（一）全身動力學控制算法

揭榜任務：面向人形機器人高動態(tài)行走的全身控制問題，突破人形機器人多體動力學實時模型、基于全身力矩的模型預測控制、長距離離線身體姿態(tài)和落足點規(guī)劃、在線步態(tài)規(guī)劃與實時姿態(tài)跟蹤、面向仿人機器人高爆發(fā)關節(jié)伺服阻抗控制等關鍵技術。形成人形機器人高動態(tài)行走控制方法，在人形機器人實物平臺上進行實驗驗證。

預期目標：到2025年，建立人形機器人高動態(tài)行走控制算法，可支持具有雙足、雙臂、腰、髖、膝、踝等不少于28個自由度的人形仿生機構。支撐人形機器人實現平地、斜坡、臺階、非平整路面、松軟路面等環(huán)境的高動態(tài)行走，平地最大行走速度≥4km/h, 最大奔跑速度≥9km/h。

（二）電機驅動器

揭榜任務：面向人形機器人快速、靈活的伺服驅動需求，突破高性能伺服驅動設計、制造與測試等技術。研發(fā)小體積、高爆發(fā)、高效率的高功率密度電機伺服驅動器。提升電機伺服驅動器自主研發(fā)水平，推動高性能伺服驅動器的產業(yè)化應用。

預期目標：到2025年，完成系列化的高功率密度電機伺服驅動器，支持多種行業(yè)標準化碼盤和通訊接口。最高效率不低于95%，重量小于210g（含散熱片），尺寸小于170cm³，最大連續(xù)功率達到6kW，擁有智能伺服控制算法，可實現高速柔性伺服驅動控制。

（三）力傳感器

揭榜任務：面向人形機器人準確獲取驅動關節(jié)和肢體末端觸感力學信號的需求，突破穩(wěn)定可靠的力傳感器結構設計與制造、智能化信號處理與分析、多信息智能識別與模型分析等關鍵技術；研制系列化、高性能、低成本、智能化的新型力傳感器；發(fā)展低成本、規(guī)?；膫鞲衅魃a制造方法，推動新型力傳感器在人形機器人上的產業(yè)化應用。

預期目標：到2025年，完成人形機器人系列化力傳感器的設計與制造，滿足驅動關節(jié)、手指、足底等肢體末端力測量需要，并在人形機器人上開展實際應用。傳感器采用低成本、高性能的設計，精度達到0.5%FS，響應時間優(yōu)于0.03s，具有智能信息采集與處理能力，提升力傳感器的智能化水平。

（四）MEMS姿態(tài)傳感器

揭榜任務：面向人形機器人姿態(tài)控制對高性能、小型化姿態(tài)傳感器的需求，突破傳感器小型化結構設計、陀螺儀高精度加工工藝、智能響應姿態(tài)解算等關鍵技術；研制基于MEMS慣性器件的高性能姿態(tài)傳感器；研究減小傳感系統(tǒng)體積重量，降低功耗，提升傳感器抗振動、抖動能力以及傳輸性能的方法；發(fā)展低成本、規(guī)模化傳感器生產制造方法，推動新型MEMS姿態(tài)傳感器在人形機器人上的產業(yè)化應用。

預期目標：到2025年，完成高性能、低成本的MEMS姿態(tài)傳感器研制，具有較強的抗振動和抖動性能，俯仰角和橫滾角靜態(tài)精度為0.1°，零偏穩(wěn)定性（1σ，10s平滑）不低于0.3°/h，MEMS姿態(tài)傳感器具有強的魯棒性和智能穩(wěn)定算法。

（五）觸覺傳感器

揭榜任務：圍繞人形機器人靈巧手使用工具、操作設備、分揀物品、高精度裝配等能力，在靈巧手掌內配置觸覺傳感器，以感知操作目標的位姿、硬度、肌理等特征，提高靈巧手的智能化操作能力。研發(fā)小體積、高可靠性、高穩(wěn)定性的人形機器人手部觸覺傳感器，滿足人形機器人靈巧手感知、操作、交互等需求，提升新型觸覺傳感器自主設計與研發(fā)水平，推動觸覺傳感器的產業(yè)化應用。

預期目標：到2025年，完成小體積高可靠性高穩(wěn)定性的手部觸覺傳感器研制，實現指尖、指腹和掌面部位傳感器陣列密度1mm×1mm（厚度≤0.3mm）；力檢測范圍0.1N/cm²~240N/cm² (10g/cm²~24kg/cm²)±5%；最小檢測力10g。

二、重點產品

（六）旋轉型電驅動關節(jié)

揭榜任務：面向人形機器人高爆發(fā)、高功率密度的旋轉關節(jié)性能需要，研究融合驅動、傳動、力感知、伺服控制、熱控的關節(jié)設計方法，研發(fā)高響應、輕量化、變剛度、高精度、模塊化的電機驅動力控關節(jié)，提升電機驅動關節(jié)的自主研發(fā)水平和人形機器人高動態(tài)運動能力，推動高性能力控關節(jié)的應用。

預期目標：到2025年，研制系列化的人形機器人一體化旋轉電驅動關節(jié)，集成減速器、電機、驅動器等，滿足腰、髖、膝、肘等關節(jié)伺服驅動需要，峰值輸出功率密度優(yōu)于600W/kg，峰值力矩密度優(yōu)于100N.m/kg，在人形機器人上實現應用驗證。

（七）直線型電驅動關節(jié)

揭榜任務：面向人形機器人對高推力密度、高動態(tài)響應線性致動器的迫切需求，研究高速高功率密度永磁伺服電機設計、高動態(tài)響應伺服驅動、基于動力學匹配的驅動-傳動一體化集成、基于全狀態(tài)反饋的電動線性致動器柔順運動控制等關鍵技術；研制高推力密度、高動態(tài)響應線性電驅動關節(jié)，并在人形機器人上開展應用驗證。

預期目標：到2025年，研制系列化人形機器人直線型電驅動關節(jié)，滿足臀關節(jié)、膝關節(jié)、踝關節(jié)等應用需求，采用規(guī)?；?、低成本、高性能的智能一體化設計，實現雙向驅動伺服線性致動，推力覆蓋500-10000N，推力密度不低于1500 N/kg，在人形機器人或足式機器人上實現應用驗證。

（八）機械臂與靈巧手

揭榜任務：研發(fā)高功率密度的集成肩關節(jié)、肘關節(jié)、腕關節(jié)與靈巧手的人形機械臂及靈巧手，實現人形機械臂及靈巧手的運動與操作功能，提升人形機器人關鍵部件的自主研發(fā)水平，推動人形機械臂及靈巧手的產業(yè)化應用。

預期目標：到2025年，關節(jié)自由度數量滿足運動與操作要求，臂手一起工作時，手指末端負載能力≥3kg，靈巧手集成位置、力、觸覺等傳感器，臂體重量≤9kg（其中靈巧手≤900g）；支持多種行業(yè)標準化通訊接口。

（九）高算力主控制器

揭榜任務：研發(fā)用于人形機器人運動規(guī)劃與感知決策的高算力主控制器，在硬件通信、實時計算和能量消耗等關鍵技術上實現突破；研究復雜工況下的系統(tǒng)實時性和可靠性，滿足人形機器人信息采集、智能計算、通信交互等需求；構建具備人形機器人基本功能的控制器軟件系統(tǒng)，研究開放性控制器軟件，實現先進算法的模塊化可拓展。

預期目標：到2025年，研制高算力主控制器，滿足人形機器人的智能控制算法需求，單臺主控制器工作功耗不高于60W，算力不低于200Tops，硬件可支持高帶寬總線通信方式，具有多種常用傳感器的通信接口。

（十）高能量密度電池

揭榜任務：研制高能量密度、輕量化、高可靠、可高倍放電、快速充電的電池組，具備過充過放保護、防爆阻燃和高頻振動工況下的安全可靠性能，滿足人形機器人長時間續(xù)航、高倍率放電需求。實現電池組小型化、輕量化設計，同時滿足人形機器人瞬時功率大、連續(xù)工作時間長的需求。

預期目標：到2025年，人形機器人電池滿足便捷插拔替換、外部充電標準配置的要求。具備過充、過放保護、防爆阻燃和高頻振動工況下的工作能力。輸出電壓48V-100V，電池組的能量密度不低于220Wh/kg。

三、公共支撐

（十一）人形機器人的端到端仿真開發(fā)平臺

揭榜任務：面向人形機器人對端到端智能控制軟件平臺的迫切需求，突破機器人多智能體與復雜環(huán)境建模技術，面向機器人自主學習與技能發(fā)育的通用強化學習算法庫，研發(fā)域隨機化及GPU并行計算的訓練與演進技術；研制新一代人形機器人端到端仿真開發(fā)平臺，鼓勵開源開放的新方法和新機制，并在人形機器人上開展應用驗證。

預期目標：到2025年，研制新一代人形機器人端到端仿真開發(fā)平臺，具有友好的開發(fā)界面。支持動態(tài)環(huán)境的推理、技能強化和具身安全演進，支持大規(guī)模并行GPU機器學習訓練，同一場景下并行開展訓練的機器數量不低于1000個。

（十二）人形機器人的標準、測試與評估

揭榜任務：搭建并完善人形機器人整機系統(tǒng)集成標準，完成軟硬件模塊通用接口的標準定義、撰寫、試點應用；形成評估人形機器人關鍵共性能力的綜合測評標準和關鍵核心部件的性能測評標準；建立人形機器人綜合測試評估和實驗平臺，重點建立自主運動能力、復雜環(huán)境適應能力、平衡與抗擾能力、靈巧操作能力、人機交互能力的量化評估體系；研究電液驅動部件、一體化力控關節(jié)、環(huán)境感知模塊、力覺感知模塊等關鍵核心部件的性能測評方法，建立測試和實驗平臺。

預期目標：到2025年，實現軟硬件模塊通用接口的標準定義和標準撰寫，編寫各子模塊的行業(yè)標準與規(guī)范，完成整機系統(tǒng)集成標準定義和標準撰寫；制定關鍵共性能力的綜合測評標準，建立實驗平臺。綜合測評標準包含行走、作業(yè)、智能、交互等模塊標準；實驗平臺可以測試機器人自主行走、雙臂作業(yè)、任務決策與規(guī)劃等功能，測試人形機器人行走能力、續(xù)航能力、載重能力等關鍵性能，同時可以測試核心零部件的關鍵性能。

（十三）人形機器人的機器腦智能控制技術

揭榜任務：開發(fā)基于人工智能大模型的“大腦”模型，實現人形機器人的環(huán)境感知、行為控制、人機交互能力。開發(fā)控制人形機器人的“小腦”模型，搭建運動控制算法庫，建立網絡控制系統(tǒng)架構。面向特定應用場景，構建人形機器人仿真系統(tǒng)和訓練環(huán)境，支撐快速低成本的技術創(chuàng)新。支持人形機器人算力設施建設部署，強化機器人具身智能，加速大模型訓練迭代和相關產品落地應用。

預期目標：到2025年，構建特定場景的人形機器人多模態(tài)環(huán)境感知-自然語言-運動規(guī)劃數據集，具有感知能力、語音識別能力、自然語言處理能力、任務決策與規(guī)劃能力，建立不低于100億的典型任務參數集，自動化處理任務的類型不低于100種，并能夠在人形機器人上實現應用。

四、典型應用

（十四）面向工業(yè)制造的典型應用

揭榜任務：圍繞工業(yè)4.0自動化、數字化、信息化、智能化要求，針對智能制造場景中復雜設備操作、復合工具使用、人機協(xié)同作業(yè)等任務需求，研制環(huán)境適應性強、具備穩(wěn)定行走能力、可自主操作工具與決策、融入智能制造數字化信息體系的面向工業(yè)制造的人形機器人。

預期目標：到2025年，人形機器人在制造業(yè)領域實現應用突破，實現制造業(yè)環(huán)境中穩(wěn)定行走速度不低于3km/h，可以操作不低于10種設備或工具，綜合工況續(xù)航不低于4h。整機通電后準備時間小于5min。

（十五）面向災害救援的典型應用

揭榜任務：面向人形機器人在災害救援中復雜地形機動和環(huán)境高適應性要求，突破復雜地形的運動控制技術、危險環(huán)境的感知與理解技術、對抗條件下的智能決策與規(guī)劃技術、人機協(xié)作救援技術等關鍵技術，實現人形機器人在復雜環(huán)境中執(zhí)行多種任務，如搜救、搬運物資等。

預期目標：到2025年，人形機器人在災害救援領域實現應用突破，實現高溫、耐沖擊、防塵防水、防爆等能力，能夠自主進入極端環(huán)境實施救援任務，地形攀爬能力不低于50cm，移動速度不低于5km/h，綜合續(xù)航不低于4h。

（十六）面向危險作業(yè)的典型應用

揭榜任務：圍繞核輻射操作、空間站維修、有毒氣體環(huán)境作業(yè)、月球表面鉆探等應用場景，研發(fā)在高危行業(yè)代替人力進行維修、操作任務的人形機器人，突破人形機器人智能化作業(yè)、特殊環(huán)境下穩(wěn)定行走、無監(jiān)督環(huán)境下自治規(guī)劃與決策等關鍵技術，推動人形機器人在危險環(huán)境中人機隔離、機器換人、黑燈工廠的應用。

預期目標：到2025年，研制的人形機器人能夠滿足危險作業(yè)環(huán)境的抗輻射、低重力、高低溫等環(huán)境適應性要求，可以使用工具開展焊接、切割、整理等作業(yè)任務，準確率達到95%以上；實現與人協(xié)作式的共融作業(yè)，能夠操作50種以上的工具；可以完成安裝、拆卸、旋擰、插拔等多類精細操作。

（十七）面向智慧物流的典型應用

揭榜任務：圍繞物流倉儲與運輸、貨物搬運的場景需求，研制具有自主移動、貨物清點搬運、裝卸碼垛、分揀、配送的倉儲物流人形機器人，突破整機輕量化、力感知和柔順控制、高魯棒性全身運動控制、多模態(tài)融合感知、視覺增強、自主決策與運動規(guī)劃技術，實現人形機器人在室內結構化環(huán)境中的智能協(xié)同工作，提升各環(huán)節(jié)的綜合作業(yè)效率。

預期目標：到2025年，研制面向智慧物流的人形機器人整機，實現自主移動速度≥4km/h；雙臂負載能力≥10kg；單次工作時長≥3h。整機通電后準備時間小于5min，并在典型物流場景完成應用驗證。

（十八）面向安防巡邏的典型應用

揭榜任務：面向社區(qū)、工廠、邊境等大范圍區(qū)域巡邏檢查需求，研究人形機器人在道路、草地、臺階、坡、溝等地形環(huán)境下行走技術，突破長距離運動、擬人化交互、巡邏監(jiān)控、目標物跟蹤、數據遠程回傳等關鍵技術，研制安防巡邏人形機器人，推動人形機器人在室內外環(huán)境的安防應用。

預期目標：到2025年，完成安防巡邏人形機器人整機研制，單次運動里程不小于6km，單次工作時長不少于3h，負重不小于5kg，實現在居民社區(qū)、工廠或哨所等場景下的示范應用。

（十九）面向服務娛樂的典型應用

揭榜任務：面向公共服務與創(chuàng)新娛樂場景應用的需求，研制采用多模態(tài)大模型和云端大腦驅動的人形機器人整機，并在固定崗位引導、特定內容問詢、老人陪護和陪伴、商業(yè)娛樂表演等典型場景開展應用示范。

預期目標：到2025年，面向服務與娛樂等場景應用的通用人形機器人能夠與人類進行比較流暢的溝通，能通過手勢、自然語言進行溝通，基礎動作單元不少于15種，落地應用場景不少于10個。

（一）非植入式腦機接口芯片

揭榜任務：研發(fā)非植入腦機接口核心芯片及配套關鍵技術，用于記錄、傳輸和處理腦電信號。在微型化設計、應用開發(fā)、可靠性設計、工具開發(fā)等方面實現突破。

預期目標：到2025年，芯片集成度顯著提高，研發(fā)集高精度腦電采集、信號處理和無線傳輸功能于一體的芯片。芯片實現量產，通道密度、通道功耗、輸入阻抗、共模抑制比、等效噪聲等核心指標達到國際領先，支持多形態(tài)無線腦機接口應用系統(tǒng)，支持手機、頭顯等移動終端的工具開發(fā)。

二、重點產品

（二）植入式腦機接口技術與系統(tǒng)

揭榜任務：可自研以下所列若干方向或全部：植入式電極、植入式芯片、植入式神經信號記錄系統(tǒng)、基于腦機接口的植入式刺激系統(tǒng)、神經信號解碼算法及示范配套應用軟件，實現微創(chuàng)、安全、長期、穩(wěn)定、高精度的神經信號記錄和刺激。

預期目標：到2025年，研發(fā)植入式電極、芯片、系統(tǒng)和配套關鍵技術，植入時間、通道數、生物相容性、信號質量等核心指標達到國際領先，植入后電學性能穩(wěn)定。植入式神經信號記錄系統(tǒng)超柔性且高通量，系統(tǒng)魯棒性高，電極密度大，芯片性能國內領先。系統(tǒng)可長期穩(wěn)定植入5年以上，在達到有效工作時間后或中途停止使用時可完整取出?；谀X機接口的植入式刺激系統(tǒng)可對腦神經進行閉環(huán)調控?？芍С种悄苷{控和遠程調控，方向性精準刺激、實時性、安全性、抗強磁干擾等核心指標達到國內領先。

（三）無線非植入腦電采集技術與系統(tǒng)

揭榜任務：能記錄和分析處理極微弱腦電信號，可支持多模態(tài)生理信號的綜合分析，在精密制造、解碼算法、材料等方面實現突破。

預期目標: 到2025年，系統(tǒng)輸入阻抗、共模抑制比、抗噪、同步精度、采樣精度、采樣率和功耗等核心指標達到國際領先水平。支持實時信號質量分析、高速信息通信，支持視覺、聽覺、運動想象等范式的腦信號解碼，數據格式兼容常用分析平臺。

（四）多模態(tài)可穿戴智能技術與系統(tǒng)

揭榜任務：研發(fā)可對包括腦信號在內的多模態(tài)生理信號進行采集與分析的技術和系統(tǒng)，在腦信號采集基礎上，結合體動信號或其他生理信號進行長期監(jiān)測和分析。

預期目標：到2025年，可穿戴系統(tǒng)實現輕質、小型化、智能化、低功耗，具備信號采集、分析和處理功能，支持無線傳輸，可控制外設，可支持生物反饋訓練等閉環(huán)調控，支持模態(tài)數量多，多模態(tài)信號保持同步?？梢詸z測直立等多種體位信號。生物電信號采樣率、數模轉換精度、共模抑制比、幅頻特性、輸入參考噪聲、輸入阻抗、信噪比、耐極化電壓等核心指標達到國內領先水平。

（五）腦電生物反饋式睡眠識別和干預技術與系統(tǒng)

揭榜任務：研發(fā)腦電生物反饋式睡眠識別和干預技術，能基于人工智能技術進行“睡眠-心理情緒-生物節(jié)律-認知”相關性研究，客觀分析睡眠過程中的腦電波活動，評估睡眠深度和睡眠質量，識別睡眠障礙并及時干預。

預期目標：到2025年，產品輕量化、可穿戴且柔性，可在多種場景下長期使用。能實時輸出符合國際認可和行業(yè)慣用的睡眠周期分期的睡眠時相，睡眠周期分期與PSG人工矯正后結果一致率高。實時檢測睡眠特征波的敏感度高。可支持睡眠閉環(huán)個性化干預調控，優(yōu)化睡眠體驗。

（六）腦機接口神經損傷運動康復訓練技術與系統(tǒng)

揭榜任務：面向神經損傷造成的運動功能障礙，研發(fā)用于進行主動式閉環(huán)康復訓練的技術和系統(tǒng)，以提升大腦神經傳導功能重組或代償，促進肢體運動功能和軀體感覺功能恢復，提升肢體功能康復水平。

預期目標：到2025年，系統(tǒng)支持無線傳輸和可穿戴，無需外接電源。運動意圖解析精準度、腦狀態(tài)信息實時監(jiān)測靈敏度和采集靈敏度、輔助運動外設運動自由度等核心指標達到國內領先，受試者感知信息（包括力）可實時記錄；可提供多模態(tài)反饋，可自定義訓練方式、時間和次數。

（七）基于腦機接口的情緒或認知檢測評估技術與系統(tǒng)

揭榜任務：研發(fā)非侵入式腦機接口技術，實現對情緒或認知的檢測與評估。具有范式豐富、情感交互自然、檢測速度快、普適性好、可靠性高的特點。

預期目標：到2025年，可進行腦電實時采集、處理以及情緒或認知的實時檢測與評估，模型特征可解釋且可檢驗，用于情緒或認知測評的情景信息豐富。情緒任務科學合理，支持聽覺、視覺以及多模態(tài)情緒任務，對情緒障礙或認知水平的檢測與評估準確率高。

（八）基于非侵入式腦機接口的人機班組協(xié)同感知和控制技術與系統(tǒng)

揭榜任務：研發(fā)基于非侵入式腦機接口的人機班組交互、協(xié)同感知和控制技術。在非開闊環(huán)境作業(yè)、巡邏檢查、搜索救援等復雜環(huán)境下，支持操作人員通過腦機系統(tǒng)與無人系統(tǒng)交互及目標協(xié)同檢測。

預期目標：到2025年，可實現對無人系統(tǒng)高效操控，控制指令輸入準確率和人機班組執(zhí)行任務成功率高。將基于機器視覺的目標檢測與基于操作人員腦電響應的目標檢測相結合，實現腦機協(xié)同環(huán)境感知，降低伴隨設備目標檢測的不確定性。

三、典型應用

（九）面向工業(yè)安全監(jiān)測的典型應用

揭榜任務：研發(fā)用于工業(yè)高危作業(yè)安全監(jiān)測的技術和產品。以腦機接口技術為基礎，結合生理指標和運動狀態(tài)，實時監(jiān)測與人員認知負荷水平相關的腦活動指標，識別影響人身安全和工作安全的人員異常狀態(tài)，防范和監(jiān)測因人員過度疲勞和疾病而引發(fā)的安全事故。

預期目標：到2025年，系統(tǒng)便攜式可穿戴設計，支持無線傳輸，即戴即用。能長時程實時監(jiān)測高危作業(yè)人員認知負荷相關的腦活動指標和其他生理指標，可及時對困倦、注意力不足、反應遲緩、長時間異常體態(tài)等異常狀態(tài)及時反饋和提醒。實時監(jiān)測時間分辨率達到秒級，腦電電壓測量精度范圍內誤差小。電極及其他接觸皮膚的部件生物相容性好，數據使用合法依規(guī)，符合相關倫理要求。

（十）面向駕駛安全監(jiān)測的典型應用

揭榜任務：利用腦機接口對駕駛行為進行安全監(jiān)測，在腦機接口基礎上，結合生理等其他指標信息，監(jiān)測駕駛員異常狀態(tài)。

預期目標：到2025年，能實時監(jiān)測駕駛人員認知負荷相關的腦活動和其他生理指標，可及時對駕駛員困倦、注意力不足、反應遲緩等異常狀態(tài)進行迅速及時的反饋和提醒。參與安全監(jiān)測的駕駛員數量不少于100人，累計監(jiān)測時長不少于20000h，降低因疲勞駕駛導致的事故風險發(fā)生率，數據使用合法依規(guī)，符合相關倫理要求。

（一）智能芯片

揭榜任務：圍繞人工智能任務計算特征、訪存模式、數值分布等特點，突破適用于人工智能計算范式的矩陣乘加內核架構、高速互聯(lián)總線等核心技術。訓練端，重點補齊內存帶寬、互聯(lián)線性度等短板，提升吞吐率等算力性能指標。聯(lián)合上下游企業(yè)協(xié)同研發(fā)具備高可擴展性、高易用性、高靈活性等優(yōu)勢的芯片軟件棧，加大力度突破先進封裝、仿真驗證等制造工藝核心技術。

預期目標：到2025年，訓練芯片支持FP16、FP32和混合精度（FP16/FP32）處理能力，內存容量達到128GB及以上，單芯片FP16達到500 TFLOPS以上，支持結構化稀疏后FP16算力達1 PFLOPS以上。片間互聯(lián)帶寬達到300 GB/s以上，支持智能服務器單機內部全互聯(lián)。高效支持可信計算、隱私計算或聯(lián)邦學習等功能，提升基于硬件的安全性。

（二）智能算力集群

揭榜任務：攻克人工智能集群計算領域中總線互聯(lián)、RAS技術、功耗散熱等瓶頸，加強智能服務器與智能芯片、操作系統(tǒng)、開發(fā)框架、應用軟件的兼容適配。建設大型智能算力集群，通過液冷等方式滿足綠色化需求。開發(fā)配套云端運維管理和調度系統(tǒng)，滿足大規(guī)模人工智能訓練/推理要求。

預期目標：到2025年，智能算力集群節(jié)點擴展規(guī)模不低于1024卡，與國內外主流人工智能軟硬件環(huán)境完成兼容適配；總體算力規(guī)模超過500 PFLOPS，PUE不超過1.25。開發(fā)支持低響應時延、動態(tài)擴展等特性的集群云端運維管理和調度系統(tǒng)，針對基于Transformer的重點模型具備分鐘級斷點續(xù)訓能力。

（三）高質量數據集

揭榜任務：建設大規(guī)模通用中文語料庫，加強主流中英文數據的清洗及過濾，構建標準化語料資源池，整合文字、圖片、音視頻等多模態(tài)數據集，并實現對外開放。打造高質量代碼、書籍、人類反饋指令數據、科學文獻等專業(yè)知識數據集。面向工業(yè)、醫(yī)藥、電信、金融、教育等重點行業(yè)匯聚高質量、權威的行業(yè)訓練數據資源，賦能行業(yè)發(fā)展。

預期目標：到2025年，實現通用文本數據集規(guī)模總量達到10TB、通用圖文數據集數據總量達到1億對、通用音視頻數據集數據總量達到100TB。面向編程代碼、科研文獻、百科教材等專業(yè)知識，以及工業(yè)、醫(yī)藥、電信、金融、教育等重點行業(yè)，形成不少于3個高質量數據集，各數據集賦能10個及以上專用模型訓練或微調。

（四）人工智能風險管控軟件

揭榜任務：針對人工智能訓練數據投毒、算法模型漏洞、敏感有害生成內容等重點風險，研發(fā)多維度一體化的人工智能風險管控軟件產品。構建人工智能安全風險測評數據集，提出相應安全風險的檢測、防御方法，支持人工智能應用服務、中間件與基礎依賴組件等對象的漏洞檢測與及時預警，識別生成內容潛在偏見歧視、倫理、違規(guī)違法等風險。

預期目標：到2025年，構建3個人工智能安全風險測評數據集，覆蓋偏見歧視、違規(guī)違法、惡意指令注入、倫理等多維度安全風險，提出不少于10種面向人工智能數據安全風險的檢測、防御方法，組織不少于5個典型智能產品開展試點驗證工作。

二、重點產品

（五）語言大模型產品

揭榜任務：探索以知識為中心的大模型范式，通過上下文編碼、動態(tài)記憶機制等核心技術，提升語言認知大模型的智慧涌現水平。對標國際先進產品，提升中英雙語的語義理解、邏輯推理、代碼編程等能力，實現在線知識咨詢功能，能夠實時融合基于互聯(lián)網的海量信息。開展大模型推理加速算法研究，提升語言大模型賦能智能產品的部署效率。

預期目標：到2025年，語言大模型在中英文均達到世界先進水平，提升大模型泛化能力，零樣本或少樣本學習在超過30個基準中達到優(yōu)異性能。中英雙語認知能力全面提升，在模型常識性、專業(yè)性、邏輯性、推理能力方面取得重大突破。語言大模型在數字座艙、機器人或語音助手等領域實現應用。

（六）語音大模型產品

揭榜任務：研究具有高通用性和高解釋性的通用語音表征理論和方法，突破語音數據依賴性強、領域適應性弱等難題，實現超大規(guī)模語音表征訓練、語音表征信息解耦合建模等關鍵技術，支撐語音大模型的泛化性。構建面向多個語種、多個語音任務共享的語音大模型，賦能語音助手、虛擬客服、數字人等智能產品的智能化升級。

預期目標：到2025年，語音大模型達到世界先進水平，覆蓋語種超20個，其中漢語、英語、法語等5個以上重點語種的處理效果業(yè)界領先，可支撐語音識別、語音合成、聲紋識別、情感識別等10個以上語音任務，性能較傳統(tǒng)模型實現顯著提升。

（七）視覺大模型產品

揭榜任務：研究視覺大模型統(tǒng)一算法底層架構，創(chuàng)新視覺大模型訓練路徑，構建支持動態(tài)視覺理解和生成統(tǒng)一的底層基礎模型架構，突破靜態(tài)向動態(tài)視覺大模型的范式升級。視覺大模型能夠通過少樣本微調解決圖像、視頻等視覺任務，生成式任務指標達到國際先進水平，解決視覺大模型的高效設計、有效訓練、快速推理等關鍵技術問題。

預期目標：到2025年，訓練超過千億級參數規(guī)模的通用視覺大模型，能夠通過少樣本微調方式解決超過30個視覺基礎任務（包括10個以上動態(tài)視覺或三維視覺任務）并且表現出色，推理速度達到全球領先，具備在智能終端產品的部署能力。

（八）多模態(tài)大模型產品

揭榜任務：研究多源多模態(tài)異構數據的表示和對齊方法，實現文本、圖像、視頻、語音等模態(tài)數據間的語義對齊，全面提升多模態(tài)大模型性能。研究多模態(tài)大模型訓練和推理加速方法，構建算法、框架、硬件和并行策略等協(xié)同考慮的優(yōu)化和計算架構，提升萬億級參數多模態(tài)模型的工程效率。

預期目標：到2025年，全面提升多模態(tài)大模型性能，多模態(tài)大模型達到萬億參數，零樣本學習下解決15個以上多模態(tài)任務，基于主觀評價的最終效果和推理速度達到國際先進水平。

三、典型應用

（九）面向工業(yè)制造領域的典型應用

揭榜任務：推動基于人工智能的設備實時控制、資源動態(tài)優(yōu)化、多智能體協(xié)同等核心技術突破，推進人工智能技術和產品在工業(yè)制造領域的深度融合應用。提升制造業(yè)全過程全場景的智能水平，實現重點裝備智能化改造，滿足高端制造場景對于復雜環(huán)境、連續(xù)任務的認知和決策需求。

預期目標：到2025年，通過嵌入式人工智能集成開發(fā)，提升高端制造裝備精度及其一致性、保持性，在原材料、裝備制造、電子信息等重點行業(yè)開展部署應用，實現良率、生產效率、運維成熟度或安全性等指標的顯著提高。結合柔性生產、智能工廠等方面的技術應用基礎，開發(fā)覆蓋生產制造全流程的專用模型庫，在不少于10家制造業(yè)企業(yè)落地應用。

（十）面向民生服務領域的典型應用

揭榜任務：推動人工智能在信息消費、政務、醫(yī)療和交通等重點行業(yè)的融合應用，拓展人工智能在典型場景下的規(guī)?；瘧谩４蛟煨滦兔裆漳Ｊ?，優(yōu)化人機交互體驗，提高服務精準度、效率和個性化水平，促進傳統(tǒng)產業(yè)智能化升級。

預期目標：到2025年，在信息消費、政務、醫(yī)療或交通等重點行業(yè)形成通用大模型與行業(yè)專用模型協(xié)同發(fā)展的解決方案，利用內容生成、語義理解、語音對話、知識圖譜等人工智能技術，實現政務服務智能寫作、智能問診、自動駕駛等功能，有效提升點擊轉化率、用戶滿意度、診療準確度等關鍵指標，助力人民生活消費體驗升級。

（十一）面向科學研究領域的典型應用

揭榜任務：探索基于人工智能的科學研究新范式，面向生物醫(yī)藥、材料、流體力學、氣象等專業(yè)領域，挖掘科研專用數據的內在機理，縮短科學原理的發(fā)現周期。利用人工智能技術突破科學計算瓶頸，構建智能化科學研究工具集，支撐仿真模擬、數學建模等軟件發(fā)展，提升科研效率。

預期目標：到2025年，通用人工智能賦能科學研究全鏈條任務，顯著提升生物醫(yī)藥、材料、流體力學或氣象等重點領域的科學發(fā)現效率。研發(fā)智能化科研工具集，支持數據分析、知識提取、智能建模等不少于5項專用工具調用，并與主流開發(fā)框架完成集成。

（十二）面向信息安全領域的典型應用

揭榜任務：為應對復雜網絡環(huán)境下的安全挑戰(zhàn)，研發(fā)并訓練面向網絡安全的人工智能大模型，配合調度控制中樞實現與當前領先的安全系統(tǒng)（如XDR、SIEM、EPP、EDR等）的整合，賦能網絡安全業(yè)務。功能上，具備深度理解多系統(tǒng)數據的能力，能通過綜合調度各系統(tǒng)的API接口，實現智能化安全任務自動處理，包括但不限于異常分析、定位威脅、輔助溯源攻擊、響應處置等能力，提高安全運營效率。

預期目標：到2025年，研發(fā)安全大模型，通過調度控制中樞系統(tǒng)，成功整合3種以上的現有安全系統(tǒng)，并能實現對其API接口的智能調度。支持至少30種不同的安全任務，實現智能化、自動化的解決方案，并能自動生成專業(yè)級別的安全報告。