各有關(guān)單位：

為貫徹落實(shí)《長三角科技創(chuàng)新共同體建設(shè)發(fā)展規(guī)劃》，建立健全長三角科技創(chuàng)新共同體聯(lián)合攻關(guān)合作機(jī)制，在長三角科技創(chuàng)新共同體建設(shè)工作專班指導(dǎo)下，上海市科學(xué)技術(shù)委員會、江蘇省科學(xué)技術(shù)廳、浙江省科學(xué)技術(shù)廳、安徽省科學(xué)技術(shù)廳聯(lián)合試點(diǎn)開展2022年度長三角科技創(chuàng)新共同體聯(lián)合攻關(guān)重點(diǎn)任務(wù)揭榜工作，現(xiàn)將有關(guān)事宜通知如下。

一、工作目標(biāo)

以“科創(chuàng)+產(chǎn)業(yè)”為引領(lǐng)，立足國家戰(zhàn)略，聚焦長三角重點(diǎn)產(chǎn)業(yè)領(lǐng)域創(chuàng)新需求，推動企業(yè)成為技術(shù)創(chuàng)新決策、科研投入、組織科研和成果轉(zhuǎn)化的主體，協(xié)同突破一批關(guān)鍵核心技術(shù)，爭取在3年內(nèi)取得一批標(biāo)志性成果，合力推動重點(diǎn)產(chǎn)業(yè)鏈關(guān)鍵核心技術(shù)實(shí)現(xiàn)自主可控，提升產(chǎn)業(yè)鏈供應(yīng)鏈安全性和競爭力。

二、有關(guān)要求

（一）揭榜任務(wù)

本通知發(fā)布的重點(diǎn)任務(wù)主要來自長三角區(qū)域集成電路、人工智能產(chǎn)業(yè)領(lǐng)域骨干企業(yè)的創(chuàng)新需求，共計(jì)20項(xiàng)，需求任務(wù)清單詳見附件。

（二）揭榜對象

本揭榜任務(wù)面向國際國內(nèi)有條件、有能力解決榜單需求的科研機(jī)構(gòu)、企業(yè)和創(chuàng)新團(tuán)隊(duì)。揭榜方應(yīng)遵守科研誠信管理要求，應(yīng)承諾所提交材料真實(shí)性，不得提交有涉密內(nèi)容的項(xiàng)目申請。

（三）揭榜流程

1.揭榜方登錄“長三角一體化科創(chuàng)云平臺”（http://www.csj-stcloud.com，以下簡稱云平臺）--云服務(wù)--點(diǎn)擊“方案提交”進(jìn)入提交頁面。揭榜方可選擇揭榜任務(wù)中一項(xiàng)或多項(xiàng)提出解決方案。

2. 管理平臺自需求發(fā)布起，在入庫截止時(shí)間之前，每10個(gè)工作日，將收到的解決方案匯總至需求方。

3. 需求方對解決方案的技術(shù)可行性、與需求的匹配性等方面進(jìn)行綜合研判，必要時(shí)可與揭榜方進(jìn)行充分溝通，有多個(gè)解決方案可供選擇時(shí)，可通過項(xiàng)目路演，加速精準(zhǔn)匹配。

管理平臺將配合需求方做好溝通銜接、專家推薦、路演組織等服務(wù)保障工作。鼓勵(lì)長三角國家技術(shù)創(chuàng)新中心等組織相關(guān)專業(yè)研究機(jī)構(gòu)，積極響應(yīng)企業(yè)需求，提出解決方案。

（四）儲備入庫

需求方找到合適的解決方案時(shí)，可登錄云平臺，提出“入庫申請”，在線提交">，提交解決方基本信息，經(jīng)管理平臺確認(rèn)后納入長三角科技創(chuàng)新共同體聯(lián)合攻關(guān)項(xiàng)目儲備庫。需求方以外的長三角企業(yè)，同樣具有榜單所提出的需求方向，并已找到解決方案的，也可登錄云平臺，在線提交">填報(bào)相關(guān)信息，經(jīng)相符性審核通過后，按要求入庫。需求方進(jìn)入儲備庫后，榜單將調(diào)整為“揭榜成功”狀態(tài)；需求方未能遴選到合適的解決方案時(shí)，榜單持續(xù)有效。若其中某項(xiàng)需求無人揭榜，經(jīng)需求方評估需調(diào)整任務(wù)方向或不符合實(shí)際現(xiàn)狀的，需求方可從榜單中剔除，但不影響其他揭榜任務(wù)按程序執(zhí)行。

三省一市科技廳（委）根據(jù)長三角科技創(chuàng)新共同體聯(lián)合攻關(guān)合作機(jī)制相關(guān)要求，組織后續(xù)項(xiàng)目申報(bào)。

（五）揭榜任務(wù)要求

1. 需求方應(yīng)立足國家戰(zhàn)略，發(fā)揮創(chuàng)新引領(lǐng)、示范帶動作用，組織長三角區(qū)域高校、科研院所及企業(yè)優(yōu)勢科研力量，組建跨學(xué)科、跨領(lǐng)域、跨區(qū)域創(chuàng)新聯(lián)合體，推動項(xiàng)目、人才、平臺、資金一體化配置，聯(lián)合攻關(guān)、解決“卡脖子”難題。

2．聯(lián)合攻關(guān)應(yīng)突出以關(guān)鍵技術(shù)解決、重大工程或重點(diǎn)企業(yè)應(yīng)用等為目標(biāo)的成果轉(zhuǎn)化和產(chǎn)業(yè)化合作。

3．需求方的合作單位中，應(yīng)包括需求方所在?。ㄊ校┮酝獾囊患壹耙陨祥L三角單位參與。

（六）時(shí)間節(jié)點(diǎn)

項(xiàng)目儲備入庫截止時(shí)間為2022年9月20日16:30。

三、咨詢電話021-24197806，24197930

上海市科學(xué)技術(shù)委員會           江蘇省科學(xué)技術(shù)廳

浙江省科學(xué)技術(shù)廳            安徽省科學(xué)技術(shù)廳

2022年8月26日

附件 

2022年長三角科技創(chuàng)新共同體聯(lián)合攻關(guān)首批揭榜任務(wù)清單

一、集成電路領(lǐng)域

（一）面向感存算一體化芯片的晶圓級集成工藝研究

1. 應(yīng)用場景。以晶圓級集成方式實(shí)現(xiàn)圖像感知芯片與磁存算芯片的封裝，解決“感存算一體化”芯片的高性能、低功耗、低成本，可實(shí)現(xiàn)性等需求，大幅降低芯片成本及尺寸，提升終端物聯(lián)網(wǎng)集成芯片的邊緣計(jì)算能力，支撐物聯(lián)網(wǎng)（IoT）低功耗視覺和高速視覺的場景應(yīng)用。

其中感知部分為圖像傳感器（CIS），存算一體化模塊是基于新型存儲器件的芯片，如改進(jìn)浮柵晶體管和磁隧道結(jié)器件（MRAM）等，揭榜任務(wù)主要圍繞圖像傳感器與存算一體化芯片的晶圓級鍵合和集成技術(shù)。

2. 揭榜任務(wù)。（1）研究晶圓級鍵合通孔連接的失效機(jī)理，優(yōu)化工藝及提高鍵合通孔連接成品率；（2）突破大尺寸晶圓減薄技術(shù)及工藝，保證晶圓的散熱性能、應(yīng)力性能、電學(xué)性能等；（3）突破“wafer to wafer”晶圓級異質(zhì)集成、晶圓級對準(zhǔn)偏移表征及超聲檢測鍵合缺陷等關(guān)鍵技術(shù)，實(shí)現(xiàn)12寸CIS圖像傳感器晶圓與磁存儲晶圓的感存算一體化集成，提升晶圓級集成連接良率。

性能參數(shù)：（1）有效鍵合通孔節(jié)距小于15um，鍵合密度大于4500/mm2；（2）12寸晶圓減薄厚度小于10μm，TTV控制小于1um；（3）晶圓對準(zhǔn)及缺陷良率>95%，電性連接良率>90%。

3. 項(xiàng)目投入?？偼度?600萬元，其中1500萬用于懸賞揭榜方。

（二）自主可控智能毫米波雷達(dá)芯片

1. 應(yīng)用場景。為滿足智慧交通、無人機(jī)、安防監(jiān)控等復(fù)雜應(yīng)用場景對芯片的小型化智能化需求，研發(fā)高性能自主可控智能毫米波雷達(dá)芯片，助推我國在該細(xì)分領(lǐng)域技術(shù)、產(chǎn)品和市場份額均達(dá)到國際領(lǐng)先水平。

根據(jù)上述目標(biāo)，雷達(dá)芯片將采用國際領(lǐng)先全集成雷達(dá)功能單芯片解決方案，突破低相噪時(shí)鐘系統(tǒng)設(shè)計(jì)、片上天線封裝等關(guān)鍵技術(shù)，實(shí)現(xiàn)基于國內(nèi)先進(jìn)CMOS工藝線流片生產(chǎn)。

2. 揭榜任務(wù)。（1）低相噪時(shí)鐘系統(tǒng)設(shè)計(jì)；（2）毫米波芯片流片工藝國產(chǎn)化；（3）片上天線封裝技術(shù)

性能參數(shù)：（1）低相噪時(shí)鐘系統(tǒng)設(shè)計(jì)要求在40nm或類似工藝上實(shí)現(xiàn)，輸入?yún)⒖荚床煌l率，振蕩頻率&相噪達(dá)到1GHz 130dBc @ 1MHz offset，功耗小于20mW，面積小于1mm2；（2）毫米波傳感器芯片達(dá)到量產(chǎn)水平且良品率與國際大廠同等產(chǎn)品偏差小于5%；（3）片上天線毫米波傳感器芯片封裝量產(chǎn)，開發(fā)相應(yīng)的集成天線測試技術(shù)，對于24G微功率器件EIRP大于3dBm的良品率超過90%。

3. 項(xiàng)目投入?？偼度?600萬元，其中1200萬用于懸賞揭榜方。

（三）基于國產(chǎn)GPGPU的類腦異構(gòu)智能計(jì)算服務(wù)器及軟硬件一體化開發(fā)平臺

1. 應(yīng)用場景。針對機(jī)器視覺、智能語音、多傳感融合、AI大數(shù)據(jù)分析、智慧交通、智能安防、醫(yī)療健康、智能物聯(lián)等領(lǐng)域，對脈沖神經(jīng)網(wǎng)絡(luò)SNN算法訓(xùn)練、算法轉(zhuǎn)換（Resnet18,VGG16,Reset50, YoloV3tiny，基于TensorFlow）、脈沖編解碼、云端訓(xùn)練（精度FP16、FP32）、在線仿真系統(tǒng)等技術(shù)需求，構(gòu)建基于國產(chǎn)替代及先進(jìn)工藝制程（7納米及以下）的通用圖形處理器（GPGPU）之類腦異構(gòu)計(jì)算服務(wù)器及軟件工具鏈。

2. 揭榜任務(wù)。國產(chǎn)替代及先進(jìn)工藝制程（7納米及以下）的通用圖形處理器（GPGPU）、GPGPU芯片、GPGPU板卡(PCI-e)、開發(fā)板及服務(wù)器（一機(jī)多卡），具體的硬件數(shù)量待定?？蛇m用于脈沖神經(jīng)網(wǎng)絡(luò)SNN算法轉(zhuǎn)換技術(shù)、脈沖編解碼等相關(guān)的工具鏈及軟硬件開發(fā)、移植、調(diào)測及優(yōu)化。需對標(biāo)國際頭部領(lǐng)先大廠（NVIDIA Tesla A100 80G NVlink，7納米，CUDA工具鏈）的屬性參數(shù)或更優(yōu)。滿足大規(guī)模訓(xùn)練/訓(xùn)練一體、最大虛擬化路數(shù)、接口類別及數(shù)量、顯存、帶寬、編解碼、路數(shù)等關(guān)鍵參數(shù)要求。

3. 項(xiàng)目投入。1000萬元，其中700萬元用于懸賞揭榜方。

（四）基于高性能人工智能芯片的新型算力系統(tǒng)

1. 應(yīng)用場景。面向下一代新型智能計(jì)算架構(gòu)的算力基礎(chǔ)設(shè)施，研發(fā)自主可控的異構(gòu)眾核處理器架構(gòu)的高性能人工智能新型計(jì)算芯片，提供將人工智能的算法訓(xùn)練、推理和分析一體的統(tǒng)一基礎(chǔ)算力架構(gòu)，形成包含硬件產(chǎn)品矩陣、軟件開發(fā)工具鏈、行業(yè)解決方案級應(yīng)用等技術(shù)需求的系統(tǒng)生態(tài)。

2. 揭榜任務(wù)。（1）研發(fā)可搭載發(fā)榜企業(yè)的高性能人工智能加速處理器的高性能服務(wù)器。（2）結(jié)合發(fā)榜企業(yè)的高性能人工智能加速處理器，形成面向大規(guī)模人工智能負(fù)載的超異構(gòu)平臺。（3）結(jié)合發(fā)榜企業(yè)的高性能人工智能加速處理器和多層次編程模型形成在大模型、HPC+AI，可信計(jì)算等領(lǐng)域的示范應(yīng)用構(gòu)建。

性能參數(shù)：（1）單臺服務(wù)器加速處理器搭載處理器數(shù)量≥4，且服務(wù)器需支持處理器節(jié)點(diǎn)間大帶寬直連，支持國產(chǎn)化通用處理器和操作系統(tǒng)適配。需保障服務(wù)器可靠性和穩(wěn)定性。（2）相比通用處理器性能功耗比，該平臺需加速2個(gè)數(shù)量級以上。面向超異構(gòu)平臺的資源池，需形成可支持高效編譯和智能管理調(diào)度的軟件工具鏈，實(shí)現(xiàn)不同算法高效部署與運(yùn)行?？尚纬扇斯ぶ悄茴I(lǐng)域計(jì)算編程語言和面向超異構(gòu)平臺的專用架構(gòu)描述語言，支持計(jì)算負(fù)載的跨層表達(dá)、分析和協(xié)同優(yōu)化。（3）支持千節(jié)點(diǎn)級別的任務(wù)負(fù)載部署與運(yùn)行。

3. 項(xiàng)目投入。1.5億元，其中1000萬用于懸賞揭榜方。

（五）6-8英寸碳化硅襯底產(chǎn)業(yè)化

1. 應(yīng)用場景。實(shí)現(xiàn)大尺寸高質(zhì)量碳化硅晶體、襯底的研發(fā)及產(chǎn)業(yè)化。國內(nèi)6英寸SiC襯底擺脫進(jìn)口依賴，滿足節(jié)能減排、綠色發(fā)展、智能制造、信息安全等國家重大戰(zhàn)略需求，可為新能源汽車功率器件、光伏逆變器、5G等無線通訊等領(lǐng)域提供穩(wěn)定的SiC單晶襯底。

2. 揭榜任務(wù)。研究SiC長晶的新型方法、新型原料、6-8英寸SiC晶片激光切割等新型加工方法，解決SiC襯底的外延及器件驗(yàn)證及量產(chǎn)的眾多技術(shù)瓶頸，包括襯底的位錯(cuò)、幾何參數(shù)、良率，外延可用面積，器件良率、可靠性等產(chǎn)業(yè)化問題。

3. 項(xiàng)目投入。5000萬元，其中300萬用于懸賞揭榜方。

（六）5G毫米波射頻模塊用超低噪聲電源穩(wěn)壓芯片的研發(fā)及產(chǎn)業(yè)化

1. 應(yīng)用場景。研制具有自主知識產(chǎn)權(quán)的5G毫米波射頻模塊電源穩(wěn)壓芯片，突破我國對5G超高頻段電源穩(wěn)壓芯片設(shè)計(jì)的技術(shù)難題，計(jì)劃實(shí)現(xiàn)年產(chǎn)超低噪聲電源穩(wěn)壓芯片30000萬只的產(chǎn)能。

2. 揭榜任務(wù)。針對5G毫米波通訊超高頻段（24-86GHz）特性攻克超低噪聲超高電源抑制比（PSRR）、高頻瞬態(tài)響應(yīng)增強(qiáng)、超低功耗電路控制、超強(qiáng)電壓鉗制過流靜電浪涌防護(hù)等技術(shù)。研制國產(chǎn)化5G毫米波射頻模塊電源穩(wěn)壓芯片，解決5G毫米波通訊超高頻段特性引起前端射頻系統(tǒng)高復(fù)雜度、異質(zhì)化、能耗大、易受干擾等問題，研制出的產(chǎn)品量產(chǎn)后的成本不高于同期市場上同類產(chǎn)品的成本。

性能參數(shù)：形成具有國際先進(jìn)水平的超低噪聲（≤8μVrms）、超低功耗（＜0.04mW）、穩(wěn)定可靠（電源抑制比≥110dB、靜電防護(hù)HBM ±8kV）。

3.項(xiàng)目投入。5000萬元，其中300萬用于懸賞揭榜方。

（七）集成電路12吋高階智能生產(chǎn)應(yīng)用

1. 應(yīng)用場景。優(yōu)化芯片制造生產(chǎn)，協(xié)同國產(chǎn)軟件供應(yīng)商，在集成電路制造系統(tǒng)自動化領(lǐng)域打破國際壟斷，建立半導(dǎo)體行業(yè)數(shù)據(jù)規(guī)范，研發(fā)具有自主產(chǎn)權(quán)的大數(shù)據(jù)良率分析平臺。

2. 揭榜任務(wù)。擬建立基于機(jī)器深度學(xué)習(xí)及大數(shù)據(jù)挖掘技術(shù)的自動化、智能化芯片制造系統(tǒng)，具備生產(chǎn)過程中數(shù)據(jù)的自動收集分類和異常數(shù)據(jù)可溯源、智能派工和預(yù)警等功能，與生產(chǎn)設(shè)備無縫連接，提升產(chǎn)線效率和產(chǎn)品良率，為未來無人工廠做好鋪墊。

性能參數(shù)：系統(tǒng)要求響應(yīng)時(shí)間控制在3秒內(nèi)，個(gè)別復(fù)雜的系統(tǒng)響應(yīng)控制在5秒內(nèi)，系統(tǒng)與工廠設(shè)備連接100%達(dá)成，設(shè)備自動化功能100%實(shí)現(xiàn)。

3. 項(xiàng)目投入。5000萬元，其中2500萬用于懸賞揭榜方。

（八）先端芯片制造用鈦鋁合金靶材研發(fā)及產(chǎn)業(yè)化

1. 應(yīng)用場景。滿足先端芯片配線使用要求，攻克集成電路用鈦鋁合金靶材的制備技術(shù)，填補(bǔ)國內(nèi)產(chǎn)品空白，提升國內(nèi)先端芯片關(guān)鍵材料的國產(chǎn)化能力。

2. 揭榜任務(wù)。針對先端邏輯芯片應(yīng)用的需求，解決鈦鋁合金靶材制備技術(shù)難題，開發(fā)以下技術(shù)：（1）低氧高純鈦、高純鋁的提純與熔鑄新方法、新工藝、高純鈦顆粒細(xì)化和酸洗技術(shù)。（2）高純鈦、高純鋁金屬等關(guān)鍵雜質(zhì)的精準(zhǔn)去除技術(shù)。（3）成分穩(wěn)定、均質(zhì)、高純鈦鋁合金可控熔煉技術(shù)，研究靶材塑性變形加工中晶粒尺寸、結(jié)晶取向與組織均勻性變化規(guī)律。（4）靶材精密機(jī)加工、異質(zhì)金屬背板大面積焊接等關(guān)鍵技術(shù)。

性能參數(shù)：鈦顆粒純度≥99.99%；顆粒大小2-5mm；O≤200ppm；Fe≤5ppm; Mn≤35ppm；靶材純度≥99.99%；晶粒尺寸≤100μm；靶材尺寸公差±0.1mm，濺射表面粗糙度≤0.8μm；焊接結(jié)合率≥98%；靶材表面清潔度符合電子級要求。

3. 項(xiàng)目投入。3600萬元，其中1200萬用于懸賞揭榜方。

（九）集成電路良率分析與管理系統(tǒng)技術(shù)攻關(guān)

1. 應(yīng)用場景。基于芯片全制造周期角度開展監(jiān)控、分析，提升芯片的良率和性能，支持大規(guī)模、多類型數(shù)據(jù)從獲取至最終分析展示的系統(tǒng)化功能。擬在5家以上大型晶圓廠、設(shè)計(jì)公司或封裝廠實(shí)現(xiàn)示范性應(yīng)用。

2. 揭榜任務(wù)。圍繞芯片智能化生產(chǎn)過程中復(fù)雜工藝帶來的良率問題，開發(fā)適用于集成電路產(chǎn)業(yè)的良率管理與分析系統(tǒng)，包含YMS（良率管理）、DMS（缺陷管理）及FDC（故障檢測）等模塊平臺。通過從數(shù)據(jù)中挖掘出關(guān)鍵價(jià)值信息，反饋到芯片全周期內(nèi)的各個(gè)流程，以提高芯片的可制造性，幫助芯片制造工藝快速定位缺陷，指導(dǎo)工藝改善，提高勞動生產(chǎn)效率和制造質(zhì)量。

性能參數(shù)：需實(shí)現(xiàn)10～100TB數(shù)據(jù)的可靠存儲和統(tǒng)一管理、毫秒（ms）級響應(yīng)返回、機(jī)臺輸出數(shù)據(jù)平均采集載入速度小于30秒等主要功能。

3. 項(xiàng)目投入。6000萬元，其中1200萬用于懸賞揭榜方。

（十）動力鋰電池?zé)崾Э刂悄鼙O(jiān)測傳感器

1. 應(yīng)用場景。動力鋰電池?zé)崾Э刂悄鼙O(jiān)測傳感器在硬件上遵循汽車規(guī)范和IATF16949的開發(fā)要求，完成電源轉(zhuǎn)換、數(shù)據(jù)采集、分析處理和數(shù)據(jù)傳輸?shù)扔布南到y(tǒng)的設(shè)計(jì)，完成功能測試、環(huán)境可靠性、EMC電磁兼容、實(shí)際裝車路測等實(shí)驗(yàn)。軟件上，選用車規(guī)級的MCU，根據(jù)敏感陣列上的多維特征數(shù)據(jù)，采用機(jī)器學(xué)習(xí)和人工智能算法等對數(shù)據(jù)進(jìn)行學(xué)習(xí)和分類，并根據(jù)數(shù)據(jù)交互協(xié)議進(jìn)行傳感器的數(shù)據(jù)交互。產(chǎn)品開發(fā)的同時(shí)同步開發(fā)產(chǎn)品的自動檢測和標(biāo)定設(shè)備，并能使產(chǎn)品的檢測數(shù)據(jù)進(jìn)行存儲和上傳，產(chǎn)品測試時(shí)能夠?qū)崟r(shí)監(jiān)控模組上傳的數(shù)據(jù)，后期批量生產(chǎn)也能夠進(jìn)行數(shù)據(jù)追溯，產(chǎn)品分析。

2. 揭榜任務(wù)。研制基于MEMS技術(shù)實(shí)現(xiàn)多懸梁陣列式加熱器，通過懸梁的組合與變形設(shè)計(jì)出具有多邊形結(jié)構(gòu)的傳感陣列，對熱失控氣體的高靈敏檢測，實(shí)現(xiàn)敏感單元的低功耗、高靈敏度和快響應(yīng)速度等性能。通過將該技術(shù)應(yīng)用到動力鋰電池?zé)崾Э氐陌踩O(jiān)測，解決熱失控探測響應(yīng)不及時(shí)、誤報(bào)漏報(bào)率高等難題。

性能參數(shù)：（1）針對H2、CO等典型氣體設(shè)計(jì)開發(fā)陣列式具選擇性的高靈敏度氣體敏感單元，實(shí)現(xiàn)低功耗高選擇性的熱失控監(jiān)測傳感器的批量化制造；（2）利用時(shí)間序列分析和模式識別算法，建立補(bǔ)償模型；（3）動力鋰電池?zé)崾Э貢r(shí)要求探測響應(yīng)時(shí)間≤10秒，識別準(zhǔn)確率≥98%；漏報(bào)率≤0；（4）產(chǎn)品壽命>8年，功耗<1mA，工作溫度處于-40℃至125℃區(qū)間，濕度位于0至95%RH范圍。

3. 項(xiàng)目投入。1700萬元，其中300萬用于懸賞揭榜方。

二、人工智能領(lǐng)域

（一）面向晶圓/面板/SMT制造檢測環(huán)節(jié)的AI應(yīng)用研究

1. 應(yīng)用場景。缺陷圖片智能分類和分析系統(tǒng)（ADC）是新一代人工智能技術(shù)如卷積神經(jīng)網(wǎng)絡(luò)（CNN）和傳統(tǒng)視覺算法結(jié)合，根據(jù)制造流程中的工藝特性構(gòu)建高敏捷性、高可靠性的檢測算法，圍繞缺陷圖片智能分類和分析的算法構(gòu)建的平臺化應(yīng)用，在晶圓/面板/SMT等行業(yè)可全面替代人力（人眼）檢測與復(fù)判，極致提升晶圓/面板/SMT等行業(yè)生產(chǎn)過程的良品率。

2. 揭榜任務(wù)。（1）通過AI技術(shù)實(shí)現(xiàn)晶圓/面板/SMT生產(chǎn)過程中的檢測設(shè)備輸出的缺陷圖片智能分類和分析（ADC），解決人員缺陷判定的效率低、穩(wěn)定性差、準(zhǔn)確率低、標(biāo)準(zhǔn)不統(tǒng)一的問題，準(zhǔn)確率達(dá)到95%以上；（2）結(jié)合高效良率系統(tǒng)，實(shí)現(xiàn)自動判別、自動開單、異常自動報(bào)警、自動攔截等功能，大幅降低產(chǎn)品的生產(chǎn)周期，并提升晶圓/面板/SMT制造的良率，支撐晶圓/面板/SMT制造的效率提升和品質(zhì)升級。

3. 項(xiàng)目投入?？偼度?00萬元，其中400萬元用于懸賞揭榜方

（二）金融市場AI資金交易技術(shù)研究與應(yīng)用

1. 應(yīng)用場景。在金融市場交易領(lǐng)域，利用具有深層語義理解能力及對話功能的機(jī)器人（虛擬資金交易員），自動與其他市場參與機(jī)構(gòu)交易員進(jìn)行交易詢報(bào)價(jià)直至交易意向達(dá)成，并通過智能分析處理各類市場數(shù)據(jù)及輿情信息，預(yù)判金融市場宏觀趨勢，捕捉市場參與者微觀變動，為交易員提供決策支持或直接完成交易。

2. 揭榜任務(wù)。（1）基于需求方提供的數(shù)據(jù)和環(huán)境，設(shè)計(jì)并交付多輪對話策略算法、模型及策略學(xué)習(xí)工具，并輔助需求方進(jìn)行數(shù)據(jù)清洗分析和場景驗(yàn)證調(diào)優(yōu)。（2）基于需求方提供的數(shù)據(jù)和環(huán)境，結(jié)合歷史數(shù)據(jù)積累，交付對應(yīng)的預(yù)訓(xùn)練模型、算法及處理后的數(shù)據(jù)集，基于交付的預(yù)訓(xùn)練語言模型實(shí)現(xiàn)在少量金融市場專業(yè)語料下的訓(xùn)練，共同交付訓(xùn)練代碼及算法模型，實(shí)現(xiàn)聊天意圖識別，輔助需求方進(jìn)行場景驗(yàn)證。（3）交付定制金融市場領(lǐng)域?qū)Ｓ脤?shí)體識別及狀態(tài)跟蹤算法，從交互信息中抽取并維護(hù)關(guān)鍵交易要素對話狀態(tài)。（4）基于人工智能算法對歷史市場數(shù)據(jù)、新聞?wù)咝畔⒌纳顚诱Z義理解及時(shí)間序列預(yù)測，設(shè)計(jì)、實(shí)現(xiàn)并交付新聞?wù)呱顚诱Z義理解分析支持算法模型及數(shù)據(jù)，設(shè)計(jì)、實(shí)現(xiàn)并交付資金利率合適周期內(nèi)漲跌分析底層數(shù)據(jù)、初步經(jīng)濟(jì)計(jì)量分析模型。支持實(shí)現(xiàn)具有實(shí)際應(yīng)用場景價(jià)值的境內(nèi)銀行間市場資金利率的合適周期內(nèi)的漲跌預(yù)測，為交易員提供交易策略建議。

性能參數(shù)：（1）產(chǎn)出的對話系統(tǒng)在指定的金融市場交易數(shù)據(jù)集上，意圖識別準(zhǔn)確率不低于96%，交易要素協(xié)商的狀態(tài)跟蹤準(zhǔn)確率不低于95%，對話動作選擇準(zhǔn)確率相比專家構(gòu)建的狀態(tài)機(jī)方案提高1%以上。（2）產(chǎn)出的語言模型相比通用語言模型，在同樣規(guī)模的金融市場領(lǐng)域訓(xùn)練集上，意圖識別準(zhǔn)確率提升3%以上。（3）在適當(dāng)?shù)膶Ρ戎芷趦?nèi)，基于人工預(yù)測結(jié)果有一定的提升。

3. 項(xiàng)目投入。總投入1694.8萬元，其中892萬元用于懸賞揭榜方

（三）基于智能機(jī)器人的新型發(fā)電設(shè)備智能運(yùn)維管理系統(tǒng)

1. 應(yīng)用場景。面向風(fēng)力發(fā)電和光伏發(fā)電等場景研制前端關(guān)鍵部件安全巡檢和清潔維護(hù)的智能機(jī)器人，并通過機(jī)器人采集數(shù)據(jù)構(gòu)建新型發(fā)電設(shè)備健康狀態(tài)大數(shù)據(jù)信息管理系統(tǒng)，切實(shí)提升新型發(fā)電設(shè)備運(yùn)行效率，有效降低新型發(fā)電設(shè)備運(yùn)維成本。

2. 揭榜任務(wù)。開發(fā)安全巡檢、關(guān)鍵部件壽命預(yù)測、智能清潔管理等系統(tǒng)性、體系化管理的機(jī)器人系統(tǒng)和大數(shù)據(jù)運(yùn)營管理平臺。開展風(fēng)力發(fā)電機(jī)關(guān)鍵部件無損檢測技術(shù)、基于仿生攀爬技術(shù)的光伏板壁面檢測技術(shù)等核心技術(shù)研究。

性能參數(shù)：（1）風(fēng)力發(fā)電機(jī)關(guān)鍵部件無損檢測技術(shù)，實(shí)現(xiàn)對關(guān)鍵部件定期巡檢，監(jiān)測關(guān)鍵部件病害數(shù)據(jù)，并通過5G傳輸網(wǎng)絡(luò)，發(fā)送至遠(yuǎn)距離大型數(shù)據(jù)管理平臺；（2）基于仿生攀爬技術(shù)的光伏板壁面檢測技術(shù)實(shí)現(xiàn)對光伏板表面清潔度實(shí)時(shí)管理，同時(shí)對表面隱裂、斷柵、破片等病害監(jiān)測。

3. 項(xiàng)目投入。1500萬元，其中500萬用于懸賞揭榜方。

（四）智能化水下裝備

1. 應(yīng)用場景。開發(fā)水下裝備智能控制關(guān)鍵技術(shù)與系統(tǒng)，實(shí)現(xiàn)水下裝備智能控制關(guān)鍵技術(shù)與跨平臺裝備的系統(tǒng)集成與綜合應(yīng)用。實(shí)現(xiàn)相關(guān)技術(shù)及裝備可應(yīng)用于水下環(huán)境勘察、水下基礎(chǔ)設(shè)施巡檢、深海礦產(chǎn)資源開采、深海仿真教學(xué)等。

2. 揭榜任務(wù)。研究水下裝備智能控制關(guān)鍵技術(shù)與跨平臺裝備的系統(tǒng)集成與綜合應(yīng)用技術(shù)。

性能參數(shù)：水下裝備智能控制關(guān)鍵技術(shù)需系統(tǒng)集成并應(yīng)用復(fù)雜水下環(huán)境多目標(biāo)識別與檢測、高精度導(dǎo)航定位、智能運(yùn)動規(guī)劃與控制等技術(shù)，達(dá)到水下2000m定位內(nèi)符合誤差2m標(biāo)準(zhǔn)，支持障礙檢測、避障控制、路徑跟蹤等功能；相關(guān)裝備綜合應(yīng)用需集成水下多維融合感知系統(tǒng)、水下裝備智能控制器、水下綜合導(dǎo)航定位系統(tǒng)、水下作業(yè)模擬操作系統(tǒng)、水下裝備調(diào)度運(yùn)維系統(tǒng)等，支持水下設(shè)施缺陷檢測、施工作業(yè)、開采運(yùn)輸?shù)裙δ?，?shí)現(xiàn)≥3臺工作級ROV與AUV等的混合作業(yè)模擬與運(yùn)維調(diào)度。

3. 項(xiàng)目投入。5000萬元，其中500萬用于懸賞揭榜方。

（五）基于人工智能的國產(chǎn)化超大規(guī)模生命組學(xué)高性能計(jì)算分析系統(tǒng)研發(fā)

1. 應(yīng)用場景。研發(fā)基于人工智能的國產(chǎn)化超大規(guī)模生命組學(xué)高性能計(jì)算分析系統(tǒng)，提升國產(chǎn)超大規(guī)模生命組學(xué)高性能計(jì)算分析能力，為生物信息研究和臨床醫(yī)學(xué)研究提供有力技術(shù)支撐。

2. 揭榜任務(wù)。研發(fā)AI數(shù)據(jù)分析技術(shù)、AI并行處理技術(shù)等關(guān)鍵技術(shù)和一體化AI云服務(wù)平臺。具體包括：（1）超大規(guī)模生命組學(xué)分析的AI分析技術(shù)，包括具備隱私保護(hù)能力的基因組、轉(zhuǎn)錄組等知識發(fā)現(xiàn)與AI推理技術(shù)，基于人工智能的生命體系特征挖掘與擬時(shí)序分析技術(shù)等。（2）超大規(guī)模生命組學(xué)分析的AI高性能分布式并行技術(shù)，包括面向組學(xué)分析的人工智能“大模型”分布式并行學(xué)習(xí)與推理、分布式通信優(yōu)化、多維度混合并行、多模態(tài)模型服務(wù)化與多并發(fā)調(diào)度等關(guān)鍵技術(shù)。（3）面向各類具有關(guān)鍵共性需求的組學(xué)數(shù)據(jù)分析任務(wù)，研制基于人工智能的國產(chǎn)化超大規(guī)模生命組學(xué)高性能計(jì)算分析一體化平臺，具備“人機(jī)互動”的能力，支持組學(xué)數(shù)據(jù)分析任務(wù)的低代碼開發(fā)。

3. 項(xiàng)目投入。3500萬元，其中800萬用于懸賞揭榜方。

（六）自主高性能GPU及高密度視覺智能服務(wù)器研發(fā)

1. 應(yīng)用場景。研發(fā)自主高性能GPU及高密度視覺智能服務(wù)器，通過實(shí)現(xiàn)國產(chǎn)化替代，應(yīng)用于數(shù)字安防、智慧交通等智能物聯(lián)產(chǎn)業(yè)。

2. 揭榜任務(wù)。研發(fā)自主知識產(chǎn)權(quán)的高算力高能效比通用GPU芯片，并基于自主知識產(chǎn)權(quán)GPU研制高密度智能分析AI服務(wù)器。

性能參數(shù)：（1）視覺智能服務(wù)器要求單設(shè)備支持不少于128顆GPU芯片；單機(jī)性能可達(dá)6400路1080P視頻的行為分析，25600張/秒的人臉識別能力；400億結(jié)構(gòu)化或12億半結(jié)構(gòu)化數(shù)據(jù)的秒級檢索；（2）高性能GPU芯片要求采用自研高性能創(chuàng)新異構(gòu)多核GPGPU架構(gòu)，算力性能高于目前主流的英偉達(dá)同類GPU芯片，達(dá)到FP16：80 TFOPS；INT8：160 TFOPS的性能指標(biāo)。（3）機(jī)器視覺智能性能指標(biāo)要求車輛捕獲率≥99.9%，行人捕獲率≥99%，客流統(tǒng)計(jì)準(zhǔn)確率≥99%，人員聚集/發(fā)散檢測準(zhǔn)確率≥99%。

3. 項(xiàng)目投入。5000萬元，其中1000萬用于懸賞揭榜方。

（七）高速公路滑坡災(zāi)害智能監(jiān)測預(yù)警技術(shù)研究與示范

1. 應(yīng)用場景。開發(fā)高速公路邊坡智能監(jiān)測技術(shù)、地質(zhì)災(zāi)害智能預(yù)測預(yù)報(bào)技術(shù)與智慧管控平臺。揭示高速公路滑坡地質(zhì)災(zāi)害發(fā)育規(guī)律，應(yīng)用新一代人工智能與信息技術(shù)，實(shí)現(xiàn)安徽省高速公路不同成因、不同類型、不同規(guī)模滑坡地質(zhì)災(zāi)害智能監(jiān)測預(yù)警。

2. 揭榜任務(wù)。（1）高速公路滑坡風(fēng)險(xiǎn)智能評估技術(shù)；（2）高速公路滑坡災(zāi)害“空-天-地-體”一體化立體智能監(jiān)測技術(shù)；（3）基于智能監(jiān)測大數(shù)據(jù)的高速公路滑坡災(zāi)害快速預(yù)報(bào)預(yù)警技術(shù)；（4）高速公路滑坡災(zāi)害防控智能決策技術(shù)。

性能參數(shù)：（1）形成高速公路滑坡風(fēng)險(xiǎn)智能評估技術(shù)；（2）形成高速公路滑坡災(zāi)害“空-天-地-體”一體化立體智能監(jiān)測技術(shù)；（3）形成基于智能監(jiān)測大數(shù)據(jù)的高速公路滑坡災(zāi)害快速預(yù)報(bào)預(yù)警技術(shù)；（4）建立高速公路滑坡災(zāi)害智能監(jiān)測預(yù)警與智慧決策管控平臺;（5）安徽省高速公路滑坡地質(zhì)災(zāi)害發(fā)育規(guī)律；（6）監(jiān)測預(yù)警示范工程建設(shè)；（7）智慧決策管控平臺建設(shè)。

3.項(xiàng)目投入。2500萬元，其中680萬用于懸賞揭榜方。

（八）基于三維空間大數(shù)據(jù)的環(huán)境AI決策系統(tǒng)研發(fā)

1. 應(yīng)用場景。研發(fā)環(huán)境AI決策系統(tǒng)，通過環(huán)境立體數(shù)據(jù)以及多元化城市非環(huán)境數(shù)據(jù)的融合，預(yù)測空氣污染以及氣象的發(fā)生、傳播、擴(kuò)散、降解機(jī)制和趨勢，支撐決策者在環(huán)境事件的規(guī)避或突發(fā)狀況的處理時(shí)做出最優(yōu)化決策。通過AI決策模型研究，以污染管控治理案例為樣本，對治理效果進(jìn)行客觀全方位評價(jià)。最后形成一套環(huán)境AI決策系統(tǒng)，通過實(shí)測數(shù)據(jù)進(jìn)行環(huán)境污染管理，情景模擬，預(yù)測預(yù)警，決策推演和輔助決策等功能。

2. 揭榜任務(wù)。研發(fā)和提供三套溫濕度垂直廓線監(jiān)測儀，并提供同化溫濕度場數(shù)據(jù)，獲得溫度廓線數(shù)據(jù)，水汽廓線數(shù)據(jù)，濕度廓線數(shù)據(jù)，統(tǒng)計(jì)分析邊界層數(shù)據(jù)，提取關(guān)鍵數(shù)據(jù)特征并通過AI算法預(yù)測邊界層高度和水汽量預(yù)報(bào)。

性能參數(shù)：（1）三維氣象立體組網(wǎng)監(jiān)測系統(tǒng)要求包含6套風(fēng)廓線垂直監(jiān)測儀器，分辨率小于等于15m，時(shí)間精度達(dá)到1s；溫濕度垂直廓線監(jiān)測儀3套，分辨率小于等于3.75m，時(shí)間精度達(dá)到1分鐘；臭氧和顆粒物垂直分布監(jiān)測儀3套，時(shí)間精度1min，探測精度1ppb@臭氧，1ug/m3@顆粒物。（2）場景實(shí)驗(yàn)系統(tǒng)要求建設(shè)一套場景實(shí)驗(yàn)系統(tǒng)，實(shí)驗(yàn)周期半年，收集合肥區(qū)域3年歷史數(shù)據(jù)和實(shí)測數(shù)據(jù)半年，并對數(shù)據(jù)進(jìn)行清洗和同化，形成基礎(chǔ)數(shù)據(jù)庫。（3）立體氣象場同化﹑預(yù)測和溯源要求形成WEB架構(gòu)的平臺系統(tǒng)，含3臺服務(wù)器和模型系統(tǒng)。

3. 項(xiàng)目投入。2000萬元，其中300萬用于懸賞揭榜方。

（九）智能移動機(jī)器人人機(jī)交互技術(shù)

1. 應(yīng)用場景。通過解決機(jī)器人在復(fù)雜場景下的語音交互不夠人性化和語音識別率低痛點(diǎn)問題及通過知識圖譜、體感交互豐富人機(jī)交互等，研究復(fù)雜環(huán)境下的語音交互、體感交互等多模態(tài)交互技術(shù)和語音云訓(xùn)練技術(shù)，通過具體場景的驗(yàn)證，解決人機(jī)交互特定場景使用需求痛點(diǎn)，形成可復(fù)制的多場景應(yīng)用模式。

2. 揭榜任務(wù)。（1）完成多輪對話場景功能編輯器開發(fā)。（2）完成語音交互、體感交互等多模態(tài)交互開發(fā)，解決機(jī)器人在復(fù)雜場景下的語音交互不夠人性化和語音識別率低問題。（3）完成泛化案例庫的語音云訓(xùn)練平臺開發(fā)，解決人機(jī)交互特定場景迭代難痛點(diǎn)。

性能參數(shù)：（1）復(fù)雜場景下的語音喚醒成功率≥98%,語音響應(yīng)時(shí)間≤500毫秒，語音交互一次成功率≥98%，一次交互成功響應(yīng)時(shí)間≤1秒。語義識別準(zhǔn)確率≥98%，多輪對話成功率≥96%。（2）肢體語言識別成功率≥90%，面部情感識別成功率≥90%（3）語音云訓(xùn)練成功率≥90%。

3. 項(xiàng)目投入。2000萬元，其中300萬用于懸賞揭榜方。

（十）基于高準(zhǔn)確度環(huán)境感知與高精度定位技術(shù)的全自動泊車系統(tǒng)

1. 應(yīng)用場景。隨著人工智能技術(shù)的進(jìn)步，自動泊車正從半自動泊車發(fā)展到全自動泊車。通過本項(xiàng)目研究，旨在突破實(shí)時(shí)360°全景圖像拼接、圖像識別、障礙物定位、圖像和超聲波信息融合感知、視覺定位與建圖、泊車軌跡規(guī)劃和控制等技術(shù)難題，實(shí)現(xiàn)多傳感器環(huán)境信息融合感知和高精度定位，研發(fā)出“基于高準(zhǔn)確度環(huán)境感知與高精度定位技術(shù)的全自動泊車系統(tǒng)”，構(gòu)建測試及標(biāo)定系統(tǒng)，進(jìn)行自動化生產(chǎn)線改造，實(shí)現(xiàn)產(chǎn)業(yè)化，并給主機(jī)廠配套。

2. 揭榜任務(wù)。研發(fā)全自動泊車系統(tǒng)，需具備實(shí)現(xiàn)360°全景圖像拼接算法、圖像識別技術(shù)、超聲波障礙物定位、車位空間坐標(biāo)轉(zhuǎn)換、圖像和超聲的融合數(shù)據(jù)處理、語義建圖、視覺定位與建圖、高精地圖計(jì)算、泊車軌跡規(guī)劃、泊車軌跡控制等功能。

性能參數(shù)：綜合定位精度達(dá)到8cm，支持平行停車位、垂直停車位和斜向停車位，在可支持識別車位條件下APA泊車完成率達(dá)到90%，搜索車位期間車輛最高時(shí)速不超過20km/h，自動泊車期間車輛最高速度不超過10km/h，泊入車位的最大調(diào)整次數(shù)平行不超過8次、垂直不超過5次、斜向不超過5次，泊車完成時(shí)間不超過2分鐘。

3. 項(xiàng)目投入。2000萬元，其中300萬用于懸賞揭榜方。