为积极响应教育部“产学合作育人”的号召，进一步探索面向新工科的创新人才培养模式，缩短高等教育与行业前沿之间的差距，根据学校的总体工作安排，启动上海交通大学2024年“校企专项”—大学生创新实践计划（以下简称“校企大创”）申报工作。“校企大创”项目由上海交通大学学生创新中心组织和管理，并在原有“大创”项目经费基础上增列企业专项经费予以支持。“校企大创”将致力于进一步完善我校立体化创新实践教育体系，努力将社会资源转换为育人资源，培养具备全球视野和适应未来挑战的高素质人才。

一、申请条件

1.  申请人必须是本校正式注册，距离毕业时间超过一年的本科学生。

2.  团队成员人数一般以3～5人为宜，最多不超过5人。成员之间必须有明确的分工。

3.  有前期大学生创新计划退出或中止记录的学生不允许申请本期项目。

4.  仍在参与其他“大创”项目尚未结题者，不能同时参与本期项目。

5.  项目执行时间以1年为宜，且必须在申请人本科毕业前完成。

二、报名步骤

报名具体步骤为：选题—联络指导教师—申报项目。

1. 从前期征集的项目中选题。报名人可在2024年5月27日至2024年6月14日期间登录大学生创新创业智能管理平台（http://cxcy.sjtu.edu.cn/），在首页“项目招募”列表中，选择“第三期校企专项大学生创新实践计划”批次，寻找感兴趣的选题。在“选题说明”中填写自我介绍提交。

2. 联络指导教师。学生报名截止时间为：2024年6月14日。有意参与的学生须在报名截止时间前加入选题。学生教师双向选择。建议报名学生与指导老师通过邮箱联系确认项目情况再进行网上报名，避免加入不适合自己的项目。

3. 申报项目。与指导老师联络确认后，由团队第一负责人在2024年6月20日前登录大学生创新创业智能管理平台完成网上申报项目环节。申请表所需信息详见“阅读原文”链接中附件。申报项目是立项必要环节，确认选题后没有申报项目，视为不参加立项。如果已在线下确定了组员和指导教师，可跳过选题环节直接在系统中申报项目。项目申报完成后，小组同学在指导老师的指导下完成项目推进。大创管理工作组将于2024年10月和2025年5月分别对各团队进行中期和结项检查。

选题清单

部分选题信息

选题名称：大模型驱动的行业定制三维资源库构建

合作企业：联想集团

校内导师：赵伟明（学生创新中心）、晏轶超（电子信息与电气工程学院）

选题概要：

本项目旨在利用先进的大模型技术进行三维模型的生成研究，构建特定领域或具有特色的三维资产库。通过深度学习和计算机视觉技术，研究并开发新的算法和方法，以自动化生成高质量的三维模型。项目的核心目标包括：1. 三维生成-公开数据集：利用公开的三维模型数据集作为训练基础，研究和改进现有的三维模型生成技术；2. 特定领域的3D资产库：根据项目需求，针对特定行业（如建筑、游戏或医疗）构建专用的三维资产库；3. 生成训练样本3D模型：开发能够从二维图像或现有的简化模型自动生成详细三维模型的技术。预期成果：成功开发出一套能够高效生成三维模型的算法和工具。构建至少一个行业特定的三维资产库，提供给研究者和开发者使用，以推动相关领域的技术发展和应用。发布至少一个三维模型生成的公开数据集，供学术界和工业界共同使用和进一步研究。

选题名称：

数智赋能城市更新的创新街区营造应用场景

合作企业：中海企业发展集团有限公司

校内导师：潘浩之（国际与公共事务学院）、陈杰（国际与公共事务学院）

选题概要：

加快推进城市更新，是城市建设进入新阶段的必然选择，是践行人民城市理念的内在要，是推动城市创新的重要抓手。打造创新街区已成为城市更新的重要载体，其不仅集聚研发机构与企业，同时还混合居住、娱乐等功能。如何在科创街区营造中落地数智技术的应用，以增强街区的品质？这是本项目的主要关注点。本项目将以中海集团正在开发的徐汇区滨江西岸数智中心及周边地区城市更新为主要案例，结合真如镜等成功城市更新案例，主要关注鼓励5G+、数字人、无人车、服务机器人等创新业态在城市更新中的试点应用。同学经过实地调研与全球最佳实践的搜集，预期将完成一份具体数智技术应用场景的项目策划书，并完成一份调研报告，优秀成果将汇编成科研论文投稿。

选题名称：融合视角下的大语言模型及脑神经认知科学前沿探索

合作企业：相屹（上海）生物医学工程有限公司

校内导师：林关宁（生物医学工程学院）

选题概要：

当今时代人工智能飞速发展，其在脑科学领域的应用前景广阔，尤其是在理解复杂的神经机制和提高神经疾病诊断效率方面具有重要的研究和实际价值。项目将整合实验室测试数据、医院临床资料以及领域专家智慧，采用跨学科的研究方法，综合运用计算机科学、神经科学、心理学、工程学等多学科的知识，开发以大语言模型为核心的创新脑科学研究工具。此工具旨在深化对大脑功能和机制的理解，优化脑疾病的诊断与治疗策略，以及推动脑机接口技术的发展，进而促进脑科学研究的新突破和临床应用的革新。

选题名称：电化学还原二氧化碳制合成气的关键材料及机理研究

合作企业：上海电气中央研究院

校内导师：沈水云（机械与动力工程学院）

选题概要：

合成气是石油化工中重要的合成原料，由一氧化碳和氢气混合而成。传统制备合成气的方法包括煤的气化和天然气的重整，这些方法消耗不可再生能源，同时伴随着环境污染和能源短缺问题。然而，利用可再生能源，将二氧化碳和水作为原料，在水溶液中电还原二氧化碳，是一种可持续地制备合成气的理想方法。不同的化工过程需要不同比例的合成气，但目前电还原二氧化碳的催化剂很难在高电流密度下实现精确调控合成气组成比例。因此，发展高效率、高选择性的二氧化碳催化剂，探究内在反应机理，实现合成气中一氧化碳和氢气比例的精准调控，具有重要意义。沈水云教授长期从事二氧化碳/氮电化学还原、PEM燃料电池与电解水制氢等相关的研究工作，可以为项目团队的研究提供前沿的学术指导，同时在项目的难点和重点部分进行把关。沈水云教授所在团队围绕国家新能源产业发展需求，聚焦电化学能量转换的应用开发开展前沿研究，实验室具有二氧化碳还原测试系统、电化学工作站、气相色谱仪、液相色谱仪、石英晶体微天平等先进测试仪器和设备；此外，上海交通大学分析测试中心具有完备的实验表征仪器。以上可以根据项目团队的实际需求，为项目团队协调实验测试和表征工作。企业指导教师卫飞、缪瑞阳所在上海电气中央研究院新材料应用团队以集团产业需求为导向，以基础材料开发为核心，重点研发方向包括电还原二氧化碳、电化学储能和金属材料。团队拥有多年电极材料开发、电化学测试和电池结构设计经验，已孵化成立公司有上海电气国轩新能源科技有限公司和上海电气（安徽）储能科技有限公司。场地支持包括静安实验室（600 m2）、临港材料视界实验室（800 m2）、嘉定实验室（200 m2），可以为项目团队的实验提供实验条件上的支持。

选题名称：基于低空无人机场景的AI应用实现

合作企业：上海双瀛航空科技有限公司

校内导师：吴俊琦（学生创新中心）

选题概要：

无人机应用作为新兴领域，为信息的采集、获取以及指令的处理、执行提供了另类维度，使得低空场景的诸多全新应用成为可能。本项目在大疆官方SDK体系、网站技术架构以及AI模块的基础上，实现诸如特定场景下的目标识别、图像分割、数据分析等，并与无人机的业务功能相结合，通过模型的优化和部署完成系统集成应用。预期成果：1. 实现基于无人机飞行视角下的目标检测（如人、车、船、特定动植物、污染物等），包含数据采集、预处理、标注、训练、优化、部署等，实现与Web服务端的联通，构成业务闭环；2. 实现基于航线、计划、飞控的无人机Web应用开发，如自动接出警、识别目标后抵进飞行（并拍照、录像）、AI与喊话器及气体识别装置相结合的应用开发。

选题名称：北太天元统计与机器学习工具箱的实践与开发

合作企业：北太振寰（重庆）科技有限公司

校内导师：任桐鑫（学生创新中心）、皮玲（数学科学学院）

选题概要：

北太天元数值计算通用软件（以下简称“北太天元”）是面向科学计算与工程计算的国产通用型科学计算软件。本软件具有自主知识产权，提供科学计算、可视化与交互式程序设计环境，具备丰富的底层数学函数库，支持数值计算、数据分析、数据可视化、数据优化、算法开发等工作。统计分析作为一种强大的数据分析工具，在数据挖掘、决策支持、风险评估等方面具有广泛的应用。预期成果：实现北太天元统计与机器学习工具箱中的多种算法函数，例如描述统计、假设检验、回归分析、时间序列分析、机器学习等模块，覆盖各种常见的数据分析需求。优化现有算法并开发新的高效算法，提高数据分析的速度和性能。

选题名称：OpenVINO在AIGC与LLM领域的应用实践

合作企业：Intel

校内导师：梁晓妮（学生创新中心）

选题概要：

随着人工智能技术的发展，AIGC与大语言模型（LLM）有着越来越多的应用场景与方案尝试，Intel OpenVINO工具套件为业界提供了很好的推理加速的选择。本项目是依据OpenVINO在AIGC与LLM的应用实践的过程提出的研究方向。探索OpenVINO对于广泛使用的AIGC与LLM应用场景的相关实践和解决方案落地，方向包括但不局限于，OpenVINO对于主流AIGC应用的推理加速与性能提升，OpenVINO对主流LLM应用的推理加速与提升，以及基于Intel平台及算力载体在不同细分场景中的实践等。

选题名称：企业防夹算法服务化

合作企业：联合汽车电子

校内导师：杨泽岱（学生创新中心）、薛万坤（学生创新中心）

选题概要：

当前，车身软件有大量的防夹算法需求，比如车窗，天窗，座椅，尾门等。市场上的主流防夹技术有纹波防夹和霍尔防夹两种，两种各自应对不同的应用场景，需要相对复杂的软件做支撑。同时，理论上防夹算法本身具备通用性，应对车窗，天窗，座椅，尾门等，结合不同的场景有各自的防夹特点，因此，在面向服务化的软件架构里，防夹算法的通用部分有服务化的潜质，我们看到了主流车厂相关明确的技术趋势，研究通用防夹算法以及防夹算法的服务化，同时面向不同场景，探索防夹算法的效果和适用性，具有明确的工程意义。

选题名称：英特尔大模型项目：IPEX-LLM 工具链集成

合作企业：Intel

校内导师：楚朋志（学生创新中心）

选题概要：

IPEX-LLM 是一个PyTorch library，用于在Intel CPU和GPU上运行 LLM，适用的平台包括搭载集成显卡的个人电脑，配有 Arc/Flex/Max 等独立显卡的台式机等。这意味着用户可以在价格更亲民的笔记本或台式机上实现极低延迟的 LLM 本地运行，无需投资昂贵的硬件就可以进行LLM应用创新，从而令更多人从开源大语言模型的快速发展中受益。本项目希望学生将IPEX-LLM集成到开源LLM工具链haystack中。目标是完成IPEX-LLM对于haystack中LLM/Generator和Embedding两部分的集成代码以及在Intel平台上运行haystack的示例。如果可能的话，将代码贡献回原haystack开源项目仓库中。

选题名称：基于表面打磨缺陷的机器人轨迹修正算法研究

合作企业：上海电气中央研究院

校内导师：黄诺帝（机械与动力工程学院）

选题概要：

随着工业4.0的兴起，自动化和智能化制造成为趋势。机器人打磨能够提高生产效率，保证产品质量的一致性，并减少人为错误。孔表面的打磨质量直接影响到部件的性能和寿命，因此需要高精度和高效率的打磨技术。为了保证打磨效果，如何对表面质量检测并据此修正机器人加工轨迹是当前技术难点。同时，由于样本较少，传统方法无法获得好的识别效果。因此，需要研发基于少样本的缺陷检测算法以及机器人加工轨迹修正方法。预期成果：实现少样本的孔打磨表面的缺陷检测算法，实现基于缺陷检测结果生成的对机器人加工轨迹修正的指导方案，实现基本的人机交互界面。本项目作为2024年本科毕业设计项目“面向点云数据的复杂曲面机器人打磨运动规划”的延续工作，目前在机器人运动参数标定、点云数据处理和打磨轨迹规划方面具有良好的研究基础。上海电气中央研究院作为合作企业会保证完备的实验条件。本项目也将依托国家自然科学基金国家重大科研仪器研制项目“大型复杂构件原位制造跨尺度在线协同测量系统”开展相关研究工作。

更多选题信息、立项要求、时间节点、相关政策，请点击查看。