云计算和大数据

“云计算和大数据”重点专项2017年度项目申报指南建议为落实《国家中长期科学和技术发展规划纲要(2006-2020年)》，以及国务院《关于促进云计算创新发展，培育信息产业新业态的意见》和《关于印发促进大数据发展行动纲要的通知》等提出的任务，国家重点研发计划启动实施“云计算和大数据”重点专项。根据本重点专项实施方案的部署，现提出2017年度项目申报指南建议。本重点专项总体目标是：形成自主可控的云计算和大数据系统解决方案、技术体系和标准规范；在云计算与大数据的重大设备、核心软件、支撑平台等方面突破一批关键技术；基本形成以自主云计算与大数据骨干企业为主体的产业生态体系和具有全球竞争优势的云计算与大数据产业集群；提升资源汇聚、数据收集、存储管理、分析挖掘、安全保障、按需服务等能力，实现核心关键技术自主可控。本重点专项按照云计算和大数据基础设施、基于云模式和数据驱动的新型软件、大数据分析应用与类人智能、云端融合的感知认知与人机交互等4个创新链(技术方向)，共部署31个重点研究任务。专项实施周期为5年(2016—2020)。1.云计算和大数据基础设施1.1新一代云计算服务器技术与系统（共性关键技术类）研究内容：新一代云计算服务器的节点技术，包括大容量混合内存技术，处理器接口的可重构硬件加速器技术，高密度混合存储技术等；新一代云计算服务器的跨节点技术，包括计算、存储等物理资源虚拟化与跨节点共享技术，异构多种加速器的资源池技术，内部互连网络的虚拟化和性能隔离技术等；新一代云计算服务器基础软件技术，包括大容量内存计算技术，混合内存支持和优化技术，可重构硬件加速器支持和优化技术，混合存储管理技术，计算、存储、网络等资源池调度和管理技术等；新一代云计算服务器的评价与优化技术，包括性能评价方法与基准测试、性能调优工具、SLA评价与保障技术等。基于以上关键技术，研制新一代云计算服务器系统，在关键行业的云计算环境中开展示范应用。考核指标：研制至少由256个云服务器节点、1个加速池组成的云计算系统；单节点存储容量不小256TB，其中新型存储器件不小于128TB；支持传统内存与新型内存介质融合管理；支持可重构硬件加速器；单节点支持百万级并发处理。整系统并发处理能力不低于2.5亿，支持存储、加速器等硬件资源跨节点共享。在关键行业的云计算系统中开展示范应用，在典型云计算应用负载下，较现有产品整机服务能力提升一个数量级，整机资源利用率提升50%，整机性能功耗比提升5倍。取得一批本领域的知识产权，形成一组相关规范和国家标准（送审稿）。1.2高效能云计算数据中心关键技术与装备（共性关键技术类+示范应用）研究内容：云计算高密度数据中心的体系结构；面向云计算数据中心的新型网络技术及网络虚拟化技术；多资源复用的细粒度联合感知和分配理论；适用于云计算数据中心的模块化计算、存储、网络节点装备，多数据中心的调度技术，实现数据中心分布式实施；基于数据分析的精确能源管理技术，突破基于数据分析的数据中心整体能效提升技术，显著提升云计算资源运行效率；云计算数据中心的能耗评估理论、能耗模型、能耗评估方法及能耗评估工具软件；基于以上技术突破和研制的装备，开展典型示范应用。考核指标：研制高效能高密度的微/全模块，整机柜数据中心单元的计算密度达到100个微处理器计算节点，物理核数不低于1600个，存储总容量可达到10PB，能效比提升1倍以上。云计算数据中心通过SDN交换机组网，支持40GE和100GE以太网标准，支持全可编程平台，支持高密度机柜数据中心单元的高密度互联，数据中心节点数不低于1万个，可处理EB级数据。云数据中心虚拟网络向物理网络映射的资源利用率达到90%以上，网络能效比提升1倍以上。云计算数据中心采用有线无线混合的网络架构，增强网络拓扑灵活性，减少通信能耗，数据中心内任意两台服务器之间数据传输率达到100Gbps以上。面向异构资源管理的跨层感知系统软件能有效提高云数据中心的资源利用效率，典型应用的系统能效比提升50%以上，同等条件下PUE达到世界领先水平。在100PB级大数据场景下应用于1-2个典型领域。取得一批本领域的知识产权，形成一组相关规范和国家标准（送审稿）。2.基于云模式和数据驱动的新型软件2.1可持续演化的智能化软件理论、方法和技术（前沿基础类）研究内容：针对“人-机-物”三元融合模式下智能化软件持续演进的基本需求，研究可持续演化的智能化软件系统架构模型、构造方法、运行机理和服务质量等基础理论；研究准确及时的情境感知技术、智能可信的适应决策技术、高效可靠的在线重构技术、数据驱动的软件自动构造与演化方法等关键技术；研制可持续演化的智能化软件的构造和运行支撑平台，为关键软件系统提供在其所处软硬件环境及所依赖外部资源不断变迁条件下仍能长期生存的能力，并在典型的场景中进行示范应用。考核指标：提出一种面向可持续演化的智能化软件的基本架构，给出一套相应的基础理论模型与软件开发方法，为上述方法给出相应的关键支撑技术。环境上下文一致性检测修复处理效率在不降低处理质量的前提下，较当前业界主流技术提升一个数量级；软件构件级在线重构能提供系统级的一致性保障，且对正常服务的干扰较既有主流技术降低30-50%以上；工业级服务器程序在线更新的程序停顿时间控制在毫秒级；显著提高开放动态多变环境下软件的自动适应和长期生存能力，并在2-3个应用场景中得到验证。申请一批相关领域的知识产权，发表高水平论文或编写高水平专著，取得重要的国际影响。2.2智能无人系统的软件体系结构和支撑技术（共性关键技术类）研究内容：研究无人智能系统的多态分布体系结构、软硬件资源管理和智能行为管理，突破支持互操作/互理解/互遵守的软件体系结构、异构资源抽象与封装、自主与协同行为的模型与算法等关键技术；通过构建“前端无人系统+后台支撑系统”的模式，实现后台支撑系统与前端无人系统的互补，提升无人系统的智能化、自主化、协同化程度；研究应用驱动的无人智能系统开发方法，建立应用开发工具链。考核指标：兼容机器人、无人机等常见智能系统的硬件；知识共享和智能处理后台在主流无线通信模式下响应时间低于0.1秒，支持万台无人系统的并发访问；应用开发环境提供10个以上的无人智能系统特定工具，覆盖需求表达、系统设计、代码生成、系统集成和系统验证等阶段，提高软件复用率50%；至少在2类以上典型的无人智能系统领域进行示范应用；形成一组无人智能系统体系结构和关键技术相关规范和国家标准（建议稿）。2.3面向智慧城市的智能化集成化软件互操作平台（共性关键技术类+应用示范类）研究内容：面向新型智慧城市建设，研究信息孤岛数据和功能的运行时复用与互操作、领域知识建模及模型自增长和自演化、模型驱动的软件自适应、开发运行一体化机制等基于云模式和数据驱动的新型软件应用关键技术，研制面向智慧城市的智能化软件互操作平台，并建立示范应用。考核指标：实现典型信息孤岛业务数据的可读可写、业务功能的实时调用和按需组装，领域知识模型包含1万个知识概念和1000万个知识实例，软件自适应代码生成率超90%，形成规模化智慧城市示范应用（其中百万级常住人口城市不少于10个），牵头制定1项国际标准（草案）和3项国家标准（送审稿）。3.大数据分析应用与类人智能3.1大数据驱动的自然语言理解、问答和翻译（共性关键技术类）研究内容：研究融合大数据与人类常识的开放域多语言知识图谱构建及关键技术；研究面向自然口语交互的情境化语义理解和多轮对话交互管理技术；研究大数据驱动的多语言（汉语与藏蒙维等少数民族语言之间）文本互译技术；研究基于大数据的多语言开放域智能问答技术。考核指标：明确具有泛化意义的应用场景，该场景下汉语语义理解准确率不低于92%、汉语问答可接受率不低于92%；汉语和藏蒙维等少数民族语言互译的翻译准确率达到国际领先水平。3.2大数据驱动的类人智能感知与情感交互关键技术（共性关键技术类）研究内容：研究超大规模面向多模态感知的深度神经网络模型、结构及并行学习算法；研究大数据驱动的声音、图像和视频中的目标检测、跟踪、分类以及行为和事件识别机制，融合多通道语境信息的类人智能感知机制；研究多模态融合的特征信息协同分析理解方法，构建基于多模态语义协同分析的计算框架与推理机制；基于上述技术实现具有智能感知和情感交互的智能陪护机器人验证系统。考核指标：建立多通道的深度神经网络模型，实现百亿级节点的超大规模深度神经网络，模型创新和并行学习算法在国际学术界产生重要影响；建立支撑大数据深度学习的多模态智能感知和情感交互数据库；多模态语义协同分析计算方面，语义理解准确率大于85%，受限人机交互意图正判率大于80%。研制实现智能陪护验证系统，系统能够正确识别并响应70%以上的对话要求。3.3新型智能处理计算机体系结构（前沿基础类+共性关键技术类）研究内容：研究智能处理中应用面和效率之间的关系，抽象高效率的领域指令集；研究与上述指令集相适配的处理器微体系结构及新型工艺器件；研究适合智能处理的新型编程语言。突破智能算法共性算子聚类、硬件神经元虚拟化、非对称多智能处理器核的互联、智能计算组件化编译等关键技术，研制智能处理器原型芯片、配套系统软件以及样机。开展语音、图像和文本的识别理解应用在智能处理体系结构上的评测和优化研究。考核指标：突破传统计算机体系结构的瓶颈，实现智能处理速度的数量级增长。智能处理领域指令集支持包含卷积神经网络在内的8种以上不同智能算法；基于上述指令集的智能处理器原型芯片速度达到主流CPU100倍以上性能；智能处理器的编程环境包括神经网络拓扑描述语言、编译器、函数库、调试工具和操作系统驱动程序；形成智能计算机的核心专利群。3.4大数据驱动的中医智能辅助诊断服务系统（示范应用类）研究内容：研究复杂多模态、异构碎片化中医药大数据的动态采集、高效获取、汇聚和有效存储和共享方法体系，构建中医药大数据信息资源库及平台；研究复杂中医药系统中碎片知识的融合归纳与基于传统中医知识体系的重新表达，研究构建中医药本体化知识图谱及其时空演化模型；研究中医意象思维的多尺度认知框架及中医“辨证论治”的分析模型和方法，构建基于中医药大数据的类人认知体系架构和思维机理，研制人机交互的场景化中医临床智能辅助诊断与决策推荐机制；研制构建中医药大数据公共服务和普适医疗咨询服务的示范应用云平台，实现数据的自动更新、自主学习、自我演化的可持续发展机制。考核指标：建设中医药行业大数据快速采集处理平台，实现中医药古籍文献、病案、科研等信息的数字化和资源化管理以及传统中医“望闻问切”等四种典型诊断方式的数据自动采集、处理和持续更新；建设中医药大数据资源库，其行业数据规模达到PB级别；建立中医药大数据知识图谱，对中医药行业的知识覆盖面达到90%以上；场景化中医临床智能辅助诊断与决策推荐机制对疑难杂症、慢性疾病和重大疾病的智能诊断的准确率超过80%；构建PB级中医药知识智能咨询云服务平台，面向教学研究、行业应用和公众服务提供大数据研究与知识服务支撑，服务对象超过100万用户。3.5面向视频内容的大数据处理分析平台及示范应用（示范应用类）研究内容：围绕互联网、物联网和广电网等多源感知网络实时产生的视频大数据，基于视频编码AVS2和视觉特征编码CDVS等最新国际国内标准，研究超高清视频、网络直播视频、广播电视视频、城域实时采集视频等各类视频的大数据处理关键技术，包括支持视频大数据汇聚和分析的超高效编码压缩技术和特征表达技术，大规模视觉对象实时检测、属性识别与精准检索技术，面向多种特定行为分析的深度学习、识别与比对技术等，建立支撑图像视频数据达百亿条规模的视频大数据深度处理与综合利用平台，在面向重大赛事和事件的超高清电视广播、互联网视频直播、广播电视节目实时管理、大中城市视频综合利用等领域开展大规模应用示范。考核指标：基于AVS2和MPEGCDVS等最新国际国内标准，实现超高效率的视频内容压缩和紧凑特征描述，比最新国际标准H.265压缩效率提升20%以上，面向多种检索识别任务实现万倍率特征压缩；实现大规模视觉对象的属性识别与对象精准检索，在千万规模数