关于组织申报2020~2021年度广东省重点领域研发计划“新一代人工智能”重大专项项目的通知
发布日期:
2020-11-06

浏览次数:

0

省直有关部门、各地级以上市科技局(委)、各有关单位:

  为全面贯彻落实党的十九大和习近平总书记关于加强关键核心技术攻关的系列重要讲话精神,按照省委省政府关于科技创新的相关部署,根据《广东省重点领域研发计划实施方案》,现启动2020~2021年度广东省重点领域研发计划“新一代人工智能”重大专项项目申报工作。有关事项通知如下:


  • 申报日期:2020-11-05 / 2020-12-04


  一、申报要求

  (一)项目申报单位(包括企业、科研院所、高校、其他事业单位和行业组织等)应注重产学研结合、整合省内外优势资源。

  申报单位为省外地区的,项目评审与广东省内单位平等对待,港澳地区高校院所按照《广东省科学技术厅 广东省财政厅关于香港特别行政区、澳门特别行政区高等院校和科研机构参与广东省财政科技计划(专项、基金等)组织实施的若干规定(试行)》(粤科规范字〔2019〕1号)文件精神纳入相应范围。省外单位牵头申报的,经竞争性评审,择优纳入科技计划项目库管理。入库项目在满足科研机构、科研活动、主要团队到广东落地,且项目知识产权在广东申报、项目成果在广东转化等条件后,给予立项支持。

  (二) 坚持需求导向和应用导向。鼓励企业牵头申报,牵头企业原则上应为高新技术企业或龙头骨干企业,建有研发机构,在本领域拥有国家级、省部级重大创新平台,且以本领域领军人物或中青年创新人才作为项目负责人。申报项目必须有自筹经费投入,企业牵头申报的,项目总投入中自筹经费原则上不少于70%;非企业牵头申报的,项目总投入中自筹经费原则上不少于50%。

  (三) 省重点领域研发计划申报单位总体不受在研项目数的限项申报约束,申报单位应在该领域具有显著优势,注重加强资源统筹和要素整合,集中力量开展技术攻关,原则上每个项目的牵头申报单位和参与单位总数不超过10家(含)。不鼓励同一研究团队或同一单位分散力量,在申报同一专项(或专题)时,同一研究团队原则上只允许牵头1项或参与1项,同一法人单位原则上只允许牵头及参与不超过3项(同一项目方向牵头不超过1项),否则纳入科研诚信记录并进行相应处理。

  (四) 项目负责人应起到统筹领导作用,能实质性参与项目的组织实施,防止出现拉本领域高端知名专家挂名现象。

  (五) 项目内容须真实可信,不得夸大自身实力与技术、经济指标。各申报单位须对申报材料的真实性负责,申报单位和推荐单位要落实《关于进一步加强科研诚信建设的若干意见》(厅字〔2018〕23号)要求,加强对申报材料审核把关,杜绝夸大不实,甚至弄虚作假。各申报单位、项目负责人须签署《申报材料真实性承诺函》(模板可在阳光政务平台系统下载,须加盖单位公章)。项目一经立项,技术、产品、经济等考核指标无正当理由不予修改调整。

  (六) 申报单位应认真做好经费预算,按实申报,且应符合申报指南有关要求。牵头单位应具备较强的研究开发实力或资源整合能力,承担项目的核心研究组织任务,原则上应分配最大的资金份额。

  (七) 有以下情形之一的项目负责人或申报单位不得进行申报或通过资格审查:

  1.项目负责人有广东省级科技计划项目3项以上(含3项)未完成结题或有项目逾期一年未结题(平台类、普惠性政策类、后补助类项目除外);

  2.项目负责人有在研广东省重大科技专项项目、重点领域研发计划项目未完成验收结题(此类情形下该负责人还可作为参与人员参与项目团队);

  3.在省级财政专项资金审计、检查过程中发现重大违规行为;

  4.同一项目通过变换课题名称等方式进行多头或重复申报;

  5.项目主要内容已由该单位单独或联合其他单位申报并已获得省科技计划立项;

  6.省内单位项目未经科技主管部门组织推荐;

  7.有尚在惩戒执行期内的科研严重失信行为记录和相关社会领域信用“黑名单”记录;

  8.违背科研伦理道德。

  (八) 申报项目还须符合申报指南各专题方向的具体申报条件。


  二、专题内容

  专题一:智能计算关键技术研究及应用(专题编号:20100140)

  项目 1.1:面向规模视觉处理的开放计算框架研究及系统应用

  (一) 研究内容。

  自主研发面向视觉处理的深度学习计算框架,可兼容主流的开源框架,实现针对视觉模型训练和推理性能优化与强化;研究深度学习框架计算图与算子的统一表示与实现,实现对多种主流框架接口的虚拟化执行;开发大规模模型训练平台,研究适配机器学习的前编译与即时编译能力,分别研究深度学习计算框架、高速大数据存储引擎、数据管理与标注平台、大规模分布式训练任务调度、人工智能集成研发环境的优化方案,并研究整体融合优化方案。研究基于深度学习的视觉计算开放平台的开放模式,研究开放平台对不同视觉计算需求的适应能力。

  (二) 考核指标。

  自主研发内嵌编译器、核心引擎、数据 IO 引擎的深度学习训练框架,可兼容 TensorFlow、PyTorch、MindSpore、PaddlePaddle 等国内外主流开源训练框架;研发一套可实现规模计算视觉处理平台;同等环境下对比 TensorFlow、PyTorch 等主流开源训练框架提升训练性能 30%以上,可实现支持不低于 1000 个国产 AI 处理器并行计算。利用该框架针对残差神经网络(ResNet)等视觉模型进行计算,可实现在百万视觉处理数据集上完整训练 90 轮(epoch)时间小于60s;该框架可支持即时编译实现求导代码自动生成,支持国产芯片计算架构,支持多种设备量化格式的量化训练,以及量化模型的直接输出。基于该框架构建视觉处理系统具备存储访问能力不低于 300 万 IOPS。在智慧城市、教育、商业、互联网娱乐、交通、金融、制造等多领域实现视觉计算的底层支撑。项目实施期间新增应用用户不少于 3000 个。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项并实现推广应用。

  (三) 申报要求。

  须“广东省新一代人工智能开放创新平台”建设单位牵头申报,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1500 万元/项。


  项目 1.2:数据流驱动执行的智能计算系统研制与应用

  (一) 研究内容。

  研究智能处理器和系统结构,探索多型智能处理器体系结构,可伸缩异构智能计算节点和整机系统结构;研究编程效率、程序性能和程序正确性的解耦和协同机制,支持代码的可伸缩性和可移植性;研究数据流驱动的程序执行模型,研究优化系统资源配置和多机系统的访存、通信和 I/O 性能提升方法;研究智能云计算系统上的应用技术,在材料、制造和健康等行业建立验证系统,完成重大应用场景示范。

  (二) 考核指标。

  项目完成时,设计一套 AI 处理器指令集体系结构,支持面向视觉、语音、人机交互、数据治理 4 类智能应用工作负载的领域专用指令集体系结构设计;完成国产智能处理器与至少 2 种国产通用 CPU 服务器的适配,与国外同类型产品对比单卡的能效比提升不低于 20%;基于优化的 AI 计算框架研制多机分布训练系统,可支持快速开发 TOPS(1012)量级的片上并行计算和 POPS(1015)量级的多机分布计算;实现单处理器计算效率不低于 30%;基于国产智能计算系统实现不低于 1EOPS(1018)量级的分布式训练示范,整机并行计算效率不低于 60%。以项目形成的原创性技术申请发明专利不少于 3 项。项目执行期内在材料、制造和健康等行业完成重大应用示范。

  (三) 申报要求。

  鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1500 万元/项。


  项目 1.3:面向 AI 计算集群的网络体系结构优化关键技术研究及应用

  (一) 研究内容。

  开展适用于 AI 计算集群的网络体系结构研究。研究适用于 AI 计算任务的高性能网络协议栈;研究适用于大规模低延迟无损网络的拥塞控制协议以及死锁规避机制;研发AI 计算加速网卡,以及配套的 AI 计算卸载技术;针对 AI 计算集群多用户、高并发问题,研究低延迟无损网络的虚拟化技术;研究网络延迟及带宽资源的动态感知技术;研究适用于 AI 计算集群的智能网络调度技术。

  (二) 考核指标。

  研制适用于深度学习的新型网络协议栈,对比 TCP/IP 协议栈及 RDMA Verbs 传输系统,提升训练服务器的整体吞吐量不小于 100%;研发适用于大规模无损网络的拥塞控制协议,降低传输时延不低于 25%;研发无损网络虚拟化技术,实现单个租户的训练吞吐量相比独占无损网络资源时下降不超过 20%;研发 AI 计算加速网卡,对比 CPU+GPU 的 AI 计算,加速超过 100%;研发适用于 AI 计算的智能网络调度技术,同等条件可降低 AI 计算任务完成时间 30%以上。以项目形成的原创性技术申请发明专利不少于 3 项。

  (三) 申报要求。

  鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 1.4:面向人机协同的边缘计算开放系统研发及应用

  (一) 研究内容。

  研究支持人机协同的边缘计算视听觉识别算法和音视频协同算法,支持多模态实时交互;研究多媒体加密、隐私保护和数字水印算法,支持安全和可信任的深度学习计算环境;研发支持多种深度学习框架和国产异构芯片的统一计算软件架构;研究边缘计算调度编排和虚拟化技术,实现资源的弹性伸缩和动态调度,实现可扩展、可级联的边缘计算和云边计算;支持应用的自由配置选择、自动打包、即插即用;研发采用上述技术的边缘计算开放自迭代软硬件系统,支持算法、应用和部件的开放生态。

  (二) 考核指标。

  研制面向人机协同的边缘计算开放软硬件系统,集成视听觉不少于 20 种算法模型,多模态融合和音视频协同的响应时延小于不超过 200ms,可同时支持 100 路和 100 种多媒体终端接入;可集成各类安全软件,实现内容加密、隐私保护、对音视频、代码可溯源;研制统一计算软件架构,支持Tensorflow、Pytorch、Caffe、MXNet 等主流深度学习框架,兼容 X86、GPU、ARM、RISC-V、ASIC 等异构芯片;支持不少于 3 层的纵向级联和不少于 100 个计算节点的横向扩展;实现边缘计算的容器化应用管理,支持实时动态的服务加载与资源回收;研制不少于 50 种边缘端基础 AI 应用,可自动生成不少于 500 种应用套件;实现典型应用的代码开源,实现算法模型和场景的一体化持续适应性训练迭代。项目实施期间成果新增应用用户不少于 3000 个。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项,申请发明专利不少于 3 件,并在 2 种以上的典型场景中得到推广应用。

  (三) 申报要求。

  须“广东省新一代人工智能开放创新平台”建设单位牵头申报,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  专题二:智能感知与认知核心技术研究及应用(专题编号:20100141)

  项目 2.1:多自由度智能体复杂技能的自主学习研究及应用

  (一) 研究内容。

  研究多自由度智能体复杂技能的自主学习理论与方法。研究面向任务的复杂技能基元表示及知识化表达方法,构建技能基元库和技能库,研究技能在线采集和标注方法;研究技能迁移与增强学习方法,研究技能自主学习仿真训练引擎技术,实现技能的虚实迁移、衍生及不同场景下的高效适应;研究免编程智能体作业系统构建技术,实现智能体的免编程感知、规划、决策,并实现在工业领域的应用示范。

  (二) 考核指标。

  研制多自由度智能体复杂技能采集、训练装备及作业产线。开发智能体技能采集与标注系统,包含不少于 1000 台六自由度以上智能体,技能采集数据种类不少于 5 种,技能基元不少于 5 种,同类拓扑技能种类不少于 10 种;研制智能体迁移学习仿真装备,具备 5 种以上类型的六自由度以上工业级智能体,具备环境自感知、任务自决策、运动与力混合执行,引擎仿真逼真度>90%,面向新场景可自衍生出不少于 10 种以上新技能;构建智能体作业产线,实现六自由度以上智能体复杂技能的免编程作业,产线部署时间减少80%,产能爬坡周期缩短 30%,实现不少于 100 台智能体的工业应用示范。以项目研究中形成的原创性技术申请发明专利不少于 3 项,并在 2 种以上的典型场景中实现推广应用。

  (三) 申报要求。

  须企业牵头,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1500 万元/项。


  项目 2.2:可自配准 DRGB 多维感知及实时计算系统研究及应用

  (一) 研究内容。

  研究可实现 RGB 与 Depth 信息前端融合的硬件传感器件及系统。基于该系统研究点云信息与色彩高效自配准技术;基于光学感知和光信息调制技术研究 RGB 和 Depth 信息的高可靠性配准关键技术;研制可匹配高速 DRGB 数据深度计算的高速处理器;研究海量点云几何信息及色彩信息的高性能压缩存储及传输技术;研究二次开发通用系统接口,可快速支持不同应用场景;研发一套多维信息感知融合的视觉实时计算系统。

  (二) 考核指标。

  研制可实现 RGB 与 Depth 信息在感知层融合的硬件系统,研制基于物理层高效点云发生和即时配准系统;基于千万像素级 DRGB 多维机器视觉感知系统实现配准准确率不低于 99%,可支持原生(即非插值)点云每秒不少于 1000 万个,配准平均误差 1 米内不超过 0.2%;研制可集成电路封装的振镜、处理器,实现每秒千万级的点云建模、色彩和深度信息智能融合的采集及建模设备,具备可二次开发功能;实现系统在人机交互、机器人引导、物体重建等不同场景的鲁棒应用,推广应用数量不低于 1 万套。以项目形成的原创性技术申请发明专利不少于 3 项。

  (三) 申报要求。

  须企业牵头,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 2.3:基于神经架构搜索的 AI 处理器定制设计与评测系统开发

  (一) 研究内容。

  研究基于神经架构搜索技术的深度学习算法网络架构优化技术;研究 AI 处理器设计中增强机器学习的算法和优化模型;研究增强学习在提高神经架构搜索效率方面的应用;研究算法理论计算速度和处理器实际运算速度的差异模型;构建软硬件协同设计的智能 AI 处理器云评测平台,为算法模型和处理器方案的选型和评测提供标准化平台。

  (二) 考核指标。

  研制基于神经架构搜索技术的深度学习算法网络架构自动化开发平台;实现基于机器学习的处理器算法辅助设计,基于自主研发的处理器,完成 1-2 款 AI 专用功能芯片设计,运算性能可达单芯片 2T 以上,并可以实现级联;搭建处理器智能云评测平台,支持主流人工智能算法及 10 款以上处理器,实现深度学习算法评估计算速度和实测计算速度差距小于10%;实现基于机器学习算法的处理器自动化定制设计,同等功耗下性能提升 30%以上;项目实施期间成果新增应用用户不少于 1000 个。项目完成时须形成国家标准、行业标准或团体标准提案不少于 2 项;项目形成的原创性技术鼓励通过申请专利予以保护,鼓励将技术应用总结为高水平论文以分享技术成果。

  (三) 申报要求。

  须企业牵头,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 2.4:跨域异构群智系统关键技术研究与验证

  (一) 研究内容。

  研究跨域复杂多变环境下异构计算的实时任务分配方法,实现高效率的异构并行计算;研究跨域异构群智系统的协同决策方法,实现群智系统的快速智能决策响应;研究跨域异构群智系统的协同控制方法,研究协同定位技术,实现群智系统的高精度协同作业;开发典型海空跨域群智系统,进行群智方法与技术验证。

  (二) 考核指标。

  研制一套跨域异构群智控制系统,控制节点不小于 100 个,异构计算单元类型覆盖主流 CPU、GPU、PFGA、ASIC 等;实现复杂任务智能分解及子任务分配计算模型,可比条件下全局计算效能及效率提升 15%;开发分布式智能决策系统,具自组织通信拓扑网络,可实现跨域群智系统实时智能自主决策,单个节点的决策响应时间小于等于 50ms,30 个节点的任务协同决策部署时间小于等于 1s;可以增减的决策节点数量±20%。建立由水空两栖无人机和无人艇组成的验证系统,节点数不小于 100 个,群体任务执行中要求单个节点偏离值无人艇小于 3m、无人机小于 0.5m,群体内通信平均时延低于 30ms,控制平均时延低于 50ms。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项,并实现推广应用。在海洋监测、重点区域监控、紧急救援、物资配送等多个领域或任务中验证群智系统能力。

  (三) 申报要求。

  须“广东省新一代人工智能开放创新平台”建设单位牵头申报,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 2.5:面向工业智能的分布式计算系统研究与应用验证

  (一) 研究内容。

  针对工业协作场景中多模感知数据的分布与处理特点,研究弱连接环境下多源异构数据实时采集、可信传输、安全共享、系统架构与部署方法等问题,满足智能计算系统端-云-边一体化高效协同处理要求;针对产业链、供应链、价值链和生态链中的多尺度、多层次、多组织智能体的博弈对抗,研究分布式机器学习,研究大规模分布式模型训练和持续场景优化模型。

  (二) 考核指标。

  围绕企业生产组织的产业链、供应链,开发多尺度、多层次的分布式机器学习系统。基于安全可控要素自主研制符合可匹配面向工业系统分布式计算的边缘节点处理器,可支持 X86、ARM 等异构计算,支持 8bit 以下低精度高效表示和计算,功率不大于 5w 且能效比不低于 10Tops/w。研制云端单机 FP32 性能不小于 100TFlops ,输入带宽不 低于 1000Gbps,可支持百万级计算节点扩展能力。应用该分布式计算系统,实现规模制造类企业系统在同比条件下可缩短生产周期 10%,减少在制品数量 10%,缺陷产品总量降低 15%,提升人均生产效率 10%;提升整体产业链资源配置效率 10%,减少整体产业链成本 5%。项目研发的系统需要在 2 种以上的工业互联网典型场景中得到推广应用,以项目形成的原创性技术申请发明专利不少于 3 项。

  (三) 申报要求。

  鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  专题三:智能创新应用及重点场景(专题编号:20100142)

  项目 3.1:基于多模态融合的医学人工智能集成预测和辅诊建模方法及应用研究

  (一) 研究内容。

  研究基于深度学习的医学多源模态信息融合处理方法,研究跨模态、跨医学学科数据的综合分析建模技术;研究基于强化学习、网格搜索的医学模型训练和数据维度拓展技术;基于无监督学习、半监督学习研究数据高效标注和治理方法,建立多模态数据采集、清洗、标注、备份、导出的自动模型。利用基因组学、影像组学、代谢组学、临床病理组学、整体化智能临检等多模态融合的人工智能技术,在恶性肿瘤、心脑血管疾病、致盲性眼病、突发重大流行病等领域研究集成预测和辅诊建模理论及算法。

  (二) 考核指标。

  研制面向恶性肿瘤、心脑血管疾病、致盲性眼病、突发重大流行病等多种类型病种的多模融合预测及辅诊系统。基于基因组学、影像组学、代谢组学、临床病理组学、整体化智能临检等多模态数据,可比条件下实现比依据任一单一类型数据进行疾病诊断准确率提升 10%以上,综合准确率大于 90%。在不少于 3 家以上三甲医院开展模型验证,可比条件下基于该模型的诊断结果采纳率大于 90%,面向单类病种具备综合数据的病例不少于 3000 例。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项,提交发明专利 3 件。

  (三) 申报要求。

  鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 3.2:物流供应链智能预测系统研发及应用

  (一) 研究内容。

  研究基于端到端学习和多源大数据的时序预测算法,构建高鲁棒性和高准确率的物流行业供需预测模型;研究博弈深度强化学习理论,研究智能物流多式联运路径规划与动态调整方法;研究少样本学习的物流品控算法,构建物流安全评价模型;研究物流供应链运作监控、预警模型,针对物流包装装备破损检测、货物检索和闸口通关等场景研究效率提升方法,研究面向食品药品冷链供应、天然气等典型物流供应链的智能预测专业化模型。

  (二) 考核指标。

  建立 20 类典型供需模型的物流供应链智能预测系统。实现多式联运物流智能规划,同环境下总体效率提升 10%以上;基于该系统可实现物流运输中货物状态等安全监测识别准确率超过 90%;实现多平面物流包装装备在线表面检测,破损检出效率同比提升 10%以上;设计面向物流专业语义库及识别系统,识别率超过 80%。该系统接入物流装备终端数量不少于 100 万,物流车辆在线数量不少于 10 万辆。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项,研发的系统需要在 2 种以上的物流典型场景中得到推广应用,以项目形成的原创性技术申请发明专利不少于 3 项。

  (三) 申报要求。

  须企业牵头,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 3.3:基于大数据智能的多层次知识检索关键技术研究及应用

  (一) 研究内容。

  构建智慧知识产权工程技术体系,开展面向智慧知识产权的大数据智能的基础理论、关键技术的研究;研发高增量、高时效、多模态知识产权超图网络建模技术,研究基于图卷积神经网络和胶囊图神经网络的分类方法在知识产权超图网络中的应用;研究基于知识产权大数据的知识图谱智能构建方法;研究多层级多分类文本的精准分类技术;研究文本内容结合图像分析的多模态内容检索技术和跨语种文本检索技术。

  (二) 考核指标。

  建立基于大数据智能的多层次知识产权检索模型,构建全知识体系的知识图谱,实体数量超过 1 亿,关系数量超过 50 亿,基于该模型实现单个实体的基础查询时间低于 2 秒;实用新型专利文本查重查准率不低于 90%,查全率不低于 50%;针对外观专利检索,基于文本结合图像跨媒体分析,实现相对于单纯文本内容检索查准率提升 15%以上;建立外观设计专利 AI 标准数据集,实现分类准确率比洛迦诺分类法效果提升 15%以上。实现在知识产权创意生成与保护、智能审查、价值评估与交易等场景示范应用。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项并实现推广应用。

  (三) 申报要求。

  鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  项目 3.4:基于 Atlas 计算平台生态创新协同技术研究及应用

  (一) 研究内容。

  研究基于 Atlas 计算平台的软硬件协同关键技术,研究可兼容 Caffe、TensorFlow 等主流框架模型的 Atlas 计算平台模型转换与异构并行计算技术;研究开放神经网络交换技术、高性能自定义算子适配技术,基于图优化的 AI 流程编排技术,提升 Atlas 计算平台 AI 接入能力及计算效率;研究基于 Atlas 计算平台的“端、边、云”协同及统一调度技术,实现资源协同、应用协同、数据协同、智能协同,形成基于 Atlas 计算平台的产品解决方案;研究基于国产 AI 平台智慧安防、智慧社区、智慧园区、智慧警务等应用,在城市级场景进行示范。

  (二) 考核指标。

  研制基于 Atlas 计算平台的一站式 AI 开发应用平台软件,研制端到端开发套件 1 套以及 3 种以上工具组件,面向不同领域的场景开发不少于 10 种高性能自定义算子;基于 Atlas计算平台适配不少于 15 种神经网络模型;兼容 Caffe、TensorFlow 等不少于 2 种开源框架的模型导入与解析;推广应用 Atlas“端、边、云”软硬件系统不少于 2000 套。在千万级人口规模城市进行应用推广,涵盖智慧安防、智慧社区、智慧园区、智慧警务、智慧医疗等多类场景示范。项目完成时须形成国家标准、行业标准或团体标准不少于 2 项并实现推广应用。

  (三) 申报要求。

  须企业牵头,鼓励产学研联合申报,项目应用实施须在广东省内。

  (四) 支持强度。

  资助额度不超过 1000 万元/项。


  三、评审及立项说明

  省重点领域研发计划项目由第三方专业机构组织评审,对申报项目的背景、依据、技术路线、科研能力、时间进度、经费预算、绩效目标等进行评审论证,并根据项目的实际情况进行技术就绪度和知识产权等专业化评估:

  (一) 技术就绪度与先进性评估。本专项主要支持技术就绪度3~6级的项目,项目完成时技术就绪度一般应达到7~9级,原则上项目完成后技术就绪度应有3级以上提高,各申报单位应在可行性报告中按要求对此进行阐述并提供必要的佐证支撑材料(可行性报告提纲可在阳光政务平台系统下载)。

  (二) 查重及技术先进性分析。将利用大数据分析技术,对照国家科技部科技计划历年资助项目与广东省科技计划历年资助项目,对拟立项项目进行查重和先进性等分析。

  (三) 知识产权分析评议。项目研究成果一般应有高质量的知识产权,请各申报单位按照高质量知识产权分析评议指引的有关要求,加强本单位知识产权管理,提出项目的高质量知识产权目标,并在可行性报告中按要求对此进行阐述并提供必要的佐证支撑材料(可行性报告提纲可在阳光政务平台系统下载),勿简单以专利数量、论文数量作为项目目标。

  拟立项项目按程序审核报批后纳入项目库管理,视年度财政预算及项目落地情况分批出库支持,结合项目进展分阶段拨付财政资金。

  同一指南中的同一项目方向(或课题),原则上只支持1项(指南有特殊说明的除外),在申报项目(或课题)评审结果相近且技术路线明显不同时,可予以并行支持。



  省科技厅

  2020年11月4日

  • 在线咨询

  • 微信客服

  • 服务热线

    服务热线:400-808-2928

请选择客服进行聊天

  • 微信客服

    长按,识别二维码
点击电话进行一键拨打