申報單位為省外地區(qū)的，項目評審與廣東省內單位平等對待，港澳地區(qū)高校院所按照《廣東省科學技術廳廣東省財政廳關于香港特別行政區(qū)、澳門特別行政區(qū)高等院校和科研機構參與廣東省財政科技計劃(專項、基金等)組織實施的若干規(guī)定(試行)》(粵科規(guī)范字〔2019〕1號)文件精神納入相應范圍。省外單位牽頭申報的，經競爭性評審，擇優(yōu)納入科技計劃項目庫管理。入庫項目在滿足科研機構、科研活動、主要團隊到廣東落地，且項目知識產權在廣東申報、項目成果在廣東轉化等條件后，給予立項支持。

(二) 堅持需求導向和應用導向。鼓勵企業(yè)牽頭申報，牽頭企業(yè)原則上應為高新技術企業(yè)或龍頭骨干企業(yè)，建有研發(fā)機構，在本領域擁有國家級、省部級重大創(chuàng)新平臺，且以本領域領軍人物或中青年創(chuàng)新人才作為項目負責人。申報項目必須有自籌經費投入，企業(yè)牽頭申報的，項目總投入中自籌經費原則上不少于70%;非企業(yè)牽頭申報的，項目總投入中自籌經費原則上不少于50%。

(三) 省重點領域研發(fā)計劃申報單位總體不受在研項目數(shù)的限項申報約束，申報單位應在該領域具有顯著優(yōu)勢，注重加強資源統(tǒng)籌和要素整合，集中力量開展技術攻關，原則上每個項目的牽頭申報單位和參與單位總數(shù)不超過10家(含)。不鼓勵同一研究團隊或同一單位分散力量，在申報同一專項(或專題)時，同一研究團隊原則上只允許牽頭1項或參與1項，同一法人單位原則上只允許牽頭及參與不超過3項(同一項目方向牽頭不超過1項)，否則納入科研誠信記錄并進行相應處理。

(四) 項目負責人應起到統(tǒng)籌領導作用，能實質性參與項目的組織實施，防止出現(xiàn)拉本領域高端知名專家掛名現(xiàn)象。

(五) 項目內容須真實可信，不得夸大自身實力與技術、經濟指標。各申報單位須對申報材料的真實性負責，申報單位和推薦單位要落實《關于進一步加強科研誠信建設的若干意見》(廳字〔2018〕23號)要求，加強對申報材料審核把關，杜絕夸大不實，甚至弄虛作假。各申報單位、項目負責人須簽署《申報材料真實性承諾函》(模板可在陽光政務平臺系統(tǒng)下載，須加蓋單位公章)。項目一經立項，技術、產品、經濟等考核指標無正當理由不予修改調整。

(六) 申報單位應認真做好經費預算，按實申報，且應符合申報指南有關要求。牽頭單位應具備較強的研究開發(fā)實力或資源整合能力，承擔項目的核心研究組織任務，原則上應分配最大的資金份額。

(七) 有以下情形之一的項目負責人或申報單位不得進行申報或通過資格審查：

1.項目負責人有廣東省級科技計劃項目3項以上(含3項)未完成結題或有項目逾期一年未結題(平臺類、普惠性政策類、后補助類項目除外);

2.項目負責人有在研廣東省重大科技專項項目、重點領域研發(fā)計劃項目未完成驗收結題(此類情形下該負責人還可作為參與人員參與項目團隊);

3.在省級財政專項資金審計、檢查過程中發(fā)現(xiàn)重大違規(guī)行為;

4.同一項目通過變換課題名稱等方式進行多頭或重復申報;

5.項目主要內容已由該單位單獨或聯(lián)合其他單位申報并已獲得省科技計劃立項;

6.省內單位項目未經科技主管部門組織推薦;

7.有尚在懲戒執(zhí)行期內的科研嚴重失信行為記錄和相關社會領域信用“黑名單”記錄;

8.違背科研倫理道德。

(八) 申報項目還須符合申報指南各專題方向的具體申報條件。

二、專題內容

專題一：智能計算關鍵技術研究及應用(專題編號：20100140)

項目 1.1：面向規(guī)模視覺處理的開放計算框架研究及系統(tǒng)應用

(一) 研究內容。

自主研發(fā)面向視覺處理的深度學習計算框架，可兼容主流的開源框架，實現(xiàn)針對視覺模型訓練和推理性能優(yōu)化與強化;研究深度學習框架計算圖與算子的統(tǒng)一表示與實現(xiàn)，實現(xiàn)對多種主流框架接口的虛擬化執(zhí)行;開發(fā)大規(guī)模模型訓練平臺，研究適配機器學習的前編譯與即時編譯能力，分別研究深度學習計算框架、高速大數(shù)據存儲引擎、數(shù)據管理與標注平臺、大規(guī)模分布式訓練任務調度、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。研究基于深度學習的視覺計算開放平臺的開放模式，研究開放平臺對不同視覺計算需求的適應能力。

(二) 考核指標。

自主研發(fā)內嵌編譯器、核心引擎、數(shù)據 IO 引擎的深度學習訓練框架，可兼容 TensorFlow、PyTorch、MindSpore、PaddlePaddle 等國內外主流開源訓練框架;研發(fā)一套可實現(xiàn)規(guī)模計算視覺處理平臺;同等環(huán)境下對比 TensorFlow、PyTorch 等主流開源訓練框架提升訓練性能 30%以上，可實現(xiàn)支持不低于 1000 個國產 AI 處理器并行計算。利用該框架針對殘差神經網絡(ResNet)等視覺模型進行計算，可實現(xiàn)在百萬視覺處理數(shù)據集上完整訓練 90 輪(epoch)時間小于60s;該框架可支持即時編譯實現(xiàn)求導代碼自動生成，支持國產芯片計算架構，支持多種設備量化格式的量化訓練，以及量化模型的直接輸出?；谠摽蚣軜嫿ㄒ曈X處理系統(tǒng)具備存儲訪問能力不低于 300 萬 IOPS。在智慧城市、教育、商業(yè)、互聯(lián)網娛樂、交通、金融、制造等多領域實現(xiàn)視覺計算的底層支撐。項目實施期間新增應用用戶不少于 3000 個。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項并實現(xiàn)推廣應用。

(三) 申報要求。

須“廣東省新一代人工智能開放創(chuàng)新平臺”建設單位牽頭申報，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1500 萬元/項。

項目 1.2：數(shù)據流驅動執(zhí)行的智能計算系統(tǒng)研制與應用

(一) 研究內容。

研究智能處理器和系統(tǒng)結構，探索多型智能處理器體系結構，可伸縮異構智能計算節(jié)點和整機系統(tǒng)結構;研究編程效率、程序性能和程序正確性的解耦和協(xié)同機制，支持代碼的可伸縮性和可移植性;研究數(shù)據流驅動的程序執(zhí)行模型，研究優(yōu)化系統(tǒng)資源配置和多機系統(tǒng)的訪存、通信和 I/O 性能提升方法;研究智能云計算系統(tǒng)上的應用技術，在材料、制造和健康等行業(yè)建立驗證系統(tǒng)，完成重大應用場景示范。

(二) 考核指標。

項目完成時，設計一套 AI 處理器指令集體系結構，支持面向視覺、語音、人機交互、數(shù)據治理 4 類智能應用工作負載的領域專用指令集體系結構設計;完成國產智能處理器與至少 2 種國產通用 CPU 服務器的適配，與國外同類型產品對比單卡的能效比提升不低于 20%;基于優(yōu)化的 AI 計算框架研制多機分布訓練系統(tǒng)，可支持快速開發(fā) TOPS(1012)量級的片上并行計算和 POPS(1015)量級的多機分布計算;實現(xiàn)單處理器計算效率不低于 30%;基于國產智能計算系統(tǒng)實現(xiàn)不低于 1EOPS(1018)量級的分布式訓練示范，整機并行計算效率不低于 60%。以項目形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項。項目執(zhí)行期內在材料、制造和健康等行業(yè)完成重大應用示范。

(三) 申報要求。

鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1500 萬元/項。

項目 1.3：面向 AI 計算集群的網絡體系結構優(yōu)化關鍵技術研究及應用

(一) 研究內容。

開展適用于 AI 計算集群的網絡體系結構研究。研究適用于 AI 計算任務的高性能網絡協(xié)議棧;研究適用于大規(guī)模低延遲無損網絡的擁塞控制協(xié)議以及死鎖規(guī)避機制;研發(fā)AI 計算加速網卡，以及配套的 AI 計算卸載技術;針對 AI 計算集群多用戶、高并發(fā)問題，研究低延遲無損網絡的虛擬化技術;研究網絡延遲及帶寬資源的動態(tài)感知技術;研究適用于 AI 計算集群的智能網絡調度技術。

(二) 考核指標。

研制適用于深度學習的新型網絡協(xié)議棧，對比 TCP/IP 協(xié)議棧及 RDMA Verbs 傳輸系統(tǒng)，提升訓練服務器的整體吞吐量不小于 100%;研發(fā)適用于大規(guī)模無損網絡的擁塞控制協(xié)議，降低傳輸時延不低于 25%;研發(fā)無損網絡虛擬化技術，實現(xiàn)單個租戶的訓練吞吐量相比獨占無損網絡資源時下降不超過 20%;研發(fā) AI 計算加速網卡，對比 CPU+GPU 的 AI 計算，加速超過 100%;研發(fā)適用于 AI 計算的智能網絡調度技術，同等條件可降低 AI 計算任務完成時間 30%以上。以項目形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項。

(三) 申報要求。

鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 1.4：面向人機協(xié)同的邊緣計算開放系統(tǒng)研發(fā)及應用

(一) 研究內容。

研究支持人機協(xié)同的邊緣計算視聽覺識別算法和音視頻協(xié)同算法，支持多模態(tài)實時交互;研究多媒體加密、隱私保護和數(shù)字水印算法，支持安全和可信任的深度學習計算環(huán)境;研發(fā)支持多種深度學習框架和國產異構芯片的統(tǒng)一計算軟件架構;研究邊緣計算調度編排和虛擬化技術，實現(xiàn)資源的彈性伸縮和動態(tài)調度，實現(xiàn)可擴展、可級聯(lián)的邊緣計算和云邊計算;支持應用的自由配置選擇、自動打包、即插即用;研發(fā)采用上述技術的邊緣計算開放自迭代軟硬件系統(tǒng)，支持算法、應用和部件的開放生態(tài)。

(二) 考核指標。

研制面向人機協(xié)同的邊緣計算開放軟硬件系統(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)同的響應時延小于不超過 200ms，可同時支持 100 路和 100 種多媒體終端接入;可集成各類安全軟件，實現(xiàn)內容加密、隱私保護、對音視頻、代碼可溯源;研制統(tǒng)一計算軟件架構，支持Tensorflow、Pytorch、Caffe、MXNet 等主流深度學習框架，兼容 X86、GPU、ARM、RISC-V、ASIC 等異構芯片;支持不少于 3 層的縱向級聯(lián)和不少于 100 個計算節(jié)點的橫向擴展;實現(xiàn)邊緣計算的容器化應用管理，支持實時動態(tài)的服務加載與資源回收;研制不少于 50 種邊緣端基礎 AI 應用，可自動生成不少于 500 種應用套件;實現(xiàn)典型應用的代碼開源，實現(xiàn)算法模型和場景的一體化持續(xù)適應性訓練迭代。項目實施期間成果新增應用用戶不少于 3000 個。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項，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用。

(三) 申報要求。

須“廣東省新一代人工智能開放創(chuàng)新平臺”建設單位牽頭申報，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

專題二：智能感知與認知核心技術研究及應用(專題編號：20100141)

項目 2.1：多自由度智能體復雜技能的自主學習研究及應用

(一) 研究內容。

研究多自由度智能體復雜技能的自主學習理論與方法。研究面向任務的復雜技能基元表示及知識化表達方法，構建技能基元庫和技能庫，研究技能在線采集和標注方法;研究技能遷移與增強學習方法，研究技能自主學習仿真訓練引擎技術，實現(xiàn)技能的虛實遷移、衍生及不同場景下的高效適應;研究免編程智能體作業(yè)系統(tǒng)構建技術，實現(xiàn)智能體的免編程感知、規(guī)劃、決策，并實現(xiàn)在工業(yè)領域的應用示范。

(二) 考核指標。

研制多自由度智能體復雜技能采集、訓練裝備及作業(yè)產線。開發(fā)智能體技能采集與標注系統(tǒng)，包含不少于 1000 臺六自由度以上智能體，技能采集數(shù)據種類不少于 5 種，技能基元不少于 5 種，同類拓撲技能種類不少于 10 種;研制智能體遷移學習仿真裝備，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、任務自決策、運動與力混合執(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;構建智能體作業(yè)產線，實現(xiàn)六自由度以上智能體復雜技能的免編程作業(yè)，產線部署時間減少80%，產能爬坡周期縮短 30%，實現(xiàn)不少于 100 臺智能體的工業(yè)應用示范。以項目研究中形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項，并在 2 種以上的典型場景中實現(xiàn)推廣應用。

(三) 申報要求。

須企業(yè)牽頭，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1500 萬元/項。

項目 2.2：可自配準 DRGB 多維感知及實時計算系統(tǒng)研究及應用

(一) 研究內容。

研究可實現(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)研究點云信息與色彩高效自配準技術;基于光學感知和光信息調制技術研究 RGB 和 Depth 信息的高可靠性配準關鍵技術;研制可匹配高速 DRGB 數(shù)據深度計算的高速處理器;研究海量點云幾何信息及色彩信息的高性能壓縮存儲及傳輸技術;研究二次開發(fā)通用系統(tǒng)接口，可快速支持不同應用場景;研發(fā)一套多維信息感知融合的視覺實時計算系統(tǒng)。

(二) 考核指標。

研制可實現(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云發(fā)生和即時配準系統(tǒng);基于千萬像素級 DRGB 多維機器視覺感知系統(tǒng)實現(xiàn)配準準確率不低于 99%，可支持原生(即非插值)點云每秒不少于 1000 萬個，配準平均誤差 1 米內不超過 0.2%;研制可集成電路封裝的振鏡、處理器，實現(xiàn)每秒千萬級的點云建模、色彩和深度信息智能融合的采集及建模設備，具備可二次開發(fā)功能;實現(xiàn)系統(tǒng)在人機交互、機器人引導、物體重建等不同場景的魯棒應用，推廣應用數(shù)量不低于 1 萬套。以項目形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項。

(三) 申報要求。

須企業(yè)牽頭，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 2.3：基于神經架構搜索的 AI 處理器定制設計與評測系統(tǒng)開發(fā)

(一) 研究內容。

研究基于神經架構搜索技術的深度學習算法網絡架構優(yōu)化技術;研究 AI 處理器設計中增強機器學習的算法和優(yōu)化模型;研究增強學習在提高神經架構搜索效率方面的應用;研究算法理論計算速度和處理器實際運算速度的差異模型;構建軟硬件協(xié)同設計的智能 AI 處理器云評測平臺，為算法模型和處理器方案的選型和評測提供標準化平臺。

(二) 考核指標。

研制基于神經架構搜索技術的深度學習算法網絡架構自動化開發(fā)平臺;實現(xiàn)基于機器學習的處理器算法輔助設計，基于自主研發(fā)的處理器，完成 1-2 款 AI 專用功能芯片設計，運算性能可達單芯片 2T 以上，并可以實現(xiàn)級聯(lián);搭建處理器智能云評測平臺，支持主流人工智能算法及 10 款以上處理器，實現(xiàn)深度學習算法評估計算速度和實測計算速度差距小于10%;實現(xiàn)基于機器學習算法的處理器自動化定制設計，同等功耗下性能提升 30%以上;項目實施期間成果新增應用用戶不少于 1000 個。項目完成時須形成國家標準、行業(yè)標準或團體標準提案不少于 2 項;項目形成的原創(chuàng)性技術鼓勵通過申請專利予以保護，鼓勵將技術應用總結為高水平論文以分享技術成果。

(三) 申報要求。

須企業(yè)牽頭，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 2.4：跨域異構群智系統(tǒng)關鍵技術研究與驗證

(一) 研究內容。

研究跨域復雜多變環(huán)境下異構計算的實時任務分配方法，實現(xiàn)高效率的異構并行計算;研究跨域異構群智系統(tǒng)的協(xié)同決策方法，實現(xiàn)群智系統(tǒng)的快速智能決策響應;研究跨域異構群智系統(tǒng)的協(xié)同控制方法，研究協(xié)同定位技術，實現(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)，進行群智方法與技術驗證。

(二) 考核指標。

研制一套跨域異構群智控制系統(tǒng)，控制節(jié)點不小于 100 個，異構計算單元類型覆蓋主流 CPU、GPU、PFGA、ASIC 等;實現(xiàn)復雜任務智能分解及子任務分配計算模型，可比條件下全局計算效能及效率提升 15%;開發(fā)分布式智能決策系統(tǒng)，具自組織通信拓撲網絡，可實現(xiàn)跨域群智系統(tǒng)實時智能自主決策，單個節(jié)點的決策響應時間小于等于 50ms,30 個節(jié)點的任務協(xié)同決策部署時間小于等于 1s;可以增減的決策節(jié)點數(shù)量±20%。建立由水空兩棲無人機和無人艇組成的驗證系統(tǒng)，節(jié)點數(shù)不小于 100 個，群體任務執(zhí)行中要求單個節(jié)點偏離值無人艇小于 3m、無人機小于 0.5m，群體內通信平均時延低于 30ms，控制平均時延低于 50ms。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項，并實現(xiàn)推廣應用。在海洋監(jiān)測、重點區(qū)域監(jiān)控、緊急救援、物資配送等多個領域或任務中驗證群智系統(tǒng)能力。

(三) 申報要求。

須“廣東省新一代人工智能開放創(chuàng)新平臺”建設單位牽頭申報，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 2.5：面向工業(yè)智能的分布式計算系統(tǒng)研究與應用驗證

(一) 研究內容。

針對工業(yè)協(xié)作場景中多模感知數(shù)據的分布與處理特點，研究弱連接環(huán)境下多源異構數(shù)據實時采集、可信傳輸、安全共享、系統(tǒng)架構與部署方法等問題，滿足智能計算系統(tǒng)端-云-邊一體化高效協(xié)同處理要求;針對產業(yè)鏈、供應鏈、價值鏈和生態(tài)鏈中的多尺度、多層次、多組織智能體的博弈對抗，研究分布式機器學習，研究大規(guī)模分布式模型訓練和持續(xù)場景優(yōu)化模型。

(二) 考核指標。

圍繞企業(yè)生產組織的產業(yè)鏈、供應鏈，開發(fā)多尺度、多層次的分布式機器學習系統(tǒng)。基于安全可控要素自主研制符合可匹配面向工業(yè)系統(tǒng)分布式計算的邊緣節(jié)點處理器，可支持 X86、ARM 等異構計算，支持 8bit 以下低精度高效表示和計算，功率不大于 5w 且能效比不低于 10Tops/w。研制云端單機 FP32 性能不小于 100TFlops ，輸入帶寬不低于 1000Gbps，可支持百萬級計算節(jié)點擴展能力。應用該分布式計算系統(tǒng)，實現(xiàn)規(guī)模制造類企業(yè)系統(tǒng)在同比條件下可縮短生產周期 10%，減少在制品數(shù)量 10%，缺陷產品總量降低 15%，提升人均生產效率 10%;提升整體產業(yè)鏈資源配置效率 10%,減少整體產業(yè)鏈成本 5%。項目研發(fā)的系統(tǒng)需要在 2 種以上的工業(yè)互聯(lián)網典型場景中得到推廣應用，以項目形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項。

(三) 申報要求。

鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

專題三：智能創(chuàng)新應用及重點場景(專題編號：20100142)

項目 3.1：基于多模態(tài)融合的醫(yī)學人工智能集成預測和輔診建模方法及應用研究

(一) 研究內容。

研究基于深度學習的醫(yī)學多源模態(tài)信息融合處理方法，研究跨模態(tài)、跨醫(yī)學學科數(shù)據的綜合分析建模技術;研究基于強化學習、網格搜索的醫(yī)學模型訓練和數(shù)據維度拓展技術;基于無監(jiān)督學習、半監(jiān)督學習研究數(shù)據高效標注和治理方法，建立多模態(tài)數(shù)據采集、清洗、標注、備份、導出的自動模型。利用基因組學、影像組學、代謝組學、臨床病理組學、整體化智能臨檢等多模態(tài)融合的人工智能技術，在惡性腫瘤、心腦血管疾病、致盲性眼病、突發(fā)重大流行病等領域研究集成預測和輔診建模理論及算法。

(二) 考核指標。

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測及輔診系統(tǒng)?；诨蚪M學、影像組學、代謝組學、臨床病理組學、整體化智能臨檢等多模態(tài)數(shù)據，可比條件下實現(xiàn)比依據任一單一類型數(shù)據進行疾病診斷準確率提升 10%以上，綜合準確率大于 90%。在不少于 3 家以上三甲醫(yī)院開展模型驗證，可比條件下基于該模型的診斷結果采納率大于 90%，面向單類病種具備綜合數(shù)據的病例不少于 3000 例。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項，提交發(fā)明專利 3 件。

(三) 申報要求。

鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 3.2：物流供應鏈智能預測系統(tǒng)研發(fā)及應用

(一) 研究內容。

研究基于端到端學習和多源大數(shù)據的時序預測算法，構建高魯棒性和高準確率的物流行業(yè)供需預測模型;研究博弈深度強化學習理論，研究智能物流多式聯(lián)運路徑規(guī)劃與動態(tài)調整方法;研究少樣本學習的物流品控算法，構建物流安全評價模型;研究物流供應鏈運作監(jiān)控、預警模型，針對物流包裝裝備破損檢測、貨物檢索和閘口通關等場景研究效率提升方法，研究面向食品藥品冷鏈供應、天然氣等典型物流供應鏈的智能預測專業(yè)化模型。

(二) 考核指標。

建立 20 類典型供需模型的物流供應鏈智能預測系統(tǒng)。實現(xiàn)多式聯(lián)運物流智能規(guī)劃，同環(huán)境下總體效率提升 10%以上;基于該系統(tǒng)可實現(xiàn)物流運輸中貨物狀態(tài)等安全監(jiān)測識別準確率超過 90%;實現(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;設計面向物流專業(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。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項，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用，以項目形成的原創(chuàng)性技術申請發(fā)明專利不少于 3 項。

(三) 申報要求。

須企業(yè)牽頭，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 3.3：基于大數(shù)據智能的多層次知識檢索關鍵技術研究及應用

(一) 研究內容。

構建智慧知識產權工程技術體系，開展面向智慧知識產權的大數(shù)據智能的基礎理論、關鍵技術的研究;研發(fā)高增量、高時效、多模態(tài)知識產權超圖網絡建模技術，研究基于圖卷積神經網絡和膠囊圖神經網絡的分類方法在知識產權超圖網絡中的應用;研究基于知識產權大數(shù)據的知識圖譜智能構建方法;研究多層級多分類文本的精準分類技術;研究文本內容結合圖像分析的多模態(tài)內容檢索技術和跨語種文本檢索技術。

(二) 考核指標。

建立基于大數(shù)據智能的多層次知識產權檢索模型，構建全知識體系的知識圖譜，實體數(shù)量超過 1 億，關系數(shù)量超過　50 億，基于該模型實現(xiàn)單個實體的基礎查詢時間低于 2 秒;實用新型專利文本查重查準率不低于 90%，查全率不低于　50%;針對外觀專利檢索，基于文本結合圖像跨媒體分析，實現(xiàn)相對于單純文本內容檢索查準率提升 15%以上;建立外觀設計專利 AI 標準數(shù)據集，實現(xiàn)分類準確率比洛迦諾分類法效果提升 15%以上。實現(xiàn)在知識產權創(chuàng)意生成與保護、智能審查、價值評估與交易等場景示范應用。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項并實現(xiàn)推廣應用。

(三) 申報要求。

鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

項目 3.4：基于 Atlas 計算平臺生態(tài)創(chuàng)新協(xié)同技術研究及應用

(一) 研究內容。

研究基于 Atlas 計算平臺的軟硬件協(xié)同關鍵技術，研究可兼容 Caffe、TensorFlow 等主流框架模型的 Atlas 計算平臺模型轉換與異構并行計算技術;研究開放神經網絡交換技術、高性能自定義算子適配技術，基于圖優(yōu)化的 AI 流程編排技術，提升 Atlas 計算平臺 AI 接入能力及計算效率;研究基于　Atlas 計算平臺的“端、邊、云”協(xié)同及統(tǒng)一調度技術，實現(xiàn)資源協(xié)同、應用協(xié)同、數(shù)據協(xié)同、智能協(xié)同，形成基于 Atlas 計算平臺的產品解決方案;研究基于國產 AI 平臺智慧安防、智慧社區(qū)、智慧園區(qū)、智慧警務等應用，在城市級場景進行示范。

(二) 考核指標。

研制基于 Atlas 計算平臺的一站式 AI 開發(fā)應用平臺軟件，研制端到端開發(fā)套件 1 套以及 3 種以上工具組件，面向不同領域的場景開發(fā)不少于 10 種高性能自定義算子;基于 Atlas計算平臺適配不少于 15 種神經網絡模型;兼容 Caffe、TensorFlow 等不少于 2 種開源框架的模型導入與解析;推廣應用 Atlas“端、邊、云”軟硬件系統(tǒng)不少于 2000 套。在千萬級人口規(guī)模城市進行應用推廣，涵蓋智慧安防、智慧社區(qū)、智慧園區(qū)、智慧警務、智慧醫(yī)療等多類場景示范。項目完成時須形成國家標準、行業(yè)標準或團體標準不少于 2 項并實現(xiàn)推廣應用。

(三) 申報要求。

須企業(yè)牽頭，鼓勵產學研聯(lián)合申報，項目應用實施須在廣東省內。

(四) 支持強度。

資助額度不超過 1000 萬元/項。

三、評審及立項說明

省重點領域研發(fā)計劃項目由第三方專業(yè)機構組織評審，對申報項目的背景、依據、技術路線、科研能力、時間進度、經費預算、績效目標等進行評審論證，并根據項目的實際情況進行技術就緒度和知識產權等專業(yè)化評估：

(一) 技術就緒度與先進性評估。本專項主要支持技術就緒度3～6級的項目，項目完成時技術就緒度一般應達到7～9級，原則上項目完成后技術就緒度應有3級以上提高，各申報單位應在可行性報告中按要求對此進行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽光政務平臺系統(tǒng)下載)。

(二) 查重及技術先進性分析。將利用大數(shù)據分析技術，對照國家科技部科技計劃歷年資助項目與廣東省科技計劃歷年資助項目，對擬立項項目進行查重和先進性等分析。

(三) 知識產權分析評議。項目研究成果一般應有高質量的知識產權，請各申報單位按照高質量知識產權分析評議指引的有關要求，加強本單位知識產權管理，提出項目的高質量知識產權目標，并在可行性報告中按要求對此進行闡述并提供必要的佐證支撐材料(可行性報告提綱可在陽光政務平臺系統(tǒng)下載)，勿簡單以專利數(shù)量、論文數(shù)量作為項目目標。

擬立項項目按程序審核報批后納入項目庫管理，視年度財政預算及項目落地情況分批出庫支持，結合項目進展分階段撥付財政資金。

同一指南中的同一項目方向(或課題)，原則上只支持1項(指南有特殊說明的除外)，在申報項目(或課題)評審結果相近且技術路線明顯不同時，可予以并行支持。

上一篇2020年廣東省制造業(yè)與互聯(lián)網融合發(fā)展試點示范項目申報開始了

下一篇2020年深圳市工業(yè)互聯(lián)網試點示范項目申報開始了

文章分類：通知公告

分享到：