2025年四川省人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務揭榜掛帥申報時間條件和好處指南整理，詳情如下，截止時間到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、內江市、樂山市、南充市、眉山市、宜賓市、廣安市、達州市、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人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務揭榜掛帥的可以聯(lián)系小編為您解答輔導！

 

免費指導熱線：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，專注于項目申報行業(yè)13年，沉淀了精準的政策資源、優(yōu)質的企業(yè)資源、成功的項目資源，形成了獨具特色的實戰(zhàn)方法論與成熟的服務成功案例體系。除了全力打造自身專業(yè)項目團隊外，相較同行業(yè)最大的優(yōu)勢，在于我們有各個流程階段的人員，分工明細，細致化；各環(huán)節(jié)均由專人深度把控。想要咨詢各省市任何項目申報的都可以免費咨詢漁漁為你做免費項目規(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)新任務揭榜掛帥申報時間

請你們按照《通知》要求，組織指導屬地內企業(yè)開展2025年人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務揭榜掛帥工作，結合工作實際，嚴格把關，完成申報材料審核，填寫《2025年人工智能產(chǎn)業(yè)及賦能新型工業(yè)化創(chuàng)新任務揭榜單位推薦表》（以下簡稱推薦匯總表），并于2025年11月24日前將加蓋地區(qū)經(jīng)濟和信息化主管部門公章的推薦匯總表紙質材料（一式六份）、加蓋申報企業(yè)公章的申報材料（一式三份），報送至經(jīng)濟和信息化廳智能化發(fā)展處，掃描蓋章的申報書電子版（PDF）以“企業(yè)名稱+揭榜任務方向申報書”名稱同步報送至聯(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)新任務揭榜掛帥申報任務內容

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、共性基礎支撐等重點方向，發(fā)掘培育一批技術創(chuàng)新強、應 用落地快、典型示范好的關鍵技術和產(chǎn)品，加快人工智能與工業(yè) 深度融合應用，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)新任務揭榜掛帥申報條件

(一)申報主體須為在中華人民共和國境內注冊、具有獨立 法人資格的企事業(yè)單位。已列入前期揭榜優(yōu)勝的項目不得重復申報。

(二)各省、自治區(qū)、直轄市、計劃單列市及新疆生產(chǎn)建設 兵團工業(yè)和信息化主管部門，中央企業(yè)集團等推薦單位按照政府 引導、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)帶動作用明顯的項目。

(三)鼓勵企業(yè)、科技服務機構、高校、科研院所及新型研 發(fā)機構等以聯(lián)合體方式申報，牽頭單位為1家，聯(lián)合參與單位不 超過4家。每個主體牽頭申報不超過3項，作為參與單位申報不 超過5項。

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

一 、產(chǎn)業(yè)發(fā)展底座

( 一 ) 算 力

1.大模型訓練芯片

揭榜任務：面向大模型訓練需求，研制大模型訓練芯片， 突破芯片內核架構設計、生產(chǎn)工藝適配、先進封裝適配等關 鍵技術，提升芯片算力和性能功耗比，支持低精度浮點格式， 提高存儲帶寬和容量，實現(xiàn)訓練芯片自主設計、制造、封裝 全鏈條突破。

預期目標： 到2027年，大模型訓練芯片覆蓋主流模型 框架，適配90%以上的國內大模型，支持混合精度計算、低 精度訓練等技術，半精度浮點數(shù)算力性能達到國際先進訓練 芯片90%以上。

2.大模型高效推理集群

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

預期目標： 到2027年，大模型高效推理集群覆蓋主流

模型架構，支持千億以上參數(shù)模型， GPU  計算資源核心利用 率可達到80%,首Token 時延不超過200ms,   推理服務穩(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：研發(fā)基于液冷系統(tǒng)和數(shù)字化能碳管理技術的 綜合能效管理系統(tǒng)，推動人工智能技術在智算中心的應用，  實現(xiàn)智算中心信息設備、冷卻系統(tǒng)、供配電系統(tǒng)的狀態(tài)感知、 高效聯(lián)動、智能調優(yōu)升級等，提升信息設備利用效率。

預期目標： 到2027年，智算中心綜合能效管理系統(tǒng)提 升信息設備利用率不低于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、型號的 液冷服務器，平均無故障工作時間不低于5萬小時，可提供 不少于200W/cm? 的散熱能力，余熱回收量達信息設備總發(fā) 熱量10%以上。

4.算力互聯(lián)調度平臺

揭榜任務： 面向全域算力感知、匯聚、調度需求，構建 算力互聯(lián)調度平臺，突破算力智能感知、算力調度等技術， 支撐任務數(shù)據(jù)高效流通，推動多領域、多場景實踐應用，實 現(xiàn)算力資源跨主體、跨架構、跨地域協(xié)同。

預期目標：到2027年，算力互聯(lián)調度平臺匯聚公共算 力資源不少于10000P, 支持多樣化編排調度策略，支持至少 2個運營主體、3種系統(tǒng)架構、5個算力中心的智能調度，支 持至少10種算力產(chǎn)品服務，開展不少于20個典型場景試驗 應 用 。

5.異構智算集群云操作系統(tǒng)

揭榜任務：面向大模型在超大規(guī)模異構算力集群的混訓 需求，研發(fā)可支持十萬卡規(guī)模的異構智算集群云操作系統(tǒng)， 突破訓練任務精細化拆分及精準匹配、故障實時感知、秒級 自愈恢復等關鍵技術，提升超大規(guī)模異構智算集群的訓練效 率，降低故障率。

預期目標： 到2027年，異構智算集群云操作系統(tǒng)適配 不少于5款國內芯片，支持萬億參數(shù)以上規(guī)模的大模型訓練， 集群資源平均利用率超過95%,可實現(xiàn)秒級故障恢復，周訓 練有效率達99%以上。

(二)數(shù)據(jù)

6.工業(yè)高質量數(shù)據(jù)集

揭榜任務：面向重點方向領域，建設工業(yè)高質量數(shù)據(jù)集， 涵蓋研發(fā)設計、中試驗證、生產(chǎn)制造、營銷服務、運營管理 關鍵環(huán)節(jié)中的基礎數(shù)據(jù)，賦能通用大模型或工業(yè)垂類模型的 高效訓練與基準評測。

預期目標： 到2027年，工業(yè)高質量數(shù)據(jù)集滿足規(guī)范性、 完整性、準確性、 一致性等至少12個質量評估維度要求，  文本數(shù)據(jù)集規(guī)模總量達到100TB 以上，至少覆蓋1萬億 token,  圖文數(shù)據(jù)集規(guī)模總量達到1000萬對以上，音視頻數(shù)據(jù)集規(guī) 模總量達到1000TB 以上，賦能至少5個通用大模型或工業(yè) 垂類模型的訓練與基準評測。

7.工業(yè)人工智能數(shù)據(jù)工程平臺

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

數(shù)據(jù)多源異構融合、智能化數(shù)據(jù)標注、多模態(tài)標注、高質量  數(shù)據(jù)合成等關鍵技術，實現(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，促進工業(yè)領域人工智能數(shù)據(jù)集的高質量供給。

預期目標： 到2027年，平臺支持文本、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) 開展示范應用。

8.“模數(shù)共振”空間

揭榜任務： 建設集“數(shù)據(jù)協(xié)同、模型訓練、應用開發(fā)、 安全保障”于一體的軟硬件系統(tǒng)平臺，加快推動行業(yè)通識和 專識數(shù)據(jù)貫通共享，賦能跨企業(yè)、跨行業(yè)的模型訓練、測試 和優(yōu)化迭代，智能體開發(fā)等。

預期目標： 到2027年，空間支持跨3個及以上主體間 的數(shù)據(jù)貫通和模型協(xié)同訓練，支撐研發(fā)設計、中試驗證、生 產(chǎn)制造、營銷服務、運營管理等關鍵環(huán)節(jié)的人工智能應用開 發(fā)，形成不少于10個人工智能應用產(chǎn)品。

( 三 ) 算 法

9.復雜推理大模型

揭榜任務：構建具備多級推理驗證機制的大模型，突破 思維鏈增強、知識圖譜融合、因果推斷建模等關鍵技術，推 進模型架構創(chuàng)新以及與底層硬件的深度協(xié)同，實現(xiàn)從訓練范 式到部署方案的全棧優(yōu)化。

預期目標： 到2027年，研制復雜推理大模型，實現(xiàn)至 少一種關鍵技術創(chuàng)新，在數(shù)學證明、科學問題、邏輯推理等

100000000     1000000000

復雜推理任務上達到專家級水平，在專業(yè)評測集上的準確率 達到全球前列，在低精度量化下的推理準確率損失不高于 2%。

10. 具身智能基礎模型

揭榜任務：研發(fā)具身智能基礎模型，突破多模異構數(shù)據(jù) 對齊融合、環(huán)境交互和多樣化運動策略學習等技術，提高具 身智能動態(tài)環(huán)境理解、感知預測、認知推理和復雜任務執(zhí)行 能力，增強對不同本體、多階段任務的適應性和泛化性。

預期目標：到2027年，具身智能基礎模型支持不少于3 種本體適配，實現(xiàn)對復雜動態(tài)環(huán)境的精確理解，支持完成至 少200種未訓任務，成功率不低于95%,多階段任務分解和 執(zhí)行的靈活性、泛化性明顯提升。

11. 智能終端端側模型

揭榜任務：研發(fā)智能終端端側模型，推動端側推理引擎 及模型剪枝、量化、蒸餾等關鍵技術突破，實現(xiàn)云端訓練到 端側部署的全流程優(yōu)化，性能接近云端基準模型，支持終端 多場景實時推理，開展規(guī)模化應用。

預期目標： 到2027年，端側模型能夠適配不少于3款 終端芯片、支持不少于3類終端設備，模型輕量化后精度損 失不超過3%,端側推理延遲不超過50ms,  支持終端創(chuàng)新應 用不少于10個，實現(xiàn)在不少于百萬臺終端部署。

(四)開發(fā)工具

12. 模型遷移適配工具

揭榜任務：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，突破跨框架模型轉換、異構 硬件自動優(yōu)化等核心技術，支持模型在國內軟硬件系統(tǒng)的高 效適配與部署，降低模型遷移門檻。

預期目標：到2027年，模型遷移適配工具適配不少于5 款國內芯片，實現(xiàn)模型在國內軟硬件系統(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：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)議等關鍵技術，具備請求發(fā)送、接收響應、流式 傳輸、異步操作等功能，支持不同開發(fā)平臺智能體間、智能 體與外部工具間的互操作性，提升智能體開發(fā)與應用效率。

預期目標： 到2027年，智能體通信工具支持主流通信 協(xié)議，具備跨平臺兼容性、跨協(xié)議版本兼容性，提供至少3 種語言的 SDK 實現(xiàn)，通信延遲小于100ms,  實現(xiàn)智能體場景 應用示范不少于50個，適配支持超過50個主流智能體(通 用智能體不少于10個)。

14. 大模型服務及管理平臺

揭榜任務：研發(fā)大模型服務及管理平臺，支持基于基座 大模型進行微調，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，實現(xiàn)大模型及其服務的全流程管理， 降低大模型使用門檻，推動大模型賦能千行百業(yè)。

預期目標：到2027年，平臺具備健全的服務水平協(xié)議， 平均調用成功率不低于99.99%,響應時延不高于1秒，支持 對至少10類系列大模型進行微調、重訓、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 的項目數(shù)不少于50個。

15. 智能體開發(fā)與應用平臺

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

預期目標： 到2027年，智能體開發(fā)與應用平臺API 響 應速度不高于500ms,   服務請求成功率不低于95%,集成不 少于80種組件工具，能夠同時管理100個以上智能體協(xié)同， 智能化應用不少于500個，在至少50家企業(yè)落地應用。

二、“人工智能+制造”

( 一 )原材料

16. 鋼鐵制造大模型

揭榜任務：面向鋼鐵制造流程高效有序運行需求，深度 融合鋼鐵行業(yè)知識、數(shù)據(jù)，研發(fā)鋼鐵制造大模型，構建大模 型、小模型、機理模型協(xié)同融合的鋼鐵制造智能體平臺，實 現(xiàn)對鋼鐵制造數(shù)據(jù)的實時采集、全面感知和智能分析，支持 對制造關鍵指標的精準預測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)品質量。

預期目標： 到2027年，鋼鐵制造大模型行業(yè)知識問答 準確率不低于85%,支持不少于20個鋼鐵生產(chǎn)流程典型場 景，流程連續(xù)化程度提升不低于10%,產(chǎn)品性能指標波動降 低不低于20%,在不少于3家企業(yè)應用。

17. 化工研發(fā)設計大模型

揭榜任務：基于化工行業(yè)知識抽取、多模態(tài)理解等技術， 研制化工研發(fā)設計大模型，突破面向化工反應網(wǎng)絡簡化任務 的大模型微調技術，提升反應網(wǎng)絡構建和簡化的精確性，支 持多源工藝流程圖 (PFD)/    工藝管道和儀表流程圖 ( P&ID)   的智能識別和解析、化工工藝流程圖的自動設計與優(yōu)化等，  提升化工研發(fā)設計效率。

預期目標： 到2027年，化工研發(fā)設計大模型行業(yè)知識 問答準確率不低于85%,反應網(wǎng)絡中各反應方程的反應物、 條件、產(chǎn)物的確定準確率不低于85%,對多源PFD/P&ID  中 設備、儀表、閥門、管線信息的識別準確率不低于95%,自 動設計的化工工藝流程圖可用度不低于70%,在不少于3家 企業(yè)應用。

18. 新材料研發(fā)智能工具

揭榜任務： 面向金屬材料、高分子材料、復合材料等新 材料研發(fā)，研制基于人工智能和高通量計算技術的智能軟件 工具，實現(xiàn)新材料性質預測與篩選，揭示新材料設計與性能 之間的深層次規(guī)律，支持材料的智能設計、合成及表征，推 動材料研發(fā)制造的自動化和智能化，提高研發(fā)效率，降低研 發(fā)成本。

預期目標： 到2027年，新材料研發(fā)智能工具支持材料 性質預測與篩選、合成路徑設計、逆向設計等不少于3個場 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 中實現(xiàn)規(guī)模示范應用。

1000000

19. 原材料生產(chǎn)工藝智能優(yōu)化系統(tǒng)

揭榜任務：面向石化化工、有色、建材等某一個原材料 行業(yè)的生產(chǎn)優(yōu)化控制需求，基于材料性能數(shù)據(jù)、機理模型、 工藝流程知識等多模態(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，分場景部署垂直細分 模型或智能體，實現(xiàn)工藝參數(shù)動態(tài)優(yōu)化、關鍵指標精準預測 和調控，提高精益生產(chǎn)水平。

預期目標： 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，對關鍵工藝參數(shù)預 測準確性達到90%以上，生產(chǎn)制造周期縮短10%以上，在不 少于3家企業(yè)應用，形成20個以上典型場景應用案例。

(二)電子信息

20. 芯片研發(fā)智能工具

揭榜任務： 面向高可靠、高質量、高效率的芯片研發(fā)設 計需求，研發(fā)基于人工智能的芯片設計或仿真驗證工具，實 現(xiàn)芯片智能化設計分析、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證等， 提高芯片研發(fā)效率。

預期目標： 到2027年，智能工具在不少于2款芯片設 計中開展應用，芯片性能、功耗等提升超過20%,前仿真和 后仿真驗證效率提升不低于50%。

21.CPU    多指令集轉化智能工具

揭榜任務： 基 于ARM 、LoongARCH 、x86   等芯片指令 集，研發(fā)支持國內主流操作系統(tǒng)平臺的 CPU 多指令集轉化智

能工具，構建多指令集轉碼映射開源訓練數(shù)據(jù)集，面向數(shù)學 庫、圖像與信號處理庫、求解器等場景，開發(fā)支持指令轉碼 與計算優(yōu)化的人工智能模型，降低不同指令集之間算力轉碼 損 耗 。

預期目標：到2027年，研制形成 CPU 多指令集轉化智 能工具，具備指令轉碼與計算優(yōu)化功能，支持相關人工智能 模型輕量化并與系統(tǒng)級芯片 (SoC)    集 成 ，x86  與 ARM 、 LoongARCH 等二進制指令編碼、互轉效率損失縮小不超過 5%,基礎硬件平臺兼容性和擴展性得到提升。

(三)消費品

22. 生物醫(yī)藥研發(fā)智能工具

揭榜任務：面向化學藥、生物制品等生物醫(yī)藥研發(fā)流程， 基于機器學習、高通量技術等開展生物醫(yī)藥虛擬篩選和實驗  優(yōu)化研究，研發(fā)藥物靶點預測與藥物篩選的智能化工具，實  現(xiàn)從藥物實驗設計、數(shù)據(jù)分析到臨床前驗證的全流程智能化， 大幅提升研發(fā)效率、降低研發(fā)成本。

預期目標： 到2027年，生物醫(yī)藥研發(fā)智能工具支持靶 點發(fā)現(xiàn)、藥物篩選、合成路徑優(yōu)化等核心場景功能不少于3 個，在藥物研發(fā)流程中實現(xiàn)規(guī)模示范應用，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：面向服裝行業(yè)用戶定制化設計、快速打樣制 造等設計生產(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計、圖片生成設計、自然交互式修改、

(>99<99)

虛擬試衣展示等功能，突破成衣設計到制造工藝的自動編排， 實現(xiàn)根據(jù)現(xiàn)有生產(chǎn)設備和物料狀態(tài)生成制造生產(chǎn)方案，有效  縮短制樣時間、快速響應市場變化。

預期目標： 到2027年，服裝智能化定制系統(tǒng)支持智能 輔助設計、成衣效果展示、自動工藝分解、生產(chǎn)資源調配等 功能，具備不少于50款基礎服裝樣版類別的智能輔助設計 生產(chǎn)模型，模型調用時間不高于50ms,  打樣交付時間不高于 72小時，在至少15個以上的服裝生產(chǎn)基地開展示范應用。

( 四 ) 通 信

24. 基于大模型的無線網(wǎng)絡仿真系統(tǒng)

揭榜任務：研發(fā)基于大模型的無線網(wǎng)絡仿真系統(tǒng)，面向 無線信號傳播機理解構難、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大模型及新一代無線仿真技術， 構建涵蓋仿真數(shù)據(jù)、真實路測數(shù)據(jù)等的高質量數(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)的無線場景庫，實現(xiàn) 無線網(wǎng)絡仿真測試及量化評價，助力打造高性能精品網(wǎng)絡。

預期目標： 到2027年，基于大模型的無線網(wǎng)絡仿真系 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景不 低于30種，高質量數(shù)據(jù)集不少于5TB,   相比傳統(tǒng)統(tǒng)計性仿 真方法，平臺信號強度預測精度提升不低于30%,支持接入 無線網(wǎng)絡規(guī)劃、運營、優(yōu)化系統(tǒng)。

25. 通信網(wǎng)絡運維優(yōu)化大模型

揭榜任務： 圍繞網(wǎng)絡割接、網(wǎng)絡配置、故障告警、網(wǎng)絡 修復、網(wǎng)絡優(yōu)化、運維資料檢索、個性報表制作等典型場景，

研發(fā)通信網(wǎng)絡運維優(yōu)化大模型，構建運維優(yōu)化高質量數(shù)據(jù)集， 支持網(wǎng)絡自動化配置、網(wǎng)絡隱患自動發(fā)現(xiàn)與維護、故障自動  診斷與隔離、事件自動處理、網(wǎng)絡性能優(yōu)化、運維知識智能  問答、運維數(shù)據(jù)智能分析等功能，提升網(wǎng)絡運維效率。

預期目標： 到2027年，通信網(wǎng)絡運維優(yōu)化大模型行業(yè) 知識問答準確率不低于85%,支持不少于10項網(wǎng)絡運維優(yōu) 化功能，構建運維優(yōu)化高質量數(shù)據(jù)集不少于5個，在不少于 10個場景中開展示范應用，提升運維效率不低于30%。

(五)無線電

26. 電磁頻譜智能監(jiān)測和分析系統(tǒng)

揭榜任務： 面 向 9kHz-31GHz  的無線電監(jiān)測需求，研發(fā) 基于人工智能技術的電磁頻譜智能監(jiān)測和分析系統(tǒng)，構建電 磁頻譜知識圖譜，攻克頻譜寬帶智能監(jiān)測、精細化分析、干 擾和異常智能查找、精確定位等關鍵技術，實現(xiàn)電磁頻譜日 常精細化智能監(jiān)測。

預期目標： 到2027年，電磁頻譜智能監(jiān)測和分析系統(tǒng)

支持“黑廣播”和非法無線電設備查找、黑飛無人機發(fā)現(xiàn)等功 能，在典型無線電業(yè)務場景中的信號檢測準確率大于90%、 異常信號發(fā)現(xiàn)準確率大于95%、干擾樣式識別準確率大于 90%。

27. 智能化高精度無線信號識別處理系統(tǒng)

揭榜任務：研發(fā)智能化高精度無線信號識別處理系統(tǒng)， 構建多維信號樣本特征庫，突破基于人工智能的電磁頻譜特 征提取、廣域高動態(tài)電磁態(tài)勢協(xié)同感知、自適應干擾抑制、

無線信號智能識別等關鍵技術，實現(xiàn)電磁空間實時監(jiān)測和信 號研判的高效、精準預警機制。

預期目標： 到2027年，智能化高精度無線信號識別處 理系統(tǒng)支持9kHz 至 6GHz 頻段內的信號覆蓋與動態(tài)干擾感 知，多維異構信號特征庫的標注數(shù)據(jù)不小于100萬組，無線 信號識別準確率不小于90%,形成可規(guī)模化推廣的智能化機 動式解決方案。

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： 面向消費者智能終端應用需求，研制智能手 機、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、人機交互等關鍵技術，顯著 提升智能終端服務體驗。

預期目標： 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)的人機交互方式，交互準確率不低于 90%,實現(xiàn)基于用戶意圖的智能算法調用和編排，提供多場 景、跨應用的智能化功能不少于20項，產(chǎn)品出貨量超千萬。

29. 人形機器人

揭榜任務：面向工業(yè)制造、民生服務、特種作業(yè)等領域， 研制人形機器人，突破多模態(tài)大模型、大小腦深度融合、移 動操作泛化等關鍵技術以及一體化關節(jié)、靈巧手、高性能傳  感器等本體關鍵零部件，實現(xiàn)人形機器人高價值場景梯次規(guī)

模引用，提高經(jīng)濟社會運行效率。

預期目標：到2027年，人形機器人支持不少于10種行  為活動，操作成功率不低于90%,精度在厘米級以下，支持  根據(jù)外部指令和行動結果優(yōu)化決策，決策有效性不低于90%, 在零部件分揀、物料轉運、精密裝配、人機協(xié)同作業(yè)、康養(yǎng)  陪伴、應急救援、危險作業(yè)等場景中開展示范應用。

30. 智能家庭陪護機器人

揭榜任務： 面向未來生活智能化需求，研發(fā)智能家庭陪 護機器人，突破多模態(tài)人機自然交互技術、人-機-環(huán)混合增 強技術、動力學實時模型等關鍵技術，構建與智慧家庭相結 合的陪護服務系統(tǒng)和解決方案，保障重要人群生活需要。

預期目標： 到2027年，智能家庭陪護機器人支持與至 少15種智能家電設備的交互，構建智能陪護服務系統(tǒng)，在 老年人健康和安全監(jiān)測、飲食輔助、異常情況救助等典型場 景中開展示范應用。

31. 智能冶煉機器人

揭榜任務： 面向鋼鐵、有色等行業(yè)冶煉流程，研發(fā)智能 冶煉機器人，實現(xiàn)冶煉關鍵環(huán)節(jié)的機器人自主作業(yè)，并結合 全流程工藝決策模型，串聯(lián)多臺智能機器人，構建協(xié)同操作 的冶煉機器人系統(tǒng)，實現(xiàn)跨流程協(xié)調調度，顯著提升作業(yè)安 全性與效率。

預期目標： 到2027年，冶煉機器人本體末端最大載荷 不小于400kg,   感知系統(tǒng)識別準確率不低于99%,投料類作 業(yè)效率不低于50kg/min,   支持單生產(chǎn)線上超10臺機器人的

9         大明寺第三號

協(xié)同操作，作業(yè)任務類型不少于3種，典型場景示范應用不 少于3個。

32. 智能無人飛行系統(tǒng)

揭榜任務：面向低空領域應用，研制具備自主智能的無 人飛行系統(tǒng)，開發(fā)基座模型，并針對視覺語言導航、空間推 理、任務規(guī)劃等研發(fā)專用垂類模型，突破“態(tài)勢感知-空間認 知-規(guī)劃行動”的端到端自主智能關鍵技術，構建低空世界模 擬器，支持基于城市三維實景的無人飛行系統(tǒng)模擬訓練，在 巡檢安監(jiān)、應急救援、物流配送等場景實現(xiàn)規(guī)模應用。

預期目標： 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到國際先進水平，模擬器支持在至少20 個城市三維實景中開展模擬訓練，無人飛行系統(tǒng)可實現(xiàn)自主 導航避障，滿足續(xù)航、可靠性、安全性等低空應用需求，在 不少于5個場景開展規(guī)模示范應用。

(二)智能裝備

33. 人工智能數(shù)控機床

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

預期目標： 到2027年，人工智能數(shù)控機床技術就緒度 不小于8級，可靠性MTBF 不小于30000小時，開發(fā)工藝編

程與優(yōu)化、誤差測量與補償、故障診斷與運維智能化等智能 應用模塊不小于20個，在制造領域推廣應用不少于500套。

34. 線性工程建造運維智能軟件與裝備

揭榜任務： 面向軌交、公路、管線等線性工程建造運維 需求，構建涵蓋方案設計、施工缺陷、安全隱患、材料使用、 設備狀態(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 能三維設計軟件、質量安全監(jiān)管系統(tǒng)、智能巡檢裝備等關鍵 智能軟件與裝備，推進在重點領域的應用示范。

預期目標： 到2027年，專用視覺大模型問答準確率不 小于80%,多模態(tài)數(shù)據(jù)集不少于1000萬張圖片和5000萬字 對應中文語料，關鍵智能軟件與裝備在不少于8條線性工程 落地應用。

35. 高端裝備智能裝配工藝系統(tǒng)

揭榜任務： 面向航空、航天、船舶、汽車等高端裝備復 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、多源異構數(shù) 據(jù)組織與重構、多模態(tài)數(shù)據(jù)融合等技術，實現(xiàn)裝配工藝智能 化。

預期目標： 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賦能裝配工藝路徑規(guī)劃、工序設計、參 數(shù)設計、工藝優(yōu)化等，裝配工藝設計效率提升超過30%,在 不少于3家企業(yè)應用。

36. 制造裝備智能運維系統(tǒng)

揭榜任務：研發(fā)基于多模態(tài)大模型的制造裝備智能運維

>獎500

系統(tǒng)，深度融合視覺、時序、文本等多模態(tài)數(shù)據(jù)，突破裝備 狀態(tài)實時監(jiān)測、故障智能診斷與預測、遠程協(xié)同運維等關鍵 技術，實現(xiàn)制造裝備運行數(shù)據(jù)的精準采集、智能分析與決策 支持，推動制造裝備運維從被動響應向主動預防轉變，提升 制造裝備全生命周期管理效率。

預期目標： 到2027年，制造裝備智能運維系統(tǒng)可實現(xiàn) 萬臺裝備在線運維，支持基于多模態(tài)大模型的故障診斷，診 斷準確率不低于95%,運維效率較傳統(tǒng)模式提升3倍以上， 開展規(guī)模示范應用。

37. 電力裝備智能運行分析系統(tǒng)

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

預期目標： 到2027年，電力裝備智能運行分析系統(tǒng)在 設備缺陷智能識別、用電負荷預測、發(fā)電優(yōu)化調度等不少于 5個場景中應用，任務處置準確率不低于90%,形成規(guī)模化 示范效應。

38. 基于人工智能的儀器儀表設計制造系統(tǒng)

揭榜任務： 面向儀器儀表產(chǎn)品設計嚴重依賴人員經(jīng)驗、 工藝設計與制造數(shù)據(jù)龐雜且標準化程度低的問題，研發(fā)基于 人工智能的儀器儀表設計制造系統(tǒng)，突破儀器儀表制造工藝 知識抽取技術、智能化測試技術等，構建產(chǎn)品設計、制造工

藝知識庫與數(shù)據(jù)庫，實現(xiàn)儀器儀表的智能化生產(chǎn)、自動化測 試、可視化校準等。

預期目標： 到2027年，基于人工智能的儀器儀表設計 制造系統(tǒng)具備工藝知識推理模型不少于2個，工藝知識庫與 數(shù)據(jù)庫包含工藝知識不少于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、測試任 務自動生成、工藝程序自動下發(fā)等功能，在至少10家典型 儀器儀表制造企業(yè)開展示范應用。

(三)智能軟件

39. 流體仿真智能軟件

揭榜任務：面向航空、航天、能源工程等領域，研發(fā)基 于人工智能技術的快速流體仿真軟件，圍繞飛行器、汽車、 船舶、發(fā)動機、渦輪機等典型產(chǎn)品研發(fā)過程中面臨的氣(水) 動力求解、流場模擬、氣動噪聲模擬、湍流模擬、燃燒模擬 等流體仿真任務，實現(xiàn)高精度計算流體力學模擬，減少真實 試驗次數(shù)，有效提升產(chǎn)品研發(fā)效率，降低設計研發(fā)成本。

預期目標： 到2027年，流體仿真智能軟件應支持不少 于3個場景，相比于傳統(tǒng)計算流體力學求解器，求解結果誤 差不高于3%,求解時間降低30%以上，在不少于3家企業(yè) 應 用 。

40. 結構仿真智能軟件

揭榜任務：面向航空、航天、汽車等領域，圍繞結構仿 真建模時間過長，效率較低，求解設置和相關參數(shù)設置高度 依賴專家經(jīng)驗、試錯迭代耗時長等問題，實現(xiàn)基于人工智能

1350390       少

技術的自然語言交互、參數(shù)自動解析、智能糾錯、結果檢驗 優(yōu)化等功能，有效提升產(chǎn)品仿真效率，降低設計研發(fā)成本。

預期目標： 到2027年，結構仿真智能軟件應支持不少 于10個場景，建模和求解設置等效率提升300%以上，在不 少于10家制造企業(yè)應用。

41.電磁仿真智能軟件

揭榜任務：面向航空、船舶、汽車等領域，研發(fā)基于人 工智能技術的電磁仿真軟件，圍繞傳統(tǒng)電磁兼容仿真求解器 計算慢，模型試驗周期長、成本高等問題，實現(xiàn)基于人工智 能方法的近遠場電磁安全性和電磁干擾等電磁仿真任務，減 少真實試驗次數(shù)，有效提升產(chǎn)品研發(fā)效率，降低設計研發(fā)成 本。

預期目標： 到2027年，電磁仿真智能軟件應支持不少 于15個場景，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)品模型試驗量降低50%以上，求解時間降低 90%以上，在不少于10家企業(yè)應用。

42. 基于大模型的零部件設計軟件

揭榜任務：研發(fā)基于大模型的零部件設計軟件，突破文 生三維零部件設計的大模型技術，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，降低零部件設計 軟件操作復雜度，提升設計效率和設計質量。

預期目標： 到2027年，基于大模型的零部件設計軟件 支持對不少于20種設計指令的自然語言理解，設計意圖理 解準確率不低于90%。對需三條及以上設計指令的復雜設計

意圖的理解準確率不低于60%,三維模型尺寸精度可達0.05 毫米，在通用設備、飛行器、車船、管網(wǎng)或壓力容器等領域 開展零部件設計示范應用。

43. 軟件智能開發(fā)測試工具

揭榜任務：面向高復雜度、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)測試工具，深度融合程序語言 特性、算法等知識，結合監(jiān)督微調、檢索增強、知識圖譜等 工程化技術，賦能代碼生成、代碼檢查、單元測試、測試用 例生成、測試腳本生成、測試數(shù)據(jù)生成等軟件研發(fā)流程，提 升軟件研發(fā)質量與效率。

預期目標： 到2027年，智能開發(fā)工具落地應用的企業(yè) 案例不少于50個，智能測試工具落地應用的企業(yè)案例不少 于40個，應用開發(fā)工具時代碼采納率高于40%,應用測試 工具時用例采納率高于40%。

44. 流程工業(yè)智能生產(chǎn)運營管理系統(tǒng)

揭榜任務：面向流程工業(yè)生產(chǎn)調度、設備運維、質量管 理等需求，研發(fā)智能生產(chǎn)運營管理系統(tǒng)，基于大模型技術強 化專業(yè)知識理解和復雜專業(yè)知識推理能力，構建大小模型相 結合的多系統(tǒng)調度技術，支持物料配送、故障診斷保修等任 務自動化規(guī)劃與執(zhí)行，實現(xiàn)排產(chǎn)、工藝優(yōu)化和設備管理等生 產(chǎn)過程的智能化控制與調度。

預期目標： 到2027年，流程工業(yè)智能生產(chǎn)運營管理系 統(tǒng)實現(xiàn)批量落地，生產(chǎn)類知識輔助準確率大于90%,實現(xiàn)不 少于20類關鍵設備的異常預警、故障定位、故障預測和維

靜安區(qū)     100238975

修決策，異常預警準確率不低于95%,排產(chǎn)任務執(zhí)行正確率 不低于90%,在3個以上不同行業(yè)10個以上典型場景落地。

45.  工 業(yè) 3D 內容智能生成與實時交互系統(tǒng)

揭榜任務： 面向工業(yè)園區(qū)、廠區(qū)、車間、產(chǎn)線等，研發(fā) 工業(yè)3D 內容智能生成與交互系統(tǒng)，突破基于人工智能的3D   內容生成技術，滿足大規(guī)模工業(yè)物理場景的3D 重建和生成， 支持工業(yè)靜態(tài)和動態(tài)目標的高效編輯，實現(xiàn)基于云邊端協(xié)同 渲染的XR 實時數(shù)據(jù)處理、傳輸與交互，支撐工業(yè)設備維護、 安全培訓、遠程協(xié)作等應用。

預期目標：到2027年，工業(yè)3D內容智能生成與實時交 互系統(tǒng)支持千平以上工業(yè)場景的3D 快速重建與編輯，基于 采集數(shù)據(jù)的3D 模型重建時長達到小時級，端到端交互時延 小于100ms,   并在重點行業(yè)開展示范應用。

46. 實驗室安全智能監(jiān)控管理系統(tǒng)

揭榜任務： 匯聚實驗室多源數(shù)據(jù)，構建人工智能安全預 警預測模型，研發(fā)基于人工智能的實驗室安全智能監(jiān)控管理 系統(tǒng)，實現(xiàn)對危險化學品、特種設備、高溫高壓高轉速設備 等重要危險源的動態(tài)風險管控以及實驗室環(huán)境、人員行為等 多維度數(shù)據(jù)的實時檢測與分析，智能識別安全隱患，預警潛 在風險，提供緊急情況下的自動報警和智能應急響應方案， 全面提升實驗室安全管理效能。

預期目標： 到2027年，實驗室安全監(jiān)控管理系統(tǒng)安全 隱患智能識別率不低于90%,重要危險源的場景動態(tài)預警準 確率不低于80%,應急響應速度提升50%以上，在高風險實

驗室實現(xiàn)安全預警系統(tǒng)全覆蓋，可準確識別實驗室人員的不 安全行為并在30秒內及時通知。

四、共性基礎支撐

47. 人工智能安全檢測與防護工具

揭榜任務：面向工業(yè)、金融、政務等領域，研發(fā)人工智 能安全檢測與防護工具，突破模型算法、典型應用的安全檢 測與加固技術，形成體系化檢測和防護能力，滿足高安全場 景對人工智能技術安全應用的需求。

預期目標： 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%;支持對智能體、具身智能的安全檢測，發(fā)現(xiàn)安 全問題并形成加固方法。在不少于5家企業(yè)應用。

48. 人工智能數(shù)據(jù)智能防護平臺

揭榜任務： 面向人工智能數(shù)據(jù)流轉過程中的數(shù)據(jù)泄露、 篡改、丟失等各類數(shù)據(jù)安全風險，研發(fā)人工智能數(shù)據(jù)智能防 護平臺，突破數(shù)據(jù)隱私保護、數(shù)據(jù)智能分類分級、大模型參 數(shù)數(shù)據(jù)保護等技術，實現(xiàn)針對企業(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。

預期目標： 到2027年，人工智能數(shù)據(jù)智能防護平臺可 對海量企業(yè)數(shù)據(jù)進行全生命周期保護，具備數(shù)據(jù)投毒掃描能 力，毒性數(shù)據(jù)檢測準確率不低于95%,支持對至少3種主流 開源大模型的訓練推理數(shù)據(jù)進行安全防護，在不少于5家企 業(yè)應用。

49. 人工智能安全評測平臺

揭榜任務：面向人工智能應用典型場景，研發(fā)人工智能 安全評測平臺，形成數(shù)據(jù)集質量評估、算法安全驗證、模型 安全評測、框架安全度量、系統(tǒng)安全檢測等全方位、多維度 的安全評估能力，突破人工智能應用安全評測數(shù)據(jù)集自動化 生成技術，構建融合實際場景數(shù)據(jù)和自動化生成數(shù)據(jù)的高質 量安全評測和安全增強數(shù)據(jù)集。

預期目標： 到2027年，人工智能安全評測平臺具備對 典型算法模型的安全評測能力，支持越獄攻擊、提示詞攻擊 等至少10類安全攻擊檢測方法，形成百萬級高質量安全評 測集、安全增強數(shù)據(jù)集。

50. 基于大模型的網(wǎng)絡安全風險診斷工具

揭榜任務：研發(fā)基于人工智能大模型的網(wǎng)絡安全風險診 斷工具，利用大模型的語義分析、復雜推理等能力，增強對 海量行業(yè)知識及網(wǎng)絡安全知識的學習，實現(xiàn)網(wǎng)絡安全風險診 斷的自動化和智能化。

預期目標： 到2027年，基于大模型的網(wǎng)絡安全風險診 斷工具覆蓋業(yè)務場景不少于3個，風險診斷結論被最終采納 的比例超過80%,在不少于10家企業(yè)應用。

五、其他

51. 面向殘障人群的疼痛智慧管理系統(tǒng)

揭榜任務：面向殘障人群多種類、復雜疼痛管理需求，

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、 功能評估、康復治療、智慧管理等關鍵技術，實現(xiàn)殘障人群

疼痛康復的多維度智慧管理。

預期目標： 到2027年，建立不少于4類功能障礙疼痛 數(shù)據(jù)庫，實現(xiàn)不少于3種功能障礙的疼痛評估、藥物方案及 康復治療方案設計，支持疼痛心理評估，評估準確率不低于 90%。

52. 大幅面智能盲文顯示設備

揭榜任務： 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、便攜式的盲文點顯裝置，突破漢盲翻 譯、人機交互等關鍵技術，提升殘障人士獲取信息、溝通交 流的效率。

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

53. 智能康復護理床/床墊

揭榜任務：面向殘障人士臥床監(jiān)護、在床護理、康復訓 練等應用需求，研制多功能智能康復護理床/床墊，突破智能 感知與主動控制等關鍵技術，實現(xiàn)臥床者生理狀態(tài)監(jiān)測、全 自動體位調節(jié)、風險預判等功能，為失能殘疾人提供居家護 理和康復服務。

預期目標： 到2027年，支持坐臥、側翻、屈腿等不少 于12種體位感知，感知準確率不低于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，監(jiān)測準確率不低

于90%,實現(xiàn)不超過0.5秒的離床預警、墜床干預并啟動防 護機制，支持炎癥感染、壓瘡、靜脈血栓等風險預警，在至 少5家單位開展示范應用。

54. 應攻關的任務

應用于其他行業(yè)、其他場景、其他流程中的人工智能賦 能新型工業(yè)化關鍵技術、產(chǎn)品、裝備、服務和平臺等，應具 有技術先進性，技術成熟度較高，產(chǎn)業(yè)化前景較好。

 

關于以上政策講解，大家還有不懂的問題嗎？還有疑問嗎？有疑問可以免費咨詢。

 

找我們能為您做什么？（勿抄）

一、國家、省、市各類政府資助類項目申報;

二、國家高新技術企業(yè)培育認定、科技型中小企業(yè)、專精特新、專利軟著知識產(chǎn)權申報;

三、國家、省、市各類企業(yè)榮譽資質申報;

四、國家、省、市企業(yè)技術中心、工程研究中心、科技成果評價、工業(yè)設計中心、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)、首臺套首批次首版次、各類標準、實驗室和工程研究中心、科學技術獎、規(guī)上、老字號、新產(chǎn)品等研發(fā)平臺創(chuàng)建輔導、申報:

五、資金申請報告、可行性研究報告、商業(yè)計劃書、項目建議書、等各類報告編制;

六、科技成果轉化中介、公司注冊注銷、工商辦理、股權、科技項目投融資。

 

一個電話，幫您理清思路，匹配最佳項目，讓您輕松穩(wěn)拿補貼政策資金與品牌榮譽提升！

 

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