安徽省长三角科技创新共同体揭榜的条件、流程及各项要求是什么？悬赏资金有多少？政策小编给大家一一解答，希望对您有帮助，看完之后还想了解更多申报内容，可以直接致电咨询小编为您解答。

安徽省政策指导专员：182 6974 6898（同V）

揭榜任务

一、集成电路领域

（一）面向感存算一体化芯片的晶圆级集成工艺研究

1. 应用场景。以晶圆级集成方式实现图像感知芯片与磁存算芯片的封装，解决“感存算一体化”芯片的高性能、低功耗、低成本，可实现性等需求，大幅降低芯片成本及尺寸，提升终端物联网集成芯片的边缘计算能力，支撑物联网（IoT）低功耗视觉和高速视觉的场景应用。

其中感知部分为图像传感器（CIS），存算一体化模块是基于新型存储器件的芯片，如改进浮栅晶体管和磁隧道结器件（MRAM）等，揭榜任务主要围绕图像传感器与存算一体化芯片的晶圆级键合和集成技术。

2. 揭榜任务。（1）研究晶圆级键合通孔连接的失效机理，优化工艺及提高键合通孔连接成品率；（2）突破大尺寸晶圆减薄技术及工艺，保证晶圆的散热性能、应力性能、电学性能等；（3）突破“wafer to wafer”晶圆级异质集成、晶圆级对准偏移表征及超声检测键合缺陷等关键技术，实现12寸CIS图像传感器晶圆与磁存储晶圆的感存算一体化集成，提升晶圆级集成连接良率。

性能参数：（1）有效键合通孔节距小于15um，键合密度大于4500/mm2；（2）12寸晶圆减薄厚度小于10μm，TTV控制小于1um；（3）晶圆对准及缺陷良率>95%，电性连接良率>90%。

3. 项目投入。总投入1600万元，其中1500万用于悬赏揭榜方。

（二）自主可控智能毫米波雷达芯片

1. 应用场景。为满足智慧交通、无人机、安防监控等复杂应用场景对芯片的小型化智能化需求，研发高性能自主可控智能毫米波雷达芯片，助推我国在该细分领域技术、产品和市场份额均达到国际领先水平。

根据上述目标，雷达芯片将采用国际领先全集成雷达功能单芯片解决方案，突破低相噪时钟系统设计、片上天线封装等关键技术，实现基于国内先进CMOS工艺线流片生产。

2. 揭榜任务。（1）低相噪时钟系统设计；（2）毫米波芯片流片工艺国产化；（3）片上天线封装技术

性能参数：（1）低相噪时钟系统设计要求在40nm或类似工艺上实现，输入参考源不同频率，振荡频率&相噪达到1GHz 130dBc @ 1MHz offset，功耗小于20mW，面积小于1mm²；（2）毫米波传感器芯片达到量产水平且良品率与国际大厂同等产品偏差小于5%；（3）片上天线毫米波传感器芯片封装量产，开发相应的集成天线测试技术，对于24G微功率器件EIRP大于3dBm的良品率超过90%。

3. 项目投入。总投入1600万元，其中1200万用于悬赏揭榜方。

（三）基于国产GPGPU的类脑异构智能计算服务器及软硬件一体化开发平台

1. 应用场景。针对机器视觉、智能语音、多传感融合、AI大数据分析、智慧交通、智能安防、医疗健康、智能物联等领域，对脉冲神经网络SNN算法训练、算法转换（Resnet18,VGG16,Reset50, YoloV3tiny，基于TensorFlow）、脉冲编解码、云端训练（精度FP16、FP32）、在线仿真系统等技术需求，构建基于国产替代及先进工艺制程（7纳米及以下）的通用图形处理器（GPGPU）之类脑异构计算服务器及软件工具链。

2. 揭榜任务。国产替代及先进工艺制程（7纳米及以下）的通用图形处理器（GPGPU）、GPGPU芯片、GPGPU板卡(PCI-e)、开发板及服务器（一机多卡），具体的硬件数量待定。可适用于脉冲神经网络SNN算法转换技术、脉冲编解码等相关的工具链及软硬件开发、移植、调测及优化。需对标国际头部领先大厂（NVIDIA Tesla A100 80G NVlink，7纳米，CUDA工具链）的属性参数或更优。满足大规模训练/训练一体、最大虚拟化路数、接口类别及数量、显存、带宽、编解码、路数等关键参数要求。

3. 项目投入。1000万元，其中700万元用于悬赏揭榜方。

（四）基于高性能人工智能芯片的新型算力系统

1. 应用场景。面向下一代新型智能计算架构的算力基础设施，研发自主可控的异构众核处理器架构的高性能人工智能新型计算芯片，提供将人工智能的算法训练、推理和分析一体的统一基础算力架构，形成包含硬件产品矩阵、软件开发工具链、行业解决方案级应用等技术需求的系统生态。

2. 揭榜任务。（1）研发可搭载发榜企业的高性能人工智能加速处理器的高性能服务器。（2）结合发榜企业的高性能人工智能加速处理器，形成面向大规模人工智能负载的超异构平台。（3）结合发榜企业的高性能人工智能加速处理器和多层次编程模型形成在大模型、HPC+AI，可信计算等领域的示范应用构建。

性能参数：（1）单台服务器加速处理器搭载处理器数量≥4，且服务器需支持处理器节点间大带宽直连，支持国产化通用处理器和操作系统适配。需保障服务器可靠性和稳定性。（2）相比通用处理器性能功耗比，该平台需加速2个数量级以上。面向超异构平台的资源池，需形成可支持高效编译和智能管理调度的软件工具链，实现不同算法高效部署与运行。可形成人工智能领域计算编程语言和面向超异构平台的专用架构描述语言，支持计算负载的跨层表达、分析和协同优化。（3）支持千节点级别的任务负载部署与运行。

3. 项目投入。1.5亿元，其中1000万用于悬赏揭榜方。

（五）6-8英寸碳化硅衬底产业化

1. 应用场景。实现大尺寸高质量碳化硅晶体、衬底的研发及产业化。国内6英寸SiC衬底摆脱进口依赖，满足节能减排、绿色发展、智能制造、信息安全等国家重大战略需求，可为新能源汽车功率器件、光伏逆变器、5G等无线通讯等领域提供稳定的SiC单晶衬底。

2. 揭榜任务。研究SiC长晶的新型方法、新型原料、6-8英寸SiC晶片激光切割等新型加工方法，解决SiC衬底的外延及器件验证及量产的众多技术瓶颈，包括衬底的位错、几何参数、良率，外延可用面积，器件良率、可靠性等产业化问题。

3. 项目投入。5000万元，其中300万用于悬赏揭榜方。

（六）5G毫米波射频模块用超低噪声电源稳压芯片的研发及产业化

1. 应用场景。研制具有自主知识产权的5G毫米波射频模块电源稳压芯片，突破我国对5G超高频段电源稳压芯片设计的技术难题，计划实现年产超低噪声电源稳压芯片30000万只的产能。

2. 揭榜任务。针对5G毫米波通讯超高频段（24-86GHz）特性攻克超低噪声超高电源抑制比（PSRR）、高频瞬态响应增强、超低功耗电路控制、超强电压钳制过流静电浪涌防护等技术。研制国产化5G毫米波射频模块电源稳压芯片，解决5G毫米波通讯超高频段特性引起前端射频系统高复杂度、异质化、能耗大、易受干扰等问题，研制出的产品量产后的成本不高于同期市场上同类产品的成本。

性能参数：形成具有国际先进水平的超低噪声（≤8μVrms）、超低功耗（＜0.04mW）、稳定可靠（电源抑制比≥110dB、静电防护HBM ±8kV）。

3.项目投入。5000万元，其中300万用于悬赏揭榜方。

（七）集成电路12吋高阶智能生产应用

1. 应用场景。优化芯片制造生产，协同国产软件供应商，在集成电路制造系统自动化领域打破国际垄断，建立半导体行业数据规范，研发具有自主产权的大数据良率分析平台。

2. 揭榜任务。拟建立基于机器深度学习及大数据挖掘技术的自动化、智能化芯片制造系统，具备生产过程中数据的自动收集分类和异常数据可溯源、智能派工和预警等功能，与生产设备无缝连接，提升产线效率和产品良率，为未来无人工厂做好铺垫。

性能参数：系统要求响应时间控制在3秒内，个别复杂的系统响应控制在5秒内，系统与工厂设备连接100%达成，设备自动化功能100%实现。

3. 项目投入。5000万元，其中2500万用于悬赏揭榜方。

（八）先端芯片制造用钛铝合金靶材研发及产业化

1. 应用场景。满足先端芯片配线使用要求，攻克集成电路用钛铝合金靶材的制备技术，填补国内产品空白，提升国内先端芯片关键材料的国产化能力。

2. 揭榜任务。针对先端逻辑芯片应用的需求，解决钛铝合金靶材制备技术难题，开发以下技术：（1）低氧高纯钛、高纯铝的提纯与熔铸新方法、新工艺、高纯钛颗粒细化和酸洗技术。（2）高纯钛、高纯铝金属等关键杂质的精准去除技术。（3）成分稳定、均质、高纯钛铝合金可控熔炼技术，研究靶材塑性变形加工中晶粒尺寸、结晶取向与组织均匀性变化规律。（4）靶材精密机加工、异质金属背板大面积焊接等关键技术。

性能参数：钛颗粒纯度≥99.99%；颗粒大小2-5mm；O≤200ppm；Fe≤5ppm; Mn≤35ppm；靶材纯度≥99.99%；晶粒尺寸≤100μm；靶材尺寸公差±0.1mm，溅射表面粗糙度≤0.8μm；焊接结合率≥98%；靶材表面清洁度符合电子级要求。

3. 项目投入。3600万元，其中1200万用于悬赏揭榜方。

（九）集成电路良率分析与管理系统技术攻关

1. 应用场景。基于芯片全制造周期角度开展监控、分析，提升芯片的良率和性能，支持大规模、多类型数据从获取至最终分析展示的系统化功能。拟在5家以上大型晶圆厂、设计公司或封装厂实现示范性应用。

2. 揭榜任务。围绕芯片智能化生产过程中复杂工艺带来的良率问题，开发适用于集成电路产业的良率管理与分析系统，包含YMS（良率管理）、DMS（缺陷管理）及FDC（故障检测）等模块平台。通过从数据中挖掘出关键价值信息，反馈到芯片全周期内的各个流程，以提高芯片的可制造性，帮助芯片制造工艺快速定位缺陷，指导工艺改善，提高劳动生产效率和制造质量。

性能参数：需实现10～100TB数据的可靠存储和统一管理、毫秒（ms）级响应返回、机台输出数据平均采集载入速度小于30秒等主要功能。

3. 项目投入。6000万元，其中1200万用于悬赏揭榜方。

（十）动力锂电池热失控智能监测传感器

1. 应用场景。动力锂电池热失控智能监测传感器在硬件上遵循汽车规范和IATF16949的开发要求，完成电源转换、数据采集、分析处理和数据传输等硬件的系统的设计，完成功能测试、环境可靠性、EMC电磁兼容、实际装车路测等实验。软件上，选用车规级的MCU，根据敏感阵列上的多维特征数据，采用机器学习和人工智能算法等对数据进行学习和分类，并根据数据交互协议进行传感器的数据交互。产品开发的同时同步开发产品的自动检测和标定设备，并能使产品的检测数据进行存储和上传，产品测试时能够实时监控模组上传的数据，后期批量生产也能够进行数据追溯，产品分析。

2. 揭榜任务。研制基于MEMS技术实现多悬梁阵列式加热器，通过悬梁的组合与变形设计出具有多边形结构的传感阵列，对热失控气体的高灵敏检测，实现敏感单元的低功耗、高灵敏度和快响应速度等性能。通过将该技术应用到动力锂电池热失控的安全监测，解决热失控探测响应不及时、误报漏报率高等难题。

性能参数：（1）针对H2、CO等典型气体设计开发阵列式具选择性的高灵敏度气体敏感单元，实现低功耗高选择性的热失控监测传感器的批量化制造；（2）利用时间序列分析和模式识别算法，建立补偿模型；（3）动力锂电池热失控时要求探测响应时间≤10秒，识别准确率≥98%；漏报率≤0；（4）产品寿命>8年，功耗<1mA，工作温度处于-40℃至125℃区间，湿度位于0至95%RH范围。

3. 项目投入。1700万元，其中300万用于悬赏揭榜方。

二、人工智能领域

（一）面向晶圆/面板/SMT制造检测环节的AI应用研究

1. 应用场景。缺陷图片智能分类和分析系统（ADC）是新一代人工智能技术如卷积神经网络（CNN）和传统视觉算法结合，根据制造流程中的工艺特性构建高敏捷性、高可靠性的检测算法，围绕缺陷图片智能分类和分析的算法构建的平台化应用，在晶圆/面板/SMT等行业可全面替代人力（人眼）检测与复判，极致提升晶圆/面板/SMT等行业生产过程的良品率。

2. 揭榜任务。（1）通过AI技术实现晶圆/面板/SMT生产过程中的检测设备输出的缺陷图片智能分类和分析（ADC），解决人员缺陷判定的效率低、稳定性差、准确率低、标准不统一的问题，准确率达到95%以上；（2）结合高效良率系统，实现自动判别、自动开单、异常自动报警、自动拦截等功能，大幅降低产品的生产周期，并提升晶圆/面板/SMT制造的良率，支撑晶圆/面板/SMT制造的效率提升和品质升级。

3. 项目投入。总投入800万元，其中400万元用于悬赏揭榜方

（二）金融市场AI资金交易技术研究与应用

1. 应用场景。在金融市场交易领域，利用具有深层语义理解能力及对话功能的机器人（虚拟资金交易员），自动与其他市场参与机构交易员进行交易询报价直至交易意向达成，并通过智能分析处理各类市场数据及舆情信息，预判金融市场宏观趋势，捕捉市场参与者微观变动，为交易员提供决策支持或直接完成交易。

2. 揭榜任务。（1）基于需求方提供的数据和环境，设计并交付多轮对话策略算法、模型及策略学习工具，并辅助需求方进行数据清洗分析和场景验证调优。（2）基于需求方提供的数据和环境，结合历史数据积累，交付对应的预训练模型、算法及处理后的数据集，基于交付的预训练语言模型实现在少量金融市场专业语料下的训练，共同交付训练代码及算法模型，实现聊天意图识别，辅助需求方进行场景验证。（3）交付定制金融市场领域专用实体识别及状态跟踪算法，从交互信息中抽取并维护关键交易要素对话状态。（4）基于人工智能算法对历史市场数据、新闻政策信息的深层语义理解及时间序列预测，设计、实现并交付新闻政策深层语义理解分析支持算法模型及数据，设计、实现并交付资金利率合适周期内涨跌分析底层数据、初步经济计量分析模型。支持实现具有实际应用场景价值的境内银行间市场资金利率的合适周期内的涨跌预测，为交易员提供交易策略建议。

性能参数：（1）产出的对话系统在指定的金融市场交易数据集上，意图识别准确率不低于96%，交易要素协商的状态跟踪准确率不低于95%，对话动作选择准确率相比专家构建的状态机方案提高1%以上。（2）产出的语言模型相比通用语言模型，在同样规模的金融市场领域训练集上，意图识别准确率提升3%以上。（3）在适当的对比周期内，基于人工预测结果有一定的提升。

3. 项目投入。总投入1694.8万元，其中892万元用于悬赏揭榜方

（三）基于智能机器人的新型发电设备智能运维管理系统

1. 应用场景。面向风力发电和光伏发电等场景研制前端关键部件安全巡检和清洁维护的智能机器人，并通过机器人采集数据构建新型发电设备健康状态大数据信息管理系统，切实提升新型发电设备运行效率，有效降低新型发电设备运维成本。

2. 揭榜任务。开发安全巡检、关键部件寿命预测、智能清洁管理等系统性、体系化管理的机器人系统和大数据运营管理平台。开展风力发电机关键部件无损检测技术、基于仿生攀爬技术的光伏板壁面检测技术等核心技术研究。

性能参数：（1）风力发电机关键部件无损检测技术，实现对关键部件定期巡检，监测关键部件病害数据，并通过5G传输网络，发送至远距离大型数据管理平台；（2）基于仿生攀爬技术的光伏板壁面检测技术实现对光伏板表面清洁度实时管理，同时对表面隐裂、断栅、破片等病害监测。

3. 项目投入。1500万元，其中500万用于悬赏揭榜方。