為落實(shí)《國家中長(cháng)期科學(xué)和技術(shù)發(fā)展規劃綱要(2006-2020年)》，以及國務(wù)院《關(guān)于促進(jìn)云計算創(chuàng )新發(fā)展，培育信息產(chǎn)業(yè)新業(yè)態(tài)的意見(jiàn)》和《關(guān)于印發(fā)促進(jìn)大數據發(fā)展行動(dòng)綱要的通知》等提出的任務(wù)，國家重點(diǎn)研發(fā)計劃啟動(dòng)實(shí)施“云計算和大數據”重點(diǎn)專(zhuān)項。根據本重點(diǎn)專(zhuān)項實(shí)施方案的部署，現提出2018年度項目咨詢(xún)指南建議。

本重點(diǎn)專(zhuān)項總體目標是：形成自主可控的云計算和大數據系統解決方案、技術(shù)體系和標準規范；在云計算與大數據的重大設備、核心軟件、支撐平臺等方面突破一批關(guān)鍵技術(shù)；基本形成以自主云計算與大數據骨干企業(yè)為主體的產(chǎn)業(yè)生態(tài)體系和具有全球競爭優(yōu)勢的云計算與大數據產(chǎn)業(yè)集群；提升資源匯聚、數據收集、存儲管理、分析挖掘、安全保障、按需服務(wù)等能力，實(shí)現核心關(guān)鍵技術(shù)自主可控。

本重點(diǎn)專(zhuān)項按照云計算和大數據基礎設施、基于云模式和數據驅動(dòng)的新型軟件、大數據分析應用與類(lèi)人智能、云端融合的感知認知與人機交互等4個(gè)創(chuàng )新鏈(技術(shù)方向)，共部署20個(gè)重點(diǎn)研究任務(wù)。專(zhuān)項實(shí)施周期為5年（2016—2020）。 

1.云計算和大數據基礎設施

1.1 數據科學(xué)的若干基礎理論（基礎研究類(lèi)）

研究?jì)热荩貉芯看髷祿臄祿＠碚摚ù髷祿慕y一表示和有效度量等；研究大數據的新型計算復雜性理論，包括多項式可計算問(wèn)題類(lèi)的細分等；研究高通量計算理論與算法、高效并行計算算法、分布式計算算法、近似計算算法等；研究大規模分布式可擴展的數據存儲與組織，能效優(yōu)化的分布存儲和處理的系統架構，以及數據副本一致性、數據壓縮、數據劃分與遷移等問(wèn)題；研究大數據的數據治理理論與方法，包括數據質(zhì)量管理、數據權屬、數據隱私保護等。

考核指標：形成有國際性影響的數據科學(xué)理論體系，發(fā)表系列高水平學(xué)術(shù)論文和若干專(zhuān)著(zhù)。在關(guān)鍵技術(shù)上申請系列專(zhuān)利，形成專(zhuān)利群。

1.2 基于NVM的TB級持久性?xún)却娲鎯ο到y及應用（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩貉芯砍志眯詢(xún)却娲鎯?/span>I/O棧與存儲管理；分布式持久性?xún)却嫖募到y；基于RDMA的分布式持久性共享內存新型編程模型；構建分布式持久性?xún)却娲鎯ο到y；研制基于TB級內存系統的典型大數據應用系統及示范。

考核指標：研制不少于8節點(diǎn)的內存存儲系統，每節點(diǎn)包含TB級非易失性的持久性?xún)却妗７植际絻却嫦到y中節點(diǎn)間通信延遲不超過(guò)1us，高負載通信延遲不超過(guò)10us，帶寬可擴展，8節點(diǎn)帶寬不低于40GB/s。支持持久性?xún)却娴囊恢滦裕С址植际匠志霉蚕韮却娴男滦途幊棠Ｐ徒涌凇ＶС殖志没I值存儲系統、高性能大圖數據處理等典型大數據應用，讀操作ops不低于5000萬(wàn)/s，寫(xiě)操作ops不低于1000萬(wàn)/s。

1.3 面向異構體系結構的高性能分布式數據分析系統（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩好嫦蚍植际疆悩嬻w系結構，研究基于數據流的編程模型、性能建模技術(shù)、同步通信技術(shù)和運行時(shí)系統，并實(shí)現高通量視頻、機器學(xué)習典型等應用示范。具體內容：支持異構體系結構上的數據流編程模型與軟件工具鏈；異構體系結構上的運行時(shí)系統，支持CPU與加速器之間的高效率混合執行，支持加速器上的細粒度流水線(xiàn)并行；性能建模技術(shù)和優(yōu)化調度技術(shù)，優(yōu)化分配CPU與加速器上的運行資源；分布式異構系統數據處理技術(shù)，包括數據與計算的高效劃分技術(shù)、負載平衡以及高性能同步通信技術(shù)。

考核指標：支持CPU-GPU異構體系結構，并支持單機多加速器和多機多加速器。性能建模技術(shù)可自動(dòng)選取優(yōu)化的執行模式，包括僅在CPU上執行、僅在加速器上執行以及在CPU和加速器上混合執行，并可給出混合執行時(shí)在CPU和GPU上執行的比例。支持單個(gè)GPU SM上部署多個(gè)kernel的細粒度任務(wù)調度，以及以此為基礎的流水線(xiàn)并行模式。單機上CPU/GPU細粒度混合執行的應用性能是通用CPU的5倍以上，是僅實(shí)現粗粒度并行性的GPU的2倍以上。在8臺服務(wù)器16塊GPU的環(huán)境下，應用性能是8臺CPU服務(wù)器的5倍以上，是僅實(shí)現粗粒度并行性的16塊GPU性能的2倍以上。

1.4 面向圖計算的通用計算機技術(shù)與系統（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩簣D計算眾核處理器和異構圖計算機體系結構；支撐異構圖計算機的系統軟件；面向異構圖計算機系統的分布式處理技術(shù)；基于異構圖計算機的數據管理與分析系統；基于異構圖計算機的通用計算機系統，開(kāi)展應用示范。

考核指標：研制面向圖計算的眾核處理器芯片原型；研制基于已有加速器的低功耗異構圖計算系統，單節點(diǎn)圖計算機總體性能達到G級TEPS，性能功耗比提升10倍；8節點(diǎn)的分布式異構圖計算系統總體性能可達10GTEPS，靜態(tài)圖計算可獲得2-3倍加速比；單節點(diǎn)支持50億條邊的圖數據存儲和查詢(xún)，平均查詢(xún)響應時(shí)間為秒級，支持每秒10萬(wàn)邊的圖流數據分析；開(kāi)展包含社交網(wǎng)絡(luò )在內的2個(gè)典型應用的驗證開(kāi)發(fā)。

1.5 基于國產(chǎn)處理器的新一代虛擬化及虛擬執行環(huán)境優(yōu)化技術(shù)（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩貉芯炕趪a(chǎn)單核、多核、眾核處理器的新型虛擬化架構，虛擬計算環(huán)境下應用驅動(dòng)的軟件棧構造/設計的理論和方法；研究基于國產(chǎn)單核、多核、眾核處理器等計算系統核心物理資源的虛擬化和容器技術(shù)，虛擬資源池的構建、組織、調度等技術(shù)；研究異構硬件的狀態(tài)互通方法，應用驅動(dòng)的虛擬資源的動(dòng)態(tài)映射和調配方法，實(shí)現面向應用的統一編程接口；研究基于迭代反饋機制的輕量級虛擬機鏡像定制、應用定制的虛擬機優(yōu)化等方法和技術(shù)，構造面向特定應用的輕量級虛擬機；研究虛擬化和虛擬機的性能評價(jià)方法與基準測試、性能調優(yōu)工具。

考核指標：國產(chǎn)處理器虛擬化后的性能指標與X86處理器相當，在關(guān)鍵行業(yè)的云計算系統中開(kāi)展示范應用，在典型云計算應用負載下，較現有產(chǎn)品整機服務(wù)能力提升一個(gè)數量級，整機資源利用率提升50%，整機性能功耗比提升5倍。在關(guān)鍵技術(shù)上申請系列專(zhuān)利，形成專(zhuān)利群。

1.6 數據驅動(dòng)的云數據中心智能管理技術(shù)與平臺（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩貉芯炕谟嬎阒悄艿脑朴嬎氵\行能效評價(jià)與預測技術(shù)，實(shí)現數據驅動(dòng)的云平臺運行精準化評估與預測；數據驅動(dòng)的大規模云資源智能調度與管理技術(shù)，顯著(zhù)提升能效，提高計算資源的利用率；大規模云計算網(wǎng)絡(luò )資源的智能虛擬化技術(shù)，突破云網(wǎng)絡(luò )資源的利用效率瓶頸；面向大數據應用的智能云工作流管理與調度技術(shù)，提供高能效、高服務(wù)質(zhì)量的大數據工作流應用服務(wù)；基于云計算的分布式計算智能方法與技術(shù)集成，實(shí)現大規模的數據管理與智能處理；基于以上技術(shù)突破，研發(fā)云計算的智能部署、運維管理與服務(wù)能力保障技術(shù)，搭建云智能管理平臺并開(kāi)展示范應用。

考核指標：提出一套智能化的云計算運行能效評估、行為預測、資源調度、網(wǎng)絡(luò )虛擬、工作流管理與系統運維的關(guān)鍵技術(shù)體系；研制的關(guān)鍵技術(shù)在基準測試上的指標與國際主流技術(shù)或產(chǎn)品相比處于**行列；云工作流和云服務(wù)請求的接受率提升20%以上，滿(mǎn)足用戶(hù)在時(shí)間和成本等多方面的智能化選擇需求；面向大數據智能處理需求，基于云平臺集成10種以上的分布式計算智能方法；研制的云數據中心智能管理系統在50萬(wàn)臺服務(wù)器以上規模的云數據中心開(kāi)展系統的示范應用，整體水平處于國際**地位；申請系列專(zhuān)利，形成專(zhuān)利群，并制定國家標準（送審稿）若干。

2.基于云模式和數據驅動(dòng)的新型軟件

2.1 群智化生態(tài)化軟件開(kāi)發(fā)方法與環(huán)境（基礎研究類(lèi)）

研究?jì)热荩貉芯咳后w智慧的形成機理、軟件生態(tài)系統中的群體協(xié)作規律、社區組織模式、社會(huì )化特性和**實(shí)踐；研究軟件生態(tài)系統的多維度度量和評估方法、軟件生態(tài)系統形成和演化的微過(guò)程模型等；研究基于大規模群體協(xié)同的在線(xiàn)需求獲取與建模、軟件設計與建模、軟件實(shí)現與測試等群智軟件開(kāi)發(fā)模式與方法；研究基于開(kāi)源軟件和SaaS服務(wù)的可信軟件資源管理框架和方法、群體驅動(dòng)的軟件制品搜索、推薦與合成技術(shù)；研制基于群體智慧和協(xié)同的軟件開(kāi)發(fā)、管理和維護支撐工具集及平臺，形成支持智能化群體協(xié)作的軟件開(kāi)發(fā)環(huán)境，并在開(kāi)源社區進(jìn)行示范應用。

考核指標：建立基于群智協(xié)作的軟件開(kāi)發(fā)理論模型，形成覆蓋軟件生命全周期的群智軟件開(kāi)發(fā)方法、工具、環(huán)境和**實(shí)踐，支持單一項目達到數十到數千名開(kāi)發(fā)者規模；形成兼容國際主流、符合中國特色的群智化軟件開(kāi)發(fā)生態(tài)系統建設方案，在2個(gè)云計算和大數據開(kāi)源社區進(jìn)行實(shí)踐與推廣，實(shí)際應用于10個(gè)以上項目合計1000名以上開(kāi)發(fā)者；形成一批具有引領(lǐng)作用的高水平論文成果，申請一批相關(guān)領(lǐng)域的知識產(chǎn)權。

2.2 基于編程現場(chǎng)大數據的軟件智能開(kāi)發(fā)方法和環(huán)境 （共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩?/span>研究跨地域的軟件開(kāi)發(fā)現場(chǎng)的數據實(shí)時(shí)采集、清洗、組織、管理技術(shù)，基于機器學(xué)習的程序語(yǔ)義學(xué)習及自動(dòng)生成方法與技術(shù)，面向代碼質(zhì)量實(shí)時(shí)動(dòng)態(tài)檢測與質(zhì)量提升的智能編程技術(shù)，面向代碼風(fēng)格與編程規范實(shí)時(shí)檢測與改進(jìn)的智能人機交互方法與技術(shù)，上下文感知的編程接口與代碼推薦方法；構建跨地域的軟件開(kāi)發(fā)現場(chǎng)數據庫和規范源碼樣例庫，研制基于智能化人機交互協(xié)作的軟件敏捷開(kāi)發(fā)云平臺，在不同規模的軟件企業(yè)中進(jìn)行示范應用。

考核指標：研制的平臺支持1000人以上的軟件開(kāi)發(fā)現場(chǎng)，人機交互協(xié)作系統響應時(shí)間低于2秒；規范源碼樣例庫覆蓋100個(gè)項目1000萬(wàn)行代碼；在3個(gè)以上不同規模軟件企業(yè)進(jìn)行示范應用，*大開(kāi)發(fā)人員規模超過(guò)1000人，支持10個(gè)軟件開(kāi)發(fā)項目，每個(gè)項目代碼量不低于10萬(wàn)行，智能化人機交互協(xié)作覆蓋70%以上的代碼，接口與代碼推薦平均準確率超過(guò)70%；形成一批具有引領(lǐng)作用的高水平論文成果，申請一批相關(guān)領(lǐng)域的知識產(chǎn)權。

2.3 面向智能制造的流程管控軟件平臺（應用示范類(lèi)）

研究?jì)热荩貉芯棵嫦蛑悄苤圃熘衅髽I(yè)研發(fā)設計、生產(chǎn)制造、經(jīng)營(yíng)管理、銷(xiāo)售服務(wù)、供應商管理和客戶(hù)服務(wù)等多種流程的企業(yè)內外部系統基礎數據獲取及加密傳輸和存儲技術(shù)、面向關(guān)鍵制造流程的知識建模技術(shù)、制造流程大數據實(shí)時(shí)分析技術(shù)、深度網(wǎng)絡(luò )挖掘和決策技術(shù)、實(shí)時(shí)工業(yè)系統閉環(huán)控制技術(shù)、大規模企業(yè)流程并行技術(shù)等基于云模式和大數據的新型軟件應用關(guān)鍵技術(shù)，研制面向智能制造的流程管控軟件平臺，并進(jìn)行示范應用。

考核指標：提供實(shí)證的PB級的制造數據存儲，關(guān)鍵企業(yè)數據加密效果需經(jīng)具有安全評測資質(zhì)的*三方認證；企業(yè)業(yè)務(wù)流程并行規模不少于10000條；支持10種常見(jiàn)國產(chǎn)和進(jìn)口工業(yè)軟件系統90%基礎數據的獲取；支持10種常見(jiàn)國產(chǎn)和進(jìn)口生產(chǎn)制造設備系統的秒級調用和按需閉環(huán)控制；管控軟件平臺國產(chǎn)化率達到80%，在10個(gè)大型制造企業(yè)部署和應用。

2.4 私有云環(huán)境下服務(wù)化智能辦公系統平臺（應用示范類(lèi)）

研究?jì)热荩横槍λ接性圃谵k公環(huán)境下的廣泛應用和多元化需求，研究適用于私有辦公云建設的基礎架構、虛擬應用、網(wǎng)絡(luò )安全、數據存儲以及數據分析等多項關(guān)鍵技術(shù)。重點(diǎn)研究計算節點(diǎn)非一致內存訪(fǎng)問(wèn)的動(dòng)態(tài)綁定、虛擬化內存超配、網(wǎng)絡(luò )數據包零拷貝、虛擬磁盤(pán)預讀、存儲緩存加速等關(guān)鍵技術(shù)。研究私有云環(huán)境下網(wǎng)絡(luò )安全的基礎理論與應用，重點(diǎn)研究平臺無(wú)關(guān)的云安全系統，利用虛擬化技術(shù)實(shí)現東西向、南北向流量的統一防護。研究分布式存儲的負載均衡、數據削減和分層、高可靠、異地容災等關(guān)鍵技術(shù)和解決方案。研究基于辦公數據的行為感知技術(shù)，重點(diǎn)研究基于上網(wǎng)行為的數據挖掘技術(shù)，用戶(hù)行為分析技術(shù)以及自動(dòng)化的異常檢測技術(shù)。

考核指標：研制私有云環(huán)境下服務(wù)化智能辦公系統，實(shí)現智能辦公的行為感知，支持不少于10種行為感知應用，支持新應用的快速開(kāi)發(fā)和部署，在3-5個(gè)重要的部門(mén)開(kāi)展示范應用。完成系列國家或行業(yè)標準草案，其中若干獲國家或行業(yè)標準主管部門(mén)立項或批準。

2.5 云計算和大數據開(kāi)源社區生態(tài)系統（含前期成果集成展示）（應用示范類(lèi)）

研究?jì)热荩貉芯块_(kāi)源社區的運作模式和商業(yè)模式，研制安全可控的開(kāi)源項目支撐系統，建立國內外開(kāi)源項目和社區的按需同步機制，支持企業(yè)主導創(chuàng )建開(kāi)源軟硬件項目并建設相應的生態(tài)系統；研究基于眾包的軟件在線(xiàn)開(kāi)發(fā)方法，建立軟件開(kāi)發(fā)知識庫和軟件工程云；研究開(kāi)發(fā)一批面向云計算資源虛擬化、分布式管理與調度、存儲與計算、監控與運維、云應用開(kāi)發(fā)與部署等方面的開(kāi)源軟件；研究開(kāi)發(fā)一批涉及大數據采集、存儲、傳輸、分析、計算與應用相關(guān)的開(kāi)源軟件，促進(jìn)大數據技術(shù)的完善及在各個(gè)領(lǐng)域中的大規模應用；建設有一定影響力的云計算和大數據開(kāi)源社區，吸引一批云計算和大數據的技術(shù)人員參與和互動(dòng)；培養一批高素質(zhì)的人才隊伍。

考核指標：建成由中國主導的云計算和大數據開(kāi)源社區，培養一支100人以上的開(kāi)源項目維護和貢獻的技術(shù)隊伍，吸引100家云計算和大數據相關(guān)企業(yè)參與，注冊用戶(hù)超10000人，月活躍用戶(hù)超1000人；發(fā)布100項云計算和大數據相關(guān)開(kāi)源軟件（中國主導的開(kāi)源軟件不低于10項），合計每月更新1萬(wàn)次、下載10萬(wàn)次。

3.大數據分析應用與類(lèi)人智能

3.1大數據分析的基礎理論和技術(shù)方法（基礎研究+共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩貉芯慷嘣串悩嫛⑾闰炛R缺乏、不確定條件下大數據的表示、存儲、度量、語(yǔ)義理解和基于認知的分析方法，研究知識的自動(dòng)抽取、知識發(fā)現的理論與方法，構建面向領(lǐng)域的知識圖譜；研究大數據環(huán)境下機器學(xué)習的創(chuàng )新理論、方法和平臺，提出面向流數據和復雜高維數據的新型分析挖掘技術(shù)；研究大數據知識推理、問(wèn)題分析與求解等關(guān)鍵技術(shù)，提出大數據高效檢索的理論方法；研究大數據的可視化技術(shù)，開(kāi)發(fā)面向領(lǐng)域和大眾的可視化工具庫；研究在特定約束條件（例如安全性、隱私性、真實(shí)性、實(shí)時(shí)性）下的大數據分析理論和技術(shù)；研制開(kāi)放共享的大數據分析平臺，提供大數據分析、挖掘和可視化的基準測試。

考核指標：建立比較系統的大數據分析基礎理論和技術(shù)方法，在機器學(xué)習理論與方法上取得創(chuàng )新突破，形成國際影響。研制大數據分析、挖掘與可視化的算法與工具庫，不少于20個(gè)獨立的系統或工具，并在中國開(kāi)源社區開(kāi)放。發(fā)表系列高水平學(xué)術(shù)論文，撰寫(xiě)專(zhuān)著(zhù)若干部。在關(guān)鍵技術(shù)上申請系列專(zhuān)利，形成專(zhuān)利群。

3.2 高時(shí)效、可擴展計算模型和優(yōu)化技術(shù)（共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩貉芯啃滦头植际酱髷祿M織與存儲系統，增強系統的自適應性和可擴展性，可針對不同計算模式和任務(wù)負載特征進(jìn)行自適應優(yōu)化和調整；研究基于眾核加速器的大數據計算模型、分布式處理框架、易用的編程環(huán)境，開(kāi)發(fā)高效、可擴展的大數據計算系統；研究大數據分析意圖理解，以及分析意圖、分析方法及數據集合的智能匹配理論與技術(shù)，研究快速推薦數據分析途徑、形成智能式交互向導的方法與系統技術(shù)，研究彈性資源管理、高效任務(wù)調度、以及執行優(yōu)化技術(shù)；研究各類(lèi)大數據機器學(xué)習算法的高效并行策略，設計通用的編程模型和接口，研制高效、可擴展、可兼容的大數據機器學(xué)習系統；面向連續流式大數據應用，研究具有*高吞吐量的流數據計算引擎；開(kāi)發(fā)融合了內存計算、流計算、深度計算、以及經(jīng)典機器學(xué)習的綜合示范應用。

考核指標：在混合負載下，新型存儲系統的性能要比開(kāi)源Hadoop系統提高50%以上；大數據計算系統要支持批計算、流計算等多種計算模型；形成智能交互向導的反應時(shí)間小于1秒，推薦數據分析途徑的用戶(hù)滿(mǎn)意度超過(guò)80%，有向導下數據分析執行時(shí)效比無(wú)向導提高5倍以上；深度學(xué)習模型要實(shí)現百萬(wàn)級參數的學(xué)習能力；示范應用的數據規模要達到PB級；主要系統要向中國開(kāi)源社區開(kāi)放，關(guān)鍵技術(shù)申請系列發(fā)明專(zhuān)利。 

3.3 互聯(lián)網(wǎng)智慧教育關(guān)鍵技術(shù)與示范應用（應用示范類(lèi)）

研究?jì)热荩貉芯拷逃R圖譜構建與導航學(xué)習關(guān)鍵技術(shù)；面向用戶(hù)的個(gè)性化教育資源融合關(guān)鍵技術(shù)；在線(xiàn)學(xué)習助手關(guān)鍵技術(shù)；基于大數據的精準化教育評價(jià)技術(shù)；虛實(shí)融合教學(xué)場(chǎng)景構建和人機交互關(guān)鍵技術(shù)。集成上述技術(shù)，構建出互聯(lián)網(wǎng)智慧教育平臺，針對基礎教育、職業(yè)培訓等開(kāi)放學(xué)習群體以及有組織學(xué)習群體開(kāi)展互聯(lián)網(wǎng)智慧教育示范應用。

考核指標：構建出互聯(lián)網(wǎng)智慧教育平臺。在基礎教育方面，重點(diǎn)開(kāi)展大數據驅動(dòng)的中小學(xué)生學(xué)業(yè)水平和信息素養測評示范，輻射涵蓋輻射東、中、西部地區的100個(gè)示范區，10000所實(shí)驗校，受益人數超過(guò)1000萬(wàn)；在職業(yè)培訓方面，研發(fā)建設基于VR/MR/AR技術(shù)的精品特色課程資源100門(mén)以上；面向企業(yè)需求的定制化人才培養等服務(wù)，培養IT、汽車(chē)、機械、電子等行業(yè)的技能人才300萬(wàn)以上；在有組織學(xué)習方面，構建涉及100門(mén)課程的10萬(wàn)個(gè)知識主題樹(shù)，示范應用支撐的學(xué)習者人數不少于300萬(wàn)，實(shí)現跨學(xué)習平臺融合匯聚1000項以上的課程和知識庫等教育資源。

3.4基于天空地一體化大數據的公共安全事件智能感知與理解（應用示范類(lèi)） 

研究?jì)热荩横槍δ壳肮舶踩录A測困難和檢測不準的問(wèn)題，綜合利用衛星和航拍影像、地面跨時(shí)空視頻、網(wǎng)絡(luò )數據和地理信息等，實(shí)現面向公共安全的天空地網(wǎng)大數據一體化智能處理。以事件為中心，研究跨時(shí)空多源大數據的多尺度、多粒度關(guān)聯(lián)，地理信息驅動(dòng)的目標檢測、追蹤和識別，多源異構數據融合的目標行為表示和語(yǔ)義理解，建立個(gè)體行為和群體事件的演化預測模型。突破公共安全大數據關(guān)聯(lián)弱、理解淺、利用差等瓶頸，構建跨時(shí)空大數據一體化處理的公共安全事件智能感知和理解系統，實(shí)現多源異構數據關(guān)聯(lián)挖掘、異常行為智能感知和事件處置決策支撐，并開(kāi)展應用示范。

考核指標：研制跨時(shí)空大數據一體化處理的公共安全事件智能感知和理解系統，并在反恐維穩重點(diǎn)地區和邊境地區進(jìn)行應用示范。支持3種以上語(yǔ)言的識別，語(yǔ)種識別準確率超過(guò)90%，已知有害音視頻發(fā)現率超過(guò)95%。突發(fā)事件感知準確率超過(guò)80%，特定人員和車(chē)輛的檢測率超過(guò)90%，人員識別準確率超過(guò)95%。建立公共安全事件的定性描述和定量計算的轉換不確定模型，支撐普適性空間智能服務(wù)。研發(fā)天空地網(wǎng)大數據在線(xiàn)分析與可視化工具，TB級數據在線(xiàn)實(shí)時(shí)檢索與展示的響應時(shí)間低于10秒。

3.5 基于立體精準畫(huà)像的學(xué)術(shù)同行評價(jià)系統（應用示范類(lèi)）

研究?jì)热荩焊鶕W(xué)術(shù)同行評價(jià)的需求，研究學(xué)術(shù)行為的畫(huà)像模型和體系，綜合運用大數據技術(shù)（獲取、清理、組織、分析等），為百萬(wàn)量級的學(xué)術(shù)群體，建立立體精準學(xué)術(shù)畫(huà)像，形成實(shí)時(shí)動(dòng)態(tài)、智能的畫(huà)像庫和學(xué)術(shù)關(guān)系圖譜。研究學(xué)術(shù)畫(huà)像的準確性驗證方法和技術(shù)。研究學(xué)術(shù)畫(huà)像多種維度的組合以及自適應權重等方法，以適合不同目的學(xué)術(shù)同行評價(jià)體系，研制以立體精準畫(huà)像為基礎的學(xué)術(shù)同行評價(jià)系統。

考核指標：學(xué)術(shù)畫(huà)像庫超過(guò)100萬(wàn)個(gè)體，具備24小時(shí)內新增1000個(gè)學(xué)術(shù)畫(huà)像的能力。個(gè)體的學(xué)術(shù)畫(huà)像與真實(shí)行為的時(shí)間間隔在72小時(shí)以?xún)龋瑢W(xué)術(shù)畫(huà)像的精準度超過(guò)98%。研制的學(xué)術(shù)同行評價(jià)系統在國家的科技、教育等權威部門(mén)開(kāi)展應用示范，能為國家科技計劃的輔助決策提供支持。

4.云端融合的感知認知與人機交互

4.1人機物融合的云計算架構與平臺（前沿基礎類(lèi)+共性關(guān)鍵技術(shù)類(lèi)）

研究?jì)热荩?/span>針對人機物融合環(huán)境下的泛在化、社會(huì )化、情境化、智能化等應用特征，研究以人為中心的人機物融合云計算架構模型、終端和云端資源的軟件定義方法、人機物融合應用的一體化建模方法等基礎理論；研究以人為中心的終端和云端資源動(dòng)態(tài)發(fā)現與協(xié)同管理技術(shù)、資源敏感和時(shí)空感知的應用自適應與自演化技術(shù)、面向移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)終端及邊緣設備的超輕量虛擬化等關(guān)鍵技術(shù)；研制以人為中心的人機物融合云計算平臺，并結合重點(diǎn)領(lǐng)域開(kāi)展應用示范。

考核指標：建立面向人機物融合的軟件定義基礎理論與人機物融合云計算技術(shù)體系及規范；研制的云計算平臺通過(guò)軟件定義的方式接入并管理Android智能設備、Linux邊緣設備和OpenStack公/私有云的軟硬件及應用資源，驗證的人機物融合場(chǎng)景需覆蓋10個(gè)不同品牌合計100萬(wàn)臺終端設備、支持100個(gè)*三方商業(yè)應用的按需融合；形成一批具有引領(lǐng)作用的高水平論文成果，申請一批相關(guān)領(lǐng)域的知識產(chǎn)權。

4.2 基于云計算的沉浸式交互影像技術(shù)與系統 （應用示范類(lèi)）

研究?jì)热荩焊呔S影像數據獲取與語(yǔ)義理解，包括：面向沉浸式影視制作的全尺度數據捕獲、高維光場(chǎng)影像高效獲取、跨維度影像數據的語(yǔ)義解析及部件提取等；影像素材知識表達與智能聚合，包括：數據驅動(dòng)的高精度、專(zhuān)業(yè)化、風(fēng)格化模型表達，以及影像大數據動(dòng)態(tài)聚合與自主生長(cháng)等；影像定制化與個(gè)性化自動(dòng)生成，包括：領(lǐng)域知識引導的影視級高端三維場(chǎng)景定制化自動(dòng)生成，基于引擎的大規模影像個(gè)性化自動(dòng)生成，高維光場(chǎng)影像云處理和云發(fā)布；影像編輯與交互功能深度合成，包括：語(yǔ)義特征結構保持的影像編輯合成、典型交互功能遷移與自動(dòng)合成，具有行為真實(shí)感的智能角色生成與交互，以及沉浸式交互影像工業(yè)化生產(chǎn)關(guān)鍵技術(shù)等；沉浸式交互影像高效渲染呈現，包括：高維光場(chǎng)影像終端顯示技術(shù)、三維模型高效渲染技術(shù)及工具；云端融合的沉浸式交互影像技術(shù)系統，及其在電影電視、游戲娛樂(lè )等行業(yè)的應用示范。

考核指標：電影級光場(chǎng)采集系統相機數量≥100臺，工作范圍≥20m²，捕獲速度≥60fps；跨維度影像數據部件級語(yǔ)義解析準確率平均達90%，形成一個(gè)超過(guò)5萬(wàn)個(gè)模型的三維模型庫，構建的場(chǎng)景內模型數超過(guò)500個(gè)；支持高維影像對象分割、時(shí)域編輯、風(fēng)格化濾鏡、虛擬對象嵌入、鏡頭智能剪輯與構圖優(yōu)化等智能影視創(chuàng )作關(guān)鍵功能；影像發(fā)布與計算平臺傳輸帶寬≥1TB/S，數據吞吐量讀取速度≥6GB/s，寫(xiě)入速度≥4GB/s，并行處理文件數量≥20萬(wàn)/s，支持并行計算GPU數量≥100臺；制定面向沉浸式交互影像的采集、傳輸、呈現的技術(shù)規范并形成標準，并實(shí)現在影視制作、游戲娛樂(lè )等行業(yè)的典型應用示范，成果應用項目超過(guò)50個(gè)。

4.3 多模態(tài)自然交互的虛實(shí)融合開(kāi)放式實(shí)驗教學(xué)環(huán)境（應用示范類(lèi)）

研究?jì)热荩航⒅С衷贫巳诤虾投嗄B(tài)自然交互的虛實(shí)融合課堂教學(xué)環(huán)境，具備視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等感知能力的交互模塊基礎件，以及相應的實(shí)物交互套件；建立支持中學(xué)教育主要課程的虛擬實(shí)驗開(kāi)發(fā)平臺和界面工具，支持教師自主生成互動(dòng)虛擬實(shí)驗教學(xué)資源；支持多模態(tài)人機交互的智能化學(xué)習環(huán)境，通過(guò)對多課程和多場(chǎng)景的數據匯集，研制與學(xué)習者個(gè)性化需求與能力適配的智能化學(xué)習系統； 建立新型探究式學(xué)習的全面評價(jià)體系，通過(guò)對學(xué)習過(guò)程與結果的智能識別與分析，匯集和提煉學(xué)習者的行為、心理和生理等多維度特征，實(shí)現對學(xué)習者多層次、精準化的客觀(guān)評價(jià)。

考核指標：多模態(tài)自然交互模塊基礎件支持手勢、語(yǔ)音、觸覺(jué)、實(shí)物、筆式等交互技術(shù)，交互行為識別率大于90%；支持教師自主生成互動(dòng)教學(xué)資源的虛擬實(shí)驗開(kāi)發(fā)平臺和界面工具，覆蓋數學(xué)、物理、化學(xué)、生物等主要課程，形成20個(gè)以上典型教學(xué)課件；制定云計算教學(xué)終端多模態(tài)人機交互技術(shù)標準，以及高沉浸呈現與多模態(tài)交互智慧教育課堂環(huán)境的行業(yè)規范；在中學(xué)開(kāi)展應用示范，應用示范單位不少于200家；申請系列發(fā)明專(zhuān)利。

4.4 基于云計算和智能交互的隨身辦公技術(shù)與系統（應用示范類(lèi)）

研究?jì)热荩貉兄泼嫦蛞苿?dòng)終端和虛實(shí)融合自然交互技術(shù)的多用戶(hù)遠程和本地協(xié)同辦公平臺，實(shí)現相應的用戶(hù)界面工具和支撐硬件，研究面向移動(dòng)協(xié)同辦公和用戶(hù)長(cháng)歷史行為大數據的個(gè)性化用戶(hù)模型及增量式學(xué)習技術(shù)；突破大數據驅動(dòng)的高靈敏觸及反饋式虛擬投射鍵盤(pán)技術(shù)和高準確率的手指虛擬鍵盤(pán)動(dòng)作識別技術(shù)，研發(fā)面向移動(dòng)終端的多模態(tài)深度融合的高效率信息輸入和內容編輯技術(shù)；研究基于云端的多移動(dòng)終端的分屏顯示與協(xié)作機制，研制滿(mǎn)足長(cháng)期健康使用需求的、具有匹配個(gè)體差異的沉浸式超大視場(chǎng)顯示終端，實(shí)現多移動(dòng)終端、穿戴式顯示終端與虛擬鍵盤(pán)、手勢、語(yǔ)音等的統一交互方式；在上述內容基礎上，研究并構建面向行業(yè)應用的具有多模態(tài)融合的高效智能的隨身辦公系統。

考核指標：多用戶(hù)遠程和本地協(xié)同辦公平臺支持常見(jiàn)的移動(dòng)終端，支持16個(gè)節點(diǎn)以上的遠程交互，能支撐虛實(shí)融合的工作討論、協(xié)同設計等任務(wù)；多模態(tài)自然交互協(xié)同辦公機制支持虛擬鍵盤(pán)、觸控、手勢、語(yǔ)音和筆等通道，支持冗余、互補、混合等3種以上交互通道融合方式；虛擬投射鍵盤(pán)具有觸及反饋功能，按鍵敲擊識別準確率不低于95%，支持用戶(hù)擊鍵動(dòng)作的個(gè)性化自動(dòng)糾錯技術(shù)，能夠實(shí)現每分鐘180個(gè)以上英文字符正確輸入；沉浸式顯示系統視場(chǎng)角不小于150度，能自主顯示虛擬鍵盤(pán)，并與手勢識別等協(xié)同交互工作，手勢和擊鍵動(dòng)作識別準確率不低于95%，經(jīng)大規模人群測試后的連續健康沉浸時(shí)間可達2小時(shí)；智能隨身辦公系統應支持企業(yè)辦公、教育培訓等行業(yè)用途，形成規模化產(chǎn)業(yè)應用。

[上一個(gè)產(chǎn)品：“深海關(guān)鍵技術(shù)與裝備”重點(diǎn)專(zhuān)項2018年度項目咨詢(xún)指南] [下一個(gè)產(chǎn)品：蘇州市工業(yè)設計中心