主持人：尊敬的各位来宾、各位合作伙伴，大家上午好，这里是BOE IPC·2023技术策源地峰会论坛，我是主持人周莉。欢迎大家的到来。首先，感谢百忙之中莅临本次论坛的各位嘉宾，我们尤其要感谢业界著名专家曹镛院士的到来，也感谢BOE（京东方）总裁高文宝博士的到来，谢谢。
技术策源地论坛在IPC历史上是首次设立，很多伙伴会问技术策源地是指什么？它的内涵又是啥？我自己也做了一些功课，当然我也用现在很热门的ChatGPT搜索了一下，发现离不开几个高频词，原创、开放、孵化、引领，那伙伴们又问了京东方的技术策源地内涵是什么？京东方要如何打造技术策源地？下面有请京东方集团副总裁、首席技术官徐晓光博士揭晓答案，徐博士的报告题目是“协同创新，打造技术策源地”，有请。
徐晓光：感谢介绍，这确实是我们IPC第一次单独拿一个活动，来跟大家讨论关于开放的话题，关于京东方想怎么做产学研合作的论坛。我将会对我们要打造一个怎样的策源地，我们能拿出什么样的资源给大家，我们怎样去合作，来做一个介绍。我的三个伙伴会就三个策源地具体方向和想开放的课题给大家讲一讲。
其实我们在做策源地设计之前，核心目的是想和学界加深合作和关联，产出更好的成果，我们在做设计之前也做了一些合作，做了十几年，有很多尝试，也遇到一些问题。这里我们从创新链的角度看看现在存在的问题。
大多数的问题是转化率问题，特别是右边这张图我看到的时候也很惊讶，其实中国在基础研究方面做的不比西方差，在某些领域做的更好，在产业转化方面确实是有欠缺的。最后的一公里我们的技术落地，生产制造，这些产业也做的不错，实际上想做好中间这节很难，这也确实是我们所面临的问题。我今天讲的策源地，就是想通过一些模式的设计去解决这样的问题。
我们也把这样的问题抽象了一下，大概分五个方面：
第一个方面，我们的探索和科研尝试缺乏长期性，特别是缺乏长期的资源支持。比如咱们在座的老师们，刚才跟各位老师寒暄，有很多是师兄和老师。做研究的时候基本是五年一个大计划，三年一个小计划，跟着指南走。今年热的时候全做OLED发光，明年全做太阳能，等等。所以我们课题没有延续性，也没有人愿意做持续的支持，因为转化是很长的路，这是第一个问题。
第二个方面，不同的研究阶段对资源配置需求是不一样的，比方说科研我们搭一个小的实验室做一个很漂亮的结果，中试我们必须在中试的平台上做，在实验室很难得到中试的结果。倒过来也是一样的，在中试的条件下做技术研究也是很大的瓶颈，我们看到了创新链上的资源并没有得到充分的流转。
第三个方面，我们谈到孵化，包括现在国家也支持教授去创业、孵化公司，但真正孵化的时候我们会发现我们所得到的支持很少，少的可怜，基本只有资金。但是其他的辅导，后边的一些帮助都是没有的，所以这是为什么我们在转化的时候，有时候转的很多，实际活下去的很少。
第四个方面，大家总谈研究和产业需求不匹配，都说老师想的和产业要的不一样。我们的思考是，缺少必要的环节，让老师和我们想的是一样的。其实老师们都是很高屋建瓴的，为什么说老师不懂产业需求？这是因为我们没有足够的媒介，就像今天的会议一样，我们通过两天的会议把很多学界的老师请来，去了解公司真正怎么去想、去做，也是通过这两天的紧密接触，我也发现了很多老师对我们有改变，知道你们京东方的逻辑是什么，京东方怎么思考问题等等。
第五个方面是人，所有的活都是靠人干的，国家层面也一直在呼吁我们没有复合人才，其实我们看的更多的是人才缺乏流动性，怎样从学界到产业中能流进来，更高级的是产业能流回去，通过这种流动性加强课题的连接性，加强课题黏性。
这是我们自己的角度，可能想的不是很透彻，发现了这些问题。我们设计策源地就是为了解决创新链存在的问题，我们会在这五个方面做努力，包括投入，平台，服务，激发创意，人才交流，我们会在这五个方面做工作。下面我展开来说。
在投入方面，京东方坚持长期持续的投入，占营收的7%左右，不管我们是做100亿规模还是现在2000亿的规模，都是在这个强度下。只有这种强度的投入、持续的投入，我们才能源源不断地有创新成果，所以我们自己过去是这么践行的。当然我们现在发展到比较高的阶段了，我们也愿意把我们的投入拿出来和今天在座的各位，特别是创新伙伴们一起分享，大家看到这100多亿的研发投入里面，产品开发部分和基础技术开发部分，我们都会拿出一部分做合作的投入。比例我们后续会持续的优化，我们也愿意从公司自己的预算里边拿出一部分来做长期的事情。
这些事情也不是现在心血来潮，下边我举几个例子，介绍BOE一直以来的努力。
第一个例子是氧化物。之前我们就做了很长期的投入，从京东方第一个原型开始，现在在量产第10代，未来做第11代，我们都是在迭代的。从我们入职的时候就在做这个事情，也是受益于这个长期的投入，我们取得了比较好的结果。所以未来在这些已经认定的产品方向上的核心技术和关键技术，我们仍然会做长期的投入，并且希望和大家做合作。
第二个例子是颠覆性目标。和在座老师有些以前聊过，当时我们做OLED的时候提到超越理论极限的目标，我们说要做EQE超过80%。很多老师给我们做理论教学告诉我们不行，最高50%甚至55%。这是什么意思？我们在一些很坚定的方向上，我们也愿意去设置一些挑战指标，甚至这些挑战指标也是和学界的学术研究兴趣吻合，大家也想去做挑战，我们也愿意做这个事。这个事我们更不看中目的，更看中的是过程。我们当时也做了全球招标，有一个国内团队和西方团队一起接了这个课题，之后我们通过若干年的合作攻关，每一点点所释放出来的一些成果，也促进了现在实际量产期间的结果。虽然我们现在仍然没达到预设的指标，但成果对我们的产品是有改善的。
第三个例子是我们会挑战一些科技前沿，比如柔性电子，我们尽管做柔性显示，但大家都说柔性电子没有杀手锏的应用和产品。没关系，在这个方面我们也愿意去做投入，包括我们的品牌伙伴，我们可以一起设立一个很长期的目标，比如我们探索一些柔性显示在健康管理相关领域的应用，在这里面京东方做什么，原材商做什么，机理研究做什么，包括品牌做什么，大家一起去向远的目标努力，从而一步步的实现，也许会探索出一条路。
我举的这三个例子，也我们未来想长期投入的方向。
第二部分讲资源平台，我们愿意把平台拿出来跟行业共享，我们可以想办法在平台上除了做自己的项目之外，也做更多的合作项目。比如我们现在有三个层次的平台，通过若干年的建设比较完整，研发平台做一些原理器件级的验证，包括小试的产品；中试平台做一些初步放大的，在中试平台上可以做一些客户样机，更成熟的样机。当然如果走到最后一步也愿意提供产品平台，去做拳头产品。因为我们的伙伴不止来自于院校，还有很多上游的伙伴们，我们有一些较为成熟的材料验证，可以直接在中试甚至产品平台上验证，这是我们愿意开放的。我们也号召伙伴们能把自己优势平台开放出来，比如高校在研究平台上比我们做的更好，我也走访了很多院所，那些设备都是我们买不起或者敢看不敢买的，大家可以把合作链上的优势拿出来。我们也会鼓励下游的品牌把原型验证上一些原型机、系统测试平台拿出来，大家一起在平台上共享，根据不同的阶段去使用不同程度的资源，这是我们的第二个设想。
简单介绍一下我们平台，一会儿刘志强总的报告里还会有更详细的。我们最早拿了一个国家工程实验室的牌子，当时主要做液晶国产化，有一条2.5代的液晶线。从它慢慢变成可以做OLED、可以做柔性甚至其他的器件，包括我们架构了一些微纳加工的器件，前后投入了十几亿。现在基于370×470大小的玻璃基板投入，是非常完整的一条线。同时我们去年投入了可以做玻璃基和硅基兼容的MEMS加工线，做更小尺寸到百纳米级的微纳加工平台，这里边可以做一些简单的玻璃器件，包括硅基上的器件，在更紧密的器件层面做事情。这些都是我们愿意拿出来跟学界开放的平台。
讲完平台，第三块部分一下京东方可以在策源地提供什么孵化服务。现在有很多院校老师也在创业，但创业就会面临去哪做的问题，我们也是特别欢迎大家到我们BOE创新中心来做。为什么到创新中心来做？我们能做四件事：
第一件事是落户。创业落户是一个很麻烦的事，要对接政府、对接政策，我们在这几个基地，重庆、成都、青岛、苏州等等有我们自己的产业，同时也有我们的创新中心，可以在这些基地上落户
第二件事是产业链协同。这个对发展是非常重要的，不管你是落户初创公司还是落户实验室，你最希望的就是在几公里范围内有伙伴们，这是我们创新中心可以提供的。因为我们聚焦在我们关注的上下游，我们引入的都是上下游的产业链伙伴。比如您是一家做膜材材料的实验室，你可能走不了多远就会看到膜材加工的实验室，这样简单的在园区内就可以做出膜了，又很接近到我们这边做验证，这是我们创新中心非常独特的地方，是可以提供产业链的协同。
当然资本服务我就不多谈了，大家知道有很多方式做资本。
还有一条，京东方愿意把自己专业化的服务拿出来给到大家，比如说法务、财务、专利等等，帮助大家的实验室或者初创团队的成长。
第四部分，我们愿意自己做活动，比如IPC大会；我们也愿意支持协会做活动，包括我们和院校做定点定项的活动，双向的创新日。为的是什么？为的就是让这些人才，让大家今天坐在这里能够知道我们想什么，我们互相了解彼此，碰撞出更多的火花。这也是我们愿意做的，今天在座的，大家也在组织自己的学会和活动，欢迎找到我们。
最后一部分是人才。我们之前做过一些事情，这三年我们最多尝试的是双向的人才走动。一方面我们和学校联合培养一些博后，另外欢迎一些老师到我们这里做一些事情，我们的人也会走出去担任企业导师去做一些培训等等。今天很特别，一会儿有环节，我们要做一个专家库，我们希望和能够长期形成稳定关系的人更深入的做互动。
基于上边五个方面的尝试，我们去打造策源地。京东方不是打造所有物联网，京东方只关注三个事，这三个事就是围绕屏之物联来的，就是赋予屏更多功能，衍生更多形态，植入更多场景。这个话落下来就是三个方向，一是半导体显示方向，二是传感器件方向，三是物联网创新方向。
这三个方向各自关注什么？
半导体显示方面，最新型的显示是什么，上游的部品材料有哪些新的发展，包括工艺装备上有哪些新的尝试，这些都是我们关注的话题。
在物联网端侧和云侧的智能，传感器件方面也是有些很核心的光电器件都是我们考虑的范畴，一会儿我的同事会在这三个方面有更具体的阐述，我就不赘述了。
最后一点，怎么合作，有几方面。我们可以做战略级的合作，包含项目合作、人才培养、技术互动等多维度的合作。还有更简单的是项目级的，分短期、长期、产品、技术等等，我们都可以把它落地成合作项目，这个项目的周期可长可短。当然还有一些其他的，包括我刚才提到的资本、人才等等，这些都是我们可以开放的。
最后告诉大家找谁联系，就是下面这个邮箱，主责部门就是我们集团技术战略与协创中心，这是我们的官方邮箱。大家有任何想合作的想法，想发的课题，都可以直接通过这个邮箱，我们会确保三天内跟大家联系，对这个项目做反馈。
我的报告很简短，主要讲一些政策，后面我的同事会专门讲方向。现在我把时间交给主持人，谢谢大家。
主持人：谢谢徐博士，我也介绍一下，刚才的联系方式技术战略与协创中心，我是技术战略与协创中心的中心长周莉，您可以联系我。
徐博士刚才从创新链着眼，从资源的投入、研发平台、孵化服务、创意碰撞、人才合作等五个维度，阐述了要与合作伙伴一起共同打造半导体显示、物联网创新、传感器件三大技术策源地。我们的策源地打造肯定需要聚四方之智、借八方之力。我们很荣幸邀请到行业的顶尖专家担任我们的科技顾问，接下来进入激动人心的环节，京东方科技顾问聘请仪式。本次我们共邀请到21位行业专家为京东方未来发展献智赋能，其中2位是战略科技顾问，19位科技顾问。
高文宝：大学之大是因为有大学者，企业同样如此，一个创新型的企业需要一批具有创新思维、敢闯、敢拼、并踏实落地的人。但是我们也需要有人指导，有人协同，尤其需要与产学研有机结合，靠企业单打独斗是绝对不行的。
今天我有三点体会跟大家进行交流分享：
第一，回归现实。作为一家国际化公司，我们必须融入国际化竞争环境，这就需要保持清醒的认识，正视存在的不足及差距。举个简单的例子，2020年美、欧TV市场份额分别增至23.3%、20.7%。尤其北美市场更是以出货量达到53.3M，同比增长15.9%，超越中国成为全球最大市场。即便是2022年北美出货规模45M，同比下降9.7%，这个数字的背后，不要忘了对应着的是3.5-3.68亿人口，而中国市场以将近4倍以上的人口数量，却并未焕发出相应的规模。为什么会出现这种现象？我们需要深刻思考诸如此类问题的本质，立足本业，踏实做事。京东方是坚定不移支持合作创新的，我们每年提供合作资金，就是希望和各位伙伴共同探索原创性、能够带来产业变革的重大课题，通过关键技术的突破加速创新，推动研发成果产业化，实现共赢。奖励。
第二，转变思维。我们必须把Innovation放在Opening前面，I和O代表特殊的含义，即1除以0是无穷大，我们需要有1也需要有0。
第三，与人沟通。做任何事都来源于人，用心改变生活根本是靠人。
企业之间也是通过人来沟通的。我在与客户沟通的过程中总结了5个C。Convincible，即证明你的观点；Countable，提出的信息是可量化的；Control，过程是受控的；Checkpoint，即设置检查节点；Commitment，兑现承诺。
还有五个词，今天有感而发：Make simple、Less is more、Deep dive、Data
Talk、Yes Attitude。这是我们做事都应该坚持的。
我们建立合作平台就是要联合伙伴们，踏踏实实推进更多的原创性、基础性研究，为产业的健康高质量发展共同努力，谢谢各位。
主持人：面对未来，要真正的实现科技创新，实现原创，并且为大家谋得福利，这个路阻且长，但行则将至。在未来的路上我们期待更多的专家能够加入我们，成为我们的科技顾问，与我们肩并肩站在科技和产业的前沿，一起努力，共谋未来。
下面进入创新共赢环节，刚才徐博介绍了打造三大技术策源地的平台和资源，我们具体要做一些什么样的课题？接下来的环节我们技术主管会发布开放合作课题，有请BOE（京东方）高级副总裁刘志强先生，为我们带来半导体显示技术策源地合作课题，报告题目是“创新赋能，开放合作”，掌声有请。
刘志强：尊敬的曹院士和各位教授、老师、科技顾问，早上好。
刚才徐博士已经高屋建瓴说了很多，我要说一点“不积跬步，无以至千里”，作为显示D这块我们要做什么。今天我带来的主题是“创新赋能，开放合作”。
主要就是这五个部分，目标、选题，方向，资源，合作案例。
总的目标，一直以来京东方比较擅长的是显示这部分的应用场景。昨天的报告里边我也跟大家分享了，未来更多的可能是想象不到的应用场景创新，基于应用场景的创新把技术持续的研究与深耕，把我们的技术进行孵化，把我们的技术进行应用。单打独斗永远是没有出路的，更希望我们是开放，跟各合作伙伴，尤其是产和研能够进行深度的合作，来实现我们未来的技术。
我们的选题基准，首先是希望能够获得学术界的顶尖认可，形成我们的生态影响力；其次，我们在业内在很多方面已经实现了首发；同时也有很多不足。我们希望跟我们优秀的伙伴，优秀的友商在能力上形成互补，能够进行一些适配性的发展。
我们的半导体显示技术策源地主要是三个方向：一是基于新型显示，面对未来的需求，能够有更多的技术深耕和发展。同时，显示的未来还有很多瓶颈是涉及材料的，随着材料的进步来升级的。此外，我们有了设计，有了想法，实现就靠设备，所以我们在显示、材料和设备三个方向进行策源地具体实施。
刚才说到三个方向，同时我们又有三个维度，基于应用场景、技术研究和资源合作要做什么？我们在新型显示里面举了几个例子，比如光场，在我们的应用场景我们实现的是视网膜级、大景深的医疗、科研等等领域里面的应用。我们需要的是技术研究，超高信息密度的显示面板。我们寻求的合作是什么？是我们内容渲染的引擎，包括打印材料及设备等等。在这里我们开放出来具体要做什么，我们也是希望能够跟各位老师、各位教授和庞大的高校资源，我们共同在未来开拓。
在部品材料这边，很多显示的迭代最根本的是材料的升级，我们也在技术洞察以及技术寻源里边识别到了一些新的方向，比如无极变频，比如刚刚经历了疫情时代，抗菌抗病毒以及低碳显示，在这几个领域里边也是希望能够开源，跟合作伙伴能够进行深度的合作。
最终的实现要依托于设备和工业，再好的技术如果不能商品化，不能产业化，可能确实没有办法更多的造福于全人类。我们在设备领域简单举了几个浅显的例子，比如视觉缺陷的识别，比如光学测量，比如高精度温控设备，这些设备还有很多行业里的设备处于卡脖子的状态，我们开放资源希望在设备实现上，能够跟大家一起共同合作。
刚才我们的CTO徐博士已经说到了，我们有丰富的研发资源，尤其是我们产线资源，欢迎各位院士、老师，能够把课题带到我们的实验平台、研究平台，包括带到我们的产线，我们有一整套从实验室到中试线到量产线完善的服务和孵化机制，最终要把基础研究、前沿研究孵化成商品化，能够变成我们的产品，推向市场和社会。
简单举例说一下，我们策源地到底做了什么？刚才我说到了“跬步”，有两个例子：
一是我们与世界头部企业一起联合开发的超声指纹识别技术，通过跟他们一起合作，包括我们的实验线到产线的资源，实现了我们超声指纹的突破；另外在我们的MLED领域里边，率先跟设备、装备友商一起联合开发，并且应用到量产上的，首条G6大尺寸的厚铜设备，应用到产品上，实现了产品规格的升级。同时我们在不断地迭代，现在已经实现了单层铜的ONE MASK低成本方案。
通过我们的技术合作，通过跟大家一起策源，无缝衔接，产研结合，我们能够点亮创新、点亮未来，能够一起开创见所未见的未来显示世界。
谢谢大家！
主持人：感谢刘总的精彩报告，刘总介绍了半导体显示相关的材料、工艺、芯片、设备等等方面的合作课题需求，希望与业界各位伙伴们一起开启半导体显示无限可能的未来。大家对以上课题感兴趣可以联系邮箱或者我都可以。
氧化物技术是半导体显示持续投入的重点方向，接下来让我们有请华南理工大学彭俊彪教授，他带来的报告题目是“高性能氧化物TFT阵列关键材料与技术”，掌声有请！
彭俊彪：各位老师、各位同事、各位朋友，大家上午好。今天非常高兴有机会参加京东方主办的IPC大会，让业界和学界比较熟悉的同行和同事，在这里欢聚一堂。我个人很荣幸能够在这种场合跟大家做一个交流，我今天要讲的是氧化物TFT。
氧化物TFT，早期我们开展这方面研究的时候，还是抱着一种对显示驱动方面能不能有一些改进，当时的想法还是比较简单。今天看大家对氧化物TFT的需求还是比较强烈，原因也是随着显示技术产品的不断发展，特别是我们对显示技术的要求不断深化，对TFT需求也还是有了新的明确要求。
我们知道TFT是我们显示后边的核心部件，它起到驱动的作用，这个作用在早期的时候大家看的不是很重要，因为在早期的时候我们要解决液晶响应时间、视角问题，所以大家集中焦点在这儿。OLED发光材料大家知道也是非常重要的核心材料体系，这也是我们关注的焦点。早期在TFT材料使用上基本上是非晶硅、a-Si。虽然我们对显示的要求不断提高，低温多晶硅也出现了，今天显示的发展要求我们低功耗、低成本、大面积。从这个角度来讲要有一个新的发展，所以我们的TFT本质来讲是起到开关的作用，这个开关我们希望它开就要开的大，OLED是电流性的器件，关就要关的严，不要滴水，不要有漏电流，这是低功耗的主要表现。
对于硅的材料来讲，这方面要不然开的大，低温多晶硅是可以的，非晶硅这方面就欠缺。关的严都不太够格，氧化物在这块就有机会。我们看到氧化物现在用的不管是IGZO还是其他型的氧化物都是非晶，这种非晶实际上给我们带来了一些新的挑战，但是也有新的希望在里边。主要是它能够实现高迁移率，不管你是结晶型的有序还是无序，它都能给电子云的重叠实现保障，所以它的迁移率一直都是比较高的。我们在这儿可以看硅必须是结晶的，才有好的电子迁移率。
对于未来的需求来讲，大尺寸还是非常重要的，对氧化物的需求，我们希望能够做到迁移率超过50%，当然要保证稳定。它的天花板是多少？我们希望能够超过60%，但这个难度还是很高的。我们知道非晶毕竟从电子传输来讲还是有天花板的，但是我们觉得还是有一定的机会往这个方向努力，这是我们需要做的。
我们也知道目前的氧化物半导体材料面临的挑战还是挺多的，为什么这么多年下来我们IGZO体系做的越来越成熟，但是它的迁移率我们觉得还有进一步改善的空间。其他的氧化物材料有没有可以做的更好？稳定性也能保障，满足我们的需求？这个事也是一直在克服。
一是电子迁移率能不能进一步提高，我们希望能够超过50%，但现在从量产的角度还是有相当大的距离。
二是稳定性，稳定性是抑制电压漂移，抑制电压漂移输出电流就会改变，这样我们看显示屏就是不合格的。
这两点构成了氧化物TFT材料最大的瓶颈问题，特别是把这个东西要用到8代线以上，从多组分的材料体系来讲还是有相当大的难度。
我们在材料思考方面也想了很多办法，现在我们用稀土掺杂，当初的考虑只有一个，如果从电子迁移率能够关的严角度看，氧空位浓度控制非常重要。我们知道IGZO是用镓，高浓度的镓来控制氧空位，能不能用其他的元素控制氧空位？但是掺杂浓度比较低一些，保证铟这个组分的电子迁移率。所以我们用稀土，稀土材料从镧系角度来讲还是比较多种的，哪种稀土元素更合适，更好？我们从它的断键能以及掺杂浓度价态变化，我们在这方面做了一些研究。实际上一方面在机理上做研究，另一方面也是在器件工艺上做了很多细致的优化。
从它的组分来讲，特别是从电子结构来看，我们用一些成熟的比如说第一性原理计算，也许能给我们一些指导，但是我们知道这样的计算是基于结晶状态的材料。对于非晶来讲，这种计算虽然能够在结构信息、能带信息，包括载流子输运这些方面给我们一些启示，但这只是比较可行的参考。
现在的氧化物体系一方面是IZO，氧化锌作为主体的体系，另外IGO，有报道IGO这个材料能够有比较好的结晶性，它的迁移率会做的更高，也有报道说超过50%的迁移率，发展的非常有前景。像这样的信息其实是不断涌现的，我们知道镓跟铟是一个种族，它的电子晶格匹配的比较好，所以它就容易结晶。容易结晶作为多晶或者微晶，它的电子迁移率或许有所改善，锌的加入是希望能够把它的多晶变成非晶，这个想法不一样。到目前为止，氧化镓掺铟的材料体系，从结晶的角度希望提高电子迁移率的角度还是倍受关注的，也是在发展过程中，也没有最后能够在产业上落地。
但是从本征的角度来讲，比如说IZO这个材料体系，本征的电子迁移率还是比较高的，我们知道氧化镓是宽带隙的电子材料，它的电子迁移率不是很高，但是它在很多的特别是稳定性方面给予了比较好的期望。
我们一直比较坚持用氧化锌掺铟的材料体系，就是基于它的高电子迁移率考虑。实际上我们对这些不同的稀土元素，在材料配置和靶材制作方面进行了很多探索，这是我们在实验室做的比较小的靶材，进行薄膜的制备，包括电学特性的研究，还有器件结构的设计。
从光响应来看，不同的稀土材料给出来的迁移率还是有所不同的，这些方面还是跟不同的稀土元素价态电子结构不一样带来的影响。
我们也知道从薄膜特性来讲，掺不同的稀土包括不同的浓度，其实对带隙会有影响，但是我们这里掺杂的浓度相对比较低，稀土浓度相对比较低，所以对它基底光学带隙的影响还是比较小。这样的高浓度掺杂带隙的思路，在这里边是不太起作用的。三个现在成熟的机理，比如说减少深能级的带隙，另外扩展光学带隙，提高它的稳定性，另外增加光的阻挡层，这些都在稳定性方面会起一定的作用。我们在这里边希望能够找到另一种方式，我们在这里边稀土元素研究了很多，特别是我们想看一看它的迁移率跟稳定性，跟稀土元素到底是什么样的关联。最后我们发现掺镨和掺铽两个稀土材料，在抑制电压的稳定方面起了很大的作用，这些原因我们做了一点探索。实际上对于非晶氧化物半导体材料来讲，它的机理上还是挺复杂的。
我们最后的结论是，镨和铽通常我们用的是四价态，四价态在光声载流子激发的过程中，四价态和三价态有一个转化过程，这个转化就让我们的光声载流子能很快的通过四价态、三价态的转换，能够很快的驰豫下来，我们的氧空位产生的光声载流子，能够很快的在小于微秒级的时间尺度内尽快的符合。光稳定性主要的考虑，光声载流子能不能尽快的驰豫到基态，这是我们主要的考虑。看来稀土元素，特别是四价的稀土元素在这方面是很明显的。
我们想稀土元素的变态在这里边发挥的作用还是比较强的。更进一步来讲，每一步的物理机制到底怎样？我们有一些数据，但有一些也不是特别清晰，在这块我们希望能有更深入的研究和更清晰的理解。这都有什么好处？稀土元素能不能在掺杂浓度更低的情况下，对它的迁移率影响更小的情况下，实现一个高迁移率、高稳定性，这是我们追求的目标。获取稀土离子，我们知道它的俘获截面，特别是对在载流子的俘获截面，这个能力还是要考虑的。接下来，我们在这方面可能还会有更多的思考。
不管怎样，我们觉得掺稀土这样的材料配方，在解决TFT氧化物半导体材料迁移率、稳定性方面是一个有效的方式，接下来我们也希望能够跟BOE合作，我们也非常希望有这样的机会，能够把这个材料体系切实导入到我们的生产线，能够在我们的产品中体现出来。实际上这个工作还是非常不容易的，还有很多细节工作要做，很多技术的优化工作要做，而且付出的辛苦和代价也是非常高的。我想高性能的氧化物TFT材料，包括它未来的应用不只是非常有前景，我认为可能是在解决高性能TFT方向上，也许是必由之路。所以这个事情我个人认为是一个必须要做，而且有很大的信心，有很好的前景，这是我今天要讲的内容。
接下来，我也希望我们能在跟BOE合作的路上走的越来越远，这是我个人的希望，也是我们团队的希望，今天到这儿来非常荣幸，也非常感谢大家的聆听，谢谢。
主持人：谢谢彭老师的精彩演讲，我们也希望在氧化物这条路上能实现产业化，走在世界的前列。我们也特别欢迎各位创新伙伴们能够积极加入我们半导体显示技术策源地的朋友圈。
AIoT是京东方未来发展的重要方向，以屏为核心的物联网创新是我们选定的高潜航道。下面有请京东方智能物联CTO组织人工智能与大数据技术中心副中心长赵星星先生，为我们发布物联网创新策源地合作课题，演讲题目是“智能物联，融合创新”，掌声有请！
赵星星：各位来宾、各位老师，上午好，我是来自AIoT的赵星星。我今天给大家分享一下物联网创新技术策源地的思考。
首先是秉承京东方屏之物联的战略，我们从原先的器件衍生到智能终端，再把终端融入到场景中，打造场景的解决方案。我们一直在思考打造什么样的技术体系来支撑这样的转型，我们最后梳理出了AIoT技术体系。
展开来讲，我们AIoT主要针对两个方向：一是智慧终端，智慧终端领域京东方现在已经布局了7个主要的产品方向，既有TV、Monitor这样的成熟产品，也有IOT、3D、低功耗这样的创新产品。针对这样的产品结合我们的显示优势，打造了软硬融合技术平台，里边有我们的电路设计、系统、软件、UI&ID等等这些事情，打造领先的终端产品；二是物联场景，一方面把智慧终端融到场景里边，另一方面我们会满足这些场景里边更多的软性需求。基于这样我们又打造了智能物联平台，这里边包含人工智能平台、大数据平台、边缘计算平台、物联网平台、云平台五大平台。通过这样的软硬融合和智能物联两个平台，支撑我们细分场景的物联化和智能化。
经过这几年的发展，AIoT技术体系取得了一些进展，人工智能方面有14项算法在行业取得了冠军，40多项取得了TOP10。同时我们也以首批单位参与到北京市人工智能先导区建设。同时我们也会和行业头部人工智能头部一起参与这些标准制定。在软硬融合方面，我们打造了五大类上百种软硬融合板卡，支撑丰富的产品线。另外软件方面针对不同的产品有商显类的软件系统，有一体机的软件系统。同时应用方面有人机交互、多屏互动、超高清这样的创新应用。
回到物联网技术策源地，上边讲了很多物联网技术策源地到底要做什么。我们通过梳理出来技术策源地里边重点突破物联网算法方向，拆开来讲就是包含端侧智能和云侧智能。两个策源地主要的方向和目标：一是构建应用创新的技术底座；二是打造行业领先的产品和解决方案。我们的关键举措是强化基础技术和开放生态，这四块后边都会展开。
首先是物联网算法。端侧智能我们重点聚焦两大块，一块是终端画质，一块是终端交互。画质方面首先京东方有各种形态的显示，我们有透射式的LCD，有主动发光的OLED，有反射式的EPD显示，各种显示大家的感官都是不太一样的。同时我们把器件做成终端，从内容到系统到芯片到传输，每个链条都会影响最后的显示画质，我们一直尝试通过人工智能算法端到端优化画质。这方面我们去年在终端上，利用终端ARM芯片上的GPU就可以实现实时的画质增强；第二块是终端交互，基于显示器的交互一直在演进，从原先只能看到触控到手写，现在新的VR、3D出来之后，眼控、手势这样的交互也越来越多。人工智能在里边也能起到很高的作用。去年手写识别的优化，包含笔记预测算法，整个系统全链路的延时优化，最后做到23毫秒，这个也是做到了行业头部。这是终端智能。
第二块是云端智能，为什么京东方要做云端智能？云端智能里面有两块：一是内容理解，当我们在做一个解决方案的时候，当一个场景里有很多显示屏幕的时候，在软件系统里就会流转很多的视频流，视频流一般来说叫非结构化文件，这种非结构化文件其实是很难直接做利用和分析的，现在的人工智能技术其实在视频的结构化方面有很强的优势，所以我们可以用AI技术在显示系统里边做结构化。比如说在园区里做人车物的结构化，在信发系统里做信发内容的打标签、违规检测等等。
再是内容生成，显示一直都是领先于内容和系统的，比方说今年的SID发布了16K显示，发布了光场显示，当这样的新型显示出来的时候一般都是没有内容跟进的，我们可以基于AI算法技术，可以基于老的内容来生成满足新特性的内容。比如说超高清视频，其实超高清4K、8K这样的标准已经出来十几年了，但是内容还是不多。最近几年我们在和电视台合作，把我们优势的分辨率、亮度范围、HDR算法技术生成上千个小时的影像内容在电视台播放。这是整体的端侧智能和云侧智能，这些技术会作为我们的基础技术沉淀下来。
端侧智能基础技术有画质相关的，有交互相关的。因为端侧的算力很有限，为了实现这样的AI算法需要一些小模型、轻量化技术来实现，这些技术是大家可以参与进来一起做的。同时为了实现这样的算法我们需要上游的芯片公司，比如说显示类芯片、终端AI芯片、操作系统，一起来优化这样的系统，实现我们的算法，最终能够融入到终端上，最后把终端应用到超高清终端和多模态交互的终端上。
同样在云侧智能上，我们基础技术包含检测、识别算法，超高清内容生成。同时GPT出来之后，未来对终端上的语音交互会有极大的改善，这种类GPT的模型。同时为了解决样本的问题，小样本的算法也是需要突破的。为了做这些技术我们需要上游的这些边缘计算算力、云端算力，还有这些框架等等，实现这些之后我们可以融入到园区进入物联场景，终端的管理还有创新显示，待会算能黄总也会给大家介绍基于边缘计算的合作。
上面的几块都可以一起来合作，首期开放出四个课题：一是结合人因工程的画质质量评估，画质有一些量化指标，但是很难真实的反映出大家的主观效果，曾经有一次做产品，客观指标都已经达成，但是客户说这个画面不够透亮，像这种词就很难量化。我们希望通过和学术界一起讨论，到底人对画质的评价底层机理是什么，我们怎么样改善能够达到优质的效果。
二是可变帧率的影像运动补偿技术，我们的显示技术现在有越来越多的刷新率，从原先的60，现在有120、140、300、600，甚至现在可变帧率的。但是视频内容这么多年来其实一直都是24帧这样的电影格式，怎么样通过原先的内容能够生成满足新型刷新率显示的，能够又看起来流畅的影像内容，这是我们开发这个话题的初衷。
三是生成式AI，现在这种生成式AI给大家提供了很惊艳的效果，我们在思考怎么样用这种最新的生成式AI，来实现超高清、2D转3D的画质生成，来满足我们新型终端在初期能够快速补充内容的初衷。
四是物联网场景低功耗这块，电子纸这块功耗已经很低了，怎么样通过协议的优化、算法的优化，实现在原先五年的系统待机的情况下进一步提升。
以上是我们开放出来的四个课题，开放课题之后能为大家提供什么，物联网创新这边我们在六个创新中心里边，每个创新中心都有软硬融合实验室，有十大类实验室。重要的是我们可以提供京东方特有的显示终端，自有的算力，京东方场景里的数据，支撑项目达成。
最后，生态体系建设。我们打造端边网云总控平台体系，每一层都是可以和大家一起合作的。同时在技术研发的不同阶段，比如说基础技术的时候可以和高校合作，在做行业创新的时候可以和行业协会协作，在做产品突破的时候和企业一起合作。
最后，希望我们在物联网技术策源地里面和技术生态能够开放、合作、共赢，谢谢大家！
主持人：谢谢赵院长的精彩报告，也欢迎合作伙伴加入我们，对这些题目感兴趣的能够和赵院长这边合作，共同赋能屏之物联。
接下来邀请厦门算能科技边缘产品线总经理黄腾先生，为我们带来报告“算丰赋能行业边缘落地应用”，掌声有请。
黄腾：尊敬的京东方各位领导和同事，尊敬的各位专家，以及线上的来宾，大家好。今天非常荣幸能够带来算能公司参加京东方的生态大会，今天我有一个议题分享。我分享的题目是“算丰赋能行业边缘落地应用”。
首先请允许我做一个简要的介绍，介绍一下算能公司，算能专注于AI、RISC-V算力产品研发和推广，我们以自研芯片打造了覆盖云边端全场景算丰系列产品矩阵，我们始终坚持算力硬件提供商定位与京东方以及所有其他的合作伙伴，做到合作、共建、共赢。
算丰是算能智能计算品牌，这个品牌2016年问世，算能公司成立于2020年，算能是承续了之前比特大陆在人工智能方面所有的技术、专利、客户以及所有相关的资源，得以让算丰的品牌继续延续。
在算能成立之前的四年时间，我们先后迭代了三代人工智能芯片，我们非常可喜地看待，我们在安防、智慧城市、工业、商业等等很多行业应用里大批量的商业落地。我们跟京东方的合作是从2021年，也就是算能公司成立的次年开始的。不巧赶上了两年多以上的疫情，但是我们非常可喜地看到，在京东方的产品研发团队和算能产研团队一起努力下，我们打造了基于算丰的智能计算AI芯片，面向金融、面向园区等应用。特别是我们今年在很多商用局上，能做到规模化的商用。同时算能公司也在这一年发布了第四代人工智能芯片，以及全球首款基于RISC-V的64核重核芯片。
普惠AI新生产力，在过去的时候AI能力往往是指对事物的理解力，主要是针对目标的识别、行为的分析、辅助的生成以及运营。AI应用往往都是很奢侈的，无论是公安、交通、智慧城市、城市治理等等所有的场景，算法和算力成本是非常高的。走到现在，AI从原来对事物的理解力逐渐转化为具备一定的创造力，可以自动生成内容，可以做到写代码、内容生成、绘画、作曲，也将从原来的奢侈品逐步转向为必需品，无论赋能千行百业都需要算法能力提升，算力成本下降。
面向未来，AI能力也将迈向通用人工智能的能力，我们认为AI的应用将成为新的生产力，可以做到赋能一切。面向全球万亿级市场规模的未来，AI专用模型时代也将大跨步的迈向通用大模型的时代。
老场景新应用，新场景新需求。我们看到照片左侧是目前为止AI所渗透到的各个行业方向或者应用领域，我们也看到过去老场景涌现出了很多新应用。
以公安为例，从传统的视频结构化已经开始有一些步态识别出现，针对数据治理，针对多维的数据融合，实现一些场景化的赋能；在金融客服GPT持续优化客户服务，强化风险把控；在智能制造以工业色选的细分场景为例，能借助CV以及深度学习的手段，能够对农作物，对农副产品实现大规模、高速、智能化分拣，能够极大的赋能企业，让企业实现降本增效；在智慧商业，包括服务管理，今天我们得到了非常好的消息，头部一个商业级的客户在全国的门店大规模实现了智能门店、智能待客规模化商用，刚刚完成了部署，这是早上刚刚得到的信息。未来将涌现出更多的新场景和新需求，不论是开发创作，甚至是游戏和生物等等应用。
算丰技术能力主要是两大块：一是TPU，一个是RISC-V设计。在TPU方面我们有自研的指令集，包括图像、语音、语言模型，涉及推理和训练。在架构方面，我们已经可以做到当前的芯片实际性能、物理算力能够比前一代高出一半以上；在图形模型方面高出一半以上，语言模型方面高出数十倍以上。在物理设计上，无论是芯片的面积还是功耗都相对前一代有三倍的提升；基于RISC-V设计指令集，主要是丰富的扩展能力以及模块化的设计；在处理器核心方面是高性能乱序超标量的处理器核心，以及片上网络。
我们也将运用算丰赋能全场景AI覆盖。同时结合刚才提到的RISC-V，也是我们的战略双布局。左侧端侧智能，目前我们的芯片系列，算力从零点几T覆盖到6T的区间。右侧面向边缘计算，面向云智能我们有十几T甚至高达数百T的规划，我们也将在年底流片出第一颗面向大模型，面向LIM专用的训推一体大芯片。
算能在战略定力方面的专注，主要是我们在算力芯片市场持续的扩大投入，同时我们明确边界以及定位，在去年一年我们快速完成了四款面向边和端的芯片投片，都是一次成功。同时去年整年芯片出货同比增长超过了200%，刚才提到的业界首款的RISC-V芯片也是在今年问世。
协同所有的生态合作伙伴一起，做到软件开源、硬件开放，我们一起去打造差异化的生态成果。我们目前已经覆盖到了上百个行业的细分场景，我们联合100多家算法合作伙伴一起，目前打造出来了上千种商用化算法。同时基于芯片级合作的客户，我们打造出来了近百款生态硬件产品。
在高校方面，我们目前的课程体系，包括实训以及竞赛，已经覆盖了150所高校，有上万名的学生因此受益。
接下来，我们将坚定的和所有生态合作伙伴一起全面地生态协同，赋能更多行业，基于我们面向不同场景应用的芯片，打造出更多样、更差异化的产品。同时面向行业应用，我们跟软件生态合作伙伴，跟ISV算法厂家一起，融合软硬件一起能够极大的缩短整体变现路径，为终端用户带来商业价值。
在编译器方面成熟开源，左边这套SDK编译器我们深耕了将近七年的时间，这套编译器也是融合了当前所有的开源深度学习框架。同时在支持方面，高效的适配图形、语音、语言模型。应用性方面我们针对上百种的算子能够实现硬件的加速，在云边端统一这块值得提一下，我们去年干了一件大事，把我们的工具链做了大调整，我们基于开源的MLIR架构，让云端芯片、边缘芯片、终端芯片用这一套工具链完成模型的生成，以及实地的推理加速。
在边缘市场我们还是将继续坚持应用驱动，我们希望能够让我们所有的芯片级客户能够做到持续的性本比提升。我们跟京东方合作的是左下角的这颗芯片，是BM1684，它大概处于整个边缘算力的中阶位置。我们去年为了增强算力，包括增加算力的精度，增加FP16的Feature，大幅提升硬件编码能力，我们打造出了BM1684X这颗芯片。同时这颗也对语音Feature做了很大的增强，因为目前我们也在跟京东方团队探讨未来融合智慧大屏，融合拼接屏，融合一体机显示，做到多模态、音视频融合的应用方向。
在新的规划里，我们为了让上一代的芯片具备更多的功能丰富性，包括提升它其他维度的能力，我们其实还在上个月的时间投出了一颗芯片它叫BM1686，大概这颗芯片将在Q4问世，它将极大的丰富整个1684所覆盖的应用范围。
基于这颗芯片，除了通用的边缘计算之外，我们将着眼于智能车载，着眼于泛AI视觉以及机器人相关的场景应用。
云端主要是针对大模型的训推，刚才有点到，我们大概在Q4的时间会推出训推一体大模型芯片。终端侧已经相对比较成熟了，我们主要是以中高的规格加上AI进入的专业安防，我们以轻智能进入运营商市场，如果用上扫读笔产品的朋友，网易有道的扫读笔就是基于CV182系列打造的。在中高阶的安防前端市场也有布局，也是在大概Q4的时间我们的芯片会回来。
在场景的赋能方面，我们跟BOE产研团队深度合作，BOE这边基于算丰BM1684微服务器S15，自研了边缘的智能框架，采用的是边缘协同的架构。相对于传统的云端集中式计算解析，有效地降低了70%的计算资源，同时这一套园区的方案也是做到了文旅场景应用，目前是在陶溪川景区做了商用局，特别是五一期间陶然集活动的客流数有20万人次以上。
在公安类的赋能主要是针对视频结构化应用，无论是涉及核心的一些区域，交通枢纽，涉娱场所等等一些位置，主要是采用视频结构化的算法应用做到反恐维稳、禁毒，包括治安管理等等这些的落地实践。我们也用这种高密度的国产化自主可控的算力基础设施，能够在一台设备里实现300路全目标的结构化分析，以及192路以上的人脸和人车非的分析。
在安全生产方面，我们主要是跟生态合作伙伴一起做算法应用融合，实现对于厂区、矿山等等降本增效。我们通过Parting20种以上场景化算法，以及承载一套应用平台，能够做到闭环一场一矿，有效降低生产成本以及人力成本，保障安全天数。主要是针对人、物、环境的智能化监控，以及对设备状态的持续感知。
在中储粮大国粮仓的智慧化建设里，我们的智慧化方案起到很大的作用。目前在中储粮全国粮库直属库的建设里，我们已经完成了上百个直属库的建设。我们主要采用的是高密度AI计算方案，以及SOPHON.NET算力管理平台，能够实现对所有算力资源的统一纳管，以及以单芯片为颗粒度的算力调度，主要还是承载面向人员安全、货物安全以及环境安全的智能化手段的监测。
我们未来也将继续携手京东方和其他生态合作伙伴一起，能够为千行百业做智慧赋能。
算丰赋能，专注，开放。
以上就是我分享的内容，谢谢大家！
主持人：感谢黄总的精彩报告，京东方和算能科技在陶溪川项目上强强联合，又是优势互补的典范，希望我们携手并进，更上一层楼。在这里邀请各位合作伙伴加入BOE物联网创新技术策源地，携手赋能更多的创新产品和解决方案。
接下来是传感器件技术策源地的合作课题发布，有请京东方传感器及解决方案业务传感研究院院长车春城先生，他本次报告的题目是“技术共创、产业共赢”，掌声有请。
车春城：曹院士好，尊敬的各位嘉宾，大家上午好。我来汇报一下传感技术策源地的规划情况。应该是组委会的特殊安排，今天我们三个方向也是按照字母顺序发布，第一个是D，第二个是I，接着到我们S了。
传感业务是京东方近年的孵化业务，技术积累上还不是那么充分，传感技术策源地研发的内容应该会有很多细节方面的工作需要大家一起来做，接下来我详细汇报一下。
传感产业是智能社会必需的基石。随着智能社会的发展，传感产业需求在逐渐增长，是一个增量市场。市场的需求很强烈，同时传感产业的国产自给率比较低，当前国内传感企业面临一个很好的发展机会。另外随着这几年整个制造工业的发展，传感相关的上下游产业链也逐步成熟，很多技术方向完成了从0-1的技术储备，但是资源相对分散，需要我们抓住窗口期，共同打造更高质量的生态环境。
从技术方面来说，传感器探索的范围从微观到宏观，探测物理量也覆盖声光电热力磁，是需要多学科交叉融合的技术方向，这就要求我们一方面产学研共同合作，另一方面整个产业链上中下游共同协作，才能做好传感技术。
京东方传感有两大方向的技术布局：一是基于半导体显示技术积累的玻璃基创新，包括调光、XRay，还有玻璃基的创新器件；二是硅基方向， 基于硅基实验线的资源，布局光电、MEMS传感两个技术方向。
下面我详细介绍几个方向上的生态建设内容和课题需求。
首先是柔性调光，我们主要围绕乘用车控光在做技术创新。随着乘用车电动化、智能化功能的增加和普及，为提升使用体验，车厂普遍对车内光的控制提出了更高的要求，包括防晕眩、防隐私、遮阳等需求。当前技术方案，功能器件上，液晶里加入特殊的染料，通过液晶分子的旋转带动染料分子的偏转，对光线进行无级调节，再通过特殊的合片工艺与钢化玻璃进行集成，产出调光智慧视窗。目前已经实现产品化，在奔驰和一些新能源车上都实现了车窗上的上车。随着市场的推广，当前产品也有一些痛点，主要有两方面：一是整个调光效率的提升；二是需要柔性化的产品。
在柔性调光领域主要有两方面需求：高性能的调光材料，暗态调光率需要进一步的降低到0.1%，达到防隐私的效果；以及柔性化方面，包括功能层的柔性以及和钢化双曲整合的合片工艺。这是我们具体的产品化指标。
第二个方向，X射线探测，当前普遍应用于医疗和工业领域，已经基本上代替了传统模拟胶片的探测方式。这方面主要是下一代探测技术的升级，相对当前技术在灵敏度、分辨率、采集速度、以及能谱分辨率等方面会有大幅的提升，。
核心技术包括，高性能XRay转化材料和高精度信号处理能力。在XRay转化效率方面灵敏度要提升十倍，探测剂量要降低到十分之一；直接式的转化材料与器件耦合完成，CDF进一步提升。高性能处理结构技术，包括低噪声像素结构和TFT氧化物动态需求。彭老师演讲中提到的技术，在传感X射线探测领域也有相应需求，希望彭老师后续的研究也对X射线探测场景进行关注，与显示场景相比，对材料的要求还包括要能经受住XRay反复照射，且在XRay照射下TFT弱电流保持稳定的状态。
三是玻璃基创新，我们在玻璃精细加工方面有很多技术积累，包括3D玻璃的加工技术，在玻璃上做多层厚金属、厚膜、多层RDL技术，以及封装技术，基于这些技术积累，当前产出了一些玻璃基创新器件。相信在玻璃基创新领域里会有更多的应用和更大的市场机会，我们希望从设计角度，或者从更产品化的角度有一些新的想法。在应用层面探寻底层基础技术的更大的应用场景，能够把玻璃的技术进一步拓展。一个是器件，一个是封装，这两个方向目前国内外都有相应研究，需要进一步探索大规模产品化的实现。
四是工业传感，目前主要是聚焦光电传感技术在工业场景中的开关、图像、距离探测产品。需求集中在产品性能升级上，一是光效提升，又包括高性能光路结构和光学材料方面，二是芯片自研这是围绕光电传感的升级需求。
五是MEMS，MEMS领域从2021年起逐步做了一些技术积累，现在一方面在搭建通用技术平台。另外已经与外部科研院所合作在亚微米表硅电容、体硅压阻、无引线晶圆级封装技术上进行了一些积累。聚焦压力传感器产品做了技术储备。这部分技术上的需求主要聚焦在惯性传感器产品线的拓展，希望在BOE平台上实现惯性传感器性能的提升。
以上就是我们这五个方向具体的技术需求。
去年我们在技术标准、专利，承接国家重点项目方面取得了一些成果。同时也和产学研、上下游建立了广泛的产业生态合作。在产品方面有全球首发产品、与客户联合发布的一系列产品。未来希望通过我们技术策源地的合作，在这些方面能有更多的产出，同时我们也是希望在传感方面能够实际的做一些很具体、很落地、很务实的技术合作，能够在传感产业产出有影响力的产品。谢谢。
主持人：感谢车总的精彩报告，从车总的报告里读到京东方的传感技术策源地主旨可以概括为“开放、集成、多元和融合”。接下来有请中科院微电子所智能感知研发中心主任王玮冰研究员，王老师带来的报告题目是“CMOS-MEMS器件设计与先进制造技术研究”，掌声有请。
大家好，我是来自中科院微电子所智能感知研发中心的王玮冰。特别高兴今天能有机会在这里跟大家做一个分享，我今天的题目是“CMOS-MEMS器件设计与先进制造技术研究”。
众所周知，传感器不仅仅是从设计端入手，还要从制造端入手，制造端也涉及卡脖子的核心。我今天跟大家汇报的内容是基于CMOS工艺，如何更多的做到集成，把传感器做的更加智能化、小型化、规模化。规模化才是我们做微电子或者半导体行业的方向。
基于此我主要讲三个内容：一是对于MEMS产业想法；二是从技术角度怎么推动MEMS产业建设；三是微电子所和京东方的合作与规划。
最开始显示与传感是两个行业，十几年前有了智能手机以后，把显示和加速计、陀螺、压力、麦克风等等MEMS器件加进来，MEMS主要的几个类别：惯性（加速计、陀螺）、压力、射频、光学等等。射频依托手机这个最大的平台；光学，如京东方的显示、XRay、透镜、光开关都是里面最重要的器件。所以从应用角度看，将来一定会把这些整合到一起。
MEMS器件对于移动设备的探测性、交互性、智能性有质的飞跃。但为什么MEMS在集成电路或者微电子行业里面，比较难做？因为它是定制开发的工艺，一种器件一种工艺，没有一个标准化工艺，到目前为止也没有特别成熟的库文件对它进行支撑。原来是仿真来支撑制造，制造反过来迭代设计，但传感器更多是用实验和工艺。今天我主要讲的内容是从学术界怎么样做标准化、怎么样把它当成规范的文件来做。
不同MEMS器件的工艺是不同的，芯片有各种各样的材料，各种各样的工艺。集成电路这边用CMOS的工艺来做，都是比较标准的工艺，从实现角度来说容易一些，但对将来的集成度、信号的可靠性等也是有挑战的。
虽然MEMS是从集成电路工艺发展过来的，但更多的时候，像加速计就需要大的质量块，也需要深刻蚀（TSV工艺），以及其它敏感材料的引入，这也是CMOS工艺里面不会用到的。还有CMOS是标准化的设计，会有大厂文件库的支撑，在MEMS领域里边，目前还是在探索推进阶段。
我们目前所要做的事情就是，如何基于CMOS基本工艺流程把MEMS各种器件的工艺与其融合到一起，形成一个标准。
这里所说的主要工艺包括几个方面：一是可动结构的应力控制，很多时候可动结构上面生长膜层，需要控制它的张应力或压应力，它是一个释放Free Standing的结构，可能只有一个固支的点和梁，其他的三边是自由的状况，它的膜形成后是上翘还是陷下去，所有的薄膜结构都需要动，应力控制的这部分对于传感器来说比较重要；二是体结构的加工，像CMOS工艺基本是在表面加工，薄薄的一层，MEMS这部分需要Z方向，在整个晶圆厚度上做深刻蚀加工；三是空腔释放，要把上面的结构整个悬起来，底下是空腔，有些结构是不能从背面做加工的，怎么样在薄膜还在的情况下，在其下方挖个洞。包括多层膜的应力控制和键合。
一个典型的例子就是压力传感器，把集成电路跟它做到一起去。微电子所是从底层研究做起的，有一条8英寸的线可以与京东方合作。这些设备以及这些材料体系我们都有，我们那边叫做集成电路先导中心还有感知智能研发中心，是基于CMOS的，这是我们的一个特色，我相信BOE有了更多的MEMS方面的设备以后，可以跟CMOS一起来做。我们做的主要是CMOS和MEMS全流程，最终从两个芯片整合成一个芯片。
刚才我讲到那几个关键的工艺是MEMS所特有的，而不是CMOS在表面做的，这边我们有一些晶圆级的设备，可以做大质量块的MEMS结构，可以让它悬起来。后边那部分有特色膜，特色膜工艺我相信只要涉及到传感器都是特别重要的事，原来我们更多的是在传感器结构角度思考这个问题，后来从材料的角度去思考的时候，会更加快捷一点，找一些敏感材料并对其控制，包括磁的材料也一样。
另外关于测试部分，因为MEMS测试是非常重要的一块，MEMS测试跟CMOS电路的测试不太一样，因为它是整个物理信号，比如是力的就专门给力，另外它不是晶圆级的，是单颗Die封装后再做测试的，成本就不是CMOS晶圆级的。我们现在做一件事情把CMOS-MEMS集成测试，一方面是如何把物理信号等效成电信号处理，怎么把热等效成多少电流发热或加多少力转化成电信号，这个目前还是比较新的。
有了测试方案才有设计方案，设计方案不只是像集成电路一样，而是在整个器件功能区上直接做自测试和自校准，把它作为一个主要的功能附加上去，但是又不影响器件的功能。
这是我们做的一个例子，在压力传感器上做一个热响应匹配转化成压力，做了一些标准化测试。做完后有几个好处，不用真正把它完全封装好，有时候用晶圆级探针台就可以测，大大提高了测试的效率。
CMOS跟MEMS集成是平面及纵向的集成，我们在重点研发计划支持下做了两个事：一是MEMS结构设计会有一些创新，会做特定的设计，工艺的平整度和融合度。二是键合技术创新，先做ASIC处理信号电路再把加速计、陀螺所用的质量块键合在一起，再做封装，这也可以用到京东方这边玻璃基封装和玻璃基板材料，把它融合在一起。
最后，就像刚才我讲到的，与京东方合作从膜的角度，从释放的角度，这都是两个核心的MEMS内容。将来会发展向高精度注入PN结电路，以及刚才讲到的RDL玻璃基部件工艺的开发。我相信这些内容一定会跟京东方的主业屏之物联结合起来。
以上就是我的报告内容，微电子所更愿意和京东方一起把传感器技术策源地建设好，谢谢大家。
主持人：感谢王老师，我们也欢迎更多的伙伴能跟我们跨界融合，加入到传感器件技术策源地的建设。刚才发布的这些开放合作课题，稍后可以在公司官网上进行查询，也欢迎大家关注并且联系我们。
除了以上开放课题以外，还需要积极探索各个领域前沿技术，不断地发掘新的机会。下边进入最后一个环节，价值共创这部分。这部分我们欢迎合作伙伴们自由地提出希望在京东方平台上面落地应用的技术，共同孵化，价值共创。
首先有请电子科技大学材料与能源学院院长林媛教授，今天林教授为我们带来的报告是“柔性电子器件及其应用”，掌声有请。
林媛：京东方的各位领导、各位技术专家和在座的朋友们，今天我给大家报告的题目是“柔性电子器件及其应用”。
柔性电子现在已经成为研究的热点，包括京东方的各位领导在前面发布中也强调了他们的重要方向是柔性电子，柔性电子为什么这些年很热？最主要的一点是因为它改变了我们传统电子器件的刚性形态，使得器件可以弯曲、可以拉伸、可以扭曲，可以适用于现在很多新的应用场景，特别是当我们对身体健康越来越关注的时候，柔性电子可以跟我们的人体表面或者器官更好的贴合，所以它将来有可能在信息与人进一步融合中发挥显著的作用。
我们说电子器件的力学特性，可以分为刚性的，可弯曲的，可延展的这么几种特性。我们一般说柔性只要它可弯曲，我们就认为它是柔性了。如果这个器件仅仅是可弯曲的话，它只能跟一个平面可展曲面进行共形贴合，比如一个圆柱，我们一张纸就能包起来，但是对一些复杂的平面不可展曲面，比如像一个球，我们就没法用一张纸把它很好的包覆起来，这就是为什么我们要提可延展柔性的概念，只有具有可延展的柔性电子器件，才有可能实现对非可展曲面这种复杂曲面进行更好的共形贴附。
实现可延展柔性化常规的途径有两种：一种是通过材料的设计，比如我们这儿有很多做高分子材料的，高分子材料很多是可以做到可弯曲、可拉伸的可延展柔性，还有纳米材料、复合材料，还有做特殊处理的织物和纤维。但是有一些材料微电子器件中现有大部分无极功能材料，本身的力学性能不具备可延展性，比如说硅、砷化镓，我们通过剪薄以后它可能可弯曲，但是你是不能拉伸它的，它的拉伸只能在1%左右，超过1%就会断裂。在这个情况下我们需要做一些结构设计来实现这些本真上力学性能不具备可拉伸性材料的延展性，比如做成波纹结构、岛桥结构、折纸结构、剪纸结构，这些就可以使得本身不具备可延展性的材料具备拉伸性、延展性，这是一种结构设计的思路。
从工艺上来说，我们怎么样让这些材料可以更好的跟现有的工艺结合，或者怎么能够把这些功能器件跟我们的可拉伸基底结合在一起，除了印刷的工艺之外，还有一种工艺叫转印技术，转印技术的好处是它的前端是跟微电子工艺完全兼容的，薄膜器件部分完全可以在刚性基底上制备，但是在功能下面做一个牺牲层，把牺牲层去掉以后转移下来，就可以转印到其他任何的基底上，包括高分子基底，可拉伸基底，玻璃基底等。它的关键是要避免柔性高分子基底。因为很多无极薄膜在器件制备的过程中需要进行高温或者光刻这样化学刻蚀的过程，大部分的高分子基底可能不能承受这样的化学过程，通过这个转印技术可以避免这些过程，做到跟前端的微电子工艺相兼容。转印技术中间有很多方法来控制转印过程，包括速度的控制、微结构的控制、温度的控制等等。
以上是简单的背景介绍，怎么做可延展柔性器件，以及可延展柔性器件的重要性。
下面给大家汇报一下，我们团队在可穿戴柔性器件方面做的工作。
首先是在传感方面，我们主要面向怎么样把器件跟人的生命健康更好的结合在一块，我们做的很多生物信号的传感器，包括物理信号的传感、化学信号的传感，穿戴式和植入式的。主要的挑战在于它的高灵敏度和可延展柔性之间的平衡，以及小型化、多功能集成。为什么说高灵敏度跟可延在柔性之间需要平衡？我们做结构设计的时候，为什么形成波纹结构或者岛桥结构的时候就可以实现可拉伸性？原因就是因为我们通过这个桥或者波纹，把它的应力缩小了，在功能器件的应力可以被大大缩短，使得应力分散在桥或者波纹上，使得器件可以拉伸20%、100%、200%，器件功能部分仍然不会被断裂，因为它功能层上面承受的应力远远小于1%，这个可以通过力学仿真来验证。
但是在这个情况下，如果我们要做一个应变传感器的时候，结构设计就会大大降低灵敏度，因为在功能层上本来是承受了200%的应力，但是在功能层上可能只感受了1%的应力，这就导致了灵敏度和可延展性之间是互相制约的关系。我们要做小型化多功能集成以后，可能用一个器件和材料感受到很多种信号，这个信号之间怎么解耦是比较大的挑战。
我们在这方面做了几年的探索，一个是几何结构对于传感器的影响，比如通过随性网格结构，可以实现本身不可拉伸的器件材料拉伸。这个结构它的弧度、宽度、结构的设计对拉伸性和灵敏度都会有影响。首先做一些仿真可以进行优化设计。
比如说压电传感器，如果是一个平面设计，拉伸的时候上面产生应力的方向是一个方向的，要么就是拉伸应变，要么就是压缩应变。可是我们做出蛇形结构就能看到应变分布，有蓝色，有红色，也就意味着它的应变方向是两个相反的方向。我们做电荷采集的时候产生的效果是相反的，就会导致灵敏度下降。
除了结构设计之外还有一个方法，把相反应变的方向做隔离，比如把电极隔离掉，或者把应力减小，这是我们优化的方法。
基于这个优化我们也做了一些比较高灵敏度的微应变传感器，可以贴在喉咙上做声纹识别。还有一些生理电位的传感器，比如心电和脑电的传感器，基本可以实现更好的共形贴附，提高信号的质量。我们做成多阶的，做成蛇形线+螺旋结构，使得这个器件的可拉伸性，不仅是在平面方向，还可以在另一个方向，可以实现三维的可拉伸，我们也做了一些指套，可以做更好的机电测试。
多功能传感，我们一方面是从材料的设计上入手，通过一些纳米材料加上一些复合材料，可以实现对多种物理化学信号的检测，我们把材料集成在隐形眼镜上，可以同时测眼泪中的葡萄糖、眼动和眼压信号。用一个比较简单的器件，通过材料设计能够实现多种信号的混合传感。
除了传感之外，我们如果发现有生理信号不正常以后该怎么办？实际上很多场景下我们希望对它进行原位的干预和刺激，这样能够很好的提高生存率。我们通常用的是物理电信号的刺激，比如说通过神经电信号的刺激，通过刺激迷走神经控制体重，这个原理是通过测胃的膨胀，信号直接连到迷走神经上，产生不吃饭的信号来控制饮食。
还有通过电场刺激毛发再生，还有一些光刺激的，那个不是我们主要做的，我们主要做了这两个工作。
我们近期做的一个是集成在隐形眼镜上的，我们通过电场刺激可以加速角膜损伤修复，也是做了一个器件以后能够产生电场。
这里面的技术关键是在于怎么通过器件的设计，设计电场的分布以及电场强度。
我们对兔子的眼睛做了人为损伤以后，通过电场刺激以后可以有效地加速治愈效率，能够在四天之内有效治疗。没有刺激的到了第六天情况甚至变恶化了。
加速伤口愈合，我们加了电场和力场双向刺激，力场是通过形状记忆合金形成超材料，在温度的作用下，贴在身体上，体温刺激会形成收缩的力，在力场和电场协同刺激下，伤口愈合的效率可以非常明显的提高。
展望，现在我们技术遇到了一个瓶颈，就是如何实现规模化生产，我们现在还是在实验室里做，在路上我也跟京东方的工程师讨论，怎样可以把它做成真正可规模化生产的技术。
我们还要更好地建立起形变和器件性能的可控关联，包括传感与刺激怎么样形成更好的闭环，一方面我们要跟更多的用户进行交流，另一方面真的需要依靠像京东方这样的企业，能够跟我们一起合作，推进规模化的可能性。
总而言之，这个领域是力学、材料学、电子学的交叉学科，需要很多不同背景的专家一起合作，推进它的进一步发展。
最后，致谢我的团队，谢谢大家。
主持人：感谢林院长的精彩演讲，接下来有请北京航空航天大学材料科学与工程学院副院长赵立东教授带来报告，“先进热点制冷材料及器件”，掌声有请。
赵立东：谢谢邀请。我主要介绍先进制冷材料和器件，讲一讲为什么要做和怎么做，将来会产生什么效果。
首先，制冷技术我们都知道柔性电子或者任何的电子产品都有热管理，电子产品只要温度一升高稳定性就会下降，我们需要制冷。制冷的方式有很多，我们这是热电制冷。各种制冷有各自的优缺点，我们主要讲一下热电制冷技术。热电制冷是温差发电的逆效应，所谓的温差发电就是热电偶，只要是工科的，进过实验室的，使用过炉子的人都知道热电偶。那么热电偶力效应就是制冷效应，给它电量，有一端就会产生制冷，因为你要把N型和P型的空穴和电子分开，分开就需要能量。
把它们拼接组装起来，可以实现很大的制冷范围。制冷器件涉及到小型化和集成化过程，如果你要做的很少的话密度就会很高，这是基本的架构。
与传统的制冷技术相比，压缩机制冷，噪音很大，还有氟利昂制冷有污染，这是很多传统的制冷方式。我们的热电制冷就是半导体PNGN，只要通上电有一端就会制冷，优点是没有噪音，在很多需要降噪的场合是非常适合的。另外它目前的制冷温差是70摄氏度，也就是说如果我们现在室温是30度，低温端是零下40度，如果高端端保持在30度的话。我们追求的目标不仅仅是70度，甚至要更高，可以大胆地设想一下，刚才徐总也说效率达到50%，可以追求80%，这是用目标为牵引做一些事。
制冷温差可以大胆设想一下，如果温差达到零下135K的话，就可以实现常压超导，因为目前常压超导温度是134K。另外一个优点是响应速度很快，每秒可以100摄氏度，可调的温度又很准，精度达0.01度，寿命时间又长。我昨天在北航刚接到一个客人，他是空间站管理的，他说你这个制冷片在空间站上有几个舱是在用的。只要温差大，就可以把你这个制冷片直接放在空间站里，制冷的发展优势是很大的。
另外，关键的应用场景也是我们“十四五”规划重要关注的方向，我们做的东西跟企业对接没有有效的沟通渠道，所以像这种活动就非常重要。
制冷器件的形式，这是单极的，多极可以把热端再进行制冷，迭代化的。还可以做成柔性的，可以材料本身柔性，也可以机体柔性，可以做大可以做小，因为做小的时候可以在一个平方厘米内最多做到37对，这个可以跟未来的芯片进行对接，还可以做成薄膜的热电器件。小型化和集成化对微电子来说还是很有前景的。
制冷应用场景有很多，我直接把它列出来了。如电信、医疗、汽车、消费者、航空航天和工业等。
举个例子，比亚迪在电动汽车上需要对电池进行制冷，比亚迪曾经提出过很高的要求，但是目前来说我们所用的制冷材料是有弊端的，没有企业敢接这么大的需求量。
在精确温控应用场景，制冷是材料本身的ZT值，这个值肯定越高越好，就跟超导温度一样。但是这个参数往往任何一个做材料的追求参数都有互相矛盾的，强度、韧性、导电、导热，总之我们做材料的人就是解决这些矛盾的。目前材料性质是材料制冷的核心关键问题。
为什么我要开发一个新材料？因为目前商用的材料叫碲化铋（Bi2Te3），这个东西它的储量跟白银一样稀缺，年产量大概是470吨。这470吨大概能产生多少制冷片？也就4000万片。当时比亚迪就提出了一个年供应量2000万片制冷片的要求，但是不敢接，因为Te的产量是不够的。如果把Te全球产量全做成制冷片的话，才勉强能够。现在还有一个光伏材料叫CdTe，它要占到一半的市场份额，这迫使我们必须要开发出一个新材料。我们2014年就开始做SNSE的材料，它的储量经过将近十年的开发，而且它的性能已经很好。刚才领导也提到，怎么把实验室的优化性能推广到一千万片、一亿片，这是从实验室走到产业化的重要的一步。
开发新材料，把它的性能提高到商用的1.5倍，同时成本降到20%，这个成本在航空航天上不太在意，但是企业会很关注这个事。
我们从2014年开始怎么开发出制冷材料，也是像盲人摸象一样做了将近十年，我们最早发现它是一个很低的导热材料，制冷需要导热很低，导电又很好。首先把它导热固定到很低，剩下我们就在2016年开发出了它的导电性能，把它高性能拓宽到了宽温域实现制冷性能，因为这个材料既需要N型又需要P型，我们2018年首先发现了P型特性，2019年又开发出了一个硫化锡，在同样性能基础上，我们把它的储量丰度提高了9000倍，这是2019年我们发现了更便宜的材料。
2020年我们提出了怎么寻找这些材料，2021年从发电效率开始第一次尝试做制冷，2021年把制冷效率做到碲化铋的70%，还没达到碲化铋的程度，但是已经发现它有制冷性能了。2022年把N型材料的性能又给提高了，2022年同期我们拿到了探索性项目，我们的材料不仅仅局限在硒化锡，甚至能不能找到更便宜的，操作性更强的材料，我们在2022年提出了深耕化策略。遵循这个深耕化策略，我们在今年报道了性能材料，它的制冷性能完全跟商业碲化铋匹配，商用是61.2K在室温下，在350K的高温端能保持90K的制冷温差。目前来说也是不断取得进展，我们的目标肯定不是跟商用碲化铋相比，我们要取代它，甚至完全取代它。
最后，我要讲我们将来要怎么做，我们将来的目标是3.0，3.0就是我刚才说的能够帮助实现室温超导，以及能够进行温差发电的。
这是我们做的样品，跟企业合作让他们帮我们切割组装器件。我们将来要做成小型化和集成化，在一个很小的单位面积内把它的制冷性能和功率密度做的更高，将实验室的成果进行产业化，推动热电制冷行业发展，为电子产品进行降温。
谢谢大家！
主持人：谢谢赵老师的精彩演讲。接下来，邀请复旦大学大数据学院付彦伟教授，为我们带来“深度学习小样本的目标检测”。掌声有请。
付彦伟：非常荣幸来这里给大家汇报一下，我们深度学习小样本目标检测方面的工作，今天学习了很多，前边大部分都是偏硬的，我们这边有点偏软，我们是做算法的，我本人是做计算机视觉和深度学习相关工作的。
现在大家都在说大模型，我们都想要通用的大模型，是不是小样本这个任务就没有那么有意义了？我可能会花十来分钟给大家介绍一下这方面的东西。
我本人在英国读的博士，后来在美国读的博士后。最右边是我们的复旦校园，欢迎大家有空去复旦校园。
我们做很多方面的工作。关于3D，我们做一些传统的多视角几何的3D建模，比如给你一个视频，我们能把最里面的杯子建模出来。还有工业领域缺陷检测的大模型，还有小样本学习，比如我们对一些屏幕还有道路的裂纹做些检测。还有以前用遥感，比如吉林1号拍摄了很多视频数据，这些数据都非常大，我们去做一些小目标的检测。比如卫星在一个城市上空划过10秒钟，能把这个城市里边的所有移动车标出来。深度学习的统计吸收化学习，是我们在做深度学习模型训练的时候做一些优化算法，提升我们模型的学习算法，使得我们可以更好的训练深度学习。
图像修复编辑生成，这是我们做视觉的本行，我们做一些图像的操作，图像的编辑、修复，比如我们输入一段话给这个图像修改一下内容或者做一些补全，甚至NIGC这些东西我们都做。GCB的手眼协调，我比较喜欢Baxter这款机器人，是一个协作式机器人，因为它比较高大威猛。当然我们也有其他的一些协作式机器人，包括国产的，还有国外的，都会比这个小。我们主要是把视觉算法用在机器人里，这样我们就可以让机器人做一些以前做不到的事情。比如我们可以让机器人给我们倒一杯水，可以给我们做一杯鸡尾酒，当然这个并不是固定的路径，我们完全是通过视觉，杯子、瓶子随便放，可以让机器人做抓取，这和以往工业里边的工业机器人是不太一样的。协作式机器人讲究的是机器人可以和人一起协作，共同做一些事情，就像《钢铁侠》电影里边钢铁侠在制作盔甲的时候，就有一个机器人在帮助。
我们最近也在做机器人大模型，一定程度上可以让机器人动东西，可以基于人和人的交互做一些事情，可以做更自由的抓取，更自由的任务。
3D深度大模型，这是我们最近和北京智源一起合作发布的AIGC 3D生成大模型。
神经网络、深度学习大家说了很多，尤其是ChatGPT，其实ChatGPT去年11月份出来以后我就试过，发现确实很震撼。如果往回看十年，现在人工智能、神经网络从我们进火车站刷人脸，到现在马上自动驾驶，发展非常快，用处也非常多。我们这里要讲讲神经网络的不足，或者未来神经网络用在工业领域，要解决哪些问题，这是我们希望知道的或者我们试图突破的。
我这里至少有两个领域想重点给大家简单介绍一下：一是跨域的泛化能力，二是网络的决策能力。
先说跨域的泛化能力，我们说ChatGPT的大语言模型，我们标榜它是通用的大模型，它可以解决我们一些问题，比如说你出一个简单的数学问题、逻辑问题可以解决。但是我们大家都知道术业有专攻，我们假设纪晓岚现在站在这儿，他可以给我们写诗，但是让他解决CMOS这些硬件问题，他可能是解决不了的。我们在很多专业的领域，比如说细分领域的动植物、卫星图像、工业领域，比如京东方内部积累了很多产品线工业向数据，或者是跟金融相关的，或者医疗数据，因为医疗数据积累量很多，而且人体每一个器官的医疗数据都不太一样，你扫的肝、扫的肺、扫的脑袋和扫的皮肤，甚至拿头来说，扫鼻子和眼睛数据都完全不一样，而且它的门槛还很高。你直接把通用的视觉和大语言模型的算法解决特定领域的数据分析问题，其实是很难的。
这其实也从另一个方面反映了 “数据门槛”的问题，很多问题并不是有一个算法和模型就能解决的，你的门槛在数据，你积累了这么多数据自然而然就形成了一些门槛。我们往前看几十年，甚至一百年，加州发现了金矿，赚钱的并不是淘金者而是卖铁锹的。往前看十年，人工智能发展到现在真正赚钱的并不是我们这些算法公司，而是英伟达这些卖硬件、卖GPU的公司。
同样的，我们在大数据领域来看，比如在金融里面赚钱的是数据公司，金融里边像万德收集很多数据的公司。同样在我们这里假设有一个通用大模型，这些大模型其实还是不能足够解决我们所关心的特定领域问题，比如说植物、动物、遥感数据、工业数据、医学数据，其实都需要我们努力去解决，这是我们希望我们的模型有跨域的泛化能力。
二是网络决策能力，我们现在说网络决策能力一般都说是黑箱子，我们希望能提升网络的决策能力。比如说自动驾驶的事故，我们希望网络在做一些决策，尤其是自动驾驶的时候做一些和安全相关决策的时候，能给一些更清晰、更可解释的决策。比如把我们的算法用在医学上，我们的算法肯定是能给出一个结果，甚至这些结果有可能会比医生都好，但是我们还是比较相信医生的结论，因为医生会从专业层面给可解释、可信赖的结果。我们有时候并不是要一个结果，而是要这么一个可解释的道理，我们知道到底发生什么情况，比如我们到底是身体什么地方不对。我们有一些基础数据，这些基础数据可能是通用的，图像和各个方面的数据。通过基础数据可以训练一个基础模型，或者通用的大模型，在模型基础上解决小样本数据的问题。
这里边小样本数据，我们关心的这些问题比如图像的分类，给你一个图像，这个图像到底是什么东西？目标检测，给你一个物体能把这个物体框出来，还有图像的分割，能把物体分的很细，物体的一些重建，比如我们能从2D重建出3D的形状，还有机械臂的抓取和机器人的工作。这里边小样本数据在每个类别上只有少量的标注，在我们感兴趣的一些问题里只有少量的标注。
再举个机器人的例子，机器人做一些问题的时候，我们收集机器人数据是很难的事，我们需要机器人的位置和姿态，让机械臂去抓，甚至希望把整个路径收集出来，这样我们收集样本的代价还是挺高的。通过基础数据训练模型解决少量样本数据，这些我们所关心的一些问题。
解决范式，我们通常有两个。一是大模型、预训练和微调，我们有一个大模型，直接用少量的数据微调大模型，可能就能解决我们的问题了。当然这种情况下我们的少量样本数据还是需要一定的量，如果太少的话我们会很容易导致神经网络所说的Over Fitting（过度拟合）问题，最后你的网络会收敛到只能记住新来的这些数据，还没有太多的泛化能力。泛化能力就是我们希望我们的模型能扩充，能解决没有见过的类别和样本，这是我们所追求的泛化能力。深度学习更侧重于泛化能力和预测，能预知未来，统计可能就侧重于分析，给你一堆数据你去做分析，这是一个方面。
另一个方面是元学习，我们学习一些旧的任务能快速获取新的任务，比如基础数据能学习一些旧任务，在我们做新任务的时候就可以帮助我们做快速的初始化，有点像数学里面的泛函概念，我们其实能找到一个很好的初始点，这样的初始点可以用我们的少量数据快速适应新的一些任务。
下面再介绍一下我们的一些工作，这是我们很早的工作，通过我们的小波和深度学习网络做切线的分割和检测的任务。
这是2019年学术界首个遥感超小目标检测工作，我们用长光所吉林1号的卫星，卫星滑过一个城市，当然这个数据特别大，10秒钟就有10G左右。具体到城市里面的每一个车，可能就是几个像素的大小，我们希望这十几秒钟，在这个城市运动的车都能给你框出来、检测出来，这是一个非常有意思，而且非常敏感的研究问题。
这是我们单阶段跨域、跨场景目标检测上做的工作，我们设计了一个神经网络重点提升跨域、跨场景目标检测能力。大家可以看到Heatmap能对应到一些物体。
这是2021年学术界首个基于Transformer的图像分割大模型，当然这里面的大模型是一个相对概念，相对于以前的模型我们是大很多的，这篇文章是下周在上海有一个世界人工智能大会十篇青年优秀论文里面的一篇。这是我们做的首个图像分割大模型。
我们做物体检测并不是一锤子买卖，我们人是从小到大逐步学习。我们希望我们的模型检测器也能像我们人一样，能逐步的增量式学习。比如说我们学会了第一个类别，学会了Group1、Group2、Group3、Group4，一直持续化增量式的学习一下知识，能做一个物体的检测。
这是我们在做的首个类别增量式的物体检测器，也是ICME2019年最佳论文。谢谢大家。
主持人：感谢付教授的精彩报告，让我们再次以热烈的掌声感谢以上所有演讲嘉宾的精彩分享，谢谢。
京东方的技术策源地这些开放的合作课题，稍后可在公司的官网查询，欢迎大家积极关注，并且联系我们，也希望有更多颠覆性的课题抛给我们。
在屏之物联的道路上，我们将坚持创新驱动，与全球伙伴一起开放合作，共同打造三大技术策源地。
至此，本次京东方全球创新伙伴大会—技术策源地峰会论坛到此结束！
感谢各位伙伴的到场参会，也感谢工作组的精心安排，我们明年再见！谢谢！
