為落實《國家中長期科學和技術發(fā)展規(guī)劃綱要(2006-2020年)》，以及國務院《關于促進云計算創(chuàng)新發(fā)展，培育信息產(chǎn)業(yè)新業(yè)態(tài)的意見》和《關于印發(fā)促進大數(shù)據(jù)發(fā)展行動綱要的通知》等提出的任務，國家重點研發(fā)計劃啟動實施“云計算和大數(shù)據(jù)”重點專項。根據(jù)本重點專項實施方案的部署，現(xiàn)提出2018年度項目咨詢指南建議。

本重點專項總體目標是：形成自主可控的云計算和大數(shù)據(jù)系統(tǒng)解決方案、技術體系和標準規(guī)范；在云計算與大數(shù)據(jù)的重大設備、核心軟件、支撐平臺等方面突破一批關鍵技術；基本形成以自主云計算與大數(shù)據(jù)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(shù)據(jù)產(chǎn)業(yè)集群；提升資源匯聚、數(shù)據(jù)收集、存儲管理、分析挖掘、安全保障、按需服務等能力，實現(xiàn)核心關鍵技術自主可控。

本重點專項按照云計算和大數(shù)據(jù)基礎設施、基于云模式和數(shù)據(jù)驅動的新型軟件、大數(shù)據(jù)分析應用與類人智能、云端融合的感知認知與人機交互等4個創(chuàng)新鏈(技術方向)，共部署20個重點研究任務。專項實施周期為5年（2016—2020）。 

1.云計算和大數(shù)據(jù)基礎設施

1.1 數(shù)據(jù)科學的若干基礎理論（基礎研究類）

研究內(nèi)容：研究大數(shù)據(jù)的數(shù)據(jù)建模理論，包括大數(shù)據(jù)的統(tǒng)一表示和有效度量等；研究大數(shù)據(jù)的新型計算復雜性理論，包括多項式可計算問題類的細分等；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(guī)模分布式可擴展的數(shù)據(jù)存儲與組織，能效優(yōu)化的分布存儲和處理的系統(tǒng)架構，以及數(shù)據(jù)副本一致性、數(shù)據(jù)壓縮、數(shù)據(jù)劃分與遷移等問題；研究大數(shù)據(jù)的數(shù)據(jù)治理理論與方法，包括數(shù)據(jù)質量管理、數(shù)據(jù)權屬、數(shù)據(jù)隱私保護等。

考核指標：形成有國際性影響的數(shù)據(jù)科學理論體系，發(fā)表系列高水平學術論文和若干專著。在關鍵技術上申請系列專利，形成專利群。

1.2 基于NVM的TB級持久性內(nèi)存存儲系統(tǒng)及應用（共性關鍵技術類）

研究內(nèi)容：研究持久性內(nèi)存存儲I/O棧與存儲管理；分布式持久性內(nèi)存文件系統(tǒng)；基于RDMA的分布式持久性共享內(nèi)存新型編程模型；構建分布式持久性內(nèi)存存儲系統(tǒng)；研制基于TB級內(nèi)存系統(tǒng)的典型大數(shù)據(jù)應用系統(tǒng)及示范。

考核指標：研制不少于8節(jié)點的內(nèi)存存儲系統(tǒng)，每節(jié)點包含TB級非易失性的持久性內(nèi)存。分布式內(nèi)存系統(tǒng)中節(jié)點間通信延遲不超過1us，高負載通信延遲不超過10us，帶寬可擴展，8節(jié)點帶寬不低于40GB/s。支持持久性內(nèi)存的一致性，支持分布式持久共享內(nèi)存的新型編程模型接口。支持持久化鍵值存儲系統(tǒng)、高性能大圖數(shù)據(jù)處理等典型大數(shù)據(jù)應用，讀操作ops不低于5000萬/s，寫操作ops不低于1000萬/s。

1.3 面向異構體系結構的高性能分布式數(shù)據(jù)分析系統(tǒng)（共性關鍵技術類）

研究內(nèi)容：面向分布式異構體系結構，研究基于數(shù)據(jù)流的編程模型、性能建模技術、同步通信技術和運行時系統(tǒng)，并實現(xiàn)高通量視頻、機器學習典型等應用示范。具體內(nèi)容：支持異構體系結構上的數(shù)據(jù)流編程模型與軟件工具鏈；異構體系結構上的運行時系統(tǒng)，支持CPU與加速器之間的高效率混合執(zhí)行，支持加速器上的細粒度流水線并行；性能建模技術和優(yōu)化調度技術，優(yōu)化分配CPU與加速器上的運行資源；分布式異構系統(tǒng)數(shù)據(jù)處理技術，包括數(shù)據(jù)與計算的高效劃分技術、負載平衡以及高性能同步通信技術。

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。性能建模技術可自動選取優(yōu)化的執(zhí)行模式，包括僅在CPU上執(zhí)行、僅在加速器上執(zhí)行以及在CPU和加速器上混合執(zhí)行，并可給出混合執(zhí)行時在CPU和GPU上執(zhí)行的比例。支持單個GPU SM上部署多個kernel的細粒度任務調度，以及以此為基礎的流水線并行模式。單機上CPU/GPU細粒度混合執(zhí)行的應用性能是通用CPU的5倍以上，是僅實現(xiàn)粗粒度并行性的GPU的2倍以上。在8臺服務器16塊GPU的環(huán)境下，應用性能是8臺CPU服務器的5倍以上，是僅實現(xiàn)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與系統(tǒng)（共性關鍵技術類）

研究內(nèi)容：圖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(tǒng)軟件；面向異構圖計算機系統(tǒng)的分布式處理技術；基于異構圖計算機的數(shù)據(jù)管理與分析系統(tǒng)；基于異構圖計算機的通用計算機系統(tǒng)，開展應用示范。

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(tǒng)，單節(jié)點圖計算機總體性能達到G級TEPS，性能功耗比提升10倍；8節(jié)點的分布式異構圖計算系統(tǒng)總體性能可達10GTEPS，靜態(tài)圖計算可獲得2-3倍加速比；單節(jié)點支持50億條邊的圖數(shù)據(jù)存儲和查詢，平均查詢響應時間為秒級，支持每秒10萬邊的圖流數(shù)據(jù)分析；開展包含社交網(wǎng)絡在內(nèi)的2個典型應用的驗證開發(fā)。

1.5 基于國產(chǎn)處理器的新一代虛擬化及虛擬執(zhí)行環(huán)境優(yōu)化技術（共性關鍵技術類）

研究內(nèi)容：研究基于國產(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(tǒng)核心物理資源的虛擬化和容器技術，虛擬資源池的構建、組織、調度等技術；研究異構硬件的狀態(tài)互通方法，應用驅動的虛擬資源的動態(tài)映射和調配方法，實現(xiàn)面向應用的統(tǒng)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，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，在關鍵行業(yè)的云計算系統(tǒng)中開展示范應用，在典型云計算應用負載下，較現(xiàn)有產(chǎn)品整機服務能力提升一個數(shù)量級，整機資源利用率提升50%，整機性能功耗比提升5倍。在關鍵技術上申請系列專利，形成專利群。

1.6 數(shù)據(jù)驅動的云數(shù)據(jù)中心智能管理技術與平臺（共性關鍵技術類）

研究內(nèi)容：研究基于計算智能的云計算運行能效評價與預測技術，實現(xiàn)數(shù)據(jù)驅動的云平臺運行精準化評估與預測；數(shù)據(jù)驅動的大規(guī)模云資源智能調度與管理技術，顯著提升能效，提高計算資源的利用率；大規(guī)模云計算網(wǎng)絡資源的智能虛擬化技術，突破云網(wǎng)絡資源的利用效率瓶頸；面向大數(shù)據(jù)應用的智能云工作流管理與調度技術，提供高能效、高服務質量的大數(shù)據(jù)工作流應用服務；基于云計算的分布式計算智能方法與技術集成，實現(xiàn)大規(guī)模的數(shù)據(jù)管理與智能處理；基于以上技術突破，研發(fā)云計算的智能部署、運維管理與服務能力保障技術，搭建云智能管理平臺并開展示范應用。

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)絡虛擬、工作流管理與系統(tǒng)運維的關鍵技術體系；研制的關鍵技術在基準測試上的指標與國際主流技術或產(chǎn)品相比處于**行列；云工作流和云服務請求的接受率提升20%以上，滿足用戶在時間和成本等多方面的智能化選擇需求；面向大數(shù)據(jù)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(shù)據(jù)中心智能管理系統(tǒng)在50萬臺服務器以上規(guī)模的云數(shù)據(jù)中心開展系統(tǒng)的示范應用，整體水平處于國際**地位；申請系列專利，形成專利群，并制定國家標準（送審稿）若干。

2.基于云模式和數(shù)據(jù)驅動的新型軟件

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

研究內(nèi)容：研究群體智慧的形成機理、軟件生態(tài)系統(tǒng)中的群體協(xié)作規(guī)律、社區(qū)組織模式、社會化特性和**實踐；研究軟件生態(tài)系統(tǒng)的多維度度量和評估方法、軟件生態(tài)系統(tǒng)形成和演化的微過程模型等；研究基于大規(guī)模群體協(xié)同的在線需求獲取與建模、軟件設計與建模、軟件實現(xiàn)與測試等群智軟件開發(fā)模式與方法；研究基于開源軟件和SaaS服務的可信軟件資源管理框架和方法、群體驅動的軟件制品搜索、推薦與合成技術；研制基于群體智慧和協(xié)同的軟件開發(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)作的軟件開發(fā)環(huán)境，并在開源社區(qū)進行示范應用。

考核指標：建立基于群智協(xié)作的軟件開發(fā)理論模型，形成覆蓋軟件生命全周期的群智軟件開發(fā)方法、工具、環(huán)境和**實踐，支持單一項目達到數(shù)十到數(shù)千名開發(fā)者規(guī)模；形成兼容國際主流、符合中國特色的群智化軟件開發(fā)生態(tài)系統(tǒng)建設方案，在2個云計算和大數(shù)據(jù)開源社區(qū)進行實踐與推廣，實際應用于10個以上項目合計1000名以上開發(fā)者；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產(chǎn)權。

2.2 基于編程現(xiàn)場大數(shù)據(jù)的軟件智能開發(fā)方法和環(huán)境 （共性關鍵技術類）

研究內(nèi)容：研究跨地域的軟件開發(fā)現(xiàn)場的數(shù)據(jù)實時采集、清洗、組織、管理技術，基于機器學習的程序語義學習及自動生成方法與技術，面向代碼質量實時動態(tài)檢測與質量提升的智能編程技術，面向代碼風格與編程規(guī)范實時檢測與改進的智能人機交互方法與技術，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發(fā)現(xiàn)場數(shù)據(jù)庫和規(guī)范源碼樣例庫，研制基于智能化人機交互協(xié)作的軟件敏捷開發(fā)云平臺，在不同規(guī)模的軟件企業(yè)中進行示范應用。

考核指標：研制的平臺支持1000人以上的軟件開發(fā)現(xiàn)場，人機交互協(xié)作系統(tǒng)響應時間低于2秒；規(guī)范源碼樣例庫覆蓋100個項目1000萬行代碼；在3個以上不同規(guī)模軟件企業(yè)進行示范應用，*大開發(fā)人員規(guī)模超過1000人，支持10個軟件開發(fā)項目，每個項目代碼量不低于10萬行，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70%；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產(chǎn)權。

2.3 面向智能制造的流程管控軟件平臺（應用示范類）

研究內(nèi)容：研究面向智能制造中企業(yè)研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、銷售服務、供應商管理和客戶服務等多種流程的企業(yè)內(nèi)外部系統(tǒng)基礎數(shù)據(jù)獲取及加密傳輸和存儲技術、面向關鍵制造流程的知識建模技術、制造流程大數(shù)據(jù)實時分析技術、深度網(wǎng)絡挖掘和決策技術、實時工業(yè)系統(tǒng)閉環(huán)控制技術、大規(guī)模企業(yè)流程并行技術等基于云模式和大數(shù)據(jù)的新型軟件應用關鍵技術，研制面向智能制造的流程管控軟件平臺，并進行示范應用。

考核指標：提供實證的PB級的制造數(shù)據(jù)存儲，關鍵企業(yè)數(shù)據(jù)加密效果需經(jīng)具有安全評測資質的*三方認證；企業(yè)業(yè)務流程并行規(guī)模不少于10000條；支持10種常見國產(chǎn)和進口工業(yè)軟件系統(tǒng)90%基礎數(shù)據(jù)的獲??；支持10種常見國產(chǎn)和進口生產(chǎn)制造設備系統(tǒng)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個大型制造企業(yè)部署和應用。

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

研究內(nèi)容：針對私有云在辦公環(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)絡安全、數(shù)據(jù)存儲以及數(shù)據(jù)分析等多項關鍵技術。重點研究計算節(jié)點非一致內(nèi)存訪問的動態(tài)綁定、虛擬化內(nèi)存超配、網(wǎng)絡數(shù)據(jù)包零拷貝、虛擬磁盤預讀、存儲緩存加速等關鍵技術。研究私有云環(huán)境下網(wǎng)絡安全的基礎理論與應用，重點研究平臺無關的云安全系統(tǒng)，利用虛擬化技術實現(xiàn)東西向、南北向流量的統(tǒng)一防護。研究分布式存儲的負載均衡、數(shù)據(jù)削減和分層、高可靠、異地容災等關鍵技術和解決方案。研究基于辦公數(shù)據(jù)的行為感知技術，重點研究基于上網(wǎng)行為的數(shù)據(jù)挖掘技術，用戶行為分析技術以及自動化的異常檢測技術。

考核指標：研制私有云環(huán)境下服務化智能辦公系統(tǒng)，實現(xiàn)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發(fā)和部署，在3-5個重要的部門開展示范應用。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)標準主管部門立項或批準。

2.5 云計算和大數(shù)據(jù)開源社區(qū)生態(tài)系統(tǒng)（含前期成果集成展示）（應用示范類）

研究內(nèi)容：研究開源社區(qū)的運作模式和商業(yè)模式，研制安全可控的開源項目支撐系統(tǒng)，建立國內(nèi)外開源項目和社區(qū)的按需同步機制，支持企業(yè)主導創(chuàng)建開源軟硬件項目并建設相應的生態(tài)系統(tǒng)；研究基于眾包的軟件在線開發(fā)方法，建立軟件開發(fā)知識庫和軟件工程云；研究開發(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(jiān)控與運維、云應用開發(fā)與部署等方面的開源軟件；研究開發(fā)一批涉及大數(shù)據(jù)采集、存儲、傳輸、分析、計算與應用相關的開源軟件，促進大數(shù)據(jù)技術的完善及在各個領域中的大規(guī)模應用；建設有一定影響力的云計算和大數(shù)據(jù)開源社區(qū)，吸引一批云計算和大數(shù)據(jù)的技術人員參與和互動；培養(yǎng)一批高素質的人才隊伍。

考核指標：建成由中國主導的云計算和大數(shù)據(jù)開源社區(qū)，培養(yǎng)一支100人以上的開源項目維護和貢獻的技術隊伍，吸引100家云計算和大數(shù)據(jù)相關企業(yè)參與，注冊用戶超10000人，月活躍用戶超1000人；發(fā)布100項云計算和大數(shù)據(jù)相關開源軟件（中國主導的開源軟件不低于10項），合計每月更新1萬次、下載10萬次。

3.大數(shù)據(jù)分析應用與類人智能

3.1大數(shù)據(jù)分析的基礎理論和技術方法（基礎研究+共性關鍵技術類）

研究內(nèi)容：研究多源異構、先驗知識缺乏、不確定條件下大數(shù)據(jù)的表示、存儲、度量、語義理解和基于認知的分析方法，研究知識的自動抽取、知識發(fā)現(xiàn)的理論與方法，構建面向領域的知識圖譜；研究大數(shù)據(jù)環(huán)境下機器學習的創(chuàng)新理論、方法和平臺，提出面向流數(shù)據(jù)和復雜高維數(shù)據(jù)的新型分析挖掘技術；研究大數(shù)據(jù)知識推理、問題分析與求解等關鍵技術，提出大數(shù)據(jù)高效檢索的理論方法；研究大數(shù)據(jù)的可視化技術，開發(fā)面向領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、真實性、實時性）下的大數(shù)據(jù)分析理論和技術；研制開放共享的大數(shù)據(jù)分析平臺，提供大數(shù)據(jù)分析、挖掘和可視化的基準測試。

考核指標：建立比較系統(tǒng)的大數(shù)據(jù)分析基礎理論和技術方法，在機器學習理論與方法上取得創(chuàng)新突破，形成國際影響。研制大數(shù)據(jù)分析、挖掘與可視化的算法與工具庫，不少于20個獨立的系統(tǒng)或工具，并在中國開源社區(qū)開放。發(fā)表系列高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

3.2 高時效、可擴展計算模型和優(yōu)化技術（共性關鍵技術類）

研究內(nèi)容：研究新型分布式大數(shù)據(jù)組織與存儲系統(tǒng)，增強系統(tǒng)的自適應性和可擴展性，可針對不同計算模式和任務負載特征進行自適應優(yōu)化和調整；研究基于眾核加速器的大數(shù)據(jù)計算模型、分布式處理框架、易用的編程環(huán)境，開發(fā)高效、可擴展的大數(shù)據(jù)計算系統(tǒng)；研究大數(shù)據(jù)分析意圖理解，以及分析意圖、分析方法及數(shù)據(jù)集合的智能匹配理論與技術，研究快速推薦數(shù)據(jù)分析途徑、形成智能式交互向導的方法與系統(tǒng)技術，研究彈性資源管理、高效任務調度、以及執(zhí)行優(yōu)化技術；研究各類大數(shù)據(jù)機器學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(shù)據(jù)機器學習系統(tǒng)；面向連續(xù)流式大數(shù)據(jù)應用，研究具有*高吞吐量的流數(shù)據(jù)計算引擎；開發(fā)融合了內(nèi)存計算、流計算、深度計算、以及經(jīng)典機器學習的綜合示范應用。

考核指標：在混合負載下，新型存儲系統(tǒng)的性能要比開源Hadoop系統(tǒng)提高50%以上；大數(shù)據(jù)計算系統(tǒng)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間小于1秒，推薦數(shù)據(jù)分析途徑的用戶滿意度超過80%，有向導下數(shù)據(jù)分析執(zhí)行時效比無向導提高5倍以上；深度學習模型要實現(xiàn)百萬級參數(shù)的學習能力；示范應用的數(shù)據(jù)規(guī)模要達到PB級；主要系統(tǒng)要向中國開源社區(qū)開放，關鍵技術申請系列發(fā)明專利。 

3.3 互聯(lián)網(wǎng)智慧教育關鍵技術與示范應用（應用示范類）

研究內(nèi)容：研究教育知識圖譜構建與導航學習關鍵技術；面向用戶的個性化教育資源融合關鍵技術；在線學習助手關鍵技術；基于大數(shù)據(jù)的精準化教育評價技術；虛實融合教學場景構建和人機交互關鍵技術。集成上述技術，構建出互聯(lián)網(wǎng)智慧教育平臺，針對基礎教育、職業(yè)培訓等開放學習群體以及有組織學習群體開展互聯(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，重點開展大數(shù)據(jù)驅動的中小學生學業(yè)水平和信息素養(yǎng)測評示范，輻射涵蓋輻射東、中、西部地區(qū)的100個示范區(qū)，10000所實驗校，受益人數(shù)超過1000萬；在職業(yè)培訓方面，研發(fā)建設基于VR/MR/AR技術的精品特色課程資源100門以上；面向企業(yè)需求的定制化人才培養(yǎng)等服務，培養(yǎng)IT、汽車、機械、電子等行業(yè)的技能人才300萬以上；在有組織學習方面，構建涉及100門課程的10萬個知識主題樹，示范應用支撐的學習者人數(shù)不少于300萬，實現(xiàn)跨學習平臺融合匯聚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(shù)據(jù)的公共安全事件智能感知與理解（應用示范類） 

研究內(nèi)容：針對目前公共安全事件預測困難和檢測不準的問題，綜合利用衛(wèi)星和航拍影像、地面跨時空視頻、網(wǎng)絡數(shù)據(jù)和地理信息等，實現(xiàn)面向公共安全的天空地網(wǎng)大數(shù)據(jù)一體化智能處理。以事件為中心，研究跨時空多源大數(shù)據(jù)的多尺度、多粒度關聯(lián)，地理信息驅動的目標檢測、追蹤和識別，多源異構數(shù)據(jù)融合的目標行為表示和語義理解，建立個體行為和群體事件的演化預測模型。突破公共安全大數(shù)據(jù)關聯(lián)弱、理解淺、利用差等瓶頸，構建跨時空大數(shù)據(jù)一體化處理的公共安全事件智能感知和理解系統(tǒng)，實現(xiàn)多源異構數(shù)據(jù)關聯(lián)挖掘、異常行為智能感知和事件處置決策支撐，并開展應用示范。

考核指標：研制跨時空大數(shù)據(jù)一體化處理的公共安全事件智能感知和理解系統(tǒng)，并在反恐維穩(wěn)重點地區(qū)和邊境地區(qū)進行應用示范。支持3種以上語言的識別，語種識別準確率超過90%，已知有害音視頻發(fā)現(xiàn)率超過95%。突發(fā)事件感知準確率超過80%，特定人員和車輛的檢測率超過90%，人員識別準確率超過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。研發(fā)天空地網(wǎng)大數(shù)據(jù)在線分析與可視化工具，TB級數(shù)據(jù)在線實時檢索與展示的響應時間低于10秒。

3.5 基于立體精準畫像的學術同行評價系統(tǒng)（應用示范類）

研究內(nèi)容：根據(jù)學術同行評價的需求，研究學術行為的畫像模型和體系，綜合運用大數(shù)據(jù)技術（獲取、清理、組織、分析等），為百萬量級的學術群體，建立立體精準學術畫像，形成實時動態(tài)、智能的畫像庫和學術關系圖譜。研究學術畫像的準確性驗證方法和技術。研究學術畫像多種維度的組合以及自適應權重等方法，以適合不同目的學術同行評價體系，研制以立體精準畫像為基礎的學術同行評價系統(tǒng)。

考核指標：學術畫像庫超過100萬個體，具備24小時內(nèi)新增1000個學術畫像的能力。個體的學術畫像與真實行為的時間間隔在72小時以內(nèi)，學術畫像的精準度超過98%。研制的學術同行評價系統(tǒng)在國家的科技、教育等權威部門開展應用示范，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+共性關鍵技術類）

研究內(nèi)容：針對人機物融合環(huán)境下的泛在化、社會化、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態(tài)發(fā)現(xiàn)與協(xié)同管理技術、資源敏感和時空感知的應用自適應與自演化技術、面向移動互聯(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鍵技術；研制以人為中心的人機物融合云計算平臺，并結合重點領域開展應用示范。

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體系及規(guī)范；研制的云計算平臺通過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景需覆蓋10個不同品牌合計100萬臺終端設備、支持100個*三方商業(yè)應用的按需融合；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產(chǎn)權。

4.2 基于云計算的沉浸式交互影像技術與系統(tǒng) （應用示范類）

研究內(nèi)容：高維影像數(shù)據(jù)獲取與語義理解，包括：面向沉浸式影視制作的全尺度數(shù)據(jù)捕獲、高維光場影像高效獲取、跨維度影像數(shù)據(jù)的語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(shù)據(jù)驅動的高精度、專業(yè)化、風格化模型表達，以及影像大數(shù)據(jù)動態(tài)聚合與自主生長等；影像定制化與個性化自動生成，包括：領域知識引導的影視級高端三維場景定制化自動生成，基于引擎的大規(guī)模影像個性化自動生成，高維光場影像云處理和云發(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合成，具有行為真實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)關鍵技術等；沉浸式交互影像高效渲染呈現(xiàn)，包括：高維光場影像終端顯示技術、三維模型高效渲染技術及工具；云端融合的沉浸式交互影像技術系統(tǒng)，及其在電影電視、游戲娛樂等行業(yè)的應用示范。

考核指標：電影級光場采集系統(tǒng)相機數(shù)量≥100臺，工作范圍≥20m²，捕獲速度≥60fps；跨維度影像數(shù)據(jù)部件級語義解析準確率平均達90%，形成一個超過5萬個模型的三維模型庫，構建的場景內(nèi)模型數(shù)超過500個；支持高維影像對象分割、時域編輯、風格化濾鏡、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)作關鍵功能；影像發(fā)布與計算平臺傳輸帶寬≥1TB/S，數(shù)據(jù)吞吐量讀取速度≥6GB/s，寫入速度≥4GB/s，并行處理文件數(shù)量≥20萬/s，支持并行計算GPU數(shù)量≥100臺；制定面向沉浸式交互影像的采集、傳輸、呈現(xiàn)的技術規(guī)范并形成標準，并實現(xiàn)在影視制作、游戲娛樂等行業(yè)的典型應用示范，成果應用項目超過50個。

4.3 多模態(tài)自然交互的虛實融合開放式實驗教學環(huán)境（應用示范類）

研究內(nèi)容：建立支持云端融合和多模態(tài)自然交互的虛實融合課堂教學環(huán)境，具備視覺、聽覺、觸覺等感知能力的交互模塊基礎件，以及相應的實物交互套件；建立支持中學教育主要課程的虛擬實驗開發(fā)平臺和界面工具，支持教師自主生成互動虛擬實驗教學資源；支持多模態(tài)人機交互的智能化學習環(huán)境，通過對多課程和多場景的數(shù)據(jù)匯集，研制與學習者個性化需求與能力適配的智能化學習系統(tǒng)； 建立新型探究式學習的全面評價體系，通過對學習過程與結果的智能識別與分析，匯集和提煉學習者的行為、心理和生理等多維度特征，實現(xiàn)對學習者多層次、精準化的客觀評價。

考核指標：多模態(tài)自然交互模塊基礎件支持手勢、語音、觸覺、實物、筆式等交互技術，交互行為識別率大于90%；支持教師自主生成互動教學資源的虛擬實驗開發(fā)平臺和界面工具，覆蓋數(shù)學、物理、化學、生物等主要課程，形成20個以上典型教學課件；制定云計算教學終端多模態(tài)人機交互技術標準，以及高沉浸呈現(xiàn)與多模態(tài)交互智慧教育課堂環(huán)境的行業(yè)規(guī)范；在中學開展應用示范，應用示范單位不少于200家；申請系列發(fā)明專利。

4.4 基于云計算和智能交互的隨身辦公技術與系統(tǒng)（應用示范類）

研究內(nèi)容：研制面向移動終端和虛實融合自然交互技術的多用戶遠程和本地協(xié)同辦公平臺，實現(xiàn)相應的用戶界面工具和支撐硬件，研究面向移動協(xié)同辦公和用戶長歷史行為大數(shù)據(jù)的個性化用戶模型及增量式學習技術；突破大數(shù)據(jù)驅動的高靈敏觸及反饋式虛擬投射鍵盤技術和高準確率的手指虛擬鍵盤動作識別技術，研發(fā)面向移動終端的多模態(tài)深度融合的高效率信息輸入和內(nèi)容編輯技術；研究基于云端的多移動終端的分屏顯示與協(xié)作機制，研制滿足長期健康使用需求的、具有匹配個體差異的沉浸式超大視場顯示終端，實現(xiàn)多移動終端、穿戴式顯示終端與虛擬鍵盤、手勢、語音等的統(tǒng)一交互方式；在上述內(nèi)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(tǒng)。

考核指標：多用戶遠程和本地協(xié)同辦公平臺支持常見的移動終端，支持16個節(jié)點以上的遠程交互，能支撐虛實融合的工作討論、協(xié)同設計等任務；多模態(tài)自然交互協(xié)同辦公機制支持虛擬鍵盤、觸控、手勢、語音和筆等通道，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%，支持用戶擊鍵動作的個性化自動糾錯技術，能夠實現(xiàn)每分鐘180個以上英文字符正確輸入；沉浸式顯示系統(tǒng)視場角不小于150度，能自主顯示虛擬鍵盤，并與手勢識別等協(xié)同交互工作，手勢和擊鍵動作識別準確率不低于95%，經(jīng)大規(guī)模人群測試后的連續(xù)健康沉浸時間可達2小時；智能隨身辦公系統(tǒng)應支持企業(yè)辦公、教育培訓等行業(yè)用途，形成規(guī)?；a(chǎn)業(yè)應用。

[上一個產(chǎn)品：“深海關鍵技術與裝備”重點專項2018年度項目咨詢指南] [下一個產(chǎn)品：蘇州市工業(yè)設計中心