安徽省、上海市、江蘇省、浙江省聯合試點開展2022年度長三角科技創新共同體聯合攻關重點任務揭榜工作，本通知發布的重點任務主要來自長三角區域集成電路、人工智能產業領域骨干企業的創新需求，共計20項，需求任務清單詳見附件。想要參與揭榜的朋友，有什么疑問，可以直接咨詢小編了解。

政策免費咨詢：15855199550（手機/微信）

一、安徽省長三角科技創新共同體聯合攻關重點任務工作目標

以“科創+產業”為引領，立足國家戰略，聚焦長三角重點產業領域創新需求，推動企業成為技術創新決策、科研投入、組織科研和成果轉化的主體，協同突破一批關鍵核心技術，爭取在3年內取得一批標志性成果，合力推動重點產業鏈關鍵核心技術實現自主可控，提升產業鏈供應鏈安全性和競爭力。

二、安徽省長三角科技創新共同體聯合攻關重點任務揭榜對象

本揭榜任務面向國際國內有條件、有能力解決榜單需求的科研機構、企業和創新團隊。揭榜方應遵守科研誠信管理要求，應承諾所提交材料真實性，不得提交有涉密內容的項目申請。

三、安徽省長三角科技創新共同體聯合攻關重點任務揭榜流程

1.揭榜方登錄“長三角一體化科創云平臺”（以下簡稱云平臺）--云服務--點擊“方案提交”進入提交頁面。揭榜方可選擇揭榜任務中一項或多項提出解決方案。

2. 管理平臺自需求發布起，在入庫截止時間之前，每10個工作日，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可行性、與需求的匹配性等方面進行綜合研判，必要時可與揭榜方進行充分溝通，有多個解決方案可供選擇時，可通過項目路演，加速精準匹配。

管理平臺將配合需求方做好溝通銜接、專家推薦、路演組織等服務保障工作。鼓勵長三角國家技術創新中心等組織相關專業研究機構，積極響應企業需求，提出解決方案。

四、安徽省長三角科技創新共同體聯合攻關重點任務儲備入庫

需求方找到合適的解決方案時，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，經管理平臺確認后納入長三角科技創新共同體聯合攻關項目儲備庫。需求方以外的長三角企業，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">填報相關信息，經相符性審核通過后，按要求入庫。需求方進入儲備庫后，榜單將調整為“揭榜成功”狀態；需求方未能遴選到合適的解決方案時，榜單持續有效。若其中某項需求無人揭榜，經需求方評估需調整任務方向或不符合實際現狀的，需求方可從榜單中剔除，但不影響其他揭榜任務按程序執行。

三省一市科技廳（委）根據長三角科技創新共同體聯合攻關合作機制相關要求，組織后續項目申報。

項目儲備入庫截止時間為2022年9月20日16:30。

五、安徽省長三角科技創新共同體聯合攻關重點任務揭榜任務要求

1. 需求方應立足國家戰略，發揮創新引領、示范帶動作用，組織長三角區域高校、科研院所及企業優勢科研力量，組建跨學科、跨領域、跨區域創新聯合體，推動項目、人才、平臺、資金一體化配置，聯合攻關、解決“卡脖子”難題。

2．聯合攻關應突出以關鍵技術解決、重大工程或重點企業應用等為目標的成果轉化和產業化合作。

3．需求方的合作單位中，應包括需求方所在省（市）以外的一家及以上長三角單位參與。

關于安徽省長三角科技創新共同體聯合攻關重點任務揭榜申報，有什么不明白的地方，可以直接咨詢小編了解。

政策免費咨詢：15855199550（手機/微信）

附件：2022年長三角科技創新共同體聯合攻關首批揭榜任務清單

一、集成電路領域

（一）面向感存算一體化芯片的晶圓級集成工藝研究

1. 應用場景。以晶圓級集成方式實現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，可實現性等需求，大幅降低芯片成本及尺寸，提升終端物聯網集成芯片的邊緣計算能力，支撐物聯網（IoT）低功耗視覺和高速視覺的場景應用。

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，如改進浮柵晶體管和磁隧道結器件（MRAM）等，揭榜任務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。

2. 揭榜任務。（1）研究晶圓級鍵合通孔連接的失效機理，優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及工藝，保證晶圓的散熱性能、應力性能、電學性能等；（3）突破“wafer to wafer”晶圓級異質集成、晶圓級對準偏移表征及超聲檢測鍵合缺陷等關鍵技術，實現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：（1）有效鍵合通孔節距小于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）晶圓對準及缺陷良率>95%，電性連接良率>90%。

3. 項目投入。總投入1600萬元，其中1500萬用于懸賞揭榜方。

（二）自主可控智能毫米波雷達芯片

1. 應用場景。為滿足智慧交通、無人機、安防監控等復雜應用場景對芯片的小型化智能化需求，研發高性能自主可控智能毫米波雷達芯片，助推我國在該細分領域技術、產品和市場份額均達到國際領先水平。

根據上述目標，雷達芯片將采用國際領先全集成雷達功能單芯片解決方案，突破低相噪時鐘系統設計、片上天線封裝等關鍵技術，實現基于國內先進CMOS工藝線流片生產。

2. 揭榜任務。（1）低相噪時鐘系統設計；（2）毫米波芯片流片工藝國產化；（3）片上天線封裝技術

性能參數：（1）低相噪時鐘系統設計要求在40nm或類似工藝上實現，輸入參考源不同頻率，振蕩頻率&相噪達到1GHz 130dBc @ 1MHz offset，功耗小于20mW，面積小于1mm2；（2）毫米波傳感器芯片達到量產水平且良品率與國際大廠同等產品偏差小于5%；（3）片上天線毫米波傳感器芯片封裝量產，開發相應的集成天線測試技術，對于24G微功率器件EIRP大于3dBm的良品率超過90%。

3. 項目投入。總投入1600萬元，其中1200萬用于懸賞揭榜方。

（三）基于國產GPGPU的類腦異構智能計算服務器及軟硬件一體化開發平臺

1. 應用場景。針對機器視覺、智能語音、多傳感融合、AI大數據分析、智慧交通、智能安防、醫療健康、智能物聯等領域，對脈沖神經網絡SNN算法訓練、算法轉換（Resnet18,VGG16,Reset50, YoloV3tiny，基于TensorFlow）、脈沖編解碼、云端訓練（精度FP16、FP32）、在線仿真系統等技術需求，構建基于國產替代及先進工藝制程（7納米及以下）的通用圖形處理器（GPGPU）之類腦異構計算服務器及軟件工具鏈。

2. 揭榜任務。國產替代及先進工藝制程（7納米及以下）的通用圖形處理器（GPGPU）、GPGPU芯片、GPGPU板卡(PCI-e)、開發板及服務器（一機多卡），具體的硬件數量待定。可適用于脈沖神經網絡SNN算法轉換技術、脈沖編解碼等相關的工具鏈及軟硬件開發、移植、調測及優化。需對標國際頭部領先大廠（NVIDIA Tesla A100 80G NVlink，7納米，CUDA工具鏈）的屬性參數或更優。滿足大規模訓練/訓練一體、最大虛擬化路數、接口類別及數量、顯存、帶寬、編解碼、路數等關鍵參數要求。

3. 項目投入。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

1. 應用場景。面向下一代新型智能計算架構的算力基礎設施，研發自主可控的異構眾核處理器架構的高性能人工智能新型計算芯片，提供將人工智能的算法訓練、推理和分析一體的統一基礎算力架構，形成包含硬件產品矩陣、軟件開發工具鏈、行業解決方案級應用等技術需求的系統生態。

2. 揭榜任務。（1）研發可搭載發榜企業的高性能人工智能加速處理器的高性能服務器。（2）結合發榜企業的高性能人工智能加速處理器，形成面向大規模人工智能負載的超異構平臺。（3）結合發榜企業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，可信計算等領域的示范應用構建。

性能參數：（1）單臺服務器加速處理器搭載處理器數量≥4，且服務器需支持處理器節點間大帶寬直連，支持國產化通用處理器和操作系統適配。需保障服務器可靠性和穩定性。（2）相比通用處理器性能功耗比，該平臺需加速2個數量級以上。面向超異構平臺的資源池，需形成可支持高效編譯和智能管理調度的軟件工具鏈，實現不同算法高效部署與運行。可形成人工智能領域計算編程語言和面向超異構平臺的專用架構描述語言，支持計算負載的跨層表達、分析和協同優化。（3）支持千節點級別的任務負載部署與運行。

3. 項目投入。1.5億元，其中1000萬用于懸賞揭榜方。

（五）6-8英寸碳化硅襯底產業化

1. 應用場景。實現大尺寸高質量碳化硅晶體、襯底的研發及產業化。國內6英寸SiC襯底擺脫進口依賴，滿足節能減排、綠色發展、智能制造、信息安全等國家重大戰略需求，可為新能源汽車功率器件、光伏逆變器、5G等無線通訊等領域提供穩定的SiC單晶襯底。

2. 揭榜任務。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證及量產的眾多技術瓶頸，包括襯底的位錯、幾何參數、良率，外延可用面積，器件良率、可靠性等產業化問題。

3. 項目投入。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壓芯片的研發及產業化

1. 應用場景。研制具有自主知識產權的5G毫米波射頻模塊電源穩壓芯片，突破我國對5G超高頻段電源穩壓芯片設計的技術難題，計劃實現年產超低噪聲電源穩壓芯片30000萬只的產能。

2. 揭榜任務。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）、高頻瞬態響應增強、超低功耗電路控制、超強電壓鉗制過流靜電浪涌防護等技術。研制國產化5G毫米波射頻模塊電源穩壓芯片，解決5G毫米波通訊超高頻段特性引起前端射頻系統高復雜度、異質化、能耗大、易受干擾等問題，研制出的產品量產后的成本不高于同期市場上同類產品的成本。

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

3.項目投入。5000萬元，其中300萬用于懸賞揭榜方。

（七）集成電路12吋高階智能生產應用

1. 應用場景。優化芯片制造生產，協同國產軟件供應商，在集成電路制造系統自動化領域打破國際壟斷，建立半導體行業數據規范，研發具有自主產權的大數據良率分析平臺。

2. 揭榜任務。擬建立基于機器深度學習及大數據挖掘技術的自動化、智能化芯片制造系統，具備生產過程中數據的自動收集分類和異常數據可溯源、智能派工和預警等功能，與生產設備無縫連接，提升產線效率和產品良率，為未來無人工廠做好鋪墊。

性能參數：系統要求響應時間控制在3秒內，個別復雜的系統響應控制在5秒內，系統與工廠設備連接100%達成，設備自動化功能100%實現。

3. 項目投入。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及產業化

1. 應用場景。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，填補國內產品空白，提升國內先端芯片關鍵材料的國產化能力。

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

性能參數：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；焊接結合率≥98%；靶材表面清潔度符合電子級要求。

3. 項目投入。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技術攻關

1. 應用場景。基于芯片全制造周期角度開展監控、分析，提升芯片的良率和性能，支持大規模、多類型數據從獲取至最終分析展示的系統化功能。擬在5家以上大型晶圓廠、設計公司或封裝廠實現示范性應用。

2. 揭榜任務。圍繞芯片智能化生產過程中復雜工藝帶來的良率問題，開發適用于集成電路產業的良率管理與分析系統，包含YMS（良率管理）、DMS（缺陷管理）及FDC（故障檢測）等模塊平臺。通過從數據中挖掘出關鍵價值信息，反饋到芯片全周期內的各個流程，以提高芯片的可制造性，幫助芯片制造工藝快速定位缺陷，指導工藝改善，提高勞動生產效率和制造質量。

性能參數：需實現10～100TB數據的可靠存儲和統一管理、毫秒（ms）級響應返回、機臺輸出數據平均采集載入速度小于30秒等主要功能。

3. 項目投入。6000萬元，其中1200萬用于懸賞揭榜方。

（十）動力鋰電池熱失控智能監測傳感器

1. 應用場景。動力鋰電池熱失控智能監測傳感器在硬件上遵循汽車規范和IATF16949的開發要求，完成電源轉換、數據采集、分析處理和數據傳輸等硬件的系統的設計，完成功能測試、環境可靠性、EMC電磁兼容、實際裝車路測等實驗。軟件上，選用車規級的MCU，根據敏感陣列上的多維特征數據，采用機器學習和人工智能算法等對數據進行學習和分類，并根據數據交互協議進行傳感器的數據交互。產品開發的同時同步開發產品的自動檢測和標定設備，并能使產品的檢測數據進行存儲和上傳，產品測試時能夠實時監控模組上傳的數據，后期批量生產也能夠進行數據追溯，產品分析。

2. 揭榜任務。研制基于MEMS技術實現多懸梁陣列式加熱器，通過懸梁的組合與變形設計出具有多邊形結構的傳感陣列，對熱失控氣體的高靈敏檢測，實現敏感單元的低功耗、高靈敏度和快響應速度等性能。通過將該技術應用到動力鋰電池熱失控的安全監測，解決熱失控探測響應不及時、誤報漏報率高等難題。

性能參數：（1）針對H2、CO等典型氣體設計開發陣列式具選擇性的高靈敏度氣體敏感單元，實現低功耗高選擇性的熱失控監測傳感器的批量化制造；（2）利用時間序列分析和模式識別算法，建立補償模型；（3）動力鋰電池熱失控時要求探測響應時間≤10秒，識別準確率≥98%；漏報率≤0；（4）產品壽命>8年，功耗<1mA，工作溫度處于-40℃至125℃區間，濕度位于0至95%RH范圍。

3. 項目投入。1700萬元，其中300萬用于懸賞揭榜方。

二、人工智能領域

（一）面向晶圓/面板/SMT制造檢測環節的AI應用研究

1. 應用場景。缺陷圖片智能分類和分析系統（ADC）是新一代人工智能技術如卷積神經網絡（CNN）和傳統視覺算法結合，根據制造流程中的工藝特性構建高敏捷性、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建的平臺化應用，在晶圓/面板/SMT等行業可全面替代人力（人眼）檢測與復判，極致提升晶圓/面板/SMT等行業生產過程的良品率。

2. 揭榜任務。（1）通過AI技術實現晶圓/面板/SMT生產過程中的檢測設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、穩定性差、準確率低、標準不統一的問題，準確率達到95%以上；（2）結合高效良率系統，實現自動判別、自動開單、異常自動報警、自動攔截等功能，大幅降低產品的生產周期，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升級。

3. 項目投入。總投入800萬元，其中400萬元用于懸賞揭榜方

（二）金融市場AI資金交易技術研究與應用

1. 應用場景。在金融市場交易領域，利用具有深層語義理解能力及對話功能的機器人（虛擬資金交易員），自動與其他市場參與機構交易員進行交易詢報價直至交易意向達成，并通過智能分析處理各類市場數據及輿情信息，預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。（1）基于需求方提供的數據和環境，設計并交付多輪對話策略算法、模型及策略學習工具，并輔助需求方進行數據清洗分析和場景驗證調優。（2）基于需求方提供的數據和環境，結合歷史數據積累，交付對應的預訓練模型、算法及處理后的數據集，基于交付的預訓練語言模型實現在少量金融市場專業語料下的訓練，共同交付訓練代碼及算法模型，實現聊天意圖識別，輔助需求方進行場景驗證。（3）交付定制金融市場領域專用實體識別及狀態跟蹤算法，從交互信息中抽取并維護關鍵交易要素對話狀態。（4）基于人工智能算法對歷史市場數據、新聞政策信息的深層語義理解及時間序列預測，設計、實現并交付新聞政策深層語義理解分析支持算法模型及數據，設計、實現并交付資金利率合適周期內漲跌分析底層數據、初步經濟計量分析模型。支持實現具有實際應用場景價值的境內銀行間市場資金利率的合適周期內的漲跌預測，為交易員提供交易策略建議。

性能參數：（1）產出的對話系統在指定的金融市場交易數據集上，意圖識別準確率不低于96%，交易要素協商的狀態跟蹤準確率不低于95%，對話動作選擇準確率相比專家構建的狀態機方案提高1%以上。（2）產出的語言模型相比通用語言模型，在同樣規模的金融市場領域訓練集上，意圖識別準確率提升3%以上。（3）在適當的對比周期內，基于人工預測結果有一定的提升。

3. 項目投入。總投入1694.8萬元，其中892萬元用于懸賞揭榜方

（三）基于智能機器人的新型發電設備智能運維管理系統

1. 應用場景。面向風力發電和光伏發電等場景研制前端關鍵部件安全巡檢和清潔維護的智能機器人，并通過機器人采集數據構建新型發電設備健康狀態大數據信息管理系統，切實提升新型發電設備運行效率，有效降低新型發電設備運維成本。

2. 揭榜任務。開發安全巡檢、關鍵部件壽命預測、智能清潔管理等系統性、體系化管理的機器人系統和大數據運營管理平臺。開展風力發電機關鍵部件無損檢測技術、基于仿生攀爬技術的光伏板壁面檢測技術等核心技術研究。

性能參數：（1）風力發電機關鍵部件無損檢測技術，實現對關鍵部件定期巡檢，監測關鍵部件病害數據，并通過5G傳輸網絡，發送至遠距離大型數據管理平臺；（2）基于仿生攀爬技術的光伏板壁面檢測技術實現對光伏板表面清潔度實時管理，同時對表面隱裂、斷柵、破片等病害監測。

3. 項目投入。1500萬元，其中500萬用于懸賞揭榜方。

（四）智能化水下裝備

1. 應用場景。開發水下裝備智能控制關鍵技術與系統，實現水下裝備智能控制關鍵技術與跨平臺裝備的系統集成與綜合應用。實現相關技術及裝備可應用于水下環境勘察、水下基礎設施巡檢、深海礦產資源開采、深海仿真教學等。

2. 揭榜任務。研究水下裝備智能控制關鍵技術與跨平臺裝備的系統集成與綜合應用技術。

性能參數：水下裝備智能控制關鍵技術需系統集成并應用復雜水下環境多目標識別與檢測、高精度導航定位、智能運動規劃與控制等技術，達到水下2000m定位內符合誤差2m標準，支持障礙檢測、避障控制、路徑跟蹤等功能；相關裝備綜合應用需集成水下多維融合感知系統、水下裝備智能控制器、水下綜合導航定位系統、水下作業模擬操作系統、水下裝備調度運維系統等，支持水下設施缺陷檢測、施工作業、開采運輸等功能，實現≥3臺工作級ROV與AUV等的混合作業模擬與運維調度。

3. 項目投入。5000萬元，其中500萬用于懸賞揭榜方。

（五）基于人工智能的國產化超大規模生命組學高性能計算分析系統研發

1. 應用場景。研發基于人工智能的國產化超大規模生命組學高性能計算分析系統，提升國產超大規模生命組學高性能計算分析能力，為生物信息研究和臨床醫學研究提供有力技術支撐。

2. 揭榜任務。研發AI數據分析技術、AI并行處理技術等關鍵技術和一體化AI云服務平臺。具體包括：（1）超大規模生命組學分析的AI分析技術，包括具備隱私保護能力的基因組、轉錄組等知識發現與AI推理技術，基于人工智能的生命體系特征挖掘與擬時序分析技術等。（2）超大規模生命組學分析的AI高性能分布式并行技術，包括面向組學分析的人工智能“大模型”分布式并行學習與推理、分布式通信優化、多維度混合并行、多模態模型服務化與多并發調度等關鍵技術。（3）面向各類具有關鍵共性需求的組學數據分析任務，研制基于人工智能的國產化超大規模生命組學高性能計算分析一體化平臺，具備“人機互動”的能力，支持組學數據分析任務的低代碼開發。

3. 項目投入。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器研發

1. 應用場景。研發自主高性能GPU及高密度視覺智能服務器，通過實現國產化替代，應用于數字安防、智慧交通等智能物聯產業。

2. 揭榜任務。研發自主知識產權的高算力高能效比通用GPU芯片，并基于自主知識產權GPU研制高密度智能分析AI服務器。

性能參數：（1）視覺智能服務器要求單設備支持不少于128顆GPU芯片；單機性能可達6400路1080P視頻的行為分析，25600張/秒的人臉識別能力；400億結構化或12億半結構化數據的秒級檢索；（2）高性能GPU芯片要求采用自研高性能創新異構多核GPGPU架構，算力性能高于目前主流的英偉達同類GPU芯片，達到FP16：80 TFOPS；INT8：160 TFOPS的性能指標。（3）機器視覺智能性能指標要求車輛捕獲率≥99.9%，行人捕獲率≥99%，客流統計準確率≥99%，人員聚集/發散檢測準確率≥99%。

3. 項目投入。5000萬元，其中1000萬用于懸賞揭榜方。

（七）高速公路滑坡災害智能監測預警技術研究與示范

1. 應用場景。開發高速公路邊坡智能監測技術、地質災害智能預測預報技術與智慧管控平臺。揭示高速公路滑坡地質災害發育規律，應用新一代人工智能與信息技術，實現安徽省高速公路不同成因、不同類型、不同規模滑坡地質災害智能監測預警。

2. 揭榜任務。（1）高速公路滑坡風險智能評估技術；（2）高速公路滑坡災害“空-天-地-體”一體化立體智能監測技術；（3）基于智能監測大數據的高速公路滑坡災害快速預報預警技術；（4）高速公路滑坡災害防控智能決策技術。

性能參數：（1）形成高速公路滑坡風險智能評估技術；（2）形成高速公路滑坡災害“空-天-地-體”一體化立體智能監測技術；（3）形成基于智能監測大數據的高速公路滑坡災害快速預報預警技術；（4）建立高速公路滑坡災害智能監測預警與智慧決策管控平臺;（5）安徽省高速公路滑坡地質災害發育規律；（6）監測預警示范工程建設；（7）智慧決策管控平臺建設。

3.項目投入。2500萬元，其中680萬用于懸賞揭榜方。

（八）基于三維空間大數據的環境AI決策系統研發

1. 應用場景。研發環境AI決策系統，通過環境立體數據以及多元化城市非環境數據的融合，預測空氣污染以及氣象的發生、傳播、擴散、降解機制和趨勢，支撐決策者在環境事件的規避或突發狀況的處理時做出最優化決策。通過AI決策模型研究，以污染管控治理案例為樣本，對治理效果進行客觀全方位評價。最后形成一套環境AI決策系統，通過實測數據進行環境污染管理，情景模擬，預測預警，決策推演和輔助決策等功能。

2. 揭榜任務。研發和提供三套溫濕度垂直廓線監測儀，并提供同化溫濕度場數據，獲得溫度廓線數據，水汽廓線數據，濕度廓線數據，統計分析邊界層數據，提取關鍵數據特征并通過AI算法預測邊界層高度和水汽量預報。

性能參數：（1）三維氣象立體組網監測系統要求包含6套風廓線垂直監測儀器，分辨率小于等于15m，時間精度達到1s；溫濕度垂直廓線監測儀3套，分辨率小于等于3.75m，時間精度達到1分鐘；臭氧和顆粒物垂直分布監測儀3套，時間精度1min，探測精度1ppb@臭氧，1ug/m3@顆粒物。（2）場景實驗系統要求建設一套場景實驗系統，實驗周期半年，收集合肥區域3年歷史數據和實測數據半年，并對數據進行清洗和同化，形成基礎數據庫。（3）立體氣象場同化﹑預測和溯源要求形成WEB架構的平臺系統，含3臺服務器和模型系統。

3. 項目投入。2000萬元，其中300萬用于懸賞揭榜方。

（九）智能移動機器人人機交互技術

1. 應用場景。通過解決機器人在復雜場景下的語音交互不夠人性化和語音識別率低痛點問題及通過知識圖譜、體感交互豐富人機交互等，研究復雜環境下的語音交互、體感交互等多模態交互技術和語音云訓練技術，通過具體場景的驗證，解決人機交互特定場景使用需求痛點，形成可復制的多場景應用模式。

2. 揭榜任務。（1）完成多輪對話場景功能編輯器開發。（2）完成語音交互、體感交互等多模態交互開發，解決機器人在復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練平臺開發，解決人機交互特定場景迭代難痛點。

性能參數：（1）復雜場景下的語音喚醒成功率≥98%,語音響應時間≤500毫秒，語音交互一次成功率≥98%，一次交互成功響應時間≤1秒。語義識別準確率≥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）語音云訓練成功率≥90%。

3. 項目投入。2000萬元，其中300萬用于懸賞揭榜方。

（十）基于高準確度環境感知與高精度定位技術的全自動泊車系統

1. 應用場景。隨著人工智能技術的進步，自動泊車正從半自動泊車發展到全自動泊車。通過本項目研究，旨在突破實時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、泊車軌跡規劃和控制等技術難題，實現多傳感器環境信息融合感知和高精度定位，研發出“基于高準確度環境感知與高精度定位技術的全自動泊車系統”，構建測試及標定系統，進行自動化生產線改造，實現產業化，并給主機廠配套。

2. 揭榜任務。研發全自動泊車系統，需具備實現360°全景圖像拼接算法、圖像識別技術、超聲波障礙物定位、車位空間坐標轉換、圖像和超聲的融合數據處理、語義建圖、視覺定位與建圖、高精地圖計算、泊車軌跡規劃、泊車軌跡控制等功能。

性能參數：綜合定位精度達到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泊車完成率達到90%，搜索車位期間車輛最高時速不超過20km/h，自動泊車期間車輛最高速度不超過10km/h，泊入車位的最大調整次數平行不超過8次、垂直不超過5次、斜向不超過5次，泊車完成時間不超過2分鐘。

3. 項目投入。2000萬元，其中300萬用于懸賞揭榜方。