2025年四川省人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥申報(bào)時(shí)間條件和好處指南整理，詳情如下，截止時(shí)間到2025年11月24日前！成都市、自貢市、攀枝花市、瀘州市、德陽市、綿陽市、廣元市、遂寧市、內(nèi)江市、樂山市、南充市、眉山市、宜賓市、廣安市、達(dá)州市、雅安市、巴中市、資陽市、阿壩藏族羌族自治州、甘孜藏族自治州、涼山彝族自治州需要咨詢申報(bào)人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥的可以聯(lián)系小編為您解答輔導(dǎo)！

 

免費(fèi)指導(dǎo)熱線：19855109130（可加v），選擇全面可靠的一站式體系保障。

 

解鎖千萬政策紅利，專注于項(xiàng)目申報(bào)行業(yè)13年，沉淀了精準(zhǔn)的政策資源、優(yōu)質(zhì)的企業(yè)資源、成功的項(xiàng)目資源，形成了獨(dú)具特色的實(shí)戰(zhàn)方法論與成熟的服務(wù)成功案例體系。除了全力打造自身專業(yè)項(xiàng)目團(tuán)隊(duì)外，相較同行業(yè)最大的優(yōu)勢(shì)，在于我們有各個(gè)流程階段的人員，分工明細(xì)，細(xì)致化；各環(huán)節(jié)均由專人深度把控。想要咨詢各省市任何項(xiàng)目申報(bào)的都可以免費(fèi)咨詢漁漁為你做免費(fèi)項(xiàng)目規(guī)劃。（勿抄）

 

四川省人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥申報(bào)時(shí)間

請(qǐng)你們按照《通知》要求，組織指導(dǎo)屬地內(nèi)企業(yè)開展2025年人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥工作，結(jié)合工作實(shí)際，嚴(yán)格把關(guān)，完成申報(bào)材料審核，填寫《2025年人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜單位推薦表》（以下簡(jiǎn)稱推薦匯總表），并于2025年11月24日前將加蓋地區(qū)經(jīng)濟(jì)和信息化主管部門公章的推薦匯總表紙質(zhì)材料（一式六份）、加蓋申報(bào)企業(yè)公章的申報(bào)材料（一式三份），報(bào)送至經(jīng)濟(jì)和信息化廳智能化發(fā)展處，掃描蓋章的申報(bào)書電子版（PDF）以“企業(yè)名稱+揭榜任務(wù)方向申報(bào)書”名稱同步報(bào)送至聯(lián)系人郵箱。

四川省人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥申報(bào)任務(wù)內(nèi)容

面向人工智能產(chǎn)業(yè)發(fā)展底座、“人工智能+制造”、智能產(chǎn)品 裝備、共性基礎(chǔ)支撐等重點(diǎn)方向，發(fā)掘培育一批技術(shù)創(chuàng)新強(qiáng)、應(yīng) 用落地快、典型示范好的關(guān)鍵技術(shù)和產(chǎn)品，加快人工智能與工業(yè) 深度融合應(yīng)用，高水平賦能新型工業(yè)化。

四川省人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù)揭榜掛帥申報(bào)條件

(一)申報(bào)主體須為在中華人民共和國(guó)境內(nèi)注冊(cè)、具有獨(dú)立 法人資格的企事業(yè)單位。已列入前期揭榜優(yōu)勝的項(xiàng)目不得重復(fù)申報(bào)。

(二)各省、自治區(qū)、直轄市、計(jì)劃單列市及新疆生產(chǎn)建設(shè) 兵團(tuán)工業(yè)和信息化主管部門，中央企業(yè)集團(tuán)等推薦單位按照政府 引導(dǎo)、企業(yè)自愿的原則，優(yōu)先推薦創(chuàng)新能力突出、產(chǎn)業(yè)化前景 好、行業(yè)帶動(dòng)作用明顯的項(xiàng)目。

(三)鼓勵(lì)企業(yè)、科技服務(wù)機(jī)構(gòu)、高校、科研院所及新型研 發(fā)機(jī)構(gòu)等以聯(lián)合體方式申報(bào)，牽頭單位為1家，聯(lián)合參與單位不 超過4家。每個(gè)主體牽頭申報(bào)不超過3項(xiàng)，作為參與單位申報(bào)不 超過5項(xiàng)。

2025年人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務(wù) 揭榜掛帥申報(bào)指南

一 、產(chǎn)業(yè)發(fā)展底座

( 一 ) 算 力

1.大模型訓(xùn)練芯片

揭榜任務(wù)：面向大模型訓(xùn)練需求，研制大模型訓(xùn)練芯片， 突破芯片內(nèi)核架構(gòu)設(shè)計(jì)、生產(chǎn)工藝適配、先進(jìn)封裝適配等關(guān) 鍵技術(shù)，提升芯片算力和性能功耗比，支持低精度浮點(diǎn)格式， 提高存儲(chǔ)帶寬和容量，實(shí)現(xiàn)訓(xùn)練芯片自主設(shè)計(jì)、制造、封裝 全鏈條突破。

預(yù)期目標(biāo)： 到2027年，大模型訓(xùn)練芯片覆蓋主流模型 框架，適配90%以上的國(guó)內(nèi)大模型，支持混合精度計(jì)算、低 精度訓(xùn)練等技術(shù)，半精度浮點(diǎn)數(shù)算力性能達(dá)到國(guó)際先進(jìn)訓(xùn)練 芯片90%以上。

2.大模型高效推理集群

揭榜任務(wù)： 面向高并發(fā)、高吞吐、低延遲場(chǎng)景，構(gòu)建大 模型高效推理集群，突破混合精度計(jì)算、分布式推理、多模 態(tài)模型優(yōu)化等關(guān)鍵技術(shù)，開展系統(tǒng)全棧工程優(yōu)化，提升資源 利用率、計(jì)算效率、并發(fā)處理能力等，滿足系統(tǒng)大規(guī)模服務(wù) 應(yīng)用需求。

預(yù)期目標(biāo)： 到2027年，大模型高效推理集群覆蓋主流

模型架構(gòu)，支持千億以上參數(shù)模型， GPU  計(jì)算資源核心利用 率可達(dá)到80%,首Token 時(shí)延不超過200ms,   推理服務(wù)穩(wěn)定 性不低于99.9%。

3.智算中心綜合能效管理系統(tǒng)

揭榜任務(wù)：研發(fā)基于液冷系統(tǒng)和數(shù)字化能碳管理技術(shù)的 綜合能效管理系統(tǒng)，推動(dòng)人工智能技術(shù)在智算中心的應(yīng)用，  實(shí)現(xiàn)智算中心信息設(shè)備、冷卻系統(tǒng)、供配電系統(tǒng)的狀態(tài)感知、 高效聯(lián)動(dòng)、智能調(diào)優(yōu)升級(jí)等，提升信息設(shè)備利用效率。

預(yù)期目標(biāo)： 到2027年，智算中心綜合能效管理系統(tǒng)提 升信息設(shè)備利用率不低于20%、年綜合節(jié)能率不低于10%。 其中，液冷系統(tǒng)支持混合部署不同算力類別、品牌、型號(hào)的 液冷服務(wù)器，平均無故障工作時(shí)間不低于5萬小時(shí)，可提供 不少于200W/cm? 的散熱能力，余熱回收量達(dá)信息設(shè)備總發(fā) 熱量10%以上。

4.算力互聯(lián)調(diào)度平臺(tái)

揭榜任務(wù)： 面向全域算力感知、匯聚、調(diào)度需求，構(gòu)建 算力互聯(lián)調(diào)度平臺(tái)，突破算力智能感知、算力調(diào)度等技術(shù)， 支撐任務(wù)數(shù)據(jù)高效流通，推動(dòng)多領(lǐng)域、多場(chǎng)景實(shí)踐應(yīng)用，實(shí) 現(xiàn)算力資源跨主體、跨架構(gòu)、跨地域協(xié)同。

預(yù)期目標(biāo)：到2027年，算力互聯(lián)調(diào)度平臺(tái)匯聚公共算 力資源不少于10000P, 支持多樣化編排調(diào)度策略，支持至少 2個(gè)運(yùn)營(yíng)主體、3種系統(tǒng)架構(gòu)、5個(gè)算力中心的智能調(diào)度，支 持至少10種算力產(chǎn)品服務(wù)，開展不少于20個(gè)典型場(chǎng)景試驗(yàn) 應(yīng) 用 。

5.異構(gòu)智算集群云操作系統(tǒng)

揭榜任務(wù)：面向大模型在超大規(guī)模異構(gòu)算力集群的混訓(xùn) 需求，研發(fā)可支持十萬卡規(guī)模的異構(gòu)智算集群云操作系統(tǒng)， 突破訓(xùn)練任務(wù)精細(xì)化拆分及精準(zhǔn)匹配、故障實(shí)時(shí)感知、秒級(jí) 自愈恢復(fù)等關(guān)鍵技術(shù)，提升超大規(guī)模異構(gòu)智算集群的訓(xùn)練效 率，降低故障率。

預(yù)期目標(biāo)： 到2027年，異構(gòu)智算集群云操作系統(tǒng)適配 不少于5款國(guó)內(nèi)芯片，支持萬億參數(shù)以上規(guī)模的大模型訓(xùn)練， 集群資源平均利用率超過95%,可實(shí)現(xiàn)秒級(jí)故障恢復(fù)，周訓(xùn) 練有效率達(dá)99%以上。

(二)數(shù)據(jù)

6.工業(yè)高質(zhì)量數(shù)據(jù)集

揭榜任務(wù)：面向重點(diǎn)方向領(lǐng)域，建設(shè)工業(yè)高質(zhì)量數(shù)據(jù)集， 涵蓋研發(fā)設(shè)計(jì)、中試驗(yàn)證、生產(chǎn)制造、營(yíng)銷服務(wù)、運(yùn)營(yíng)管理 關(guān)鍵環(huán)節(jié)中的基礎(chǔ)數(shù)據(jù)，賦能通用大模型或工業(yè)垂類模型的 高效訓(xùn)練與基準(zhǔn)評(píng)測(cè)。

預(yù)期目標(biāo)： 到2027年，工業(yè)高質(zhì)量數(shù)據(jù)集滿足規(guī)范性、 完整性、準(zhǔn)確性、 一致性等至少12個(gè)質(zhì)量評(píng)估維度要求，  文本數(shù)據(jù)集規(guī)模總量達(dá)到100TB 以上，至少覆蓋1萬億 token,  圖文數(shù)據(jù)集規(guī)模總量達(dá)到1000萬對(duì)以上，音視頻數(shù)據(jù)集規(guī) 模總量達(dá)到1000TB 以上，賦能至少5個(gè)通用大模型或工業(yè) 垂類模型的訓(xùn)練與基準(zhǔn)評(píng)測(cè)。

7.工業(yè)人工智能數(shù)據(jù)工程平臺(tái)

揭榜任務(wù)： 研發(fā)工業(yè)人工智能數(shù)據(jù)工程平臺(tái)，突破工業(yè)

數(shù)據(jù)多源異構(gòu)融合、智能化數(shù)據(jù)標(biāo)注、多模態(tài)標(biāo)注、高質(zhì)量  數(shù)據(jù)合成等關(guān)鍵技術(shù)，實(shí)現(xiàn)智能化數(shù)據(jù)加工、數(shù)據(jù)合成、數(shù)  據(jù)融合等功能，促進(jìn)工業(yè)領(lǐng)域人工智能數(shù)據(jù)集的高質(zhì)量供給。

預(yù)期目標(biāo)： 到2027年，平臺(tái)支持文本、圖片、視頻等 至少3種不同模態(tài)數(shù)據(jù)加工及合成，支持ERP 、CRM 、MES 等至少6類工業(yè)系統(tǒng)的數(shù)據(jù)融合，在不少于10家工業(yè)企業(yè) 開展示范應(yīng)用。

8.“模數(shù)共振”空間

揭榜任務(wù)： 建設(shè)集“數(shù)據(jù)協(xié)同、模型訓(xùn)練、應(yīng)用開發(fā)、 安全保障”于一體的軟硬件系統(tǒng)平臺(tái)，加快推動(dòng)行業(yè)通識(shí)和 專識(shí)數(shù)據(jù)貫通共享，賦能跨企業(yè)、跨行業(yè)的模型訓(xùn)練、測(cè)試 和優(yōu)化迭代，智能體開發(fā)等。

預(yù)期目標(biāo)： 到2027年，空間支持跨3個(gè)及以上主體間 的數(shù)據(jù)貫通和模型協(xié)同訓(xùn)練，支撐研發(fā)設(shè)計(jì)、中試驗(yàn)證、生 產(chǎn)制造、營(yíng)銷服務(wù)、運(yùn)營(yíng)管理等關(guān)鍵環(huán)節(jié)的人工智能應(yīng)用開 發(fā)，形成不少于10個(gè)人工智能應(yīng)用產(chǎn)品。

( 三 ) 算 法

9.復(fù)雜推理大模型

揭榜任務(wù)：構(gòu)建具備多級(jí)推理驗(yàn)證機(jī)制的大模型，突破 思維鏈增強(qiáng)、知識(shí)圖譜融合、因果推斷建模等關(guān)鍵技術(shù)，推 進(jìn)模型架構(gòu)創(chuàng)新以及與底層硬件的深度協(xié)同，實(shí)現(xiàn)從訓(xùn)練范 式到部署方案的全棧優(yōu)化。

預(yù)期目標(biāo)： 到2027年，研制復(fù)雜推理大模型，實(shí)現(xiàn)至 少一種關(guān)鍵技術(shù)創(chuàng)新，在數(shù)學(xué)證明、科學(xué)問題、邏輯推理等

100000000     1000000000

復(fù)雜推理任務(wù)上達(dá)到專家級(jí)水平，在專業(yè)評(píng)測(cè)集上的準(zhǔn)確率 達(dá)到全球前列，在低精度量化下的推理準(zhǔn)確率損失不高于 2%。

10. 具身智能基礎(chǔ)模型

揭榜任務(wù)：研發(fā)具身智能基礎(chǔ)模型，突破多模異構(gòu)數(shù)據(jù) 對(duì)齊融合、環(huán)境交互和多樣化運(yùn)動(dòng)策略學(xué)習(xí)等技術(shù)，提高具 身智能動(dòng)態(tài)環(huán)境理解、感知預(yù)測(cè)、認(rèn)知推理和復(fù)雜任務(wù)執(zhí)行 能力，增強(qiáng)對(duì)不同本體、多階段任務(wù)的適應(yīng)性和泛化性。

預(yù)期目標(biāo)：到2027年，具身智能基礎(chǔ)模型支持不少于3 種本體適配，實(shí)現(xiàn)對(duì)復(fù)雜動(dòng)態(tài)環(huán)境的精確理解，支持完成至 少200種未訓(xùn)任務(wù)，成功率不低于95%,多階段任務(wù)分解和 執(zhí)行的靈活性、泛化性明顯提升。

11. 智能終端端側(cè)模型

揭榜任務(wù)：研發(fā)智能終端端側(cè)模型，推動(dòng)端側(cè)推理引擎 及模型剪枝、量化、蒸餾等關(guān)鍵技術(shù)突破，實(shí)現(xiàn)云端訓(xùn)練到 端側(cè)部署的全流程優(yōu)化，性能接近云端基準(zhǔn)模型，支持終端 多場(chǎng)景實(shí)時(shí)推理，開展規(guī)模化應(yīng)用。

預(yù)期目標(biāo)： 到2027年，端側(cè)模型能夠適配不少于3款 終端芯片、支持不少于3類終端設(shè)備，模型輕量化后精度損 失不超過3%,端側(cè)推理延遲不超過50ms,  支持終端創(chuàng)新應(yīng) 用不少于10個(gè)，實(shí)現(xiàn)在不少于百萬臺(tái)終端部署。

(四)開發(fā)工具

12. 模型遷移適配工具

揭榜任務(wù)：面向算法模型在不同軟硬件系統(tǒng)的遷移適配

需求，開發(fā)模型遷移適配工具，突破跨框架模型轉(zhuǎn)換、異構(gòu) 硬件自動(dòng)優(yōu)化等核心技術(shù)，支持模型在國(guó)內(nèi)軟硬件系統(tǒng)的高 效適配與部署，降低模型遷移門檻。

預(yù)期目標(biāo)：到2027年，模型遷移適配工具適配不少于5 款國(guó)內(nèi)芯片，實(shí)現(xiàn)模型在國(guó)內(nèi)軟硬件系統(tǒng)遷移后精度損失不 高于1%,遷移適配成功率超過99%。

13. 智能體通信工具

揭榜任務(wù)：研發(fā)智能體通信工具，突破智能體通信協(xié)議、 模型通信協(xié)議等關(guān)鍵技術(shù)，具備請(qǐng)求發(fā)送、接收響應(yīng)、流式 傳輸、異步操作等功能，支持不同開發(fā)平臺(tái)智能體間、智能 體與外部工具間的互操作性，提升智能體開發(fā)與應(yīng)用效率。

預(yù)期目標(biāo)： 到2027年，智能體通信工具支持主流通信 協(xié)議，具備跨平臺(tái)兼容性、跨協(xié)議版本兼容性，提供至少3 種語言的 SDK 實(shí)現(xiàn)，通信延遲小于100ms,  實(shí)現(xiàn)智能體場(chǎng)景 應(yīng)用示范不少于50個(gè)，適配支持超過50個(gè)主流智能體(通 用智能體不少于10個(gè))。

14. 大模型服務(wù)及管理平臺(tái)

揭榜任務(wù)：研發(fā)大模型服務(wù)及管理平臺(tái)，支持基于基座 大模型進(jìn)行微調(diào)，具備大模型量化壓縮、推理加速、云邊端 部署與協(xié)同管理能力，實(shí)現(xiàn)大模型及其服務(wù)的全流程管理， 降低大模型使用門檻，推動(dòng)大模型賦能千行百業(yè)。

預(yù)期目標(biāo)：到2027年，平臺(tái)具備健全的服務(wù)水平協(xié)議， 平均調(diào)用成功率不低于99.99%,響應(yīng)時(shí)延不高于1秒，支持 對(duì)至少10類系列大模型進(jìn)行微調(diào)、重訓(xùn)、量化壓縮和推理

100000

加速。公有云模式下企業(yè)客戶不少于500家，或私有化部署 的項(xiàng)目數(shù)不少于50個(gè)。

15. 智能體開發(fā)與應(yīng)用平臺(tái)

揭榜任務(wù)：研發(fā)智能體開發(fā)與應(yīng)用平臺(tái)，具備智能體開 發(fā)部署、組件工具集成、智能體應(yīng)用管理等功能，支持?jǐn)?shù)據(jù) 處理分析、工具和軟件系統(tǒng)接入、算法模型內(nèi)置、多智能體 集成應(yīng)用等，提升智能體開發(fā)及應(yīng)用效率。

預(yù)期目標(biāo)： 到2027年，智能體開發(fā)與應(yīng)用平臺(tái)API 響 應(yīng)速度不高于500ms,   服務(wù)請(qǐng)求成功率不低于95%,集成不 少于80種組件工具，能夠同時(shí)管理100個(gè)以上智能體協(xié)同， 智能化應(yīng)用不少于500個(gè)，在至少50家企業(yè)落地應(yīng)用。

二、“人工智能+制造”

( 一 )原材料

16. 鋼鐵制造大模型

揭榜任務(wù)：面向鋼鐵制造流程高效有序運(yùn)行需求，深度 融合鋼鐵行業(yè)知識(shí)、數(shù)據(jù)，研發(fā)鋼鐵制造大模型，構(gòu)建大模 型、小模型、機(jī)理模型協(xié)同融合的鋼鐵制造智能體平臺(tái)，實(shí) 現(xiàn)對(duì)鋼鐵制造數(shù)據(jù)的實(shí)時(shí)采集、全面感知和智能分析，支持 對(duì)制造關(guān)鍵指標(biāo)的精準(zhǔn)預(yù)測(cè)和制造過程的精確控制，提高制 造流程連續(xù)化程度，提升產(chǎn)品質(zhì)量。

預(yù)期目標(biāo)： 到2027年，鋼鐵制造大模型行業(yè)知識(shí)問答 準(zhǔn)確率不低于85%,支持不少于20個(gè)鋼鐵生產(chǎn)流程典型場(chǎng) 景，流程連續(xù)化程度提升不低于10%,產(chǎn)品性能指標(biāo)波動(dòng)降 低不低于20%,在不少于3家企業(yè)應(yīng)用。

17. 化工研發(fā)設(shè)計(jì)大模型

揭榜任務(wù)：基于化工行業(yè)知識(shí)抽取、多模態(tài)理解等技術(shù)， 研制化工研發(fā)設(shè)計(jì)大模型，突破面向化工反應(yīng)網(wǎng)絡(luò)簡(jiǎn)化任務(wù) 的大模型微調(diào)技術(shù)，提升反應(yīng)網(wǎng)絡(luò)構(gòu)建和簡(jiǎn)化的精確性，支 持多源工藝流程圖 (PFD)/    工藝管道和儀表流程圖 ( P&ID)   的智能識(shí)別和解析、化工工藝流程圖的自動(dòng)設(shè)計(jì)與優(yōu)化等，  提升化工研發(fā)設(shè)計(jì)效率。

預(yù)期目標(biāo)： 到2027年，化工研發(fā)設(shè)計(jì)大模型行業(yè)知識(shí) 問答準(zhǔn)確率不低于85%,反應(yīng)網(wǎng)絡(luò)中各反應(yīng)方程的反應(yīng)物、 條件、產(chǎn)物的確定準(zhǔn)確率不低于85%,對(duì)多源PFD/P&ID  中 設(shè)備、儀表、閥門、管線信息的識(shí)別準(zhǔn)確率不低于95%,自 動(dòng)設(shè)計(jì)的化工工藝流程圖可用度不低于70%,在不少于3家 企業(yè)應(yīng)用。

18. 新材料研發(fā)智能工具

揭榜任務(wù)： 面向金屬材料、高分子材料、復(fù)合材料等新 材料研發(fā)，研制基于人工智能和高通量計(jì)算技術(shù)的智能軟件 工具，實(shí)現(xiàn)新材料性質(zhì)預(yù)測(cè)與篩選，揭示新材料設(shè)計(jì)與性能 之間的深層次規(guī)律，支持材料的智能設(shè)計(jì)、合成及表征，推 動(dòng)材料研發(fā)制造的自動(dòng)化和智能化，提高研發(fā)效率，降低研 發(fā)成本。

預(yù)期目標(biāo)： 到2027年，新材料研發(fā)智能工具支持材料 性質(zhì)預(yù)測(cè)與篩選、合成路徑設(shè)計(jì)、逆向設(shè)計(jì)等不少于3個(gè)場(chǎng) 景功能，新材料研發(fā)效率提升超過30%,在新材料研發(fā)流程 中實(shí)現(xiàn)規(guī)模示范應(yīng)用。

1000000

19. 原材料生產(chǎn)工藝智能優(yōu)化系統(tǒng)

揭榜任務(wù)：面向石化化工、有色、建材等某一個(gè)原材料 行業(yè)的生產(chǎn)優(yōu)化控制需求，基于材料性能數(shù)據(jù)、機(jī)理模型、 工藝流程知識(shí)等多模態(tài)數(shù)據(jù)，研發(fā)原材料生產(chǎn)工藝智能優(yōu)化 系統(tǒng)，突破生產(chǎn)工藝優(yōu)化大模型技術(shù)，分場(chǎng)景部署垂直細(xì)分 模型或智能體，實(shí)現(xiàn)工藝參數(shù)動(dòng)態(tài)優(yōu)化、關(guān)鍵指標(biāo)精準(zhǔn)預(yù)測(cè) 和調(diào)控，提高精益生產(chǎn)水平。

預(yù)期目標(biāo)： 到2027年，原材料生產(chǎn)工藝智能優(yōu)化系統(tǒng) 具備完善的工藝智能控制與優(yōu)化模型庫，對(duì)關(guān)鍵工藝參數(shù)預(yù) 測(cè)準(zhǔn)確性達(dá)到90%以上，生產(chǎn)制造周期縮短10%以上，在不 少于3家企業(yè)應(yīng)用，形成20個(gè)以上典型場(chǎng)景應(yīng)用案例。

(二)電子信息

20. 芯片研發(fā)智能工具

揭榜任務(wù)： 面向高可靠、高質(zhì)量、高效率的芯片研發(fā)設(shè) 計(jì)需求，研發(fā)基于人工智能的芯片設(shè)計(jì)或仿真驗(yàn)證工具，實(shí) 現(xiàn)芯片智能化設(shè)計(jì)分析、仿真優(yōu)化等功能，通過智能算法提 升芯片性能、優(yōu)化布局布線、加速電路仿真和功能驗(yàn)證等， 提高芯片研發(fā)效率。

預(yù)期目標(biāo)： 到2027年，智能工具在不少于2款芯片設(shè) 計(jì)中開展應(yīng)用，芯片性能、功耗等提升超過20%,前仿真和 后仿真驗(yàn)證效率提升不低于50%。

21.CPU    多指令集轉(zhuǎn)化智能工具

揭榜任務(wù)： 基 于ARM 、LoongARCH 、x86   等芯片指令 集，研發(fā)支持國(guó)內(nèi)主流操作系統(tǒng)平臺(tái)的 CPU 多指令集轉(zhuǎn)化智

能工具，構(gòu)建多指令集轉(zhuǎn)碼映射開源訓(xùn)練數(shù)據(jù)集，面向數(shù)學(xué) 庫、圖像與信號(hào)處理庫、求解器等場(chǎng)景，開發(fā)支持指令轉(zhuǎn)碼 與計(jì)算優(yōu)化的人工智能模型，降低不同指令集之間算力轉(zhuǎn)碼 損 耗 。

預(yù)期目標(biāo)：到2027年，研制形成 CPU 多指令集轉(zhuǎn)化智 能工具，具備指令轉(zhuǎn)碼與計(jì)算優(yōu)化功能，支持相關(guān)人工智能 模型輕量化并與系統(tǒng)級(jí)芯片 (SoC)    集 成 ，x86  與 ARM 、 LoongARCH 等二進(jìn)制指令編碼、互轉(zhuǎn)效率損失縮小不超過 5%,基礎(chǔ)硬件平臺(tái)兼容性和擴(kuò)展性得到提升。

(三)消費(fèi)品

22. 生物醫(yī)藥研發(fā)智能工具

揭榜任務(wù)：面向化學(xué)藥、生物制品等生物醫(yī)藥研發(fā)流程， 基于機(jī)器學(xué)習(xí)、高通量技術(shù)等開展生物醫(yī)藥虛擬篩選和實(shí)驗(yàn)  優(yōu)化研究，研發(fā)藥物靶點(diǎn)預(yù)測(cè)與藥物篩選的智能化工具，實(shí)  現(xiàn)從藥物實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)分析到臨床前驗(yàn)證的全流程智能化， 大幅提升研發(fā)效率、降低研發(fā)成本。

預(yù)期目標(biāo)： 到2027年，生物醫(yī)藥研發(fā)智能工具支持靶 點(diǎn)發(fā)現(xiàn)、藥物篩選、合成路徑優(yōu)化等核心場(chǎng)景功能不少于3 個(gè)，在藥物研發(fā)流程中實(shí)現(xiàn)規(guī)模示范應(yīng)用，使藥物研發(fā)效率 提升不低于40%,研發(fā)成本降低不低于20%。

23. 服裝智能化定制系統(tǒng)

揭榜任務(wù)：面向服裝行業(yè)用戶定制化設(shè)計(jì)、快速打樣制 造等設(shè)計(jì)生產(chǎn)協(xié)同需要，研發(fā)服裝智能化定制系統(tǒng)，支持基 于大模型的草繪生成設(shè)計(jì)、圖片生成設(shè)計(jì)、自然交互式修改、

(>99<99)

虛擬試衣展示等功能，突破成衣設(shè)計(jì)到制造工藝的自動(dòng)編排， 實(shí)現(xiàn)根據(jù)現(xiàn)有生產(chǎn)設(shè)備和物料狀態(tài)生成制造生產(chǎn)方案，有效  縮短制樣時(shí)間、快速響應(yīng)市場(chǎng)變化。

預(yù)期目標(biāo)： 到2027年，服裝智能化定制系統(tǒng)支持智能 輔助設(shè)計(jì)、成衣效果展示、自動(dòng)工藝分解、生產(chǎn)資源調(diào)配等 功能，具備不少于50款基礎(chǔ)服裝樣版類別的智能輔助設(shè)計(jì) 生產(chǎn)模型，模型調(diào)用時(shí)間不高于50ms,  打樣交付時(shí)間不高于 72小時(shí)，在至少15個(gè)以上的服裝生產(chǎn)基地開展示范應(yīng)用。

( 四 ) 通 信

24. 基于大模型的無線網(wǎng)絡(luò)仿真系統(tǒng)

揭榜任務(wù)：研發(fā)基于大模型的無線網(wǎng)絡(luò)仿真系統(tǒng)，面向 無線信號(hào)傳播機(jī)理解構(gòu)難、原始數(shù)據(jù)與大模型匹配柔性差等 難題，突破高精度無線信號(hào)大模型及新一代無線仿真技術(shù)， 構(gòu)建涵蓋仿真數(shù)據(jù)、真實(shí)路測(cè)數(shù)據(jù)等的高質(zhì)量數(shù)據(jù)集，打造 融合高精三維數(shù)字地圖、衛(wèi)星影像數(shù)據(jù)的無線場(chǎng)景庫，實(shí)現(xiàn) 無線網(wǎng)絡(luò)仿真測(cè)試及量化評(píng)價(jià)，助力打造高性能精品網(wǎng)絡(luò)。

預(yù)期目標(biāo)： 到2027年，基于大模型的無線網(wǎng)絡(luò)仿真系 統(tǒng)涵蓋城市高樓密集區(qū)、郊區(qū)、開闊田野等無線傳播場(chǎng)景不 低于30種，高質(zhì)量數(shù)據(jù)集不少于5TB,   相比傳統(tǒng)統(tǒng)計(jì)性仿 真方法，平臺(tái)信號(hào)強(qiáng)度預(yù)測(cè)精度提升不低于30%,支持接入 無線網(wǎng)絡(luò)規(guī)劃、運(yùn)營(yíng)、優(yōu)化系統(tǒng)。

25. 通信網(wǎng)絡(luò)運(yùn)維優(yōu)化大模型

揭榜任務(wù)： 圍繞網(wǎng)絡(luò)割接、網(wǎng)絡(luò)配置、故障告警、網(wǎng)絡(luò) 修復(fù)、網(wǎng)絡(luò)優(yōu)化、運(yùn)維資料檢索、個(gè)性報(bào)表制作等典型場(chǎng)景，

研發(fā)通信網(wǎng)絡(luò)運(yùn)維優(yōu)化大模型，構(gòu)建運(yùn)維優(yōu)化高質(zhì)量數(shù)據(jù)集， 支持網(wǎng)絡(luò)自動(dòng)化配置、網(wǎng)絡(luò)隱患自動(dòng)發(fā)現(xiàn)與維護(hù)、故障自動(dòng)  診斷與隔離、事件自動(dòng)處理、網(wǎng)絡(luò)性能優(yōu)化、運(yùn)維知識(shí)智能  問答、運(yùn)維數(shù)據(jù)智能分析等功能，提升網(wǎng)絡(luò)運(yùn)維效率。

預(yù)期目標(biāo)： 到2027年，通信網(wǎng)絡(luò)運(yùn)維優(yōu)化大模型行業(yè) 知識(shí)問答準(zhǔn)確率不低于85%,支持不少于10項(xiàng)網(wǎng)絡(luò)運(yùn)維優(yōu) 化功能，構(gòu)建運(yùn)維優(yōu)化高質(zhì)量數(shù)據(jù)集不少于5個(gè)，在不少于 10個(gè)場(chǎng)景中開展示范應(yīng)用，提升運(yùn)維效率不低于30%。

(五)無線電

26. 電磁頻譜智能監(jiān)測(cè)和分析系統(tǒng)

揭榜任務(wù)： 面 向 9kHz-31GHz  的無線電監(jiān)測(cè)需求，研發(fā) 基于人工智能技術(shù)的電磁頻譜智能監(jiān)測(cè)和分析系統(tǒng)，構(gòu)建電 磁頻譜知識(shí)圖譜，攻克頻譜寬帶智能監(jiān)測(cè)、精細(xì)化分析、干 擾和異常智能查找、精確定位等關(guān)鍵技術(shù)，實(shí)現(xiàn)電磁頻譜日 常精細(xì)化智能監(jiān)測(cè)。

預(yù)期目標(biāo)： 到2027年，電磁頻譜智能監(jiān)測(cè)和分析系統(tǒng)

支持“黑廣播”和非法無線電設(shè)備查找、黑飛無人機(jī)發(fā)現(xiàn)等功 能，在典型無線電業(yè)務(wù)場(chǎng)景中的信號(hào)檢測(cè)準(zhǔn)確率大于90%、 異常信號(hào)發(fā)現(xiàn)準(zhǔn)確率大于95%、干擾樣式識(shí)別準(zhǔn)確率大于 90%。

27. 智能化高精度無線信號(hào)識(shí)別處理系統(tǒng)

揭榜任務(wù)：研發(fā)智能化高精度無線信號(hào)識(shí)別處理系統(tǒng)， 構(gòu)建多維信號(hào)樣本特征庫，突破基于人工智能的電磁頻譜特 征提取、廣域高動(dòng)態(tài)電磁態(tài)勢(shì)協(xié)同感知、自適應(yīng)干擾抑制、

無線信號(hào)智能識(shí)別等關(guān)鍵技術(shù)，實(shí)現(xiàn)電磁空間實(shí)時(shí)監(jiān)測(cè)和信 號(hào)研判的高效、精準(zhǔn)預(yù)警機(jī)制。

預(yù)期目標(biāo)： 到2027年，智能化高精度無線信號(hào)識(shí)別處 理系統(tǒng)支持9kHz 至 6GHz 頻段內(nèi)的信號(hào)覆蓋與動(dòng)態(tài)干擾感 知，多維異構(gòu)信號(hào)特征庫的標(biāo)注數(shù)據(jù)不小于100萬組，無線 信號(hào)識(shí)別準(zhǔn)確率不小于90%,形成可規(guī)模化推廣的智能化機(jī) 動(dòng)式解決方案。

三、智能產(chǎn)品裝備

( 一 )智能產(chǎn)品

28. 智能終端產(chǎn)品

揭榜任務(wù)： 面向消費(fèi)者智能終端應(yīng)用需求，研制智能手 機(jī)、智能PC 、 智能手表、智能眼鏡等終端產(chǎn)品，突破智能 終端產(chǎn)品環(huán)境感知、意圖理解、人機(jī)交互等關(guān)鍵技術(shù)，顯著 提升智能終端服務(wù)體驗(yàn)。

預(yù)期目標(biāo)： 到2027年，智能終端支持文本、語音、圖 像、視頻、傳感器數(shù)據(jù)的跨模態(tài)融合感知、分析與理解，支 持觸摸、語音等多模態(tài)的人機(jī)交互方式，交互準(zhǔn)確率不低于 90%,實(shí)現(xiàn)基于用戶意圖的智能算法調(diào)用和編排，提供多場(chǎng) 景、跨應(yīng)用的智能化功能不少于20項(xiàng)，產(chǎn)品出貨量超千萬。

29. 人形機(jī)器人

揭榜任務(wù)：面向工業(yè)制造、民生服務(wù)、特種作業(yè)等領(lǐng)域， 研制人形機(jī)器人，突破多模態(tài)大模型、大小腦深度融合、移 動(dòng)操作泛化等關(guān)鍵技術(shù)以及一體化關(guān)節(jié)、靈巧手、高性能傳  感器等本體關(guān)鍵零部件，實(shí)現(xiàn)人形機(jī)器人高價(jià)值場(chǎng)景梯次規(guī)

模引用，提高經(jīng)濟(jì)社會(huì)運(yùn)行效率。

預(yù)期目標(biāo)：到2027年，人形機(jī)器人支持不少于10種行  為活動(dòng)，操作成功率不低于90%,精度在厘米級(jí)以下，支持  根據(jù)外部指令和行動(dòng)結(jié)果優(yōu)化決策，決策有效性不低于90%, 在零部件分揀、物料轉(zhuǎn)運(yùn)、精密裝配、人機(jī)協(xié)同作業(yè)、康養(yǎng)  陪伴、應(yīng)急救援、危險(xiǎn)作業(yè)等場(chǎng)景中開展示范應(yīng)用。

30. 智能家庭陪護(hù)機(jī)器人

揭榜任務(wù)： 面向未來生活智能化需求，研發(fā)智能家庭陪 護(hù)機(jī)器人，突破多模態(tài)人機(jī)自然交互技術(shù)、人-機(jī)-環(huán)混合增 強(qiáng)技術(shù)、動(dòng)力學(xué)實(shí)時(shí)模型等關(guān)鍵技術(shù)，構(gòu)建與智慧家庭相結(jié) 合的陪護(hù)服務(wù)系統(tǒng)和解決方案，保障重要人群生活需要。

預(yù)期目標(biāo)： 到2027年，智能家庭陪護(hù)機(jī)器人支持與至 少15種智能家電設(shè)備的交互，構(gòu)建智能陪護(hù)服務(wù)系統(tǒng)，在 老年人健康和安全監(jiān)測(cè)、飲食輔助、異常情況救助等典型場(chǎng) 景中開展示范應(yīng)用。

31. 智能冶煉機(jī)器人

揭榜任務(wù)： 面向鋼鐵、有色等行業(yè)冶煉流程，研發(fā)智能 冶煉機(jī)器人，實(shí)現(xiàn)冶煉關(guān)鍵環(huán)節(jié)的機(jī)器人自主作業(yè)，并結(jié)合 全流程工藝決策模型，串聯(lián)多臺(tái)智能機(jī)器人，構(gòu)建協(xié)同操作 的冶煉機(jī)器人系統(tǒng)，實(shí)現(xiàn)跨流程協(xié)調(diào)調(diào)度，顯著提升作業(yè)安 全性與效率。

預(yù)期目標(biāo)： 到2027年，冶煉機(jī)器人本體末端最大載荷 不小于400kg,   感知系統(tǒng)識(shí)別準(zhǔn)確率不低于99%,投料類作 業(yè)效率不低于50kg/min,   支持單生產(chǎn)線上超10臺(tái)機(jī)器人的

9         大明寺第三號(hào)

協(xié)同操作，作業(yè)任務(wù)類型不少于3種，典型場(chǎng)景示范應(yīng)用不 少于3個(gè)。

32. 智能無人飛行系統(tǒng)

揭榜任務(wù)：面向低空領(lǐng)域應(yīng)用，研制具備自主智能的無 人飛行系統(tǒng)，開發(fā)基座模型，并針對(duì)視覺語言導(dǎo)航、空間推 理、任務(wù)規(guī)劃等研發(fā)專用垂類模型，突破“態(tài)勢(shì)感知-空間認(rèn) 知-規(guī)劃行動(dòng)”的端到端自主智能關(guān)鍵技術(shù)，構(gòu)建低空世界模 擬器，支持基于城市三維實(shí)景的無人飛行系統(tǒng)模擬訓(xùn)練，在 巡檢安監(jiān)、應(yīng)急救援、物流配送等場(chǎng)景實(shí)現(xiàn)規(guī)模應(yīng)用。

預(yù)期目標(biāo)： 到2027年，無人飛行系統(tǒng)具身基座模型及 專用垂類模型性能達(dá)到國(guó)際先進(jìn)水平，模擬器支持在至少20 個(gè)城市三維實(shí)景中開展模擬訓(xùn)練，無人飛行系統(tǒng)可實(shí)現(xiàn)自主 導(dǎo)航避障，滿足續(xù)航、可靠性、安全性等低空應(yīng)用需求，在 不少于5個(gè)場(chǎng)景開展規(guī)模示范應(yīng)用。

(二)智能裝備

33. 人工智能數(shù)控機(jī)床

揭榜任務(wù)：面向數(shù)控機(jī)床工藝優(yōu)化、精度提升和健康保 障等智能應(yīng)用場(chǎng)景，研發(fā)人工智能數(shù)控機(jī)床，突破基于新一 代人工智能的高端數(shù)控系統(tǒng)關(guān)鍵技術(shù)，包括高性能數(shù)控軟硬 件平臺(tái)、大模型垂直應(yīng)用等，提升數(shù)控機(jī)床自主感知、自主 學(xué)習(xí)、自主決策和自主執(zhí)行能力等，滿足航空航天、新能源 汽車、消費(fèi)電子等制造領(lǐng)域數(shù)控機(jī)床高端化應(yīng)用需求。

預(yù)期目標(biāo)： 到2027年，人工智能數(shù)控機(jī)床技術(shù)就緒度 不小于8級(jí)，可靠性MTBF 不小于30000小時(shí)，開發(fā)工藝編

程與優(yōu)化、誤差測(cè)量與補(bǔ)償、故障診斷與運(yùn)維智能化等智能 應(yīng)用模塊不小于20個(gè)，在制造領(lǐng)域推廣應(yīng)用不少于500套。

34. 線性工程建造運(yùn)維智能軟件與裝備

揭榜任務(wù)： 面向軌交、公路、管線等線性工程建造運(yùn)維 需求，構(gòu)建涵蓋方案設(shè)計(jì)、施工缺陷、安全隱患、材料使用、 設(shè)備狀態(tài)等的多模態(tài)數(shù)據(jù)集，研發(fā)基于專用視覺大模型的智 能三維設(shè)計(jì)軟件、質(zhì)量安全監(jiān)管系統(tǒng)、智能巡檢裝備等關(guān)鍵 智能軟件與裝備，推進(jìn)在重點(diǎn)領(lǐng)域的應(yīng)用示范。

預(yù)期目標(biāo)： 到2027年，專用視覺大模型問答準(zhǔn)確率不 小于80%,多模態(tài)數(shù)據(jù)集不少于1000萬張圖片和5000萬字 對(duì)應(yīng)中文語料，關(guān)鍵智能軟件與裝備在不少于8條線性工程 落地應(yīng)用。

35. 高端裝備智能裝配工藝系統(tǒng)

揭榜任務(wù)： 面向航空、航天、船舶、汽車等高端裝備復(fù) 雜工藝柔性化裝配需求，研發(fā)集成工業(yè)模型庫、材料庫、工 藝庫的智能裝配工藝系統(tǒng)，突破三維模型解析、多源異構(gòu)數(shù) 據(jù)組織與重構(gòu)、多模態(tài)數(shù)據(jù)融合等技術(shù)，實(shí)現(xiàn)裝配工藝智能 化。

預(yù)期目標(biāo)： 到2027年，高端裝備智能裝配工藝系統(tǒng)支 持基于人工智能技術(shù)賦能裝配工藝路徑規(guī)劃、工序設(shè)計(jì)、參 數(shù)設(shè)計(jì)、工藝優(yōu)化等，裝配工藝設(shè)計(jì)效率提升超過30%,在 不少于3家企業(yè)應(yīng)用。

36. 制造裝備智能運(yùn)維系統(tǒng)

揭榜任務(wù)：研發(fā)基于多模態(tài)大模型的制造裝備智能運(yùn)維

>獎(jiǎng)500

系統(tǒng)，深度融合視覺、時(shí)序、文本等多模態(tài)數(shù)據(jù)，突破裝備 狀態(tài)實(shí)時(shí)監(jiān)測(cè)、故障智能診斷與預(yù)測(cè)、遠(yuǎn)程協(xié)同運(yùn)維等關(guān)鍵 技術(shù)，實(shí)現(xiàn)制造裝備運(yùn)行數(shù)據(jù)的精準(zhǔn)采集、智能分析與決策 支持，推動(dòng)制造裝備運(yùn)維從被動(dòng)響應(yīng)向主動(dòng)預(yù)防轉(zhuǎn)變，提升 制造裝備全生命周期管理效率。

預(yù)期目標(biāo)： 到2027年，制造裝備智能運(yùn)維系統(tǒng)可實(shí)現(xiàn) 萬臺(tái)裝備在線運(yùn)維，支持基于多模態(tài)大模型的故障診斷，診 斷準(zhǔn)確率不低于95%,運(yùn)維效率較傳統(tǒng)模式提升3倍以上， 開展規(guī)模示范應(yīng)用。

37. 電力裝備智能運(yùn)行分析系統(tǒng)

揭榜任務(wù)： 面向風(fēng)電、火電、水電、核電、光伏等電力 裝備運(yùn)行需求，研發(fā)基于多模態(tài)大模型的電力裝備運(yùn)行分析 系統(tǒng)，圍繞發(fā)輸變配等環(huán)節(jié)，突破行業(yè)知識(shí)深度耦合、多模 態(tài)數(shù)據(jù)融合分析、復(fù)雜系統(tǒng)優(yōu)化決策等技術(shù)，提升電力生產(chǎn) 調(diào)度效率和智能化水平。

預(yù)期目標(biāo)： 到2027年，電力裝備智能運(yùn)行分析系統(tǒng)在 設(shè)備缺陷智能識(shí)別、用電負(fù)荷預(yù)測(cè)、發(fā)電優(yōu)化調(diào)度等不少于 5個(gè)場(chǎng)景中應(yīng)用，任務(wù)處置準(zhǔn)確率不低于90%,形成規(guī)模化 示范效應(yīng)。

38. 基于人工智能的儀器儀表設(shè)計(jì)制造系統(tǒng)

揭榜任務(wù)： 面向儀器儀表產(chǎn)品設(shè)計(jì)嚴(yán)重依賴人員經(jīng)驗(yàn)、 工藝設(shè)計(jì)與制造數(shù)據(jù)龐雜且標(biāo)準(zhǔn)化程度低的問題，研發(fā)基于 人工智能的儀器儀表設(shè)計(jì)制造系統(tǒng)，突破儀器儀表制造工藝 知識(shí)抽取技術(shù)、智能化測(cè)試技術(shù)等，構(gòu)建產(chǎn)品設(shè)計(jì)、制造工

藝知識(shí)庫與數(shù)據(jù)庫，實(shí)現(xiàn)儀器儀表的智能化生產(chǎn)、自動(dòng)化測(cè) 試、可視化校準(zhǔn)等。

預(yù)期目標(biāo)： 到2027年，基于人工智能的儀器儀表設(shè)計(jì) 制造系統(tǒng)具備工藝知識(shí)推理模型不少于2個(gè)，工藝知識(shí)庫與 數(shù)據(jù)庫包含工藝知識(shí)不少于1000條，數(shù)據(jù)規(guī)模不少于1TB, 系統(tǒng)支持與MES/PLM 系統(tǒng)集成，具備可視化操作、測(cè)試任 務(wù)自動(dòng)生成、工藝程序自動(dòng)下發(fā)等功能，在至少10家典型 儀器儀表制造企業(yè)開展示范應(yīng)用。

(三)智能軟件

39. 流體仿真智能軟件

揭榜任務(wù)：面向航空、航天、能源工程等領(lǐng)域，研發(fā)基 于人工智能技術(shù)的快速流體仿真軟件，圍繞飛行器、汽車、 船舶、發(fā)動(dòng)機(jī)、渦輪機(jī)等典型產(chǎn)品研發(fā)過程中面臨的氣(水) 動(dòng)力求解、流場(chǎng)模擬、氣動(dòng)噪聲模擬、湍流模擬、燃燒模擬 等流體仿真任務(wù)，實(shí)現(xiàn)高精度計(jì)算流體力學(xué)模擬，減少真實(shí) 試驗(yàn)次數(shù)，有效提升產(chǎn)品研發(fā)效率，降低設(shè)計(jì)研發(fā)成本。

預(yù)期目標(biāo)： 到2027年，流體仿真智能軟件應(yīng)支持不少 于3個(gè)場(chǎng)景，相比于傳統(tǒng)計(jì)算流體力學(xué)求解器，求解結(jié)果誤 差不高于3%,求解時(shí)間降低30%以上，在不少于3家企業(yè) 應(yīng) 用 。

40. 結(jié)構(gòu)仿真智能軟件

揭榜任務(wù)：面向航空、航天、汽車等領(lǐng)域，圍繞結(jié)構(gòu)仿 真建模時(shí)間過長(zhǎng)，效率較低，求解設(shè)置和相關(guān)參數(shù)設(shè)置高度 依賴專家經(jīng)驗(yàn)、試錯(cuò)迭代耗時(shí)長(zhǎng)等問題，實(shí)現(xiàn)基于人工智能

1350390       少

技術(shù)的自然語言交互、參數(shù)自動(dòng)解析、智能糾錯(cuò)、結(jié)果檢驗(yàn) 優(yōu)化等功能，有效提升產(chǎn)品仿真效率，降低設(shè)計(jì)研發(fā)成本。

預(yù)期目標(biāo)： 到2027年，結(jié)構(gòu)仿真智能軟件應(yīng)支持不少 于10個(gè)場(chǎng)景，建模和求解設(shè)置等效率提升300%以上，在不 少于10家制造企業(yè)應(yīng)用。

41.電磁仿真智能軟件

揭榜任務(wù)：面向航空、船舶、汽車等領(lǐng)域，研發(fā)基于人 工智能技術(shù)的電磁仿真軟件，圍繞傳統(tǒng)電磁兼容仿真求解器 計(jì)算慢，模型試驗(yàn)周期長(zhǎng)、成本高等問題，實(shí)現(xiàn)基于人工智 能方法的近遠(yuǎn)場(chǎng)電磁安全性和電磁干擾等電磁仿真任務(wù)，減 少真實(shí)試驗(yàn)次數(shù)，有效提升產(chǎn)品研發(fā)效率，降低設(shè)計(jì)研發(fā)成 本。

預(yù)期目標(biāo)： 到2027年，電磁仿真智能軟件應(yīng)支持不少 于15個(gè)場(chǎng)景，相比于傳統(tǒng)電磁仿真求解器，平均求解誤差 不高于3dB,   產(chǎn)品模型試驗(yàn)量降低50%以上，求解時(shí)間降低 90%以上，在不少于10家企業(yè)應(yīng)用。

42. 基于大模型的零部件設(shè)計(jì)軟件

揭榜任務(wù)：研發(fā)基于大模型的零部件設(shè)計(jì)軟件，突破文 生三維零部件設(shè)計(jì)的大模型技術(shù)，支持三維建模操作指令序 列生成、執(zhí)行并輸出三維模型文件等功能，降低零部件設(shè)計(jì) 軟件操作復(fù)雜度，提升設(shè)計(jì)效率和設(shè)計(jì)質(zhì)量。

預(yù)期目標(biāo)： 到2027年，基于大模型的零部件設(shè)計(jì)軟件 支持對(duì)不少于20種設(shè)計(jì)指令的自然語言理解，設(shè)計(jì)意圖理 解準(zhǔn)確率不低于90%。對(duì)需三條及以上設(shè)計(jì)指令的復(fù)雜設(shè)計(jì)

意圖的理解準(zhǔn)確率不低于60%,三維模型尺寸精度可達(dá)0.05 毫米，在通用設(shè)備、飛行器、車船、管網(wǎng)或壓力容器等領(lǐng)域 開展零部件設(shè)計(jì)示范應(yīng)用。

43. 軟件智能開發(fā)測(cè)試工具

揭榜任務(wù)：面向高復(fù)雜度、高可靠性軟件研發(fā)需求，研 制基于大模型的軟件智能開發(fā)測(cè)試工具，深度融合程序語言 特性、算法等知識(shí)，結(jié)合監(jiān)督微調(diào)、檢索增強(qiáng)、知識(shí)圖譜等 工程化技術(shù)，賦能代碼生成、代碼檢查、單元測(cè)試、測(cè)試用 例生成、測(cè)試腳本生成、測(cè)試數(shù)據(jù)生成等軟件研發(fā)流程，提 升軟件研發(fā)質(zhì)量與效率。

預(yù)期目標(biāo)： 到2027年，智能開發(fā)工具落地應(yīng)用的企業(yè) 案例不少于50個(gè)，智能測(cè)試工具落地應(yīng)用的企業(yè)案例不少 于40個(gè)，應(yīng)用開發(fā)工具時(shí)代碼采納率高于40%,應(yīng)用測(cè)試 工具時(shí)用例采納率高于40%。

44. 流程工業(yè)智能生產(chǎn)運(yùn)營(yíng)管理系統(tǒng)

揭榜任務(wù)：面向流程工業(yè)生產(chǎn)調(diào)度、設(shè)備運(yùn)維、質(zhì)量管 理等需求，研發(fā)智能生產(chǎn)運(yùn)營(yíng)管理系統(tǒng)，基于大模型技術(shù)強(qiáng) 化專業(yè)知識(shí)理解和復(fù)雜專業(yè)知識(shí)推理能力，構(gòu)建大小模型相 結(jié)合的多系統(tǒng)調(diào)度技術(shù)，支持物料配送、故障診斷保修等任 務(wù)自動(dòng)化規(guī)劃與執(zhí)行，實(shí)現(xiàn)排產(chǎn)、工藝優(yōu)化和設(shè)備管理等生 產(chǎn)過程的智能化控制與調(diào)度。

預(yù)期目標(biāo)： 到2027年，流程工業(yè)智能生產(chǎn)運(yùn)營(yíng)管理系 統(tǒng)實(shí)現(xiàn)批量落地，生產(chǎn)類知識(shí)輔助準(zhǔn)確率大于90%,實(shí)現(xiàn)不 少于20類關(guān)鍵設(shè)備的異常預(yù)警、故障定位、故障預(yù)測(cè)和維

靜安區(qū)     100238975

修決策，異常預(yù)警準(zhǔn)確率不低于95%,排產(chǎn)任務(wù)執(zhí)行正確率 不低于90%,在3個(gè)以上不同行業(yè)10個(gè)以上典型場(chǎng)景落地。

45.  工 業(yè) 3D 內(nèi)容智能生成與實(shí)時(shí)交互系統(tǒng)

揭榜任務(wù)： 面向工業(yè)園區(qū)、廠區(qū)、車間、產(chǎn)線等，研發(fā) 工業(yè)3D 內(nèi)容智能生成與交互系統(tǒng)，突破基于人工智能的3D   內(nèi)容生成技術(shù)，滿足大規(guī)模工業(yè)物理場(chǎng)景的3D 重建和生成， 支持工業(yè)靜態(tài)和動(dòng)態(tài)目標(biāo)的高效編輯，實(shí)現(xiàn)基于云邊端協(xié)同 渲染的XR 實(shí)時(shí)數(shù)據(jù)處理、傳輸與交互，支撐工業(yè)設(shè)備維護(hù)、 安全培訓(xùn)、遠(yuǎn)程協(xié)作等應(yīng)用。

預(yù)期目標(biāo)：到2027年，工業(yè)3D內(nèi)容智能生成與實(shí)時(shí)交 互系統(tǒng)支持千平以上工業(yè)場(chǎng)景的3D 快速重建與編輯，基于 采集數(shù)據(jù)的3D 模型重建時(shí)長(zhǎng)達(dá)到小時(shí)級(jí)，端到端交互時(shí)延 小于100ms,   并在重點(diǎn)行業(yè)開展示范應(yīng)用。

46. 實(shí)驗(yàn)室安全智能監(jiān)控管理系統(tǒng)

揭榜任務(wù)： 匯聚實(shí)驗(yàn)室多源數(shù)據(jù)，構(gòu)建人工智能安全預(yù) 警預(yù)測(cè)模型，研發(fā)基于人工智能的實(shí)驗(yàn)室安全智能監(jiān)控管理 系統(tǒng)，實(shí)現(xiàn)對(duì)危險(xiǎn)化學(xué)品、特種設(shè)備、高溫高壓高轉(zhuǎn)速設(shè)備 等重要危險(xiǎn)源的動(dòng)態(tài)風(fēng)險(xiǎn)管控以及實(shí)驗(yàn)室環(huán)境、人員行為等 多維度數(shù)據(jù)的實(shí)時(shí)檢測(cè)與分析，智能識(shí)別安全隱患，預(yù)警潛 在風(fēng)險(xiǎn)，提供緊急情況下的自動(dòng)報(bào)警和智能應(yīng)急響應(yīng)方案， 全面提升實(shí)驗(yàn)室安全管理效能。

預(yù)期目標(biāo)： 到2027年，實(shí)驗(yàn)室安全監(jiān)控管理系統(tǒng)安全 隱患智能識(shí)別率不低于90%,重要危險(xiǎn)源的場(chǎng)景動(dòng)態(tài)預(yù)警準(zhǔn) 確率不低于80%,應(yīng)急響應(yīng)速度提升50%以上，在高風(fēng)險(xiǎn)實(shí)

驗(yàn)室實(shí)現(xiàn)安全預(yù)警系統(tǒng)全覆蓋，可準(zhǔn)確識(shí)別實(shí)驗(yàn)室人員的不 安全行為并在30秒內(nèi)及時(shí)通知。

四、共性基礎(chǔ)支撐

47. 人工智能安全檢測(cè)與防護(hù)工具

揭榜任務(wù)：面向工業(yè)、金融、政務(wù)等領(lǐng)域，研發(fā)人工智 能安全檢測(cè)與防護(hù)工具，突破模型算法、典型應(yīng)用的安全檢 測(cè)與加固技術(shù)，形成體系化檢測(cè)和防護(hù)能力，滿足高安全場(chǎng) 景對(duì)人工智能技術(shù)安全應(yīng)用的需求。

預(yù)期目標(biāo)： 到2027年，工具在開源模型上的攻擊成功 率不低于80%;具備安全加固能力，針對(duì)未知攻擊方法，加 固后的開源模型被攻擊成功率降低80%以上，專業(yè)性能降低 不超過3%;支持對(duì)智能體、具身智能的安全檢測(cè)，發(fā)現(xiàn)安 全問題并形成加固方法。在不少于5家企業(yè)應(yīng)用。

48. 人工智能數(shù)據(jù)智能防護(hù)平臺(tái)

揭榜任務(wù)： 面向人工智能數(shù)據(jù)流轉(zhuǎn)過程中的數(shù)據(jù)泄露、 篡改、丟失等各類數(shù)據(jù)安全風(fēng)險(xiǎn)，研發(fā)人工智能數(shù)據(jù)智能防 護(hù)平臺(tái)，突破數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)智能分類分級(jí)、大模型參 數(shù)數(shù)據(jù)保護(hù)等技術(shù)，實(shí)現(xiàn)針對(duì)企業(yè)各環(huán)節(jié)重要核心數(shù)據(jù)以及 大模型參數(shù)等重要數(shù)據(jù)資產(chǎn)的安全防護(hù)。

預(yù)期目標(biāo)： 到2027年，人工智能數(shù)據(jù)智能防護(hù)平臺(tái)可 對(duì)海量企業(yè)數(shù)據(jù)進(jìn)行全生命周期保護(hù)，具備數(shù)據(jù)投毒掃描能 力，毒性數(shù)據(jù)檢測(cè)準(zhǔn)確率不低于95%,支持對(duì)至少3種主流 開源大模型的訓(xùn)練推理數(shù)據(jù)進(jìn)行安全防護(hù)，在不少于5家企 業(yè)應(yīng)用。

49. 人工智能安全評(píng)測(cè)平臺(tái)

揭榜任務(wù)：面向人工智能應(yīng)用典型場(chǎng)景，研發(fā)人工智能 安全評(píng)測(cè)平臺(tái)，形成數(shù)據(jù)集質(zhì)量評(píng)估、算法安全驗(yàn)證、模型 安全評(píng)測(cè)、框架安全度量、系統(tǒng)安全檢測(cè)等全方位、多維度 的安全評(píng)估能力，突破人工智能應(yīng)用安全評(píng)測(cè)數(shù)據(jù)集自動(dòng)化 生成技術(shù)，構(gòu)建融合實(shí)際場(chǎng)景數(shù)據(jù)和自動(dòng)化生成數(shù)據(jù)的高質(zhì) 量安全評(píng)測(cè)和安全增強(qiáng)數(shù)據(jù)集。

預(yù)期目標(biāo)： 到2027年，人工智能安全評(píng)測(cè)平臺(tái)具備對(duì) 典型算法模型的安全評(píng)測(cè)能力，支持越獄攻擊、提示詞攻擊 等至少10類安全攻擊檢測(cè)方法，形成百萬級(jí)高質(zhì)量安全評(píng) 測(cè)集、安全增強(qiáng)數(shù)據(jù)集。

50. 基于大模型的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)診斷工具

揭榜任務(wù)：研發(fā)基于人工智能大模型的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)診 斷工具，利用大模型的語義分析、復(fù)雜推理等能力，增強(qiáng)對(duì) 海量行業(yè)知識(shí)及網(wǎng)絡(luò)安全知識(shí)的學(xué)習(xí)，實(shí)現(xiàn)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)診 斷的自動(dòng)化和智能化。

預(yù)期目標(biāo)： 到2027年，基于大模型的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)診 斷工具覆蓋業(yè)務(wù)場(chǎng)景不少于3個(gè)，風(fēng)險(xiǎn)診斷結(jié)論被最終采納 的比例超過80%,在不少于10家企業(yè)應(yīng)用。

五、其他

51. 面向殘障人群的疼痛智慧管理系統(tǒng)

揭榜任務(wù)：面向殘障人群多種類、復(fù)雜疼痛管理需求，

研發(fā)基于人工智能的疼痛智慧管理系統(tǒng)，突破自主疼痛感知、 功能評(píng)估、康復(fù)治療、智慧管理等關(guān)鍵技術(shù)，實(shí)現(xiàn)殘障人群

疼痛康復(fù)的多維度智慧管理。

預(yù)期目標(biāo)： 到2027年，建立不少于4類功能障礙疼痛 數(shù)據(jù)庫，實(shí)現(xiàn)不少于3種功能障礙的疼痛評(píng)估、藥物方案及 康復(fù)治療方案設(shè)計(jì)，支持疼痛心理評(píng)估，評(píng)估準(zhǔn)確率不低于 90%。

52. 大幅面智能盲文顯示設(shè)備

揭榜任務(wù)： 面向殘障人群感知、盲文文檔管理等需求， 研發(fā)大幅面、高刷新、便攜式的盲文點(diǎn)顯裝置，突破漢盲翻 譯、人機(jī)交互等關(guān)鍵技術(shù)，提升殘障人士獲取信息、溝通交 流的效率。

預(yù)期目標(biāo)：到2027年，盲文點(diǎn)顯幅面大于10寸，不少 于5000觸點(diǎn)，支持顯示多行盲文、盲文圖形和盲文符號(hào)， 支持多類型電子文檔讀取和處理，支持將文字信息向國(guó)家通 用盲文轉(zhuǎn)換，轉(zhuǎn)換準(zhǔn)確率不低于95%,全幅面盲文點(diǎn)序與漢 字、圖形、音符、語音呈現(xiàn)延時(shí)不超過1.5s。

53. 智能康復(fù)護(hù)理床/床墊

揭榜任務(wù)：面向殘障人士臥床監(jiān)護(hù)、在床護(hù)理、康復(fù)訓(xùn) 練等應(yīng)用需求，研制多功能智能康復(fù)護(hù)理床/床墊，突破智能 感知與主動(dòng)控制等關(guān)鍵技術(shù)，實(shí)現(xiàn)臥床者生理狀態(tài)監(jiān)測(cè)、全 自動(dòng)體位調(diào)節(jié)、風(fēng)險(xiǎn)預(yù)判等功能，為失能殘疾人提供居家護(hù) 理和康復(fù)服務(wù)。

預(yù)期目標(biāo)： 到2027年，支持坐臥、側(cè)翻、屈腿等不少 于12種體位感知，感知準(zhǔn)確率不低于90%,支持心率、呼 吸、體壓等不少于5種生理參數(shù)數(shù)據(jù)監(jiān)測(cè)，監(jiān)測(cè)準(zhǔn)確率不低

于90%,實(shí)現(xiàn)不超過0.5秒的離床預(yù)警、墜床干預(yù)并啟動(dòng)防 護(hù)機(jī)制，支持炎癥感染、壓瘡、靜脈血栓等風(fēng)險(xiǎn)預(yù)警，在至 少5家單位開展示范應(yīng)用。

54. 應(yīng)攻關(guān)的任務(wù)

應(yīng)用于其他行業(yè)、其他場(chǎng)景、其他流程中的人工智能賦 能新型工業(yè)化關(guān)鍵技術(shù)、產(chǎn)品、裝備、服務(wù)和平臺(tái)等，應(yīng)具 有技術(shù)先進(jìn)性，技術(shù)成熟度較高，產(chǎn)業(yè)化前景較好。

 

關(guān)于以上政策講解，大家還有不懂的問題嗎？還有疑問嗎？有疑問可以免費(fèi)咨詢。

 

找我們能為您做什么？（勿抄）

一、國(guó)家、省、市各類政府資助類項(xiàng)目申報(bào);

二、國(guó)家高新技術(shù)企業(yè)培育認(rèn)定、科技型中小企業(yè)、專精特新、專利軟著知識(shí)產(chǎn)權(quán)申報(bào);

三、國(guó)家、省、市各類企業(yè)榮譽(yù)資質(zhì)申報(bào);

四、國(guó)家、省、市企業(yè)技術(shù)中心、工程研究中心、科技成果評(píng)價(jià)、工業(yè)設(shè)計(jì)中心、非遺、數(shù)字化車間和智能工廠、孵化器和眾創(chuàng)空間、綠色工廠、大數(shù)據(jù)企業(yè)、首臺(tái)套首批次首版次、各類標(biāo)準(zhǔn)、實(shí)驗(yàn)室和工程研究中心、科學(xué)技術(shù)獎(jiǎng)、規(guī)上、老字號(hào)、新產(chǎn)品等研發(fā)平臺(tái)創(chuàng)建輔導(dǎo)、申報(bào):

五、資金申請(qǐng)報(bào)告、可行性研究報(bào)告、商業(yè)計(jì)劃書、項(xiàng)目建議書、等各類報(bào)告編制;

六、科技成果轉(zhuǎn)化中介、公司注冊(cè)注銷、工商辦理、股權(quán)、科技項(xiàng)目投融資。

 

一個(gè)電話，幫您理清思路，匹配最佳項(xiàng)目，讓您輕松穩(wěn)拿補(bǔ)貼政策資金與品牌榮譽(yù)提升！

 

專人在線指導(dǎo)，免費(fèi)咨詢：19855109130，微信同號(hào)，獲取最新政策詳情，歡迎前來交流。