智能合成生物场景

面向医药、健康、农业、林业、能源、环保、材料等产业的菌种设计、培养基优化、发酵监控、代谢建模、高通量数据分析、自动化实验、质量控制和知识挖掘等方面需求，运用机器学习、深度学习、强化学习、大数据分析、核心算法、图神经网络、计算机视觉和自然语言处理等技术与生物技术交叉融合，构建智能筛选和设计高性能菌株、基因与细胞工程操作的精准设计、生物过程优化与放大、生物产品分离纯化、动植物细胞大规模培养技术、农业生物育种、生物农药研发与应用、农业生态系统监测与维护全流程、食品成分的精准合成、制造工艺的智能优化、质量安全的全程追溯、生物制造智能装备开发、工程设计等方面应用场景。

智能遥感场景

面向基于卫星、无人机或地面移动测量设备等遥感平台对地物探测与分析的应用需求，利用可见光、红外、SAR、高光谱与LiDAR 等传感器数据，实现智能化的多源信息融合、目标检测识别、地物分类、变化检测和三维重建等关键技术，构建国土资源管理、生态环境监测、灾害预警防护、海洋渔业管理和智慧城市建设等场景。

智能能源场景

面向新能源功率预测、电力智能调度、负荷侧管理、储能等应用需求，利用智能感知、卫星遥感、能源大模型、人机控制、智能机器人、元宇宙等技术，构建源网荷储协同互动、负荷侧需求智能响应、状态全量感知、新能源功率预测、卫星数据监测、储能调度运行、智能分析预警、多模态缺陷诊断、辅助决策建议、自适应立体巡检、生产安全评价、人机交互控制、楼宇与厂矿的能源管控、新型智能能源、变电充电、低碳出行、家庭用电管理等场景。

智能医疗场景

面向人工智能可循证诊疗决策医疗等应用需求，利用人工智能和机器学习、生物识别、基因组学与精准医疗等技术，建立规模化医疗知识图谱、医疗领域数据知识库、多智能体协同会诊、大规模医疗人工智能模型训练、无创基础体征监测、医院、互联网医院、医疗设备管理、远程虚拟手术室、生物医药研制及医疗器械开发、医疗影像、病理图像、智能辅助诊疗、健康管理、医保控费、用药审核、数字疗法、智能医健、数基生命、细胞图谱、智能药物发现与设计、人工生命、生物特征识别、分子层面多组学数据等场景。

智能制造场景

面向制造业研发设计、生产制造、运营管理和产品服务四大核心环节的数据获取及整合困难、场景复杂安全风险高、组织制度滞后、需求变化快等需求，利用AI技术大模型、大数据分析、机器学习、计算机视觉、算法理论、智能语音和自然语言处理等核心技术，构建生成式协同设计平台、AI驱动的材料逆向设计、智能质检与零缺陷制造、预测性维护、智能调度、自适应柔性产线、仓储自主优化、柔性物流运输、智能供应链大脑、碳能效数字孪生体、智能服务知识引擎、产品全生命周期反馈闭环、5G+边缘计算融合等场景。

智能粮食与智能工程场景

面向粮食生产环节的精准种植、智能机械、灾害预警，收储环节的粮仓监控、数字孪生、腐败预防，加工环节的智能质检、零缺陷制造，供应链管理的智能调度、需求预测等需求，利用AI技术无人机、卫星遥感、物联网传感器、智能播种机、收割机器人、机器学习、算法、数据分析、多模态交互、多模态大模型、边缘计算与5G融合等核心技术，构建智能种植与灾害防控、实时监测粮仓温湿度与数字孪生技术构建虚拟粮库模型、图像识别检测粮仓作业人员的安全装备、自动检测粮食加工过程中的杂质或破损、基于大数据的智能调度系统、分析能源消耗数据，优化粮食加工环节的碳排放等应用场景。 赛题方向： 赛题一:智能粮食 1、粮食智能仓储管理：运用 AI 技术，搭建粮库温湿度、虫害智能监测预警系统，实现对粮仓环境的 24 小时实时监控。当粮库出现温湿度异常、虫害滋生等风险时，系统能及时预警，并给出调控建议，以降低粮食损耗，确保粮食存储安全 。 2、粮食质量快速检测 借助 AI 高算力视觉识别技术，开发粮食杂质、水分、不完善粒等多指标一体化快速检测设备。大幅缩短检测时间，提高粮食收购和入库环节的检测效率，同时解决专业检测人员不足的问题。 3、智能农机作业调度 基于北斗定位和 AI 算法，打造农机作业数字化管理平台。实现农机作业任务的智能派单、作业轨迹实时监控，以及作业数据的自动生成与分析，提升农机作业效率与管理水平。 4、粮食供应链智能协同 构建粮食生产、仓储、运输、销售全流程的 AI 供应链协同平台，实时共享各环节数据。通过对市场需求、库存水平、物流信息的分析，优化粮食调配策略，降低供应链成本。 5、农作物生长智能决策 利用多光谱无人机和 AI 助手，收集农田图像与数据，分析作物生长和营养状况。生成精准施肥、灌溉方案，实现从 “看天吃饭” 到 “知天而作” 的转变，提升农业生产的稳定性与可控性。 赛题二:智能矿山 面向矿山开采、生态修复、安全巡检等应用需求，利用智能无人系统对目标进行作业，实现矿山作业安全可控，突破空间受限，节省人力，保护人身安全，矿山开采、生态修复、无人修复、安全监测等场景。 赛题三:智能港口 面向港口轮船停靠、出港、集装箱调配、装卸等应用需求，利用智能系统、机器人、无人驾驶叉车等进行作业，实现效率最大化、安全可控化、成本最优化，智能管理系统、智能操作系统和智能设备等场景。 赛题四:工业流程和产品再造 面向工厂工艺流程、安全监测、工业控制等应用需求，利用智能管理系统、操作系统、机器人、无人驾驶巡检车辆、叉车等进行作业，实现工艺流程精密化、安全化、成本优化等工业流程和产品再造场景。

智能座舱场景

面向提升驾驶体验、增强行车安全、实现车内外信息无缝互联等应用需求，利用流媒体后视镜、驾驶员监测系统（DMS）、多模态交互技术、高精地图等技术或系统，构建车辆信息显示、语音操控车载功能、手势控制、娱乐内容播放、个性化界面设置、驾驶员状态监测与疲劳预警、导航信息AR投射等场景。

智能芯片场景

面向提升计算效率、降低能耗、实现智能化控制等应用需求，利用集成电路设计、微电子制造、封装测试、人工智能等技术或系统，构建智能手机的高性能计算、智能家居的远程控制、自动驾驶的实时数据处理、医疗设备的影像诊断、智能安防的视频监控、智能穿戴的健康监测等场景。

智能终端场景

面向工业核心元器件、零部件、车载视听设备、智能影像设备、全屋智能产品等领域对智能化、个性化、消费电子和新型智造的需求，利用大模型、计算机视觉、多模态交互、虚拟现实等AI技术，构建以智能终端设备（如智能手机、具身智能体、平板电脑、可穿戴设备、传感器等）为端侧载体，通过硬件-算法-云端深度协同实现自主决策、环境感知与人机交互，并驱动行业效率跃升的场景。

智能光电场景

面向高效光电信息处理、智能化控制及跨领域融合的应用需求，利用光电效应、光电传感器、分布式光纤传感（DAS）、智能激光感知技术、激光雷达、AI、大数据和云计算、物联网技术、5G通信技术、区块链技术、数字孪生技术、BIM技术等技术，构建城市安全工程、自动驾驶、工业检测、医疗成像、智能手机拍摄、VR/AR体验、光伏发电、机器视觉、光电显示、医疗成像、智能监控等场景。 赛题一：基于智能分布式光纤传感（DAS）与多模态感知融合的智慧城市安全工程 针对智慧城市安全工程中建筑结构健康监测、灾害预警及应急响应、城市生命线安全工程（燃气、供水、供电、交通等）及地下管网基础设施智能化监测的迫切需求，以智能分布式光纤传感系统（DAS）为核心感知手段，深度融合激光雷达（LiDAR）、光电传感器、声波探测、AI视觉等多模态感知技术，构建城市地上-地下全域动态感知网络。通过DAS实现长距离、高灵敏度的光纤振动、温度、应变实时监测，结合LiDAR三维建模与AI视觉场景解析能力，形成"光纤神经+多模态感知"协同机制。利用数字孪生与BIM技术构建城市基础设施全要素动态模型，重点突破DAS与多源数据融合的AI算法（如事件特征提取、噪声抑制、跨模态关联分析）及边缘计算能力，实现城市复杂场景下安全隐患（如地下管线泄漏、桥梁隧道形变、能源管网腐蚀、建筑裂缝扩展、地面沉降趋势、火灾热点演化）的毫米级感知、全生命周期评估与智能决策预警。通过区块链技术保障DAS多节点监测数据可信共享，构建"光纤感知-智能诊断-数字孪生-跨域协同"的城市安全防控体系，提升城市基础设施韧性及应急响应效率。 赛题二：面向自动驾驶的激光雷达-摄像头协同感知优化 针对自动驾驶在复杂环境（如夜间、雨雾、强光干扰）下感知精度与可靠性的核心挑战，通过深度融合激光雷达（LiDAR）点云数据与摄像头视觉信息，设计多模态AI感知模型，优化时空对齐、特征融合与目标识别算法，提升车辆对动态障碍物、小目标（如行人、锥桶）及复杂路况的感知能力。结合边缘计算与5G通信技术实现低延迟决策，并与高精地图、V2X车联网系统协同，构建“感知-预测-规划”全链路自动驾驶系统，推动L4级自动驾驶技术在开放道路场景的规模化落地。 赛题三：工业生产线智能缺陷检测与数字孪生优化 针对工业制造中高精度、高效率的零件质量检测与生产流程优化需求，通过融合机器视觉、激光感知技术与数字孪生技术，构建“检测-分析-优化”一体化智能系统。基于多模态数据（如高分辨率图像、激光三维点云）设计AI缺陷检测模型，实现微米级缺陷（如裂纹、划痕、尺寸偏差）的精准识别；结合数字孪生平台实时映射生产线运行状态，模拟工艺参数调整、设备故障预测及维护策略优化，推动智能制造全流程的降本增效与质量升级。 赛题四：AI驱动的医疗成像增强与智能诊断 针对医疗影像诊断中分辨率不足、伪影干扰及病灶识别效率低的核心问题，通过融合光电传感器（如高灵敏CCD/CMOS）与深度学习技术，构建从影像采集、增强到智能分析的全流程解决方案。基于生成对抗网络（GAN）、Transformer等模型优化低剂量CT/MRI影像质量，提升病灶区域的对比度与细节分辨率；结合多模态数据（如病理报告、基因数据）训练轻量化诊断模型，实现肿瘤、血管病变等疾病的早期精准识别与分级，推动临床诊疗向智能化、个性化方向发展。 赛题五：光伏发电效能优化与智能运维系统 针对光伏电站发电效率受环境因素（如阴影遮挡、组件老化、灰尘沉积）影响显著的核心问题，通过融合光电效应原理、大数据分析与多源感知技术，构建“监测-预测-优化”全流程智能运维体系。基于无人机搭载多光谱传感器与红外热成像设备，实时检测光伏板污损、热斑及电气参数异常；结合AI算法（如时间序列预测、强化学习）动态优化清洁策略、组件倾角与逆变器控制参数，提升发电效率与设备寿命，推动光伏电站从粗放运维向智能化、精细化运营转型。 赛题六：面向AR/VR的光电显示与交互技术创新 针对AR/VR技术对显示质量与交互实时性的核心需求，通过创新光电显示技术（如新型显示材料、微纳光学设计）与高效数据处理算法（如低延迟渲染、动态分辨率优化），提升显示系统的分辨率和响应速度；结合多模态交互技术（如眼动追踪、触觉反馈、手势识别），优化人机交互的自然性和沉浸感。通过传感器融合、环境感知与用户行为分析，实现虚实场景的无缝融合与交互意图的精准理解，推动AR/VR设备在硬件性能、软件适配及跨平台协同（如与5G、边缘计算系统的集成）等方面的突破。最终，将技术应用于教育、医疗、工业及娱乐等领域，实现高真实感、低眩晕的沉浸式体验，促进AR/VR产业链的智能化升级与规模化应用。 赛题七：跨领域融合的智能光电系统可信协同 针对城市级多场景协同管理中智能光电系统的数据异构性、安全性与实时性需求，通过构建基于多源异构数据融合的光电感知网络架构（如多光谱传感、分布式边缘节点），结合轻量化AI算法（如联邦学习、动态数据清洗）与可信计算技术（如区块链加密、隐私保护机制），提升光电数据的采集效率、传输安全与协同分析能力；设计跨领域智能协同平台，整合安防监控、交通调度、能源管控等场景的光电感知数据，开发多模态决策模型（如时空预测、异常检测），实现城市资源动态优化配置与突发事件快速响应。通过边缘-云端协同计算、协议标准化及多系统接口适配（如物联网、数字孪生平台），构建安全可信的跨域协同机制（如动态权限管理、分布式共识验证），推动智能光电系统在城市治理、公共服务及产业联动的规模化应用，助力智慧城市全场景智能化升级与可持续发展。

AI Agent 场景

面向智能化自主决策、复杂任务自动化执行、人机高效协同交互、多模态数据融合处理、跨领域知识推理与应用等前沿应用需求，借助 AI Agent 所具备的自主感知环境、理解任务目标、制定执行策略、持续学习进化，以及多智能体协作等核心能力。在智能办公、智慧医疗、智能金融、智能教育、智能制造、智能物流、智慧安防、智慧城市运营、智慧能源管理、智慧文娱创作等多元化场景中，推动 AI Agent 技术从理论研究迈向实际产业落地，深化人工智能技术在各产业的深度渗透与创新应用，催化一批可以快速进入商业应用场景的现象级AI Agent产品，联合优势产业方构建开放、协同、创新的 AI Agent 生态体系，助力各行业实现智能化转型升级与高质量发展。 赛题一：中医大健康综合智能体 基于中医理论与AI技术融合，构建全流程赋能大健康领域的智能体系统。 赛题二：神经网络机械臂智能体 面向复杂工业场景，构建具备自主学习与精准操作能力的神经网络机械臂智能体系统。 赛题三：超模态文创内容生成引擎 基于 AI Agent 与多模态生成技术，构建突破传统媒介边界的文创内容智能创作系统。

量子计算场景

面向人工智能的计算瓶颈、技术创新、应用拓展等方向的需求，利用深度学习模型优化、大模型压缩、任务调度、聚类算法等人工智能技术与量子计算深度融合，构建了材料发现与逆向设计、合成路径优化、缺陷控制、性能预测；金融投资组合优化与风险评估、高频交易与欺诈检测；高维数据降维与特征提取、分布式计算的资源优化；极端环境的预测与气候建模、资源调度与应急响应；分子模拟与药物设计、基因组学与疾病预测；能源交通的系统优化与智能调度等应用场景。 赛题1：基于量子计算的深度学习模型架构优化 随着深度学习模型参数规模的持续增长，其核心模块（如注意力机制等）在训练与推理中面临高计算复杂度和资源消耗的瓶颈。本方向聚焦深度学习架构的可扩展性与计算效率，鼓励参赛者围绕模型架构优化展开创新研究，或面向具体应用任务构建自定义可优化模块，探索如何利用相干光量子计算机重构和加速经典深度学习算子，提升模型效率，展示相干光量子计算在深度学习模块层面的计算潜力与应用前景。 赛题2：基于量子计算的大模型压缩 深度学习模型的参数规模持续扩大，导致计算复杂度和推理延迟增加，限制了其在资源受限环境（如边缘设备）中的应用。传统模型压缩技术（如剪枝、量化）通过减少参数量或降低计算复杂度等来优化推理效率，但往往以牺牲模型精度为代价。相干光量子计算机作为一种量子优化工具，为模型压缩提供了新的可能性。本方向旨在探索基于相干光量子计算的高效压缩策略，平衡推理延迟与模型精度的权衡。 赛题3：基于量子计算的大模型任务调度策略 在大模型训练中，高效调度算力资源以提升吞吐、减少流水线空转是核心挑战之一。传统调度多依赖启发式或混合整数规划等经典算法，在面对批次和设备数量较大等复杂情形时，常出现求解速度慢、精度低、难以扩展的问题。相干光量子计算机天然适用于此类组合优化任务，参赛者可结合大模型典型训练流程，针对设备分配、批次调度等问题，自主设计目标函数（如makespan最小、GPU利用率最大），探索高效的大模型任务调度策略。 赛题4：应用于推荐系统中用户分类的量子聚类算法 在个性化推荐系统中，用户分类是一大关键步骤，影响推荐策略选择与内容匹配。传统聚类方法在高维数据上常面临精度与效率问题。聚类问题可转化为QUBO模型，从而借助相干光量子计算机，在更大规模的搜索空间中高效求解最优或近优聚类结构。本方向鼓励将量子AI聚类方法应用于用户行为数据，提升用户分类速度和质量，从而增强推荐系统的响应性与准确性。 赛题5：基于量子计算的可解释人工智能探索与应用 本方向旨在鼓励参赛者围绕深度学习模型的可解释性问题开展研究，探索其内部决策机制。参赛者需结合理论分析与实践应用，构建具备科学可解释性的分析框架，深入理解模型行为。在此基础上，参赛者需基于相干光量子计算机开发一套面向深度学习可解释性问题的量子计算方法框架，将关键问题转化为QUBO模型并在相干光量子计算机上求解。通过典型算例验证所提方法的有效性，并展示CIM在求解效率相较于传统方法的优势，体现光量子计算在模型可解释性分析中的潜在突破能力。 赛题6：应用于行业场景的量子+AI方法 量子+AI方法在金融（如资产配置、风险建模）和生物制药（如药物分子筛选、蛋白结构预测）等领域中正展现独特优势。相干光量子计算机可在这些场景中高效解决大规模组合优化和统计采样问题。选手可选取特定行业中贴合实际的科学问题，探索相干光量子计算+AI落地的新范式。

智能数据标注场景

面向交通、医疗、金融、科学、制造、农业等重点行业领域的文本、图像、视频、语音等多模态数据标注需求，运用跨领域跨模态语义对齐、4D标注、大模型标注、标注审查、质量评估、基于思维链的专家标注等人工智能技术，构建医疗健康领域的罕见病诊疗指南、基因测序数据分析报告、手术影像标注数据；人力资源领域的人才能力画像与绩效评估、培训数据的语义对齐与质量评估、自动化筛查合同中的法律风险点；数字贸易领域的跨境商品的多模态识别与分类、供应链数据的可视化；金融领域的量化交易策略代码库、高频交易日志、衍生品定价模型参数；制造业领域的精密仪器故障诊断手册、工业物联网传感器时序数据；自动驾驶领域的4D动态标注与多传感器融合、端到端模型训练的数据闭环、复杂场景的通用障碍物标注；低空经济领域的无人机航线规划与动态监控、低空基础设施的自动化标注、飞行器安全与合规性审查；能源领域的电网调度操作记录、油气勘探地质数据核电站运维日志等场景。