云从科技正在跟进大模型能力要求和评估方法等领域的技术标准立项研究工作，该公司发展前景如何？

云创科技是干什么的

云创科技即云创科技园是徐州鼓楼区高标准打造的重要科技创新载体，是优化重构鼓楼高科技产业的试验田和高端高新产业集聚区。

云创科技园以人工智能、" 互联网 +"、智能制造、电竞动漫等新兴产业为主导，着力引进知名企业、行业龙头企业以及新兴产业的领军企业入驻园区，最终打造成为一个集产业链、人才链、资金链、服务链于一体的创新创业生态系统。

构建苗圃-孵化器-加速器-产业园“四位一体”的创新创业服务链条，完善“产业+企业+平台+人才+载体+金融+政策”区域创新体系，围绕“云物移大智”、“四新经济”，把该园区打造成区域性产业科技创新中心的重要支撑板块，是当地为园区发展而制定的阶段目标。

在园区内，建立有公共服务中心，为企业提供创新专业服务体系，包括人力资源、社会保障、金融服务、法律服务、入驻咨询、物业服务、项目服务、企业注册、商务服务、科技服务等服务。　

扩展资料：

云创科技科技有限公司主要业务：

1、物流服务。

同时，重庆云创科技科技有限公司还提供船位查询、船期查询、物流跟踪、申报因素查询、船舶动态等物流服务。

2、电商服务。

重庆云创科技科技有限公司还面向物流商，提供渠道销售，电商建设，电商运营等服务。

参考资料来源：

百度百科-云创科技园

云创科技园官网-简介

AI大模型扎堆上线，你觉得谁能强势出圈？

撰文 / 涂彦平编辑 / 黄大路设计 / 赵昊然

ChatGPT在这个春天霸占了中文互联网，普通人面对它多生出兴奋和焦虑交织的复杂情绪，而大公司不甘落后，纷纷宣布自己也在做类似的AI大模型。

继3月16日百度发布文心一言之后，4月7日，阿里云官宣大模型通义千问开始邀请测试。

4月8日，在人工智能大模型技术高峰论坛上，华为云人工智能领域首席科学家田奇分享了盘古大模型的进展及应用。他透露，华为盘古大模型正在推动人工智能开发从“作坊式”到“工业化”升级。

接下来，有多场大模型相关发布会扎堆举办。

4月10日，商汤“日日新SenseNova”大模型体系问世；4月11日，毫末智行自动驾驶生成式大模型DriveGPT雪湖·海若发布；由昆仑万维和奇点智源合作研发的天工大模型3.5发布在即，并将于4月17日启动邀请测试；5月6日，科大讯飞“1+N认知智能大模型”即将发布……

互联网巨头、人工智能公司、智能硬件公司、自动驾驶公司等各方力量，都积极参与到大模型这一场盛宴中来。

行业监管也迅速出手。4月11日，国家网信办发布通知，就《生成式人工智能服务管理办法（征求意见稿）》面向社会公开征求意见。

根据计算机科学家、自然语言模型专家吴军的说法，ChatGPT背后是一个叫做语言模型的数学模型在发挥作用，这项语言模型技术早在1972年就已经有了，是由他的导师弗莱德里克·贾里尼克(Fred Jelinek)在IBM期间带领团队研发出来的。

只是到了今天，由于算力不断提升，语言模型已经从最初基于概率预测的模型发展到基于Transformer架构的预训练语言模型，并逐步走向大模型的时代。

复旦大学计算机学院教授、MOSS系统负责人邱锡鹏曾这样描述大模型的能力飞跃：“当模型规模较小时，模型的性能和参数大致符合比例定律，即模型的性能提升和参数增长基本呈线性关系。然而，当 GPT-3/ChatGPT 这种千亿级别的大规模模型被提出后，人们发现其可以打破比例定律，实现模型能力质的飞跃。这些能力也被称为大模型的‘涌现能力’（如理解人类指令等）。”

每当有革命性的技术诞生，无一不是由其在具体行业的商用化应用来实质性地推动行业进步。作为连接技术生态和商业生态的桥梁，大模型也将在很多行业应用落地。

只是，这波来势凶猛的大模型热，究竟会催生万物生长改变万千业态，还是继区块链、元宇宙之后又一个看上去很美的泡沫？

无限想象空间？

特斯拉将Transformer大模型引入自动驾驶领域中，拉开了AI大模型在自动驾驶领域应用的开端。大模型在自动驾驶行业的应用将提升系统的感知和决策能力，已经被视为自动驾驶能力提升的核心驱动力。

4月2日，百度正式发布百度自动驾驶云Apollo Cloud2.0。百度智能驾驶事业群副总裁、智能网联业务总经理高果荣表示，Apollo Cloud2.0基于大模型实现了自动驾驶数据智能的搜索引擎，大模型的能力积累了自动驾驶数据智能的搜索引擎，从海量数据中能够精准找到自动驾驶面向不同场景的数据。

“在自动驾驶领域，BEV(Bird''s Eye View，鸟瞰视图)是当前主流的技术路线，未来可以朝着多模态、通用智能的方向发展。”商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚表示。

他认为，在通用人工智能时代，输入提示词和多模态内容，就可以生成多模态的数据，更重要的是，可以用自然语言生成对任务的描述，用非常灵活的方式覆盖大量的长尾问题和开放性的任务，甚至是一些主观描述。

王晓刚举了一个例子来说明AI和AGI处理任务的不同。给定一张图片，判断是否需要减速，AI和AGI的反应有什么不一样呢？

现有的AI系统，会首先做物体检测，然后再物体框里做文字识别，最后做决策。整个过程中每一个模块都是事先定义好的任务。

而在通用人工智能下，给定图像，人们只需要用自然语言去问问题，比如，“这个图标是什么意思？我们应该做什么？”模型本身不会发生变化，它会通过自然语言的方式给出一系列逻辑推理，最后得出结论。比如，它会说，“前面限速30公里/小时”“前面100米是学校区域”“有小孩”“应该小心驾驶”“将车速降到30公里/小时以下”等。

王晓刚还指出，智能驾驶汽车领域有“数据飞轮”的说法，通用人工智能时代则会产生“智慧飞轮”，人和模型之间可以互动，通过人的反馈，模型能更好地理解人需要它展示什么样的能力，而去解锁更多技能。从数据飞轮升级到智慧飞轮，可以实现人机共智。

商汤基于多模态大模型，可做到数据的感知闭环和决策闭环。从前端自动采集高质量的数据，到利用大模型进行自动化的数据标注和产品检测，“能够几百倍地提升模型迭代的效率并降低成本”。

华为云EI服务产品部总裁尤鹏也表示，“整个数据标注是整个自动驾驶领域准确率、效率、成本最高的一部分”，这部分的效率直接影响到自动驾驶算法和驾驶等级的提升。他透露，华为云正在做预训练标注大模型，支撑后续的自动驾驶算法的训练，可能会在几个月后会发布。

除了自动驾驶，很多行业人士相信，智能座舱也将在大模型的赋能下有着质的提升，尤其将为人机交互打开新的大门。

百度集团资深副总裁、智能驾驶事业群组总裁李震宇认为人工智能将重塑汽车空间，人与汽车的关系将会截然不同。“未来，我们相信每辆汽车都会搭载一个数字虚拟人。未来的数字虚拟人不仅可以模拟人的外形，还可以注入灵魂，真正拥有对人类意图的理解……同时也不再是单一以前场景的车机助理的身份，而会转化成全能助理。”

他相信，随着通用人工智能的发展，智能座舱将成为汽车创新的新焦点，将会重塑其空间，届时用户和车企之间的距离将缩短，用户和品牌之间的关系将更为紧密。“拥有自然语言交流能力的智能车可以让车企与用户直接进行一对一的对话。当汽车成为全能助理后，车企将面对用户需求爆发式的增长。”

王晓刚称，在智能座舱板块，通用人工智能可以使基模型具备对空间环境的理解、用户状态的感知、多模态指令解析及多轮逻辑对话、内容生成等一系列能力，进而赋能包括情绪感知、智能助手、基于情感的对话、创意内容生成、个性交互等一系列功能，不断地提升个性化体验，进一步拓展应用场景。

“智能汽车是通用人工智能实现闭环的一个非常好的场景，我们已经有人机共驾。”王晓刚表示，“未来我们希望车和模型之间能够产生更有效的互动，那就完成了从人到车到模型这样一个互动闭环，能够让通用人工智能为我们提供更好的驾乘体验，解锁无限的想象空间。”

只是，消费者距离这种有着“无限的想象空间”的汽车生活还有多远，没有人说得出答案。

希望在于将来

想象是美好的，不过，挑战也随之而来。

“过去我们一年要做大概1000万帧的自动驾驶图像的人工标定，请外包公司进行标定，大概6到8元钱一张，一年的成本接近一个亿。但是当我们使用软件2.0的大模型通过训练的方式进行自动化标定，效果会非常可怕——过去需要用一年做的事情基本上三个小时就能完成，效率是人的1000倍。”理想汽车创始人、董事长兼CEO李想OK表示，“对于员工来说，他们会感觉用拳头打架遇到了拿枪的。”

他认为，在这样的状况下，如何能够让软件2.0和现有人才进行融合，为他们提供怎样的全新工作流程、激励机制，如何去选用任用人才，给全行业提出了挑战。

更大的挑战可能还在于中外大模型技术的差距。

3月25日，在2023中国发展高层论坛上，360创始人、董事长兼CEO周鸿祎表示，目前来看，中国大语言模型和GPT-4的差距在两到三年时间，GPT的技术方向已经明确，不存在难以逾越的技术障碍，中国在场景化、工程化、产品化、商业化方面拥有巨大优势，应当坚持长期主义精神，迎头赶上。

4月9日，由中国人工智能学会主办的人工智能大模型技术高峰论坛上，融汇金信CTO李长亮认为，未来做通用大模型的和做场景的分层很清晰，没有中间态。做通用大模型需要大量的算力、数据、人员、资源等，只有有很强技术储备和资源调配能力的大公司才能做，中小创业公司在这条赛道上会很难；在垂直应用上，基于大模型的发展，结合场景的know-how做一些创新应用，则会有无数的企业诞生。

他还认为，中国在大模型这个产业赛道上是很有机会的，因为在中文场景下，我们更懂我们自己的语言，沉淀了大量的中文知识，会迅速追赶并超越。

我们也注意到，计算机科学家、自然语言模型专家吴军在4月3日晚得到的一场直播中则给当下的ChatGPT热泼了盆冷水。他直言ChatGPT在中国被过度炒作了，中国的大部分研究机构是做不了的。

在他看来，ChatGPT的原理很简单，但是在工程上要想做到，其实蛮困难，因为ChatGPT太耗资源，光硬件的成本就要差不多10亿美元，这还没算电钱。ChatGPT训练一次要耗多少电？吴军的说法是，大概是3000辆特斯拉的电动汽车，每辆跑到20万英里，把它跑死，这么大的耗电量，才够训练一次。这是非常花钱的一件事。

他的结论是，ChatGPT不算是一项新的技术革命，带不来什么新机会，最后可能的一个结果就是给几家大的做云计算的公司交钱。

由ChatGPT带起的大模型热，最终会在各行各业开花结果，还是盛名之下其实难副？不妨把这个问题交给时间。

本文由汽车商业评论原创出品

转载或内容合作请联系说明

违规转载必究

【本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

有哪些公司提供云计算服务？

1、腾讯

腾讯早些时候在硅谷开设了云数据中心，以紧跟美国云服务的市场份额增长。微信的7.7亿日常用户中有一半每天使用该服务90分钟以上。

2、阿里巴巴

虽然阿里巴巴是世界上最大的电子商务公司，但其增长最快的是云服务。它在全球拥有云数据中心，并已开始向中小型企业销售大数据服务。阿里云在6月份进入了Gartner的IaaS魔力象限。

3、百度

百度专注于人工智能，其中1300多人致力于其开发。百度还宣布与Nvidia合作，通过Volta GPU提升其云和自动驾驶的人工智能功能。

4、IBM

IBM在区块链，云计算和人工智能的收入中占40％。到2017年，它也为宝马和庞巴迪提供了云服务的主要交易。

5、Alphabet（Google母公司）

人工智能还是Alphabet及其子公司的关键领域之一，Google Cloud Platform在公司摘要中未明确提及。MIT表示Alphabet使用DeepMind机器学习算法可节省40％的数据中心冷却能耗。

「大模型+大算力」加持，通用人工智能和智能驾驶双向奔赴

开年以来 ChatGPT、GPT-4 的相继面世再度掀起计算机科学领域通用人工智能（AGI）研究热潮，也不断刷新我们对 AI 的认知。

作为具有人类水平表现的大型多模态模型，GPT-4 被视为迈向 AGI 的重要一步，标志着创新范式的深度变革和生产力的重新定义，也必将带来更多元的产品迁移。

截至目前，全球已经有超百万家初创公司声称使用这一秘密武器来创造新产品，而这些产品将彻底改变从法律到股票交易，从游戏到医疗诊断的近乎一切领域。

尽管其中很多是营销泡沫，但与所有技术突破一样，总会存在炒作周期和意想不到的远期效果。

事实上在另一边，进入 2023 年智能汽车领域同样十分热闹。

智能化已然成为上海车展全场关注的最大焦点，除了激光雷达等关键传感器的单点式突破，各大巨头也纷纷展示智能驾驶全产品矩阵，城市场景辅助驾驶量产落地加速推进。

更加值得注意的是，BEV、大模型、超算中心等计算机热词正在与自动驾驶、行泊一体、城市 NOA 等智驾焦点火速排列组合，颇有相互交融、双向奔赴的味道。

在这背后，一方面是近年来智驾、智舱持续升级对 AI 在汽车场景落地的数据、算法、算力不断提出更高要求，另一方面，AGI 的重大突破也已将触角伸向智能汽车，将其视为实现闭环应用的重要场景，很多企业布局已经相当高调。

日前，商汤科技 SenseTime 举办技术交流日活动，分享了以「大模型+大算力」推进 AGI 发展的战略布局，并公布该战略下的「日日新 SenseNova」大模型体系。

在「大模型+大算力」加持下，本次上海车展商汤绝影驾、舱、云一体产品体系已全栈亮相，近 30 款合作量产车型集中展出，商汤也再度分享了智能汽车时代的 AGI 落地新思考。

本次上海车展亮相的部分绝影合作车型展示

01、算法：AI 正式步入大模型时代

如商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚所言，「AGI 催生了新的研究范式，即基于一个强大的多模态基模型，通过强化学习和人类反馈不断解锁基模型新的能力，从而更高效地解决海量的开放式任务。」

通用大模型并非为自动驾驶而生，或为满足自动驾驶的特定任务需求而设计。但智能驾驶开发的诸多新需求已在推动算法从专用小模型向通用大模型快速演进。

首先是应对海量数据处理和 Corner Case 问题的迫切需求。

对于感知系统低频出现但至关重要的小目标及带来的潜在安全隐患，算法开发需要面对海量数据，传统的 AI 小模型将难以同时处理大数据量和高复杂度的任务。通用大模型则可用在长尾目标的初筛过程，并叠加语料文字处理得到很好的效果。

再比如智驾算法开发对自动化数据标注、降低人工成本的诉求。相比于人工标注，通用大模型将自动化对海量数据完成标注任务，大幅降低标注数据获取的时间成本和本身的金钱成本，从而缩短研发周期、提升成本效益。

处于类似的考量，近年来国内外巨头企业已围绕大模型纷纷展开各自智驾布局。

继 Google 于 2017 年提出将 Transformer 结构应用在 CV 领域图像分类，大模型已在 GPT-2、GPT-3、BERT 等当中不断证明实力，特斯拉率先站台 Transformer 大模型征战图像视觉。

国内企业也紧随其后：

毫末智行已宣布自动驾驶认知大模型正式升级为 DriveGPT，百度表示利用大模型来提升自动驾驶感知能力并将大模型运用到数据挖掘，华为也已宣布加入大模型争霸赛，自研「盘古」即将对外上线。

作为行业领先的人工智能公司，商汤在大模型领域可谓乘风破浪，过去一两年则全面将大模型能力在各业务线 20 多个场景落地，包括智能驾驶。

商汤「日日新 SenseNova」大模型体系背后是大模型研发中深厚的积累。商汤有自己的全栈大模型研发体系，其中就包括针对大模型的底层训练及实施过程中的各种系统性优化。

例如，商汤近期向社区发布的用于真实感知、重建和生成的多模态的数据集 OmniObject3D 中包含 190 类 6000 个物体，数据质量非常高。

再比如，商汤在 2019 年就已首次发布 10 亿参数的视觉大模型，到 2022 年参数规模已达到 320 亿，这也是世界上迄今为止最大的视觉模型。

此外，商汤也在智驾领域持续展示大模型能力。2021 年开发的 BEV 感知算法在 Waymo 挑战赛以绝对优势取得冠军，2021 年 BEV Former 的 Transformer 结构至今仍是行业最有影响力的 BEV 工作，今年开发的 UniAD 是业内首个感知决策一体化的端到端自动驾驶解决方案。

在技术实力的另一端是量产进度。商汤也给出了自己的智能驾驶量产公式：

自动驾驶技术能力=场景数据 x 数据获取效率 x 数据利用效率² =场景数据 x 数据获取效率 x 先进算法 x 先进算力。

而先进的算法大模型不仅将通过跨行业数据汇聚提升驾驶场景数据资源，通过数据闭环开发模式和自动数据标注提升数据获取效率，更将大幅提升感知精度和感知丰富度进而成倍提升数据利用效率。

依托原创 AI 算法和模型积累，商汤领先的 BEV 感知算法推进国内首批量产应用，并采用 Domain Adaption 算法有效解决跨域泛化问题。商汤首创的自动驾驶 GOP 感知体系将目标数据获取的人力成本降低 94%，实现低成本的车端模型开发，目前也已投入量产应用。

02、算力：智能汽车时代的重要基础设施

随电子电气架构技术由分布式不断向集中式演进，大算力芯片成为新型电子电气架构实现的物理基础。

近年来车端芯片算力发展突飞猛进，如英伟达规划中的 Atlan 单颗芯片算力超 1000TOPS，THOR 单颗算力超 2000TOPS，将大幅提升单车感知决策能力。

而在云端，AGI 在自动驾驶、网联等场景的泛化应用将提出比车端指数级更高的算力要求——从数据标注到模型训练，从场景仿真到算法迭代。

算力将是智能汽车时代的新型基础设施。

在此背景下，近年来主流企业纷纷开启双线并行探索，车端自研算力平台，云端建立超算中心。而进入大模型时代后，数据量随着多模态的引入也将大规模增长，因此必然也会导致 AGI 对算力需求的剧增。

可以看到，英伟达车端云端同步布局并将提供端到端的全栈式 AI 加速计算解决方案，特斯拉也早在 2021 年 8 月发布自研云端超算中心 Dojo。

据近期报道，埃隆·马斯克也将成立一家人工智能公司来与 OpenAI 竞争，已购买数千个英伟达 GPU 并一直招募 AI 研究人员和工程师。

国内方面，吉利、蔚来、特斯拉、毫末智行、小鹏等企业也已跟进布局云端算力集群，投入巨大以提升智驾开发算力储备。

对于商汤来说，如果说大模型将是支撑智能驾驶的上层建筑，那么大算力就是数字基座。

商汤科技董事长兼 CEO 徐立表示，目前大模型对基础算力、基础设施的需求非常旺盛，基础算力对并行效率的要求也非常高，但真正好用的基础设施其实十分稀缺。

出于这一原因，商汤历时五年自建了业界领先的 AI 大装置 SenseCore，完成 2.7 万块 GPU 的部署并实现 5.0 exa FLOPS 的算力输出能力，是亚洲目前最大的智能计算平台之一，可同步支持 20 个千亿规模参数量的超大模型同时训练。

位于上海临港的 AIDC 人工智能计算中心将为智能汽车的数据存储、标注、脱敏、仿真训练、算法迭代到部署的闭环提供算力支持，打通基于数据驱动的算法生产全流程，加速高级别智能驾驶技术的 AI 模型生产和持续迭代，推动实现规模化量产。

在 AIDC 的基础上，AI 大装置也将提供支持大模型生产的一系列服务：

• 处理大模型需要的自动化数据标注，将使智能标注效率提升百倍；
• 大模型推理部署，使得推理效率提升 100% 以上；
• 大模型并行训练，最大 4000 块卡并联的单集群，可训练参数量超 5000 亿的稠密模型，可训练超万亿参数；
• 大模型增量训练，增量微调成本降低 90%；
• 开源模型和大模型训练开发者工具，大规模提升开发效率。

如此规模的算力设施即使特斯拉同期也尚难以望其项背，也必将推动大模型的高效闭环。

03、「大模型+大算力」推动智能汽车行业整体进程

汽车行业正在面临百年未有之大变革。尽管此次以「大模型+大算力」推进 AGI 发展是商汤提出的战略布局，但事实上，这一理念早已在行业层面达成共识。

基于感知、决策规控和 AI 云三大核心能力，商汤「大模型+大算力」已赋能绝影驾、舱、云三位一体产品体系量产落地：

除智能驾驶领域的全栈能力和行泊一体量产解决方案外，「大模型+大算力」也正在助力商汤打造智能座舱跨场景生态。

车展期间，与商汤「日日新 SenseNova」大模型体系深度融合的绝影未来展示舱升级亮相，语言大模型「商汤商量 SenseChat」以及 AIGC 文生图平台「商汤秒画 SenseMirage」也已上车，多点融合重构人车交互方式，打造第三空间。

以「商量」为例，作为千亿级参数的自然语言处理模型，其使用大量数据训练并充分考虑中文语境，展示出出色的多轮对话和超长文本的理解能力。

商汤也展示了语言大模型支持的诸多汽车场景创新应用，如在行车过程中化身「邮件助手」自动提炼关键信息，作为「会议助理」自动生成会议纪要，大大节省用户行车时处理工作的时间和精力，为未来出行的应用场景拓展带来丰富的想象空间。

此外，以人工智能大模型开发、生产、应用为核心，一站式

【本文来自易车号作者汽车之心，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

高新技术企业认定2022

国家高新技术企业认定评审最新标准
2022年，国家高新技术企业认定评审将进一步从严把控，预计主要表现在以下方面:
1、企业申报高企当年申请或转让的专利、知识产权不予计分，知识产权获得要有延续性，如企业所有知识产权获证的时间都是同一时间段，会被质疑为临时包装，不被认可或分数极低。
2、企业系统填报的软件著作权，区级组织现场考察时要求企业必须进行演示操作，所演示的功能需与系统提交的软著申请表中描述的功能一致。演示人员必须是参与本项目的研发人员。部分地区要求对软件的源码进行修改，及功能确认。
3、企业研究开发费用必须“三表一致”。即企业年度所得税纳税申报表(A104000期间费用明细表)、企业财务报表、研发投入专项审计报告中的企业研发费用数据要求一致。
4、企业核心高新技术产品(服务)，须提供对应的合同、发票、知识产权证明。
5、产学研协议的签订时间需在2019-2021年，申报当年签订的不予计分，且需提供产学研合作的记录证明(如项目支出的发票及凭证等)。
6、对企业提交的申报材料整体的逻辑性要求越来越严格:专家评审、国家备案过程中，重点考核提交资料中是否体现“研发项目-科技成果-高新技术产品-知识产权-技术领域“之间的相关性。
7、成果转化、组织管理水平部分考核越趋严格:2020年高企网络评审结果显示，成果转化和组织管理水平的得分普遍偏低，只是简单提供产品合同发票、模板化的制度模板、框架型产学研合作、自建性质的研发机构，都不能获取专家的认可，或评分较低。
2022年高企如何规划
Q:
知识产权方面?
A:
II类知识产权数量至少6件以上、I类知识产权至少1件以上
知识产权数量和质量双达标。知识产权是高企申报的重要条件，同时也是认定评审的主要得分项。知识产权(自主研发、转让、授让)方面的工作需要在申报年度前一年度完成。
Q:
科技人员方面?
A:
科技人员占职工总数不低于10%
1科技人员名单，尽量统计所有符合条件的科技人员，指标不要刚好过线;
2科技人员必须入职缴社保或个税183天以上;
3科技人员专业与学历，理工类，允许少量非理工科相关专业的，但工作时间、工作经验和相关职称可佐证;
4研发组织架构完善合理，所设置岗位、职务清楚得当、安排合理;
5研发项目RD表中、项目立项报告和结题报告中的参与人员一致，任务分工一致
Q:
研发费用方面?
A:
收入在5000万以下的，占比5%以上;5000万-2亿之间的，占比4%以上;2亿以上的，占比3%
1研发项目要符合《高新技术企业认定管理工作指引》对企业研究开发活动的定义，具备一定的创新性和创造性(项目鉴定、科技计划政府立项、产学研合作、相关知识产权申请等);
2研发费用结构合理，对于不同技术领域的研发活动结构明细特征各有不同;
3研发辅助账或专账规范合理，在年度审计报告、汇算清缴报告中进行披露，所披露数据保持一致。
Q:
高新技术产品收入方面?
A:
1高新产品名称、合同发票规范，检测报告与产品说明要体现所定的高新技术产品;
2高新技术产品(PS表)论述跟技术领域的相关性贴切，产品的核心技术、关键指标、竞争优势以及知识产权支撑突出，提升高新技术产品价值;
3高新产品的佐证资料，除合同、发票建议提供第三方的产品认定、检测报告等来佐证。
Q:
科技成果转化能力方面?
A:
1由技术专家根据企业科技成果转化总体情况和近3年内科技成果转化的年平均数进行综合评价。同一科技成果分别在国内外转化的，或转化为多个产品、服务、工艺、样品、样机等的，只计为一项。
2科技成果转化的计算是按照一个成果对应一个转化，要想获得高分必须产生15个不同的科技成果，尽量多申请相关知识产权等;每个成果确认转化为不同的产品、服务、工艺、样品、样机、检测、查新、试用等证明。
Q:
研发组织管理水平方面?
A:
研发组织管理水平部分今年提出了很多异议，审查较往年更加严格，核实意见表中也增加了企业是否有实际岗位运行的考察，建议企业不可格式模版化简单处理。具体建议如下:
1建议企业不断健全研发组织管理体系，特别是项目立项、项目中期目标管理、项目结项、项目成果管理，规范研发投入核算制度，做好研发项目记录管理，包括项目立项报告、中期试验过程文件、测试报告、结题报告等过程文件;
2建立符合企业情况的成果转化组织实施与激励奖励制度，完善人员培训引进和绩效评价制度，切实提高人员研发与成果转化热情;
3建立健全研究开发机构，有条件的可申请认定工程技术研究中心、企业技术中心、工程实验室等研发平台，加强研发机构软硬件建设，积极探索与高校科研院所的产学研合作活动。
Q:
成长性评价方面?
A:
成长性的评价主要根据企业近三年的财务数据，计算企业的销售收入和净资产增长率，得出相应分值。对于成长性低于5分的企业，打分风险比较大，专家评审时也提出了成长性弱的问题。特别是对于销售收入成长性不好的情况，更要完善其他三方面材料。
Q:
领域选择方面?
A:
2016年国家四部委对《国家重点支持的高新技术领域》进行了较大调整，很多企业自身技术很好，但在领域的选择上出现偏差，导致申报结果不理想。建议企业在准备认定材料过程中结合自身研究开发项目、产品、专利技术等来选择对应的领域，做到研发项目、产品、专利、领域的四点统一。
另外，研发项目既要结合企业实际体现行业的先进性，在技术材料的编制过程中也要注意与领域的契合。往年专家评审时都会否定一部分企业的低水平研发项目或编造的不切实际的前沿高端项目，与之对应的研发费用、成果转化也被剔除，危及申报结果。
高新技术企业八大领域

高新技术企业评分细则
1
知识产权(30分)

2
科技成果转化能力(30分)

3
研发组织管理水平(≤20分)

4
企业成长性(≤20分)

End
把握政策红利，走对路，找对人
众所周知，政府各级部门每年都会出台惠企政策，资金支持也高达万亿级。企业从成立到成熟壮大、融资上市，发展过程的每个环节，只要理解和应用得当都可以获得政策支持。但真正能把握住政策红利的企业和人才并不多，尤其是中小企业、成长型公司的创业者，时常面临着政策理解难、奖补资金拿不到等尴尬问题。究其原因，大多数的中小企业没看懂政策方向，没找到享受政策红利的抓手。企业到底该如何获得政策支持呢?产业政策应用研究所，从政策背景、项目类别、产业方向、受理部门 四个维度，帮助企业梳理政策红利的逻辑和脉路，为企业提供获得政策支持的最佳途径和申报方法，一站式解决企业对政策获取难、理解难、服务机构费用高等问题。让企业充分利用政策资源，获得资金支持!

关于协会

浙江省建筑业技术创新协会:中国社会组织5A级协会(2017年)，浙江省专业技术人员继续教育基地(2018年)，全国团体标准信息平台团体标准发布单位(2017年)，中国建设教育协会常务理事单位(2019年)，中国建设教育协会地方建设教育协会联席会(2018年)，住房城乡建设领域BIM应用专业技能培训考试浙江省考评管理中心(2016年)。
协会专注于建筑业技术创新，设有:BIM技术应用推进工作委员会、浙江省建筑业院校产学研联盟、浙江省未来社区建筑业技术创新联盟等机构，推动建筑技术创新创先争优;协助建筑业省级技术中心、建筑业国家高新技术企业和建筑业博士后工作站、院士工作站的建设和交流;开展技术创新政策、技术、管理、市场等咨询服务，不断提升服务能力和水平，充分发挥政府和企业的桥梁纽带的作用，为我省建筑业技术创新和会员单位服务。
联系方式:
电话:0571-85900069
邮箱:jzqyjscx@163.com
地址:杭州市滨江区冠山路2888号盛巢科创园1幢3单元106室