（七）基于腦機接口的情緒或認知檢測評估技術與系統

揭榜任務：研發非侵入式腦機接口技術，實現對情緒或認知的檢測與評估。具有范式豐富、情感交互自然、檢測速度快、普適性好、可靠性高的特點。

預期目標：到2025年，可進行腦電實時采集、處理以及情緒或認知的實時檢測與評估，模型特征可解釋且可檢驗，用于情緒或認知測評的情景信息豐富。情緒任務科學合理，支持聽覺、視覺以及多模態情緒任務，對情緒障礙或認知水平的檢測與評估準確率高。

（八）基于非侵入式腦機接口的人機班組協同感知和控制技術與系統

揭榜任務：研發基于非侵入式腦機接口的人機班組交互、協同感知和控制技術。在非開闊環境作業、巡邏檢查、搜索救援等復雜環境下，支持操作人員通過腦機系統與無人系統交互及目標協同檢測。

預期目標：到2025年，可實現對無人系統高效操控，控制指令輸入準確率和人機班組執行任務成功率高。將基于機器視覺的目標檢測與基于操作人員腦電響應的目標檢測相結合，實現腦機協同環境感知，降低伴隨設備目標檢測的不確定性。

三、典型應用

（九）面向工業安全監測的典型應用

揭榜任務：研發用于工業高危作業安全監測的技術和產品。以腦機接口技術為基礎，結合生理指標和運動狀態，實時監測與人員認知負荷水平相關的腦活動指標，識別影響人身安全和工作安全的人員異常狀態，防范和監測因人員過度疲勞和疾病而引發的安全事故。

預期目標：到2025年，系統便攜式可穿戴設計，支持無線傳輸，即戴即用。能長時程實時監測高危作業人員認知負荷相關的腦活動指標和其他生理指標，可及時對困倦、注意力不足、反應遲緩、長時間異常體態等異常狀態及時反饋和提醒。實時監測時間分辨率達到秒級，腦電電壓測量精度范圍內誤差小。電極及其他接觸皮膚的部件生物相容性好，數據使用合法依規，符合相關倫理要求。

（十）面向駕駛安全監測的典型應用

揭榜任務：利用腦機接口對駕駛行為進行安全監測，在腦機接口基礎上，結合生理等其他指標信息，監測駕駛員異常狀態。

預期目標：到2025年，能實時監測駕駛人員認知負荷相關的腦活動和其他生理指標，可及時對駕駛員困倦、注意力不足、反應遲緩等異常狀態進行迅速及時的反饋和提醒。參與安全監測的駕駛員數量不少于100人，累計監測時長不少于20000h，降低因疲勞駕駛導致的事故風險發生率，數據使用合法依規，符合相關倫理要求。

附：1.2023年未來產業創新任務揭榜單位推薦表-腦機接口方向

2.2023年未來產業創新任務揭榜單位申報材料

附件4 通用人工智能揭榜掛帥任務榜單

一、核心基礎

（一）智能芯片

揭榜任務：圍繞人工智能任務計算特征、訪存模式、數值分布等特點，突破適用于人工智能計算范式的矩陣乘加內核架構、高速互聯總線等核心技術。訓練端，重點補齊內存帶寬、互聯線性度等短板，提升吞吐率等算力性能指標。聯合上下游企業協同研發具備高可擴展性、高易用性、高靈活性等優勢的芯片軟件棧，加大力度突破先進封裝、仿真驗證等制造工藝核心技術。

預期目標：到2025年，訓練芯片支持FP16、FP32和混合精度（FP16/FP32）處理能力，內存容量達到128GB及以上，單芯片FP16達到500 TFLOPS以上，支持結構化稀疏后FP16算力達1 PFLOPS以上。片間互聯帶寬達到300 GB/s以上，支持智能服務器單機內部全互聯。高效支持可信計算、隱私計算或聯邦學習等功能，提升基于硬件的安全性。

（二）智能算力集群

揭榜任務：攻克人工智能集群計算領域中總線互聯、RAS技術、功耗散熱等瓶頸，加強智能服務器與智能芯片、操作系統、開發框架、應用軟件的兼容適配。建設大型智能算力集群，通過液冷等方式滿足綠色化需求。開發配套云端運維管理和調度系統，滿足大規模人工智能訓練/推理要求。