青年創(chuàng)新人才作為項(xiàng)目負(fù)責(zé)人。申報(bào)項(xiàng)目必須有自籌經(jīng)費(fèi)投入，企業(yè)牽頭申報(bào)的，項(xiàng)目總投入中自籌經(jīng)費(fèi)原則上不少于70%；非企業(yè)牽頭申報(bào)的，項(xiàng)目總投入中自籌經(jīng)費(fèi)原則上不少于50%。
（三） 省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃申報(bào)單位總體不受在研項(xiàng)目數(shù)的限項(xiàng)申報(bào)約束，申報(bào)單位應(yīng)在該領(lǐng)域具有顯著優(yōu)勢，注重加強(qiáng)資源統(tǒng)籌和要素整合，集中力量開展技術(shù)攻關(guān)，原則上每個(gè)項(xiàng)目的牽頭申報(bào)單位和參與單位總數(shù)不超過10家（含）。不鼓勵(lì)同一研究團(tuán)隊(duì)或同一單位分散力量，在申報(bào)同一專項(xiàng)（或?qū)ｎ}）時(shí)，同一研究團(tuán)隊(duì)原則上只允許牽頭1項(xiàng)或參與1項(xiàng)，同一法人單位原則上只允許牽頭及參與不超過3項(xiàng)（同一項(xiàng)目方向牽頭不超過1項(xiàng)），否則納入科研誠信記錄并進(jìn)行相應(yīng)處理。
（四） 項(xiàng)目負(fù)責(zé)人應(yīng)起到統(tǒng)籌領(lǐng)導(dǎo)作用，能實(shí)質(zhì)性參與項(xiàng)目的組織實(shí)施，防止出現(xiàn)拉本領(lǐng)域高端知名專家掛名現(xiàn)象。
?。ㄎ澹?nbsp;項(xiàng)目內(nèi)容須真實(shí)可信，不得夸大自身實(shí)力與技術(shù)、經(jīng)濟(jì)指標(biāo)。各申報(bào)單位須對申報(bào)材料的真實(shí)性負(fù)責(zé)，申報(bào)單位和推薦單位要落實(shí)《關(guān)于進(jìn)一步加強(qiáng)科研誠信建設(shè)的若干意見》（廳字〔2018〕23號）要求，加強(qiáng)對申報(bào)材料審核把關(guān)，杜絕夸大不實(shí)，甚至弄虛作假。各申報(bào)單位、項(xiàng)目負(fù)責(zé)人須簽署《申報(bào)材料真實(shí)性承諾函》（模板可在陽光政務(wù)平臺(tái)系統(tǒng)下載，須加蓋單位公章）。項(xiàng)目一經(jīng)立項(xiàng)，技術(shù)、產(chǎn)品、經(jīng)濟(jì)等考核指標(biāo)無正當(dāng)理由不予修改調(diào)整。
?。?nbsp;申報(bào)單位應(yīng)認(rèn)真做好經(jīng)費(fèi)預(yù)算，按實(shí)申報(bào)，且應(yīng)符合申報(bào)指南有關(guān)要求。牽頭單位應(yīng)具備較強(qiáng)的研究開發(fā)實(shí)力或資源整合能力，承擔(dān)項(xiàng)目的核心研究組織任務(wù)，原則上應(yīng)分配最大的資金份額。
?。ㄆ撸?nbsp;有以下情形之一的項(xiàng)目負(fù)責(zé)人或申報(bào)單位不得進(jìn)行申報(bào)或通過資格審查：
1.項(xiàng)目負(fù)責(zé)人有廣東省級科技計(jì)劃項(xiàng)目3項(xiàng)以上（含3項(xiàng)）未完成結(jié)題或有項(xiàng)目逾期一年未結(jié)題（平臺(tái)類、普惠性政策類、后補(bǔ)助類項(xiàng)目除外）；
2.項(xiàng)目負(fù)責(zé)人有在研廣東省重大科技專項(xiàng)項(xiàng)目、重點(diǎn)領(lǐng)域研發(fā)計(jì)劃項(xiàng)目未完成驗(yàn)收結(jié)題（此類情形下該負(fù)責(zé)人還可作為參與人員參與項(xiàng)目團(tuán)隊(duì)）；
3.在省級財(cái)政專項(xiàng)資金審計(jì)、檢查過程中發(fā)現(xiàn)重大違規(guī)行為；
4.同一項(xiàng)目通過變換課題名稱等方式進(jìn)行多頭或重復(fù)申報(bào)；
5.項(xiàng)目主要內(nèi)容已由該單位單獨(dú)或聯(lián)合其他單位申報(bào)并已獲得省科技計(jì)劃立項(xiàng)；
6.省內(nèi)單位項(xiàng)目未經(jīng)科技主管部門組織推薦；
7.有尚在懲戒執(zhí)行期內(nèi)的科研嚴(yán)重失信行為記錄和相關(guān)社會(huì)領(lǐng)域信用“黑名單”記錄；
8.違背科研倫理道德。
?。ò耍?申報(bào)項(xiàng)目還須符合申報(bào)指南各專題方向的具體申報(bào)條件。
專題一：智能計(jì)算關(guān)鍵技術(shù)研究及應(yīng)用(專題編號：20100140)
項(xiàng)目 1.1：面向規(guī)模視覺處理的開放計(jì)算框架研究及系統(tǒng)應(yīng)用
(一) 研究內(nèi)容。
自主研發(fā)面向視覺處理的深度學(xué)習(xí)計(jì)算框架，可兼容主流的開源框架，實(shí)現(xiàn)針對視覺模型訓(xùn)練和推理性能優(yōu)化與強(qiáng)化;研究深度學(xué)習(xí)框架計(jì)算圖與算子的統(tǒng)一表示與實(shí)現(xiàn)，實(shí)現(xiàn)對多種主流框架接口的虛擬化執(zhí)行;開發(fā)大規(guī)模模型訓(xùn)練平臺(tái)，研究適配機(jī)器學(xué)習(xí)的前編譯與即時(shí)編譯能力，分別研究深度學(xué)習(xí)計(jì)算框架、高速大數(shù)據(jù)存儲(chǔ)引擎、數(shù)據(jù)管理與標(biāo)注平臺(tái)、大規(guī)模分布式訓(xùn)練任務(wù)調(diào)度、人工智能集成研發(fā)環(huán)境的優(yōu)化方案，并研究整體融合優(yōu)化方案。研究基于深度學(xué)習(xí)的視覺計(jì)算開放平臺(tái)的開放模式，研究開放平臺(tái)對不同視覺計(jì)算需求的適應(yīng)能力。
(二) 考核指標(biāo)。
自主研發(fā)內(nèi)嵌編譯器、核心引擎、數(shù)據(jù) IO 引擎的深度學(xué)習(xí)訓(xùn)練框架，可兼容 TensorFlow、PyTorch、MindSpore、PaddlePaddle 等國內(nèi)外主流開源訓(xùn)練框架;研發(fā)一套可實(shí)現(xiàn)規(guī)模計(jì)算視覺處理平臺(tái);同等環(huán)境下對比 TensorFlow、PyTorch 等主流開源訓(xùn)練框架提升訓(xùn)練性能 30%以上，可實(shí)現(xiàn)支持不低于 1000 個(gè)國產(chǎn) AI 處理器并行計(jì)算。利用該框架針對殘差神經(jīng)網(wǎng)絡(luò)(ResNet)等視覺模型進(jìn)行計(jì)算，可實(shí)現(xiàn)在百萬視覺處理數(shù)據(jù)集上完整訓(xùn)練 90 輪(epoch)時(shí)間小于60s;該框架可支持即時(shí)編譯實(shí)現(xiàn)求導(dǎo)代碼自動(dòng)生成，支持國產(chǎn)芯片計(jì)算架構(gòu)，支持多種設(shè)備量化格式的量化訓(xùn)練，以及量化模型的直接輸出。基于該框架構(gòu)建視覺處理系統(tǒng)具備存儲(chǔ)訪問能力不低于 300 萬 IOPS。在智慧城市、教育、商業(yè)、互聯(lián)網(wǎng)娛樂、交通、金融、制造等多領(lǐng)域?qū)崿F(xiàn)視覺計(jì)算的底層支撐。項(xiàng)目實(shí)施期間新增應(yīng)用用戶不少于 3000 個(gè)。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)并實(shí)現(xiàn)推廣應(yīng)用。
(三) 申報(bào)要求。
須“廣東省新一代人工智能開放創(chuàng)新平臺(tái)”建設(shè)單位牽頭申報(bào)，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 1.2：數(shù)據(jù)流驅(qū)動(dòng)執(zhí)行的智能計(jì)算系統(tǒng)研制與應(yīng)用
(一) 研究內(nèi)容。
研究智能處理器和系統(tǒng)結(jié)構(gòu)，探索多型智能處理器體系結(jié)構(gòu)，可伸縮異構(gòu)智能計(jì)算節(jié)點(diǎn)和整機(jī)系統(tǒng)結(jié)構(gòu);研究編程效率、程序性能和程序正確性的解耦和協(xié)同機(jī)制，支持代碼的可伸縮性和可移植性;研究數(shù)據(jù)流驅(qū)動(dòng)的程序執(zhí)行模型，研究優(yōu)化系統(tǒng)資源配置和多機(jī)系統(tǒng)的訪存、通信和 I/O 性能提升方法;研究智能云計(jì)算系統(tǒng)上的應(yīng)用技術(shù)，在材料、制造和健康等行業(yè)建立驗(yàn)證系統(tǒng)，完成重大應(yīng)用場景示范。
(二) 考核指標(biāo)。
項(xiàng)目完成時(shí)，設(shè)計(jì)一套 AI 處理器指令集體系結(jié)構(gòu)，支持面向視覺、語音、人機(jī)交互、數(shù)據(jù)治理 4 類智能應(yīng)用工作負(fù)載的領(lǐng)域?qū)Ｓ弥噶罴w系結(jié)構(gòu)設(shè)計(jì);完成國產(chǎn)智能處理器與至少 2 種國產(chǎn)通用 CPU 服務(wù)器的適配，與國外同類型產(chǎn)品對比單卡的能效比提升不低于 20%;基于優(yōu)化的 AI 計(jì)算框架研制多機(jī)分布訓(xùn)練系統(tǒng)，可支持快速開發(fā) TOPS(1012)量級的片上并行計(jì)算和 POPS(1015)量級的多機(jī)分布計(jì)算;實(shí)現(xiàn)單處理器計(jì)算效率不低于 30%;基于國產(chǎn)智能計(jì)算系統(tǒng)實(shí)現(xiàn)不低于 1EOPS(1018)量級的分布式訓(xùn)練示范，整機(jī)并行計(jì)算效率不低于 60%。以項(xiàng)目形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)。項(xiàng)目執(zhí)行期內(nèi)在材料、制造和健康等行業(yè)完成重大應(yīng)用示范。
(三) 申報(bào)要求。
鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 1.3：面向 AI 計(jì)算集群的網(wǎng)絡(luò)體系結(jié)構(gòu)優(yōu)化關(guān)鍵技術(shù)研究及應(yīng)用
(一) 研究內(nèi)容。
開展適用于 AI 計(jì)算集群的網(wǎng)絡(luò)體系結(jié)構(gòu)研究。研究適用于 AI 計(jì)算任務(wù)的高性能網(wǎng)絡(luò)協(xié)議棧;研究適用于大規(guī)模低延遲無損網(wǎng)絡(luò)的擁塞控制協(xié)議以及死鎖規(guī)避機(jī)制;研發(fā)AI 計(jì)算加速網(wǎng)卡，以及配套的 AI 計(jì)算卸載技術(shù);針對 AI 計(jì)算集群多用戶、高并發(fā)問題，研究低延遲無損網(wǎng)絡(luò)的虛擬化技術(shù);研究網(wǎng)絡(luò)延遲及帶寬資源的動(dòng)態(tài)感知技術(shù);研究適用于 AI 計(jì)算集群的智能網(wǎng)絡(luò)調(diào)度技術(shù)。
(二) 考核指標(biāo)。
研制適用于深度學(xué)習(xí)的新型網(wǎng)絡(luò)協(xié)議棧，對比 TCP/IP 協(xié)議棧及 RDMA Verbs 傳輸系統(tǒng)，提升訓(xùn)練服務(wù)器的整體吞吐量不小于 100%;研發(fā)適用于大規(guī)模無損網(wǎng)絡(luò)的擁塞控制協(xié)議，降低傳輸時(shí)延不低于 25%;研發(fā)無損網(wǎng)絡(luò)虛擬化技術(shù)，實(shí)現(xiàn)單個(gè)租戶的訓(xùn)練吞吐量相比獨(dú)占無損網(wǎng)絡(luò)資源時(shí)下降不超過 20%;研發(fā) AI 計(jì)算加速網(wǎng)卡，對比 CPU+GPU 的 AI 計(jì)算，加速超過 100%;研發(fā)適用于 AI 計(jì)算的智能網(wǎng)絡(luò)調(diào)度技術(shù)，同等條件可降低 AI 計(jì)算任務(wù)完成時(shí)間 30%以上。以項(xiàng)目形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)。
(三) 申報(bào)要求。
鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 1.4：面向人機(jī)協(xié)同的邊緣計(jì)算開放系統(tǒng)研發(fā)及應(yīng)用
(一) 研究內(nèi)容。
研究支持人機(jī)協(xié)同的邊緣計(jì)算視聽覺識別算法和音視頻協(xié)同算法，支持多模態(tài)實(shí)時(shí)交互;研究多媒體加密、隱私保護(hù)和數(shù)字水印算法，支持安全和可信任的深度學(xué)習(xí)計(jì)算環(huán)境;研發(fā)支持多種深度學(xué)習(xí)框架和國產(chǎn)異構(gòu)芯片的統(tǒng)一計(jì)算軟件架構(gòu);研究邊緣計(jì)算調(diào)度編排和虛擬化技術(shù)，實(shí)現(xiàn)資源的彈性伸縮和動(dòng)態(tài)調(diào)度，實(shí)現(xiàn)可擴(kuò)展、可級聯(lián)的邊緣計(jì)算和云邊計(jì)算;支持應(yīng)用的自由配置選擇、自動(dòng)打包、即插即用;研發(fā)采用上述技術(shù)的邊緣計(jì)算開放自迭代軟硬件系統(tǒng)，支持算法、應(yīng)用和部件的開放生態(tài)。
(二) 考核指標(biāo)。
研制面向人機(jī)協(xié)同的邊緣計(jì)算開放軟硬件系統(tǒng)，集成視聽覺不少于 20 種算法模型，多模態(tài)融合和音視頻協(xié)同的響應(yīng)時(shí)延小于不超過 200ms，可同時(shí)支持 100 路和 100 種多媒體終端接入;可集成各類安全軟件，實(shí)現(xiàn)內(nèi)容加密、隱私保護(hù)、對音視頻、代碼可溯源;研制統(tǒng)一計(jì)算軟件架構(gòu)，支持Tensorflow、Pytorch、Caffe、MXNet 等主流深度學(xué)習(xí)框架，兼容 X86、GPU、ARM、RISC-V、ASIC 等異構(gòu)芯片;支持不少于 3 層的縱向級聯(lián)和不少于 100 個(gè)計(jì)算節(jié)點(diǎn)的橫向擴(kuò)展;實(shí)現(xiàn)邊緣計(jì)算的容器化應(yīng)用管理，支持實(shí)時(shí)動(dòng)態(tài)的服務(wù)加載與資源回收;研制不少于 50 種邊緣端基礎(chǔ) AI 應(yīng)用，可自動(dòng)生成不少于 500 種應(yīng)用套件;實(shí)現(xiàn)典型應(yīng)用的代碼開源，實(shí)現(xiàn)算法模型和場景的一體化持續(xù)適應(yīng)性訓(xùn)練迭代。項(xiàng)目實(shí)施期間成果新增應(yīng)用用戶不少于 3000 個(gè)。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)，申請發(fā)明專利不少于 3 件，并在 2 種以上的典型場景中得到推廣應(yīng)用。
(三) 申報(bào)要求。
須“廣東省新一代人工智能開放創(chuàng)新平臺(tái)”建設(shè)單位牽頭申報(bào)，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
專題二：智能感知與認(rèn)知核心技術(shù)研究及應(yīng)用(專題編號：20100141)
項(xiàng)目 2.1：多自由度智能體復(fù)雜技能的自主學(xué)習(xí)研究及應(yīng)用
(一) 研究內(nèi)容。
研究多自由度智能體復(fù)雜技能的自主學(xué)習(xí)理論與方法。研究面向任務(wù)的復(fù)雜技能基元表示及知識化表達(dá)方法，構(gòu)建技能基元庫和技能庫，研究技能在線采集和標(biāo)注方法;研究技能遷移與增強(qiáng)學(xué)習(xí)方法，研究技能自主學(xué)習(xí)仿真訓(xùn)練引擎技術(shù)，實(shí)現(xiàn)技能的虛實(shí)遷移、衍生及不同場景下的高效適應(yīng);研究免編程智能體作業(yè)系統(tǒng)構(gòu)建技術(shù)，實(shí)現(xiàn)智能體的免編程感知、規(guī)劃、決策，并實(shí)現(xiàn)在工業(yè)領(lǐng)域的應(yīng)用示范。
(二) 考核指標(biāo)。
研制多自由度智能體復(fù)雜技能采集、訓(xùn)練裝備及作業(yè)產(chǎn)線。開發(fā)智能體技能采集與標(biāo)注系統(tǒng)，包含不少于 1000 臺(tái)六自由度以上智能體，技能采集數(shù)據(jù)種類不少于 5 種，技能基元不少于 5 種，同類拓?fù)浼寄芊N類不少于 10 種;研制智能體遷移學(xué)習(xí)仿真裝備，具備 5 種以上類型的六自由度以上工業(yè)級智能體，具備環(huán)境自感知、任務(wù)自決策、運(yùn)動(dòng)與力混合執(zhí)行，引擎仿真逼真度>90%，面向新場景可自衍生出不少于 10 種以上新技能;構(gòu)建智能體作業(yè)產(chǎn)線，實(shí)現(xiàn)六自由度以上智能體復(fù)雜技能的免編程作業(yè)，產(chǎn)線部署時(shí)間減少80%，產(chǎn)能爬坡周期縮短 30%，實(shí)現(xiàn)不少于 100 臺(tái)智能體的工業(yè)應(yīng)用示范。以項(xiàng)目研究中形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)，并在 2 種以上的典型場景中實(shí)現(xiàn)推廣應(yīng)用。
(三) 申報(bào)要求。
須企業(yè)牽頭，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 2.2：可自配準(zhǔn) DRGB 多維感知及實(shí)時(shí)計(jì)算系統(tǒng)研究及應(yīng)用
(一) 研究內(nèi)容。
研究可實(shí)現(xiàn) RGB 與 Depth 信息前端融合的硬件傳感器件及系統(tǒng)?；谠撓到y(tǒng)研究點(diǎn)云信息與色彩高效自配準(zhǔn)技術(shù);基于光學(xué)感知和光信息調(diào)制技術(shù)研究 RGB 和 Depth 信息的高可靠性配準(zhǔn)關(guān)鍵技術(shù);研制可匹配高速 DRGB 數(shù)據(jù)深度計(jì)算的高速處理器;研究海量點(diǎn)云幾何信息及色彩信息的高性能壓縮存儲(chǔ)及傳輸技術(shù);研究二次開發(fā)通用系統(tǒng)接口，可快速支持不同應(yīng)用場景;研發(fā)一套多維信息感知融合的視覺實(shí)時(shí)計(jì)算系統(tǒng)。
(二) 考核指標(biāo)。
研制可實(shí)現(xiàn) RGB 與 Depth 信息在感知層融合的硬件系統(tǒng)，研制基于物理層高效點(diǎn)云發(fā)生和即時(shí)配準(zhǔn)系統(tǒng);基于千萬像素級 DRGB 多維機(jī)器視覺感知系統(tǒng)實(shí)現(xiàn)配準(zhǔn)準(zhǔn)確率不低于 99%，可支持原生(即非插值)點(diǎn)云每秒不少于 1000 萬個(gè)，配準(zhǔn)平均誤差 1 米內(nèi)不超過 0.2%;研制可集成電路封裝的振鏡、處理器，實(shí)現(xiàn)每秒千萬級的點(diǎn)云建模、色彩和深度信息智能融合的采集及建模設(shè)備，具備可二次開發(fā)功能;實(shí)現(xiàn)系統(tǒng)在人機(jī)交互、機(jī)器人引導(dǎo)、物體重建等不同場景的魯棒應(yīng)用，推廣應(yīng)用數(shù)量不低于 1 萬套。以項(xiàng)目形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)。
(三) 申報(bào)要求。
須企業(yè)牽頭，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 2.3：基于神經(jīng)架構(gòu)搜索的 AI 處理器定制設(shè)計(jì)與評測系統(tǒng)開發(fā)
(一) 研究內(nèi)容。
研究基于神經(jīng)架構(gòu)搜索技術(shù)的深度學(xué)習(xí)算法網(wǎng)絡(luò)架構(gòu)優(yōu)化技術(shù);研究 AI 處理器設(shè)計(jì)中增強(qiáng)機(jī)器學(xué)習(xí)的算法和優(yōu)化模型;研究增強(qiáng)學(xué)習(xí)在提高神經(jīng)架構(gòu)搜索效率方面的應(yīng)用;研究算法理論計(jì)算速度和處理器實(shí)際運(yùn)算速度的差異模型;構(gòu)建軟硬件協(xié)同設(shè)計(jì)的智能 AI 處理器云評測平臺(tái)，為算法模型和處理器方案的選型和評測提供標(biāo)準(zhǔn)化平臺(tái)。
(二) 考核指標(biāo)。
研制基于神經(jīng)架構(gòu)搜索技術(shù)的深度學(xué)習(xí)算法網(wǎng)絡(luò)架構(gòu)自動(dòng)化開發(fā)平臺(tái);實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的處理器算法輔助設(shè)計(jì)，基于自主研發(fā)的處理器，完成 1-2 款 AI 專用功能芯片設(shè)計(jì)，運(yùn)算性能可達(dá)單芯片 2T 以上，并可以實(shí)現(xiàn)級聯(lián);搭建處理器智能云評測平臺(tái)，支持主流人工智能算法及 10 款以上處理器，實(shí)現(xiàn)深度學(xué)習(xí)算法評估計(jì)算速度和實(shí)測計(jì)算速度差距小于10%;實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)算法的處理器自動(dòng)化定制設(shè)計(jì)，同等功耗下性能提升 30%以上;項(xiàng)目實(shí)施期間成果新增應(yīng)用用戶不少于 1000 個(gè)。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)提案不少于 2 項(xiàng);項(xiàng)目形成的原創(chuàng)性技術(shù)鼓勵(lì)通過申請專利予以保護(hù)，鼓勵(lì)將技術(shù)應(yīng)用總結(jié)為高水平論文以分享技術(shù)成果。
(三) 申報(bào)要求。
須企業(yè)牽頭，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 2.4：跨域異構(gòu)群智系統(tǒng)關(guān)鍵技術(shù)研究與驗(yàn)證
(一) 研究內(nèi)容。
研究跨域復(fù)雜多變環(huán)境下異構(gòu)計(jì)算的實(shí)時(shí)任務(wù)分配方法，實(shí)現(xiàn)高效率的異構(gòu)并行計(jì)算;研究跨域異構(gòu)群智系統(tǒng)的協(xié)同決策方法，實(shí)現(xiàn)群智系統(tǒng)的快速智能決策響應(yīng);研究跨域異構(gòu)群智系統(tǒng)的協(xié)同控制方法，研究協(xié)同定位技術(shù)，實(shí)現(xiàn)群智系統(tǒng)的高精度協(xié)同作業(yè);開發(fā)典型?？湛缬蛉褐窍到y(tǒng)，進(jìn)行群智方法與技術(shù)驗(yàn)證。
(二) 考核指標(biāo)。
研制一套跨域異構(gòu)群智控制系統(tǒng)，控制節(jié)點(diǎn)不小于 100 個(gè)，異構(gòu)計(jì)算單元類型覆蓋主流 CPU、GPU、PFGA、ASIC 等;實(shí)現(xiàn)復(fù)雜任務(wù)智能分解及子任務(wù)分配計(jì)算模型，可比條件下全局計(jì)算效能及效率提升 15%;開發(fā)分布式智能決策系統(tǒng)，具自組織通信拓?fù)渚W(wǎng)絡(luò)，可實(shí)現(xiàn)跨域群智系統(tǒng)實(shí)時(shí)智能自主決策，單個(gè)節(jié)點(diǎn)的決策響應(yīng)時(shí)間小于等于 50ms,30 個(gè)節(jié)點(diǎn)的任務(wù)協(xié)同決策部署時(shí)間小于等于 1s;可以增減的決策節(jié)點(diǎn)數(shù)量±20%。建立由水空兩棲無人機(jī)和無人艇組成的驗(yàn)證系統(tǒng)，節(jié)點(diǎn)數(shù)不小于 100 個(gè)，群體任務(wù)執(zhí)行中要求單個(gè)節(jié)點(diǎn)偏離值無人艇小于 3m、無人機(jī)小于 0.5m，群體內(nèi)通信平均時(shí)延低于 30ms，控制平均時(shí)延低于 50ms。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)，并實(shí)現(xiàn)推廣應(yīng)用。在海洋監(jiān)測、重點(diǎn)區(qū)域監(jiān)控、緊急救援、物資配送等多個(gè)領(lǐng)域或任務(wù)中驗(yàn)證群智系統(tǒng)能力。
(三) 申報(bào)要求。
須“廣東省新一代人工智能開放創(chuàng)新平臺(tái)”建設(shè)單位牽頭申報(bào)，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 2.5：面向工業(yè)智能的分布式計(jì)算系統(tǒng)研究與應(yīng)用驗(yàn)證
(一) 研究內(nèi)容。
針對工業(yè)協(xié)作場景中多模感知數(shù)據(jù)的分布與處理特點(diǎn)，研究弱連接環(huán)境下多源異構(gòu)數(shù)據(jù)實(shí)時(shí)采集、可信傳輸、安全共享、系統(tǒng)架構(gòu)與部署方法等問題，滿足智能計(jì)算系統(tǒng)端-云-邊一體化高效協(xié)同處理要求;針對產(chǎn)業(yè)鏈、供應(yīng)鏈、價(jià)值鏈和生態(tài)鏈中的多尺度、多層次、多組織智能體的博弈對抗，研究分布式機(jī)器學(xué)習(xí)，研究大規(guī)模分布式模型訓(xùn)練和持續(xù)場景優(yōu)化模型。
(二) 考核指標(biāo)。
圍繞企業(yè)生產(chǎn)組織的產(chǎn)業(yè)鏈、供應(yīng)鏈，開發(fā)多尺度、多層次的分布式機(jī)器學(xué)習(xí)系統(tǒng)?；诎踩煽匾刈灾餮兄品峡善ヅ涿嫦蚬I(yè)系統(tǒng)分布式計(jì)算的邊緣節(jié)點(diǎn)處理器，可支持 X86、ARM 等異構(gòu)計(jì)算，支持 8bit 以下低精度高效表示和計(jì)算，功率不大于 5w 且能效比不低于 10Tops/w。研制云端單機(jī) FP32 性能不小于 100TFlops ，輸入帶寬不 低于 1000Gbps，可支持百萬級計(jì)算節(jié)點(diǎn)擴(kuò)展能力。應(yīng)用該分布式計(jì)算系統(tǒng)，實(shí)現(xiàn)規(guī)模制造類企業(yè)系統(tǒng)在同比條件下可縮短生產(chǎn)周期 10%，減少在制品數(shù)量 10%，缺陷產(chǎn)品總量降低 15%，提升人均生產(chǎn)效率 10%;提升整體產(chǎn)業(yè)鏈資源配置效率 10%,減少整體產(chǎn)業(yè)鏈成本 5%。項(xiàng)目研發(fā)的系統(tǒng)需要在 2 種以上的工業(yè)互聯(lián)網(wǎng)典型場景中得到推廣應(yīng)用，以項(xiàng)目形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)。
(三) 申報(bào)要求。
鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
專題三：智能創(chuàng)新應(yīng)用及重點(diǎn)場景(專題編號：20100142)
項(xiàng)目 3.1：基于多模態(tài)融合的醫(yī)學(xué)人工智能集成預(yù)測和輔診建模方法及應(yīng)用研究
(一) 研究內(nèi)容。
研究基于深度學(xué)習(xí)的醫(yī)學(xué)多源模態(tài)信息融合處理方法，研究跨模態(tài)、跨醫(yī)學(xué)學(xué)科數(shù)據(jù)的綜合分析建模技術(shù);研究基于強(qiáng)化學(xué)習(xí)、網(wǎng)格搜索的醫(yī)學(xué)模型訓(xùn)練和數(shù)據(jù)維度拓展技術(shù);基于無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)研究數(shù)據(jù)高效標(biāo)注和治理方法，建立多模態(tài)數(shù)據(jù)采集、清洗、標(biāo)注、備份、導(dǎo)出的自動(dòng)模型。利用基因組學(xué)、影像組學(xué)、代謝組學(xué)、臨床病理組學(xué)、整體化智能臨檢等多模態(tài)融合的人工智能技術(shù)，在惡性腫瘤、心腦血管疾病、致盲性眼病、突發(fā)重大流行病等領(lǐng)域研究集成預(yù)測和輔診建模理論及算法。
(二) 考核指標(biāo)。
研制面向惡性腫瘤、心腦血管疾病、致盲性眼病、突發(fā)重大流行病等多種類型病種的多模融合預(yù)測及輔診系統(tǒng)?；诨蚪M學(xué)、影像組學(xué)、代謝組學(xué)、臨床病理組學(xué)、整體化智能臨檢等多模態(tài)數(shù)據(jù)，可比條件下實(shí)現(xiàn)比依據(jù)任一單一類型數(shù)據(jù)進(jìn)行疾病診斷準(zhǔn)確率提升 10%以上，綜合準(zhǔn)確率大于 90%。在不少于 3 家以上三甲醫(yī)院開展模型驗(yàn)證，可比條件下基于該模型的診斷結(jié)果采納率大于 90%，面向單類病種具備綜合數(shù)據(jù)的病例不少于 3000 例。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)，提交發(fā)明專利 3 件。
(三) 申報(bào)要求。
鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 3.2：物流供應(yīng)鏈智能預(yù)測系統(tǒng)研發(fā)及應(yīng)用
(一) 研究內(nèi)容。
研究基于端到端學(xué)習(xí)和多源大數(shù)據(jù)的時(shí)序預(yù)測算法，構(gòu)建高魯棒性和高準(zhǔn)確率的物流行業(yè)供需預(yù)測模型;研究博弈深度強(qiáng)化學(xué)習(xí)理論，研究智能物流多式聯(lián)運(yùn)路徑規(guī)劃與動(dòng)態(tài)調(diào)整方法;研究少樣本學(xué)習(xí)的物流品控算法，構(gòu)建物流安全評價(jià)模型;研究物流供應(yīng)鏈運(yùn)作監(jiān)控、預(yù)警模型，針對物流包裝裝備破損檢測、貨物檢索和閘口通關(guān)等場景研究效率提升方法，研究面向食品藥品冷鏈供應(yīng)、天然氣等典型物流供應(yīng)鏈的智能預(yù)測專業(yè)化模型。
(二) 考核指標(biāo)。
建立 20 類典型供需模型的物流供應(yīng)鏈智能預(yù)測系統(tǒng)。實(shí)現(xiàn)多式聯(lián)運(yùn)物流智能規(guī)劃，同環(huán)境下總體效率提升 10%以上;基于該系統(tǒng)可實(shí)現(xiàn)物流運(yùn)輸中貨物狀態(tài)等安全監(jiān)測識別準(zhǔn)確率超過 90%;實(shí)現(xiàn)多平面物流包裝裝備在線表面檢測，破損檢出效率同比提升 10%以上;設(shè)計(jì)面向物流專業(yè)語義庫及識別系統(tǒng)，識別率超過 80%。該系統(tǒng)接入物流裝備終端數(shù)量不少于 100 萬，物流車輛在線數(shù)量不少于 10 萬輛。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)，研發(fā)的系統(tǒng)需要在 2 種以上的物流典型場景中得到推廣應(yīng)用，以項(xiàng)目形成的原創(chuàng)性技術(shù)申請發(fā)明專利不少于 3 項(xiàng)。
(三) 申報(bào)要求。
須企業(yè)牽頭，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 3.3：基于大數(shù)據(jù)智能的多層次知識檢索關(guān)鍵技術(shù)研究及應(yīng)用
(一) 研究內(nèi)容。
構(gòu)建智慧知識產(chǎn)權(quán)工程技術(shù)體系，開展面向智慧知識產(chǎn)權(quán)的大數(shù)據(jù)智能的基礎(chǔ)理論、關(guān)鍵技術(shù)的研究;研發(fā)高增量、高時(shí)效、多模態(tài)知識產(chǎn)權(quán)超圖網(wǎng)絡(luò)建模技術(shù)，研究基于圖卷積神經(jīng)網(wǎng)絡(luò)和膠囊圖神經(jīng)網(wǎng)絡(luò)的分類方法在知識產(chǎn)權(quán)超圖網(wǎng)絡(luò)中的應(yīng)用;研究基于知識產(chǎn)權(quán)大數(shù)據(jù)的知識圖譜智能構(gòu)建方法;研究多層級多分類文本的精準(zhǔn)分類技術(shù);研究文本內(nèi)容結(jié)合圖像分析的多模態(tài)內(nèi)容檢索技術(shù)和跨語種文本檢索技術(shù)。
(二) 考核指標(biāo)。
建立基于大數(shù)據(jù)智能的多層次知識產(chǎn)權(quán)檢索模型，構(gòu)建全知識體系的知識圖譜，實(shí)體數(shù)量超過 1 億，關(guān)系數(shù)量超過 50 億，基于該模型實(shí)現(xiàn)單個(gè)實(shí)體的基礎(chǔ)查詢時(shí)間低于 2 秒;實(shí)用新型專利文本查重查準(zhǔn)率不低于 90%，查全率不低于 50%;針對外觀專利檢索，基于文本結(jié)合圖像跨媒體分析，實(shí)現(xiàn)相對于單純文本內(nèi)容檢索查準(zhǔn)率提升 15%以上;建立外觀設(shè)計(jì)專利 AI 標(biāo)準(zhǔn)數(shù)據(jù)集，實(shí)現(xiàn)分類準(zhǔn)確率比洛迦諾分類法效果提升 15%以上。實(shí)現(xiàn)在知識產(chǎn)權(quán)創(chuàng)意生成與保護(hù)、智能審查、價(jià)值評估與交易等場景示范應(yīng)用。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)并實(shí)現(xiàn)推廣應(yīng)用。
(三) 申報(bào)要求。
鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
項(xiàng)目 3.4：基于 Atlas 計(jì)算平臺(tái)生態(tài)創(chuàng)新協(xié)同技術(shù)研究及應(yīng)用
(一) 研究內(nèi)容。
研究基于 Atlas 計(jì)算平臺(tái)的軟硬件協(xié)同關(guān)鍵技術(shù)，研究可兼容 Caffe、TensorFlow 等主流框架模型的 Atlas 計(jì)算平臺(tái)模型轉(zhuǎn)換與異構(gòu)并行計(jì)算技術(shù);研究開放神經(jīng)網(wǎng)絡(luò)交換技術(shù)、高性能自定義算子適配技術(shù)，基于圖優(yōu)化的 AI 流程編排技術(shù)，提升 Atlas 計(jì)算平臺(tái) AI 接入能力及計(jì)算效率;研究基于 Atlas 計(jì)算平臺(tái)的“端、邊、云”協(xié)同及統(tǒng)一調(diào)度技術(shù)，實(shí)現(xiàn)資源協(xié)同、應(yīng)用協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同，形成基于 Atlas 計(jì)算平臺(tái)的產(chǎn)品解決方案;研究基于國產(chǎn) AI 平臺(tái)智慧安防、智慧社區(qū)、智慧園區(qū)、智慧警務(wù)等應(yīng)用，在城市級場景進(jìn)行示范。
(二) 考核指標(biāo)。
研制基于 Atlas 計(jì)算平臺(tái)的一站式 AI 開發(fā)應(yīng)用平臺(tái)軟件，研制端到端開發(fā)套件 1 套以及 3 種以上工具組件，面向不同領(lǐng)域的場景開發(fā)不少于 10 種高性能自定義算子;基于 Atlas計(jì)算平臺(tái)適配不少于 15 種神經(jīng)網(wǎng)絡(luò)模型;兼容 Caffe、TensorFlow 等不少于 2 種開源框架的模型導(dǎo)入與解析;推廣應(yīng)用 Atlas“端、邊、云”軟硬件系統(tǒng)不少于 2000 套。在千萬級人口規(guī)模城市進(jìn)行應(yīng)用推廣，涵蓋智慧安防、智慧社區(qū)、智慧園區(qū)、智慧警務(wù)、智慧醫(yī)療等多類場景示范。項(xiàng)目完成時(shí)須形成國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)或團(tuán)體標(biāo)準(zhǔn)不少于 2 項(xiàng)并實(shí)現(xiàn)推廣應(yīng)用。
(三) 申報(bào)要求。
須企業(yè)牽頭，鼓勵(lì)產(chǎn)學(xué)研聯(lián)合申報(bào)，項(xiàng)目應(yīng)用實(shí)施須在廣東省內(nèi)。
1.項(xiàng)目負(fù)責(zé)人有廣東省級科技計(jì)劃項(xiàng)目3項(xiàng)以上（含3項(xiàng)）未完成結(jié)題或有項(xiàng)目逾期一年未結(jié)題（平臺(tái)類、普惠性政策類、后補(bǔ)助類項(xiàng)目除外）；
2.項(xiàng)目負(fù)責(zé)人有在研廣東省重大科技專項(xiàng)項(xiàng)目、重點(diǎn)領(lǐng)域研發(fā)計(jì)劃項(xiàng)目未完成驗(yàn)收結(jié)題（此類情形下該負(fù)責(zé)人還可作為參與人員參與項(xiàng)目團(tuán)隊(duì)）；
3.在省級財(cái)政專項(xiàng)資金審計(jì)、檢查過程中發(fā)現(xiàn)重大違規(guī)行為；
4.同一項(xiàng)目通過變換課題名稱等方式進(jìn)行多頭或重復(fù)申報(bào)；
5.項(xiàng)目主要內(nèi)容已由該單位單獨(dú)或聯(lián)合其他單位申報(bào)并已獲得省科技計(jì)劃立項(xiàng)；
6.省內(nèi)單位項(xiàng)目未經(jīng)科技主管部門組織推薦；
7.有尚在懲戒執(zhí)行期內(nèi)的科研嚴(yán)重失信行為記錄和相關(guān)社會(huì)領(lǐng)域信用“黑名單”記錄；
8.違背科研倫理道德。
申報(bào)單位網(wǎng)上集中申報(bào)時(shí)間為2020年 11月5日～2020年12月4日17:00，主管部門網(wǎng)上審核推薦截止時(shí)間為2020年12月11日17:00。
1.高新技術(shù)處（專題業(yè)務(wù)咨詢）：020-83163483-804，83163877
2.業(yè)務(wù)受理及技術(shù)支持：020-83163930、83163338
3.資源配置與管理處（綜合性業(yè)務(wù)咨詢）：司圣奇 020-83163838
