大云網新技術云計算正文

“云計算和大數據”重點專項2018年度項目申報指南

2017-10-12 15:36:34 科技部　點擊量：評論 (0)

為落實《國家中長期科學和技術發展規劃綱要( 2006-2020年)》，以及國務院《關于促進云計算創新發展，培育信息產業新業態的意見》和《關于印發促進大數據發展行動綱要的通知》等提出的任務，國家重點研發計劃啟動

2.2 基于編程現場大數據的軟件智能開發方法和環境 (共性關鍵技術類)

研究內容：研究跨地域軟件開發現場的數據實時采集、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;研究面向代碼質量實時動態檢測與質量提升的智能編程技術;研究面向代碼風格與編程規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現場數據庫和規范源碼樣例庫，研制基于智能化人機交互協作的軟件開發云平臺，在不同規模的軟件企業中進行示范應用。

考核指標：研制的平臺支持 1000 人以上的軟件開發現場，人機交互協作系統響應時間低于 2 秒;規范源碼樣例庫覆蓋 100個項目上億行代碼;在 3 個以上不同規模軟件企業進行示范應用，最大開發人員規模超過 1000 人，支持 100 個軟件開發項目，每個項目代碼量不低于 10 萬行，智能化人機交互協作覆蓋代碼行超過70%，接口與代碼推薦平均準確率超過 70%，自動生成代碼量超過 50%;發表一批高水平學術論文，申請系列知識產權。

2.3 面向智能制造的供應鏈流程管控軟件平臺(應用示范類)

研究內容：面向智能制造中供應鏈管理與優化及其涉及的企業研發設計、生產制造、經營管理、銷售服務和客戶服務等制造領域流程相關的核心問題，研究企業內外部系統異構數據獲取和智能治理，面向制造領域關鍵流程的知識建模、數據分析和優化、深度網絡挖掘和決策，以及不同規模的企業和供應商之間的供應鏈協同等基于云模式和大數據的新型軟件應用關鍵技術，研制面向智能制造的供應鏈流程管控軟件平臺，并進行示范應用。

考核指標：異構數據治理軟件系統支持 30 種以上企業資源管理系統( ERP)、制造執行系統( MES)、產品生命周期管理系統( PLM)、供應鏈管理系統( SCM)等制造領域國產和進口控制和管理軟件系統 90%基礎數據的獲取，提供實證的 10PB 級制造領域數據存儲和計算能力;智能制造領域知識分析和優化平臺支持供應鏈優化、質量改進、生產性故障預防、設備健康度評估等 50 個以上典型場景，支持多個供應鏈流程的組合式分析和優化;流程管控軟件平臺國產化率達到 80%，在 10 個以上中國制造 500 強企業部署和應用;申請系列知識產權。

2.4 私有云環境下服務化智能辦公系統平臺(應用示范類)

研究內容：研究基于私有云環境構建辦公系統(如政務辦公等)的典型需求;提出適用于私有辦公云建設的基礎架構、技術體系與規范，提出基于國產基礎軟硬件系統的云-端配置解決方案;突破面向不同辦公應用、場景、規模等個性化需求的國產軟硬件的云化集成、適配與定制化管理關鍵技術;完成常見辦公軟件和文檔工具等應用資源的服務化封裝;研究數據驅動的辦公流程優化、用戶行為分析、智能化服務等應用技術;研制私有云環境下流程可定制的服務化智能辦公系統平臺，并提供支持二次開發的應用編程接口;開展平臺的示范應用。

考核指標：研制的辦公系統平臺支持 10 種以上的智能辦公場景，在典型的政務部門辦公規模下的系統伸縮性、資源利用率、整體性價比和能效比均達到同期國際主流水平，軟件平臺自身國產化率超 80%，示范應用的軟硬件國產化率超 80%，在 3-5 個重要的部門開展示范應用。申請系列知識產權，并制定若干行業、國家標準(送審稿)。

2.5 云計算和大數據開源社區生態系統(應用示范類，含前期成果集成展示)

研究內容：研究開源社區的運作模式和商業模式，構建安全可控的中文開源項目和社區支撐平臺，建立國內外開源項目和社區的按需同步機制，支持企業主導創建開源軟硬件項目并建設相應的生態系統;建立軟件開發知識庫和軟件工程云，支持大規模軟件眾包活動;匯聚一批云計算與大數據重點研發計劃的前期軟件成果，通過集成、優化、完善、增補，形成較全譜系的云計算與大數據開源軟件體系;建設有較大影響力的云計算和大數據開源社區，匯聚成規模的云計算和大數據的技術人員;培養一批高素質的開源軟件人才隊伍。

考核指標：建成由中國主導的云計算和大數據開源社區，形成一支 100 人以上的開源項目和社區維護技術隊伍，吸引 100 家以上云計算和大數據相關企業參與，注冊用戶超 10 萬人，月活躍用戶超1萬人;匯聚1000項以上云計算和大數據相關開源軟件(中國主導的開源項目不低于 20%)，合計每月更新超 10 萬次、下載超 100 萬次。

3. 大數據分析應用與類人智能

3.1 大數據分析的基礎理論和技術方法(基礎研究+共性關鍵技術類)

研究內容：研究大數據環境下機器學習的創新理論和方法，面向流數據和復雜高維數據的新型分析技術，以及在特定約束條件(例如安全性、隱私性、實時性)下的大數據分析技術;研究大數據的可視化展現和分析技術，開發面向領域的可視化工具庫;研究多源異構、先驗知識缺乏、不確定條件下的大數據挖掘技術，以及符合人類認知不確定性特點的分析方法;研究知識的自動抽取、知識發現、知識推理、問題分析與求解的理論與方法，構建面向領域的知識圖譜;研制開放共享的大數據分析平臺，制定大數據分析平臺通用要求相關標準，并提供大數據分析、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方法，在機器學習理論與方法上取得創新突破，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 個獨立的系統或工具，并在中國開源社區開放。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

在大數據分析平臺通用要求上形成若干國家標準(送審稿)。

3.2 高時效、可擴展的大數據計算模型、優化技術與系統(共性關鍵技術類)

研究內容：研究對不同計算模式和不同任務負載可進行自適應優化和可伸縮調整的新型分布式數據存儲系統;研究多種計算模型融合并存、執行過程可優化、分布式可擴展的大數據計算系統;研究各類經典大數據機器學習算法的高效并行化方法，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習系統;研究智能式交互向導的大數據分析意圖理解以及分析途徑推薦技術;開展流數據大規模在線數據分析的綜合示范應用。

考核指標：在混合負載下，新型存儲系統的性能要比開源系統提高 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間小于 1 秒，推薦數據分析途徑的用戶滿意度超過 80%，有向導數據分析執行時效比無向導提高 5 倍以上;深度學習模型要實現百億級參數的學習能力;示范應用的數據規模要達到 PB 級;主要系統在中國開源社區開放，發表一批高水平學術論文，關鍵技術申請系列發明專利。

免責聲明：本文僅代表作者個人觀點，與本站無關。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內容。

我要收藏

個贊