(一)申報課題

　　1.申報課題應具有較為明確的技術路線，較強的產業牽動力、貢獻力和社會效益，具有清晰、可量化的目標及考核指標。

　　2.課題應有明顯的技術突破，鼓勵在行業形成示范應用。課題成果應服務于國家戰略和實體經濟，有利于推動人工智能相關技術產品自主創新發展。

　　3.本領域2023年擬支持課題25項，課題經費原則上分為400萬元、600萬元、800萬元三檔，其中新架構芯片研發、算法研究、平臺系統研發、大模型應用類課題經費為400-600萬元，國產工藝人工智能芯片研發類課題經費為800萬元。對具有較強創新潛力，有望形成引領性原始創新成果、推動關鍵核心技術取得重大創新突破的課題，可適當提高財政科技經費支持額度。申請課題實施周期原則上不超過2年。

　　(二)申報單位

　　1.申報單位須為在北京地區注冊、具有獨立法人資格的單位，具有相應的科研能力和條件，具備健全的項目(課題)管理、財務管理、科研人員管理、科技成果與知識產權管理、檔案與保密管理等制度，擁有專業研究團隊和科研管理團隊，運行管理規范。鼓勵創新企業牽頭，產學研用聯合攻關。

　　2.申報單位需符合《北京市科技計劃項目(課題)管理辦法》和《北京市科技計劃管理相關責任主體信用管理辦法》要求;近3年內在申請各級各類科研項目(課題)中無不良信用記錄，無行政處罰或違法記錄，無不良科研誠信記錄。

　　3.申報單位原則上可參與申報本領域課題數量不超過2項。

　　4.企業作為申報單位，應明確說明課題投資總額和資金來源，提供相應配套經費，配套經費與財政科技經費比例不低于2:1。

　　(三)申報負責人

　　1.申報負責人應為申報單位的正式在職人員，具有良好的職業道德，無不良行為記錄。在課題申報時，負責人在課題實施期內在職，具有領導和組織開展創新性研究的能力，身體健康并能切實履行職責，有充足時間保證課題順利實施。

　　2.申報負責人需符合《北京市科技計劃項目(課題)管理辦法》和《北京市科技計劃管理相關責任主體信用管理辦法》要求。申報負責人作為負責人同期承擔北京市科委、中關村管委會課題原則上不超過1項，作為主要參加人員同期參與課題數(含擔任負責人的課題)原則上不超過2項。

　　申報內容：

　　(一)計算芯片及新架構技術研究

　　針對人工智能芯片自主創新需求，研制基于國產工藝的GPGPU芯片，實現設計、制造、封裝全國產化，并開展示范應用;針對桌面、嵌入式設備對三維圖形顯示和人工智能應用加速的需求，研制基于國產工藝的GPU芯片，實現與國產CPU平臺適配，并開展示范應用;針對大模型、AIGC等場景需求，研制基于國產工藝的云端訓推一體芯片，實現對FP32/FP16/INT8等多精度數據類型的支持，并開展示范應用。

　　針對物聯網、移動終端、智能無人系統等場景對高能效計算的需求，研制基于高密度存儲器件的存內計算芯片，在存儲器內部實現計算，研究核心典型神經網絡基于存內計算的優化部署及可重構架構技術，并實現應用驗證;針對超低功耗智能視覺物聯網場景，研制高速高帶寬感存算一體智能視覺感知芯片，研究智能感知任務在模擬域實現的電路技術和軟硬件聯合優化方法，并在可穿戴領域實現量產;針對大型語言模型和自動駕駛等場景對高效訓練與推理計算的需求，研制支持混合精度計算的人工智能芯片，研究新型浮點格式，研究低延遲、細粒度的動態混合精度自動分配優化方法與架構技術，并完成功能驗證。

　　(二)大模型技術及應用

　　針對大規模中文多模態數據處理手段單一、文本生成內容不可控、計算資源受限等問題，開展大模型關鍵技術研究。研究高效數據處理技術，研發中文多模態大模型訓練數據分布式自動采集、標注工具及平臺，構建高質量多模態中文數據集;研究可控文本生成技術，突破多模態數據語義對齊、人類意圖需求對齊等技術難題;研究大模型高效分布式訓練、神經網絡壓縮等技術，與國產芯片進行適配，并開展示范應用;研究大規模圖神經網絡建模與訓練技術，研發大規模圖計算系統，并開展示范應用。

　　針對大模型垂直應用整合不足問題，開展領域大模型應用技術研究，推動領域大模型規模化落地應用。針對政務服務智能問答、智能搜索需求，研究人類情感分析、多輪對話、知識圖譜融合等技術;針對消費、金融等領域輔助決策需求，突破長文本精準解析、跨模態知識表征與自動更新等技術，研發多模態智能交互系統;針對醫療領域輔助診療需求，探索基于多模態大模型的醫療知識圖譜構建、可循證診療決策關鍵技術;針對智慧城市建設和自動駕駛多維感知需求，開展基于多模態協同感知的大模型技術研發，探索基于低時延通訊的云控自動駕駛模型測試技術。

　　(三)可信人工智能

　　針對生成模型帶來的倫理風險與安全問題，開展深度偽造視頻人像鑒定技術研究，構建多模態特征融合的深偽視頻人像量化檢驗技術體系，研制具備視頻人像鑒定能力的深偽智能識別系統，并開展示范應用;開展高安全數據隱私計算技術研究，形成面向大模型訓練的海量數據隱私保護框架，并開展示范應用;研發人工智能生成模型倫理風險評估技術體系及測試平臺，構建人工智能生成模型與人類倫理道德價值觀對齊的數據與知識系統，探索適用于生成模型的機器倫理道德框架。