現(xiàn)工信部正在組織開展申報2021年人工智能產業(yè)創(chuàng)新任務揭榜掛帥申報的工作，請蕪湖市符合申報條件的企業(yè)，結合自身實際，積極申報。本次申報為線上申報，申報截止時間為11月15日，各申報企業(yè)需在截止日期之前完成申報并填寫推薦表電子版報送至經發(fā)局。

代理免費咨詢熱線：0551-65306190,15855199550

下一篇：其他蕪湖市可申報補助項目。

附件：2021年人工智能產業(yè)創(chuàng)新任務揭榜掛帥申報指南

一、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(xiàn)高速互聯(lián)總線等核心技術，滿足云計算環(huán)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(xiàn)規(guī)模化商用。

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(fā)高性能、低功耗、低延時、高算力性價比的人工智能芯片；研發(fā)配套的編譯器、驅動軟件、開發(fā)環(huán)境等產業(yè)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(fā)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(jiān)測、車規(guī)級雷達、車規(guī)級攝像頭等智能傳感器自主研發(fā)水平，推動智能傳感器的產業(yè)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(guī)級固態(tài)激光雷達在自動駕駛場景下實現(xiàn)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(guī)級攝像頭在自動駕駛場景下，前視、后視攝像頭實現(xiàn)可探測距離＞250m (FOV 30°)，環(huán)視、側視實現(xiàn)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(fā)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(xiàn)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(fā)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(yī)療裝備、智能家居、智能終端等重點領域實現(xiàn)規(guī)模化商用。

（五）人工智能開發(fā)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(fā)平臺，突破智能數據標注、自動機器學習（AutoML）、大規(guī)模異構資源管理、云邊端協(xié)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(yè)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(huán)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(xiàn)典型行業(yè)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。

二、智能產品

（六）機器翻譯系統(tǒng)

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(fā)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(xiàn)超大規(guī)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(tǒng)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(tǒng)

揭榜任務：研發(fā)三維圖像身份識別系統(tǒng)，包括3D成像硬件模組，千萬大庫3D人臉識別算法，云-邊協(xié)同3D人臉識別引擎等關鍵技術，實現(xiàn)在人臉支付、智慧安檢、視頻監(jiān)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(tǒng)對二維靜態(tài)紙質/非紙質圖像、電子/動態(tài)圖像、面具、頭模拒絕率≥99.9%，人臉活體接受率≥99%。系統(tǒng)應用的安全合規(guī)性符合國家相關法規(guī)要求。

（八）智能語音交互系統(tǒng)

揭榜任務：研究基于人機對話的智能語音交互系統(tǒng)，突破環(huán)境因素和用戶口語發(fā)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(xiàn)自然、情感豐富的語音合成效果。研究以多模態(tài)識別技術為前端，基于多種機器學習方法的語義對話系統(tǒng)，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(xiàn)多個智能交互設備的協(xié)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(xiàn)大規(guī)模應用。

預期目標：到2023年，實現(xiàn)多場景下中文語音識別平均*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*率達到95%以上，多設備協(xié)同喚醒*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(tǒng)功能測試和性能評價能力，驗證自動駕駛系統(tǒng)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(xù)場景、車路協(xié)同場景和城市道路場景。感知系統(tǒng)仿真實現(xiàn)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(tǒng)，實現(xiàn)道路環(huán)境場景仿真測試及量化評價，為行業(yè)企業(yè)提供有效的研發(fā)、產業(yè)化測試服務。

（十）智能機器人

揭榜任務：重點圍繞家庭服務、醫(yī)療健康、公共服務、養(yǎng)老服務、金融服務、巡檢安監(jiān)、智能物流等領域，突破包括多模態(tài)智能交互、多機協(xié)同及云平臺、智能*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(guī)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(tài)交互能力方面，識別*率在95%以上，在巡檢等特定應用場景可實現(xiàn)對缺陷和隱患的全天候、多方位、全自主監(jiān)測。在多機協(xié)同方面，具備高安全、高精度、超大作業(yè)范圍協(xié)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(xiàn)安全*、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(guī)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(xiàn)智能輔助診斷、身體指標檢測、高清遠程醫(yī)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(yè)、群體協(xié)同作業(yè)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(jiān)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(jiān)等危特場景的應用。

預期目標：到2023年，智能無人機實現(xiàn)360°全向感知避障，避障模式下*大飛行速度不低于14m/s。新一代通信網絡環(huán)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(xù)飛行時間不小于60分鐘。人工智能飛行處理系統(tǒng)實現(xiàn)自動智能強制避讓航空管制區(qū)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(tǒng)及產品，突破室內*無障礙導航、室外復雜環(huán)境*導盲、復雜場景下智能感知、自主決策、協(xié)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(wèi)星定位等技術，實現(xiàn)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(huán)境的能力，實現(xiàn)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(xiàn)主動引領導盲功能，支持遠程人工導盲服務。產品的續(xù)航時間、適用性、*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(tǒng)

揭榜任務：突破智能裝備自主識別、自主*化、自主學習、群體協(xié)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(fā)智能新型工業(yè)控制系統(tǒng)等創(chuàng)新產品，推進人工智能算法與工業(yè)自動化系統(tǒng)融合。研發(fā)智能工業(yè)軟件，推進人工智能與研發(fā)設計、生產管控、經營管理等工業(yè)軟件系統(tǒng)的融合與應用。

預期目標：到2023年，智能裝備具備環(huán)境感知、控制指令*化、自主學習、人機交互、協(xié)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(xié)同能力。智能工業(yè)控制系統(tǒng)涵蓋10種以上人工智能算法模型。智能工業(yè)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(yè)領域實現(xiàn)集成應用。

（十四）高精度工業(yè)視覺檢測系統(tǒng)

揭榜任務：研制基于機器視覺、高精度傳感等技術的工業(yè)視覺檢測系統(tǒng)，推動視覺和人工智能技術結合的檢測系統(tǒng)在精度、穩(wěn)定性與檢測速度等領域關鍵技術突破，實現(xiàn)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(chuàng)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(xiàn)重大突破，視覺檢測系統(tǒng)的工業(yè)現(xiàn)場漏檢率、誤報率、測量精度、識別速度、系統(tǒng)一致性滿足實際生產需求，實現(xiàn)產業(yè)規(guī)模化應用。

三、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(yè)訓練資源庫，可提供合規(guī)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(yè)訓練資源庫可提供定制化行業(yè)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*率超過97%。圖片數據量超過1500萬張，標注*率超過97%。視頻數據時長超過800小時，標注*率超過97%。自然語言處理數據量超過600萬條，標注*率超過97%。行業(yè)訓練數據滿足相關領域如工業(yè)、交通、金融等行業(yè)的應用需求。

（十六）大規(guī)模預訓練模型

揭榜任務：研發(fā)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(guī)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(guī)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(tài)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(fā)能力，建設通用的人工智能開發(fā)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(yè)、醫(yī)療、城市、金融、物流、科學研究等行業(yè)領域實現(xiàn)規(guī)模應用。

（十七）人工智能安全檢測平臺

揭榜任務：研發(fā)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(fā)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(tǒng)進行抗對抗樣本攻擊能力等安全風險的測評。研發(fā)面向金融、政務、電商等行業(yè)領域的風險監(jiān)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*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(jiān)測預警平臺具備至少10種行業(yè)監(jiān)測預警模型，大幅提高行業(yè)風險監(jiān)測有效率與運行安全性，行業(yè)風險監(jiān)測覆蓋率顯著提升。

四、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(yè)化前景較好。