启动！河南省2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅

节能获悉，11月7日，河南省工业和信息化厅发布2025年国家人工智能产业及赋能新型工业化创新任务揭榜挂帅工作的通知。

其中，“人工智能+制造”中，钢铁制造大模型揭榜任务：面向钢铁制造流程高效有序运行需求，深度融合钢铁行业知识、数据，研发钢铁制造大模型，构建大模型、小模型、机理模型协同融合的钢铁制造智能体平台，实现对钢铁制造数据的实时采集、全面感知和智能分析，支持对制造关键指标的精准预测和制造过程的精确控制，提高制造流程连续化程度，提升产品质量。

预期目标：到2027年，钢铁制造大模型行业知识问答准确率不低于85%，支持不少于20个钢铁生产流程典型场景，流程连续化程度提升不低于10%，产品性能指标波动降低不低于20%，在不少于3家企业应用。

化工研发设计大模型揭榜任务：基于化工行业知识抽取、多模态理解等技术，研制化工研发设计大模型，突破面向化工反应网络简化任务的大模型微调技术，提升反应网络构建和简化的精确性，支持多源工艺流程图（PFD）/工艺管道和仪表流程图（P&ID）的智能识别和解析、化工工艺流程图的自动设计与优化等，提升化工研发设计效率。

预期目标：到2027年，化工研发设计大模型行业知识问答准确率不低于85%，反应网络中各反应方程的反应物、条件、产物的确定准确率不低于85%，对多源PFD/P&ID中设备、仪表、阀门、管线信息的识别准确率不低于95%，自动设计的化工工艺流程图可用度不低于70%，在不少于3家企业应用。

详情如下：

河南省工业和信息化厅办公室关于开展2025年国家人工智能产业及赋能新型工业化创新任务揭榜挂帅工作的通知

豫工信办数字〔2025〕193号

各省辖市、济源示范区、航空港区工业和信息化主管部门，有关单位：

为深入贯彻落实习近平总书记关于人工智能发展的重要指示批示精神，加快推动人工智能赋能新型工业化，按照《工业和信息化部办公厅关于开展2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅工作的通知》（工信厅科函〔2025〕427号）有关要求，现就开展2025年国家人工智能产业及赋能新型工业化新任务揭榜挂帅工作有关事项通知如下：

一、任务内容

面向人工智能产业发展底座、“人工智能+制造”、智能产品装备、共性基础支撑等重点方向，发掘培育一批技术创新强、应用落地快、典型示范好的关键技术和产品，加快人工智能与工业深度融合应用，高水平赋能新型工业化。

二、推荐条件

（一）申报主体须为在河南省内注册、具有独立法人资格的企事业单位。已列入前期揭榜优胜的项目不得重复申报。

（二）各省辖市、济源示范区、航空港区工业和信息化主管部门按照政府引导、企业自愿的原则，优先推荐创新能力突出、产业化前景好、行业带动作用明显的项目。

（三）鼓励企业、科技服务机构、高校、科研院所及新型研发机构等以联合体方式申报，牵头单位为1家，联合参与单位不超过4家。每个主体牵头申报不超过3项，作为参与单位申报不超过5项。

三、工作要求

（一）请各申报主体于2025年11月20日前，在申报系统（https://aibest.caict.ac.cn/jbgs）完成注册，并对照申报指南（见附件1）要求，按要求填写申报材料（见附件2）。

（二）各省辖市、济源示范区、航空港区工业和信息化主管部门负责组织开展本地区项目推荐工作，省属单位按照属地原则进行推荐。请于2025年11月24日前将加盖公章的2025年国家人工智能产业及赋能新型工业化创新任务揭榜单位推荐表（见附件3）电子版（word及pdf格式）报送省工业和信息化厅数字化与未来产业处（电子邮箱：hngxwcyrhb@126.com）。

（三）工业和信息化部牵头组织遴选入围单位，并发布入围单位名单。入围单位完成攻关任务后（名单公布之日起不超过2年），工业和信息化部委托第三方专业机构开展测评工作，择优确定优胜单位。

（四）请各省辖市、济源示范区、航空港区工业和信息化主管部门高度重视揭榜挂帅工作，充分调动企业、高校、科研院所、相关产业联盟及行业协会的积极性，遵循公开、公平、公正原则做好推荐工作，积极发挥地方发展优势和特色禀赋，在政策资金支持、场景开放、应用推广等方面为入围和优胜单位予以支持，推动人工智能产业高质量发展。

四、联系方式

省工业和信息化厅数字化与未来产业处

0371—65507694

技术支撑

18638114350（省人工智能协会）

附件：1.2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅申报指南

2.2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅申报材料

3.2025年国家人工智能产业及赋能新型工业化创新任务揭榜单位推荐表

2025年11月7日

附件1

2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅申报指南

一、产业发展底座

（一）算力

1.大模型训练芯片

揭榜任务：面向大模型训练需求，研制大模型训练芯片，突破芯片内核架构设计、生产工艺适配、先进封装适配等关键技术，提升芯片算力和性能功耗比，支持低精度浮点格式，提高存储带宽和容量，实现训练芯片设计、制造、封装全链条突破。

预期目标：到2027年，大模型训练芯片覆盖主流模型框架，适配90%以上大模型，支持混合精度计算、低精度训练等技术，半精度浮点数算力性能达到国际先进训练芯片90%以上。

2.大模型高效推理集群

揭榜任务：面向高并发、高吞吐、低延迟场景，构建大模型高效推理集群，突破混合精度计算、分布式推理、多模态模型优化等关键技术，开展系统全栈工程优化，提升资源利用率、计算效率、并发处理能力等，满足系统大规模服务应用需求。

预期目标：到2027年，大模型高效推理集群覆盖主流模型架构，支持千亿以上参数模型，GPU计算资源核心利用率可达到80%，首Token时延不超过200ms，推理服务稳定性不低于99.9%。

3.智算中心综合能效管理系统

揭榜任务：研发基于液冷系统和数字化能碳管理技术的综合能效管理系统，推动人工智能技术在智算中心的应用，实现智算中心信息设备、冷却系统、供配电系统的状态感知、高效联动、智能调优升级等，提升信息设备利用效率。

预期目标：到2027年，智算中心综合能效管理系统提升信息设备利用率不低于20%、年综合节能率不低于10%。其中，液冷系统支持混合部署不同算力类别、品牌、型号的液冷服务器，平均无故障工作时间不低于5万小时，可提供不少于200W/cm2的散热能力，余热回收量达信息设备总发热量10%以上。

4.算力互联调度平台

揭榜任务：面向全域算力感知、汇聚、调度需求，构建算力互联调度平台，突破算力智能感知、算力调度等技术，支撑任务数据高效流通，推动多领域、多场景实践应用，实现算力资源跨主体、跨架构、跨地域协同。

预期目标：到2027年，算力互联调度平台汇聚公共算力资源不少于10000P，支持多样化编排调度策略，支持至少2个运营主体、3种系统架构、5个算力中心的智能调度，支持至少10种算力产品服务，开展不少于20个典型场景试验应用。

5.异构智算集群云操作系统

揭榜任务：面向大模型在超大规模异构算力集群的混训需求，研发可支持十万卡规模的异构智算集群云操作系统，突破训练任务精细化拆分及精准匹配、故障实时感知、秒级自愈恢复等关键技术，提升超大规模异构智算集群的训练效率，降低故障率。

预期目标：到2027年，异构智算集群云操作系统适配不少于5款芯片，支持万亿参数以上规模的大模型训练，集群资源平均利用率超过95%，可实现秒级故障恢复，周训练有效率达99%以上。

（二）数据

6.工业高质量数据集

揭榜任务：面向重点方向领域，建设工业高质量数据集，涵盖研发设计、中试验证、生产制造、营销服务、运营管理关键环节中的基础数据，赋能通用大模型或工业垂类模型的高效训练与基准评测。

预期目标：到2027年，工业高质量数据集满足规范性、完整性、准确性、一致性等至少12个质量评估维度要求，

文本数据集规模总量达到100TB以上，至少覆盖1万亿token，图文数据集规模总量达到1000万对以上，音视频数据集规模总量达到1000TB以上，赋能至少5个通用大模型或工业垂类模型的训练与基准评测。

7.工业人工智能数据工程平台

揭榜任务：研发工业人工智能数据工程平台，突破工业数据多源异构融合、智能化数据标注、多模态标注、高质量数据合成等关键技术，实现智能化数据加工、数据合成、数据融合等功能，促进工业领域人工智能数据集的高质量供给。

预期目标：到2027年，平台支持文本、图片、视频等至少3种不同模态数据加工及合成，支持ERP、CRM、MES等至少6类工业系统的数据融合，在不少于10家工业企业开展示范应用。

8.“模数共振”空间

揭榜任务：建设集“数据协同、模型训练、应用开发、安全保障”于一体的软硬件系统平台，加快推动行业通识和专识数据贯通共享，赋能跨企业、跨行业的模型训练、测试和优化迭代，智能体开发等。

预期目标：到2027年，空间支持跨3个及以上主体间的数据贯通和模型协同训练，支撑研发设计、中试验证、生产制造、营销服务、运营管理等关键环节的人工智能应用开发，形成不少于10个人工智能应用产品。

（三）算法

9.复杂推理大模型

揭榜任务：构建具备多级推理验证机制的大模型，突破思维链增强、知识图谱融合、因果推断建模等关键技术，推进模型架构创新以及与底层硬件的深度协同，实现从训练范式到部署方案的全栈优化。

预期目标：到2027年，研制复杂推理大模型，实现至少一种关键技术创新，在数学证明、科学问题、逻辑推理等复杂推理任务上达到专家级水平，在专业评测集上的准确率达到全球前列，在低精度量化下的推理准确率损失不高于2%。

10.具身智能基础模型

揭榜任务：研发具身智能基础模型，突破多模异构数据对齐融合、环境交互和多样化运动策略学习等技术，提高具身智能动态环境理解、感知预测、认知推理和复杂任务执行能力，增强对不同本体、多阶段任务的适应性和泛化性。

预期目标：到2027年，具身智能基础模型支持不少于3种本体适配，实现对复杂动态环境的精确理解，支持完成至少200种未训任务，成功率不低于95%，多阶段任务分解和执行的灵活性、泛化性明显提升。

11.智能终端端侧模型

揭榜任务：研发智能终端端侧模型，推动端侧推理引擎及模型剪枝、量化、蒸馏等关键技术突破，实现云端训练到端侧部署的全流程优化，性能接近云端基准模型，支持终端多场景实时推理，开展规模化应用。

预期目标：到2027年，端侧模型能够适配不少于3款终端芯片、支持不少于3类终端设备，模型轻量化后精度损失不超过3%，端侧推理延迟不超过50ms，支持终端创新应用不少于10个，实现在不少于百万台终端部署。

（四）开发工具

12.模型迁移适配工具

揭榜任务：面向算法模型在不同软硬件系统的迁移适配需求，开发模型迁移适配工具，突破跨框架模型转换、异构硬件自动优化等核心技术，支持模型在软硬件系统的高效适配与部署，降低模型迁移门槛。

预期目标：到2027年，模型迁移适配工具适配不少于5款芯片，实现模型在不同软硬件系统迁移后精度损失不高于1%，迁移适配成功率超过99%。

13.智能体通信工具

揭榜任务：研发智能体通信工具，突破智能体通信协议、模型通信协议等关键技术，具备请求发送、接收响应、流式传输、异步操作等功能，支持不同开发平台智能体间、智能体与外部工具间的互操作性，提升智能体开发与应用效率。

预期目标：到2027年，智能体通信工具支持主流通信协议，具备跨平台兼容性、跨协议版本兼容性，提供至少3种语言的SDK实现，通信延迟小于100ms，实现智能体场景应用示范不少于50个，适配支持超过50个主流智能体（通用智能体不少于10个）。

14.大模型服务及管理平台

揭榜任务：研发大模型服务及管理平台，支持基于基座大模型进行微调，具备大模型量化压缩、推理加速、云边端部署与协同管理能力，实现大模型及其服务的全流程管理，降低大模型使用门槛，推动大模型赋能千行百业。

预期目标：到2027年，平台具备健全的服务水平协议，平均调用成功率不低于99.99%，响应时延不高于1秒，支持对至少10类系列大模型进行微调、重训、量化压缩和推理加速。公有云模式下企业客户不少于500家，或私有化部署的项目数不少于50个。

15.智能体开发与应用平台

揭榜任务：研发智能体开发与应用平台，具备智能体开发部署、组件工具集成、智能体应用管理等功能，支持数据处理分析、工具和软件系统接入、算法模型内置、多智能体集成应用等，提升智能体开发及应用效率。

预期目标：到2027年，智能体开发与应用平台API响应速度不高于500ms，服务请求成功率不低于95%，集成不少于80种组件工具，能够同时管理100个以上智能体协同，智能化应用不少于500个，在至少50家企业落地应用。

二、“人工智能+制造”

（一）原材料

16.钢铁制造大模型

揭榜任务：面向钢铁制造流程高效有序运行需求，深度融合钢铁行业知识、数据，研发钢铁制造大模型，构建大模型、小模型、机理模型协同融合的钢铁制造智能体平台，实现对钢铁制造数据的实时采集、全面感知和智能分析，支持对制造关键指标的精准预测和制造过程的精确控制，提高制造流程连续化程度，提升产品质量。

预期目标：到2027年，钢铁制造大模型行业知识问答准确率不低于85%，支持不少于20个钢铁生产流程典型场景，流程连续化程度提升不低于10%，产品性能指标波动降低不低于20%，在不少于3家企业应用。

17.化工研发设计大模型

揭榜任务：基于化工行业知识抽取、多模态理解等技术，研制化工研发设计大模型，突破面向化工反应网络简化任务的大模型微调技术，提升反应网络构建和简化的精确性，支持多源工艺流程图（PFD）/工艺管道和仪表流程图（P&ID）的智能识别和解析、化工工艺流程图的自动设计与优化等，提升化工研发设计效率。

预期目标：到2027年，化工研发设计大模型行业知识问答准确率不低于85%，反应网络中各反应方程的反应物、条件、产物的确定准确率不低于85%，对多源PFD/P&ID中设备、仪表、阀门、管线信息的识别准确率不低于95%，自动设计的化工工艺流程图可用度不低于70%，在不少于3家企业应用。

18.新材料研发智能工具

揭榜任务：面向金属材料、高分子材料、复合材料等新材料研发，研制基于人工智能和高通量计算技术的智能软件工具，实现新材料性质预测与筛选，揭示新材料设计与性能之间的深层次规律，支持材料的智能设计、合成及表征，推动材料研发制造的自动化和智能化，提高研发效率，降低研发成本。

预期目标：到2027年，新材料研发智能工具支持材料性质预测与筛选、合成路径设计、逆向设计等不少于3个场景功能，新材料研发效率提升超过30%，在新材料研发流程中实现规模示范应用。

19.原材料生产工艺智能优化系统

揭榜任务：面向石化化工、有色、建材等某一个原材料行业的生产优化控制需求，基于材料性能数据、机理模型、工艺流程知识等多模态数据，研发原材料生产工艺智能优化系统，突破生产工艺优化大模型技术，分场景部署垂直细分模型或智能体，实现工艺参数动态优化、关键指标精准预测和调控，提高精益生产水平。

预期目标：到2027年，原材料生产工艺智能优化系统具备完善的工艺智能控制与优化模型库，对关键工艺参数预测准确性达到90%以上，生产制造周期缩短10%以上，在不少于3家企业应用，形成20个以上典型场景应用案例。