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實施“云計算和大數據”重點專項。根據本重點專項實施方案的部署，現提出2018年度項目咨詢指南建議。

本重點專項總體目標是：形成自主可控的云計算和大數據系統解決方案、技術體系和標準規范；在云計算與大數據的重大設備、核心軟件、支撐平臺等方面突破一批關鍵技術；基本形成以自主云計算與大數據骨干企業為主體的產業生態體系和具有全球競爭優勢的云計算與大數據產業集群；提升資源匯聚、數據收集、存儲管理、分析挖掘、安全保障、按需服務等能力，實現核心關鍵技術自主可控。

本重點專項按照云計算和大數據基礎設施、基于云模式和數據驅動的新型軟件、大數據分析應用與類人智能、云端融合的感知認知與人機交互等4個創新鏈(技術方向)，共部署20個重點研究任務。專項實施周期為5年（2016—2020）。 

1.云計算和大數據基礎設施

1.1 數據科學的若干基礎理論（基礎研究類）

研究內容：研究大數據的數據建模理論，包括大數據的統一表示和有效度量等；研究大數據的新型計算復雜性理論，包括多項式可計算問題類的細分等；研究高通量計算理論與算法、高效并行計算算法、分布式計算算法、近似計算算法等；研究大規模分布式可擴展的數據存儲與組織，能效優化的分布存儲和處理的系統架構，以及數據副本一致性、數據壓縮、數據劃分與遷移等問題；研究大數據的數據治理理論與方法，包括數據質量管理、數據權屬、數據隱私保護等。

考核指標：形成有國際性影響的數據科學理論體系，發表系列高水平學術論文和若干專著。在關鍵技術上申請系列專利，形成專利群。

1.2 基于NVM的TB級持久性內存存儲系統及應用（共性關鍵技術類）

研究內容：研究持久性內存存儲I/O棧與存儲管理；分布式持久性內存文件系統；基于RDMA的分布式持久性共享內存新型編程模型；構建分布式持久性內存存儲系統；研制基于TB級內存系統的典型大數據應用系統及示范。

考核指標：研制不少于8節點的內存存儲系統，每節點包含TB級非易失性的持久性內存。分布式內存系統中節點間通信延遲不超過1us，高負載通信延遲不超過10us，帶寬可擴展，8節點帶寬不低于40GB/s。支持持久性內存的一致性，支持分布式持久共享內存的新型編程模型接口。支持持久化鍵值存儲系統、高性能大圖數據處理等典型大數據應用，讀操作ops不低于5000萬/s，寫操作ops不低于1000萬/s。

1.3 面向異構體系結構的高性能分布式數據分析系統（共性關鍵技術類）

研究內容：面向分布式異構體系結構，研究基于數據流的編程模型、性能建模技術、同步通信技術和運行時系統，并實現高通量視頻、機器學習典型等應用示范。具體內容：支持異構體系結構上的數據流編程模型與軟件工具鏈；異構體系結構上的運行時系統，支持CPU與加速器之間的高效率混合執行，支持加速器上的細粒度流水線并行；性能建模技術和優化調度技術，優化分配CPU與加速器上的運行資源；分布式異構系統數據處理技術，包括數據與計算的高效劃分技術、負載平衡以及高性能同步通信技術。

考核指標：支持CPU-GPU異構體系結構，并支持單機多加速器和多機多加速器。性能建模技術可自動選取優化的執行模式，包括僅在CPU上執行、僅在加速器上執行以及在CPU和加速器上混合執行，并可給出混合執行時在CPU和GPU上執行的比例。支持單個GPU SM上部署多個kernel的細粒度任務調度，以及以此為基礎的流水線并行模式。單機上CPU/GPU細粒度混合執行的應用性能是通用CPU的5倍以上，是僅實現粗粒度并行性的GPU的2倍以上。在8臺服務器16塊GPU的環境下，應用性能是8臺CPU服務器的5倍以上，是僅實現粗粒度并行性的16塊GPU性能的2倍以上。

1.4 面向圖計算的通用計算機技術與系統（共性關鍵技術類）

研究內容：圖計算眾核處理器和異構圖計算機體系結構；支撐異構圖計算機的系統軟件；面向異構圖計算機系統的分布式處理技術；基于異構圖計算機的數據管理與分析系統；基于異構圖計算機的通用計算機系統，開展應用示范。

考核指標：研制面向圖計算的眾核處理器芯片原型；研制基于已有加速器的低功耗異構圖計算系統，單節點圖計算機總體性能達到G級TEPS，性能功耗比提升10倍；8節點的分布式異構圖計算系統總體性能可達10GTEPS，靜態圖計算可獲得2-3倍加速比；單節點支持50億條邊的圖數據存儲和查詢，平均查詢響應時間為秒級，支持每秒10萬邊的圖流數據分析；開展包含社交網絡在內的2個典型應用的驗證開發。

1.5 基于國產處理器的新一代虛擬化及虛擬執行環境優化技術（共性關鍵技術類）

研究內容：研究基于國產單核、多核、眾核處理器的新型虛擬化架構，虛擬計算環境下應用驅動的軟件棧構造/設計的理論和方法；研究基于國產單核、多核、眾核處理器等計算系統核心物理資源的虛擬化和容器技術，虛擬資源池的構建、組織、調度等技術；研究異構硬件的狀態互通方法，應用驅動的虛擬資源的動態映射和調配方法，實現面向應用的統一編程接口；研究基于迭代反饋機制的輕量級虛擬機鏡像定制、應用定制的虛擬機優化等方法和技術，構造面向特定應用的輕量級虛擬機；研究虛擬化和虛擬機的性能評價方法與基準測試、性能調優工具。

考核指標：國產處理器虛擬化后的性能指標與X86處理器相當，在關鍵行業的云計算系統中開展示范應用，在典型云計算應用負載下，較現有產品整機服務能力提升一個數量級，整機資源利用率提升50%，整機性能功耗比提升5倍。在關鍵技術上申請系列專利，形成專利群。

1.6 數據驅動的云數據中心智能管理技術與平臺（共性關鍵技術類）

研究內容：研究基于計算智能的云計算運行能效評價與預測技術，實現數據驅動的云平臺運行精準化評估與預測；數據驅動的大規模云資源智能調度與管理技術，顯著提升能效，提高計算資源的利用率；大規模云計算網絡資源的智能虛擬化技術，突破云網絡資源的利用效率瓶頸；面向大數據應用的智能云工作流管理與調度技術，提供高能效、高服務質量的大數據工作流應用服務；基于云計算的分布式計算智能方法與技術集成，實現大規模的數據管理與智能處理；基于以上技術突破，研發云計算的智能部署、運維管理與服務能力保障技術，搭建云智能管理平臺并開展示范應用。

考核指標：提出一套智能化的云計算運行能效評估、行為預測、資源調度、網絡虛擬、工作流管理與系統運維的關鍵技術體系；研制的關鍵技術在基準測試上的指標與國際主流技術或產品相比處于**行列；云工作流和云服務請求的接受率提升20%以上，滿足用戶在時間和成本等多方面的智能化選擇需求；面向大數據智能處理需求，基于云平臺集成10種以上的分布式計算智能方法；研制的云數據中心智能管理系統在50萬臺服務器以上規模的云數據中心開展系統的示范應用，整體水平處于國際**地位；申請系列專利，形成專利群，并制定國家標準（送審稿）若干。

2.基于云模式和數據驅動的新型軟件

2.1 群智化生態化軟件開發方法與環境（基礎研究類）

研究內容：研究群體智慧的形成機理、軟件生態系統中的群體協作規律、社區組織模式、社會化特性和**實踐；研究軟件生態系統的多維度度量和評估方法、軟件生態系統形成和演化的微過程模型等；研究基于大規模群體協同的在線需求獲取與建模、軟件設計與建模、軟件實現與測試等群智軟件開發模式與方法；研究基于開源軟件和SaaS服務的可信軟件資源管理框架和方法、群體驅動的軟件制品搜索、推薦與合成技術；研制基于群體智慧和協同的軟件開發、管理和維護支撐工具集及平臺，形成支持智能化群體協作的軟件開發環境，并在開源社區進行示范應用。

考核指標：建立基于群智協作的軟件開發理論模型，形成覆蓋軟件生命全周期的群智軟件開發方法、工具、環境和**實踐，支持單一項目達到數十到數千名開發者規模；形成兼容國際主流、符合中國特色的群智化軟件開發生態系統建設方案，在2個云計算和大數據開源社區進行實踐與推廣，實際應用于10個以上項目合計1000名以上開發者；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產權。

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：研究跨地域的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，面向代碼質量實時動態檢測與質量提升的智能編程技術，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敏捷開發云平臺，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1000萬行代碼；在3個以上不同規模軟件企業進行示范應用，*大開發人員規模超過1000人，支持10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70%以上的代碼，接口與代碼推薦平均準確率超過70%；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產權。

2.3 面向智能制造的流程管控軟件平臺（應用示范類）

研究內容：研究面向智能制造中企業研發設計、生產制造、經營管理、銷售服務、供應商管理和客戶服務等多種流程的企業內外部系統基礎數據獲取及加密傳輸和存儲技術、面向關鍵制造流程的知識建模技術、制造流程大數據實時分析技術、深度網絡挖掘和決策技術、實時工業系統閉環控制技術、大規模企業流程并行技術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流程管控軟件平臺，并進行示范應用。

考核指標：提供實證的PB級的制造數據存儲，關鍵企業數據加密效果需經具有安全評測資質的*三方認證；企業業務流程并行規模不少于10000條；支持10種常見國產和進口工業軟件系統90%基礎數據的獲??；支持10種常見國產和進口生產制造設備系統的秒級調用和按需閉環控制；管控軟件平臺國產化率達到80%，在10個大型制造企業部署和應用。

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：針對私有云在辦公環境下的廣泛應用和多元化需求，研究適用于私有辦公云建設的基礎架構、虛擬應用、網絡安全、數據存儲以及數據分析等多項關鍵技術。重點研究計算節點非一致內存訪問的動態綁定、虛擬化內存超配、網絡數據包零拷貝、虛擬磁盤預讀、存儲緩存加速等關鍵技術。研究私有云環境下網絡安全的基礎理論與應用，重點研究平臺無關的云安全系統，利用虛擬化技術實現東西向、南北向流量的統一防護。研究分布式存儲的負載均衡、數據削減和分層、高可靠、異地容災等關鍵技術和解決方案。研究基于辦公數據的行為感知技術，重點研究基于上網行為的數據挖掘技術，用戶行為分析技術以及自動化的異常檢測技術。

考核指標：研制私有云環境下服務化智能辦公系統，實現智能辦公的行為感知，支持不少于10種行為感知應用，支持新應用的快速開發和部署，在3-5個重要的部門開展示范應用。完成系列國家或行業標準草案，其中若干獲國家或行業標準主管部門立項或批準。

2.5 云計算和大數據開源社區生態系統（含前期成果集成展示）（應用示范類）

研究內容：研究開源社區的運作模式和商業模式，研制安全可控的開源項目支撐系統，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；研究基于眾包的軟件在線開發方法，建立軟件開發知識庫和軟件工程云；研究開發一批面向云計算資源虛擬化、分布式管理與調度、存儲與計算、監控與運維、云應用開發與部署等方面的開源軟件；研究開發一批涉及大數據采集、存儲、傳輸、分析、計算與應用相關的開源軟件，促進大數據技術的完善及在各個領域中的大規模應用；建設有一定影響力的云計算和大數據開源社區，吸引一批云計算和大數據的技術人員參與和互動；培養一批高素質的人才隊伍。

考核指標：建成由中國主導的云計算和大數據開源社區，培養一支100人以上的開源項目維護和貢獻的技術隊伍，吸引100家云計算和大數據相關企業參與，注冊用戶超10000人，月活躍用戶超1000人；發布100項云計算和大數據相關開源軟件（中國主導的開源軟件不低于10項），合計每月更新1萬次、下載10萬次。

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：研究多源異構、先驗知識缺乏、不確定條件下大數據的表示、存儲、度量、語義理解和基于認知的分析方法，研究知識的自動抽取、知識發現的理論與方法，構建面向領域的知識圖譜；研究大數據環境下機器學習的創新理論、方法和平臺，提出面向流數據和復雜高維數據的新型分析挖掘技術；研究大數據知識推理、問題分析與求解等關鍵技術，提出大數據高效檢索的理論方法；研究大數據的可視化技術，開發面向領域和大眾的可視化工具庫；研究在特定約束條件（例如安全性、隱私性、真實性、實時性）下的大數據分析理論和技術；研制開放共享的大數據分析平臺，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。發表系列高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

3.2 高時效、可擴展計算模型和優化技術（共性關鍵技術類）

研究內容：研究新型分布式大數據組織與存儲系統，增強系統的自適應性和可擴展性，可針對不同計算模式和任務負載特征進行自適應優化和調整；研究基于眾核加速器的大數據計算模型、分布式處理框架、易用的編程環境，開發高效、可擴展的大數據計算系統；研究大數據分析意圖理解，以及分析意圖、分析方法及數據集合的智能匹配理論與技術，研究快速推薦數據分析途徑、形成智能式交互向導的方法與系統技術，研究彈性資源管理、高效任務調度、以及執行優化技術；研究各類大數據機器學習算法的高效并行策略，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；面向連續流式大數據應用，研究具有*高吞吐量的流數據計算引擎；開發融合了內存計算、流計算、深度計算、以及經典機器學習的綜合示范應用。

考核指標：在混合負載下，新型存儲系統的性能要比開源Hadoop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%，有向導下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百萬級參數的學習能力；示范應用的數據規模要達到PB級；主要系統要向中國開源社區開放，關鍵技術申請系列發明專利。 

3.3 互聯網智慧教育關鍵技術與示范應用（應用示范類）

研究內容：研究教育知識圖譜構建與導航學習關鍵技術；面向用戶的個性化教育資源融合關鍵技術；在線學習助手關鍵技術；基于大數據的精準化教育評價技術；虛實融合教學場景構建和人機交互關鍵技術。集成上述技術，構建出互聯網智慧教育平臺，針對基礎教育、職業培訓等開放學習群體以及有組織學習群體開展互聯網智慧教育示范應用。

考核指標：構建出互聯網智慧教育平臺。在基礎教育方面，重點開展大數據驅動的中小學生學業水平和信息素養測評示范，輻射涵蓋輻射東、中、西部地區的100個示范區，10000所實驗校，受益人數超過1000萬；在職業培訓方面，研發建設基于VR/MR/AR技術的精品特色課程資源100門以上；面向企業需求的定制化人才培養等服務，培養IT、汽車、機械、電子等行業的技能人才300萬以上；在有組織學習方面，構建涉及100門課程的10萬個知識主題樹，示范應用支撐的學習者人數不少于300萬，實現跨學習平臺融合匯聚1000項以上的課程和知識庫等教育資源。

3.4基于天空地一體化大數據的公共安全事件智能感知與理解（應用示范類） 

研究內容：針對目前公共安全事件預測困難和檢測不準的問題，綜合利用衛星和航拍影像、地面跨時空視頻、網絡數據和地理信息等，實現面向公共安全的天空地網大數據一體化智能處理。以事件為中心，研究跨時空多源大數據的多尺度、多粒度關聯，地理信息驅動的目標檢測、追蹤和識別，多源異構數據融合的目標行為表示和語義理解，建立個體行為和群體事件的演化預測模型。突破公共安全大數據關聯弱、理解淺、利用差等瓶頸，構建跨時空大數據一體化處理的公共安全事件智能感知和理解系統，實現多源異構數據關聯挖掘、異常行為智能感知和事件處置決策支撐，并開展應用示范。

考核指標：研制跨時空大數據一體化處理的公共安全事件智能感知和理解系統，并在反恐維穩重點地區和邊境地區進行應用示范。支持3種以上語言的識別，語種識別準確率超過90%，已知有害音視頻發現率超過95%。突發事件感知準確率超過80%，特定人員和車輛的檢測率超過90%，人員識別準確率超過95%。建立公共安全事件的定性描述和定量計算的轉換不確定模型，支撐普適性空間智能服務。研發天空地網大數據在線分析與可視化工具，TB級數據在線實時檢索與展示的響應時間低于10秒。

3.5 基于立體精準畫像的學術同行評價系統（應用示范類）

研究內容：根據學術同行評價的需求，研究學術行為的畫像模型和體系，綜合運用大數據技術（獲取、清理、組織、分析等），為百萬量級的學術群體，建立立體精準學術畫像，形成實時動態、智能的畫像庫和學術關系圖譜。研究學術畫像的準確性驗證方法和技術。研究學術畫像多種維度的組合以及自適應權重等方法，以適合不同目的學術同行評價體系，研制以立體精準畫像為基礎的學術同行評價系統。

考核指標：學術畫像庫超過100萬個體，具備24小時內新增1000個學術畫像的能力。個體的學術畫像與真實行為的時間間隔在72小時以內，學術畫像的精準度超過98%。研制的學術同行評價系統在國家的科技、教育等權威部門開展應用示范，能為國家科技計劃的輔助決策提供支持。

4.云端融合的感知認知與人機交互

4.1人機物融合的云計算架構與平臺（前沿基礎類+共性關鍵技術類）

研究內容：針對人機物融合環境下的泛在化、社會化、情境化、智能化等應用特征，研究以人為中心的人機物融合云計算架構模型、終端和云端資源的軟件定義方法、人機物融合應用的一體化建模方法等基礎理論；研究以人為中心的終端和云端資源動態發現與協同管理技術、資源敏感和時空感知的應用自適應與自演化技術、面向移動互聯網和物聯網終端及邊緣設備的超輕量虛擬化等關鍵技術；研制以人為中心的人機物融合云計算平臺，并結合重點領域開展應用示范。

考核指標：建立面向人機物融合的軟件定義基礎理論與人機物融合云計算技術體系及規范；研制的云計算平臺通過軟件定義的方式接入并管理Android智能設備、Linux邊緣設備和OpenStack公/私有云的軟硬件及應用資源，驗證的人機物融合場景需覆蓋10個不同品牌合計100萬臺終端設備、支持100個*三方商業應用的按需融合；形成一批具有引領作用的高水平論文成果，申請一批相關領域的知識產權。

4.2 基于云計算的沉浸式交互影像技術與系統 （應用示范類）

研究內容：高維影像數據獲取與語義理解，包括：面向沉浸式影視制作的全尺度數據捕獲、高維光場影像高效獲取、跨維度影像數據的語義解析及部件提取等；影像素材知識表達與智能聚合，包括：數據驅動的高精度、專業化、風格化模型表達，以及影像大數據動態聚合與自主生長等；影像定制化與個性化自動生成，包括：領域知識引導的影視級高端三維場景定制化自動生成，基于引擎的大規模影像個性化自動生成，高維光場影像云處理和云發布；影像編輯與交互功能深度合成，包括：語義特征結構保持的影像編輯合成、典型交互功能遷移與自動合成，具有行為真實感的智能角色生成與交互，以及沉浸式交互影像工業化生產關鍵技術等；沉浸式交互影像高效渲染呈現，包括：高維光場影像終端顯示技術、三維模型高效渲染技術及工具；云端融合的沉浸式交互影像技術系統，及其在電影電視、游戲娛樂等行業的應用示范。

考核指標：電影級光場采集系統相機數量≥100臺，工作范圍≥20m²，捕獲速度≥60fps；跨維度影像數據部件級語義解析準確率平均達90%，形成一個超過5萬個模型的三維模型庫，構建的場景內模型數超過500個；支持高維影像對象分割、時域編輯、風格化濾鏡、虛擬對象嵌入、鏡頭智能剪輯與構圖優化等智能影視創作關鍵功能；影像發布與計算平臺傳輸帶寬≥1TB/S，數據吞吐量讀取速度≥6GB/s，寫入速度≥4GB/s，并行處理文件數量≥20萬/s，支持并行計算GPU數量≥100臺；制定面向沉浸式交互影像的采集、傳輸、呈現的技術規范并形成標準，并實現在影視制作、游戲娛樂等行業的典型應用示范，成果應用項目超過50個。

4.3 多模態自然交互的虛實融合開放式實驗教學環境（應用示范類）

研究內容：建立支持云端融合和多模態自然交互的虛實融合課堂教學環境，具備視覺、聽覺、觸覺等感知能力的交互模塊基礎件，以及相應的實物交互套件；建立支持中學教育主要課程的虛擬實驗開發平臺和界面工具，支持教師自主生成互動虛擬實驗教學資源；支持多模態人機交互的智能化學習環境，通過對多課程和多場景的數據匯集，研制與學習者個性化需求與能力適配的智能化學習系統； 建立新型探究式學習的全面評價體系，通過對學習過程與結果的智能識別與分析，匯集和提煉學習者的行為、心理和生理等多維度特征，實現對學習者多層次、精準化的客觀評價。

考核指標：多模態自然交互模塊基礎件支持手勢、語音、觸覺、實物、筆式等交互技術，交互行為識別率大于90%；支持教師自主生成互動教學資源的虛擬實驗開發平臺和界面工具，覆蓋數學、物理、化學、生物等主要課程，形成20個以上典型教學課件；制定云計算教學終端多模態人機交互技術標準，以及高沉浸呈現與多模態交互智慧教育課堂環境的行業規范；在中學開展應用示范，應用示范單位不少于200家；申請系列發明專利。

4.4 基于云計算和智能交互的隨身辦公技術與系統（應用示范類）

研究內容：研制面向移動終端和虛實融合自然交互技術的多用戶遠程和本地協同辦公平臺，實現相應的用戶界面工具和支撐硬件，研究面向移動協同辦公和用戶長歷史行為大數據的個性化用戶模型及增量式學習技術；突破大數據驅動的高靈敏觸及反饋式虛擬投射鍵盤技術和高準確率的手指虛擬鍵盤動作識別技術，研發面向移動終端的多模態深度融合的高效率信息輸入和內容編輯技術；研究基于云端的多移動終端的分屏顯示與協作機制，研制滿足長期健康使用需求的、具有匹配個體差異的沉浸式超大視場顯示終端，實現多移動終端、穿戴式顯示終端與虛擬鍵盤、手勢、語音等的統一交互方式；在上述內容基礎上，研究并構建面向行業應用的具有多模態融合的高效智能的隨身辦公系統。

考核指標：多用戶遠程和本地協同辦公平臺支持常見的移動終端，支持16個節點以上的遠程交互，能支撐虛實融合的工作討論、協同設計等任務；多模態自然交互協同辦公機制支持虛擬鍵盤、觸控、手勢、語音和筆等通道，支持冗余、互補、混合等3種以上交互通道融合方式；虛擬投射鍵盤具有觸及反饋功能，按鍵敲擊識別準確率不低于95%，支持用戶擊鍵動作的個性化自動糾錯技術，能夠實現每分鐘180個以上英文字符正確輸入；沉浸式顯示系統視場角不小于150度，能自主顯示虛擬鍵盤，并與手勢識別等協同交互工作，手勢和擊鍵動作識別準確率不低于95%，經大規模人群測試后的連續健康沉浸時間可達2小時；智能隨身辦公系統應支持企業辦公、教育培訓等行業用途，形成規?；a業應用。

[上一個產品：“深海關鍵技術與裝備”重點專項2018年度項目咨詢指南] [下一個產品：蘇州市工業設計中心