基础设施领域自主工程设计软件问题

自主可控 设计软件 基础设施领域 新基建

基础设施领域包含多个方面，如交通基础设施、能源供应设施、水利水电设施、通信设施、市政公用设施和公共服务设施等，其中交通基础设施领域在我国占据着至关重要的战略性地位，涵盖公路、铁路、航空、水运、轨道交通等。工程设计软件作为工业软件的重要分支，是基础设施领域的关键生产力，其生态与发展是交通强国的重要体现。工程设计软件分为基础软件和应用软件。基础软件如 AutoCAD、ArcGIS、ANSYS 等，具备基础且通用的功能，像二维/三维绘图、地理信息系统、有限元分析等，不依赖于其他软件。应用软件如纬地道路、桥梁大师等，是基于基础软件或利用其输出数据进行二次开发的，以实现专业化的设计功能，比如道路设计、桥梁设计等。软件集成了复杂的算法和模型，可以辅助各类工程项目进行规划、设计、分析以及仿真模拟，在基础设施建设中发挥着重要作用。根据《中国工业软件产业白皮书（2020）》中数据显示，直至2019年前，我国95%的工程设计软件依赖进口。从2020年开始，欧美国家开始对我国一些企业开展制裁，而设计软件领域严重被欧美国家制约。为打破国外技术壁垒与垄断，解决“卡脖子”难题，保障数字工程建设安全，提升新质生产力，在基础设施领域实现设计软件的自主可控迫在眉睫。 21世纪以来，我国基础设施建设领域迅猛发展，然而工程设计软件却高度依赖进口。采用国外设计软件存在巨大的信息安全风险，若基础设施重要控制性工程的关键信息发生泄露，将直接危及国家安全。与此同时，伴随中美贸易摩擦风险的不断增大，关键核心技术受制于人，致使我国基础设施建设面临“卡脖子”风险，甚至对“一带一路”国家战略产生影响。鉴于此，建议国家强化政策支持力度，完善相关学科建设，加大资金投入规模，健全软件生态体系，以此加快国产工程设计软件的发展，降低对国外技术的依赖，保障信息安全，促进产业的健康发展。

推荐机构： 中国公路学会

2024年度

情智兼备数字人与机器人的研究

情感计算 情商 数字人 机器人

情智兼备的数字人与机器人不仅能够实现处理任务的高效性，也能够兼顾情感关怀的人性化，旨在不断提高人机交互的综合水平。在深度学习技术发展的推动下，数字人和机器人在认知、决策和学习方面取得了长足的进步，然而在情商方面仍面临着诸多挑战，如情感识别的准确性和情感表达的自然性等。未来研究面临的关键难点包括多模态情感感知、个性化情感分析和仿生化情感交互。情智兼备的数字人与机器人对推动通用人工智能技术的发展具有重要意义，将在医疗、教育、工业等领域展示出广阔的应用前景，有效服务民生改善、国防建设等国家重大需求。同时，情感智能的研究也将促进跨学科合作和交流，为人工智能技术的发展提供新的思路和方法，推动智能时代的到来。

推荐机构： 中国图象图形学学会

2024年度

自主可控高性能GPU芯片开发

高性能计算 图形处理 数据分析 计算能力

高性能GPU（图形处理单元）是计算设备中的关键组件，负责渲染图像、视频和其它视觉内容。近年来，由于虚拟现实、人工智能和高分辨率游戏等图形密集型应用和技术的兴起，对高性能GPU的需求显著增加。高性能GPU在各个应用领域有着广泛的应用，已是国家经济的支柱技术。在当今紧张的国际环境和脱钩的压力下，中国研发自己的高性能GPU显得极其重要。 开发高性能GPU是一个复杂的系统工程，涉及硬件设计、软件设计、先进制程工艺及开源架构和应用集成。开发高性能GPU涉及的许多关键步骤和注意事项，涵盖架构设计、性能优化、软件开发、功耗管理和制造工艺等各个方面。 GPU研发可以归纳为以下：图形处理单元（GPU）是一种专用电子电路，旨在快速操作和更改内存，以加速在帧缓冲区中创建图像，以输出到显示设备。高性能GPU是现代计算设备的重要组件，可实现在游戏、人工智能、科学计算和视觉设计等领域的广泛应用。除了芯片硬件开发之外，还有软件框架开发，包括GPU上运行的固件、Kernel Driver、User Mode Driver、Windows Systems。集成这些系统有很大的挑战。 开发高性能GPU有一系列的困难和挑战，包括： 架构设计：GPU的架构包括处理单元、内存子系统、互连和专用硬件组件（如：纹理单元）。高效且能够处理复杂的图形和运算处理任务的架构极其重要。 软件栈开发：GPU编程需要编写高效的算法、优化并且执行代码以及利用专门的库和框架。软件开发包括驱动程序、编译器和工具。集成开源软件是开发人员能够充分利用到的巨大的开原生态工作之一。 性能优化：最大化性能同时最小化延迟，该瓶颈对于GPU开发至关重要。这涉及优化架构、平衡工作负载以及实施高效的数据处理技术。 测试：GPU是个大系统芯片。除了模块级测试、芯片级测试，还需要整机和多机互联测试。 功耗管理：管理功耗和散热对于高性能GPU来说至关重要，以确保稳定性、可靠性和效率。必须设计多个电源域，并由软件根据需要自动管理。 制造工艺：使用先进半导体制造工艺对于GPU最终性能至关重要。开发高性能GPU需考虑使用最优的生产工艺。同时，也要考虑当前国际形势对可使用工艺的影响。 综上所述，开发高性能GPU是一个充满挑战的大系统过程，需要硬件设计、软件优化和先进工艺技术等方面的专业知识，以及多年经验的积累。研发过程中涉及架构设计、软件开发、可使用IP及制造工艺等领域。在当前国际大环境中，每一个环节都要有研发人员的多年技术积累和灵活应对挑战的能力。 依据国家对高性能GPU的国产自主可控的需求，从图形学理论的基础解析开始，对各种应用场景的算法和算力要求进行了全面分析，定义出完全自研的、面向超标量流处理的架构及核心IP，打造系列产品作为高性能GPU的国产替代，解决卡脖子问题。该国产GPU应遵循国际标准OpenGL&OpenCL，满足高质量图形显示的可编程设计，可形成高性能通用图形处理器板卡、模组、系统等多种形式的产品，采用双精度Tensor Core，实现了自GPU推出以来，高性能计算性能的巨大飞跃。GPU可兼用于显示设备和智算设备。结合80GB的高速GPU显存，可将10小时双精度仿真缩短到4小时以内，HPC应用还可以利用TF32将单精度、密集矩阵乘法运算的吞吐量提升高达10倍，提供功能强大的端到端AI和HPC数据中心平台，并应用于深度学习训练、深度学习推理、高性能计算、高性能数据分析，加速当今时代的重要工作。

推荐机构： 中国图象图形学学会

2024年度

如何实现低能耗人工智能？

人工智能 低碳节能 神经网络 信息表征

人工智能技术的进步得益于人类大脑的研究进展和发现。通过学习人类视觉神经系统，发现了卷积神经网络解决机器视觉的问题；通过学习人类大脑的奖励机制，发现了强化学习的方法，大大提升了机器学习效率。但在能量的使用方面，机器对数据的处理和对能量的消耗是大脑的数千倍。由此引出了这个重要科学问题：如何实现低能耗人工智能？解决这一问题可能的两条路径，一是算力硬件领域的进步，仿照人类神经元的组成和工作原理，突破现有计算机的架构，实现低能耗人工智能计算。二是算法领域的进步，发现和学习人类神经元信息处理的方式，突破信息表征新范式，实现低数据处理量的人工智能计算方法，实现低能耗人工智能。

推荐机构： 中国移动科学技术协会

2023年度

如何发挥我国信息通信产业优势、快速实现Chiplet技术和产业突破？

芯粒 信息通信 先进封装 芯片互联

相比传统芯片，Chiplet（芯粒或小芯片）技术可有效降低成本，提升集成规模和设计效率，缓解对先进工艺的依赖。但是由于我国在标准制定、技术研究、产品研发、生态构建等方面与国外先进水平相比存在一定差距，导致目前国内Chiplet技术和产业发展缓慢。同时过去二十年中我国信息通信行业实现了跨越式发展，形成了广泛的应用场景、完善的产业生态以及充足的人才储备，为发挥新型举国体制开展关键核心技术攻创造了条件。据分析，Chiplet技术有望应用于5G基站、数据中心、人工智能平台等信息通信产业核心环节，提供更低成本、更高算力的基础设施。因此如何借助我国信息通信产业优势，快速实现Chiplet技术和产业突破，突破芯片技术封锁，是当前面临的一项重要产业技术问题。

推荐机构： 中国通信学会

2023年度

如何发展面向高性能和低成本产业升级的自主可控SoC芯片？

高性能 低成本升级 自主可控 系统芯片

伴随美国对中国贸易战的不断升级，美国对关键高端芯片的限制越来越严格，交货时间不断延长，芯片价格不断上涨，部分高端芯片甚至直接禁运，给我国各行业的产业升级改造带来众多困难。与此同时，美国对中国芯片（尤其是先进工艺制程的高端芯片）的设计制造能力进行全面封杀，通过使用先进工艺提高自主可控芯片整体性能的进程严重受阻。如何在现有较为落后但自主可控的国产工艺上设计并制造高性能的芯片成为亟需解决的现实问题。传统的产业升级模式需要在每一代升级时更换硬件设备和软件，带来极大的升级成本（包括时间成本和资源消耗成本）。如果面向行业需求定制一种SoC芯片，能够兼顾高性能和可编程的灵活性，实现在未来一代或多代的产业升级时不需要更新硬件只需要更新软件，将会产生显著的“降本增效”的效果。因此，现阶段我们亟需破解“如何发展面向高性能和低成本行业应用升级的自主可控SoC芯片？”这一重要的产业技术问题。

推荐机构： 中国图象图形学学会

2023年度

如何实现存算一体芯片工程化和产业化？

存算一体 工具链 芯片 产业化。

存算一体芯片在算力、能效比方面具有明显优势，能够有效克服“存储墙”和“功耗墙”问题，满足目前算力爆炸式增长的客观需求。但是由于关键器件材料性能制约、加工及流片工艺不完善、软件工具链技术缺失等问题，导致目前存算一体芯片工程化和产业化发展严重受阻。因此如何从存算一体芯片的原型设计、材料优化、加工工艺、软件工具链等方面进行系统性研发，实现存算一体芯片的工程化和产业化，是当前面临的一项重要产业技术问题。

推荐机构： 中国通信学会

2022年度

如何实现可信可靠可解释人工智能理论技术路线和方案？

机器学习 可解释 可信 可靠

深度学习的发展使得人工智能模型纷繁复杂，而这些更复杂更强大的模型变得越来越不透明。这些模型基本上仍然是围绕相关性和关联性建立的，从而导致诸多挑战性的问题，如虚假的关联性、模型调试性和透明性的缺失、模型的不可控，以及不受欢迎的数据被放大等。上述问题使得人工智能模型的现实应用存在潜在的公平性、安全性、伦理道德等风险。为缓解经典学习范式的缺陷，防止人工智能系统存在不可信、不可控和不可靠的软肋，实现可信可靠的人工智能，在现实任务中发挥出更大效用，提升人工智能的可解释性是其中的重大挑战。

推荐机构： 中国人工智能学会

2022年度

如何利用人工智能实现医疗影像多病种识别并进行辅助诊疗？

医疗影像 人工智能 图像识别 深度学习 病灶识别与标注 辅助诊疗

影像诊疗的概念原起源于肿瘤学领域，之后其外延才扩大到整个医学影像领域，理解医学影像、提取其中具有诊断和治疗决策价值的关键信息是诊疗过程中非常重要的环节。 由于医疗资源分配不平均，造成许多医疗水平落后地区出现较为严重的误诊率，人工智能的勃兴已经成为推动社会经济发展的新动力之一，人工智能结合医疗影像实现辅助诊疗成为必然趋势，但目前的技术都是针对单病种的识别，忽略了病理之间的相关性，有可能延迟其他病灶被发现的时间，耽误最佳治疗时间；同时，单病种识别的低利用率，给医生综合诊治过程带来了极大的不便。实现人工智能精准辅助诊疗，可以从根本上有效缓解医疗资源的压力，提升医生诊疗的效率和精度，减少误诊和患者的时间经费等开销。所以，如何有效的利用人工智能实现医疗影像多病种识别，最大程度挖掘影像数据从而进一步辅助医生对患者诊疗是具有重大意义的。

推荐机构： 中国电子学会、中国科协信息科技学会联合体

2021年度

硅基光电子片上系统集成的关键技术难题

信息光电子 硅光子技术 光电子芯片 光通信与光互联

推荐机构： 中国通信学会

2020年度