Neue Informationstechnologien/新一代信息技术产业    

集成电路及专用装备。着力提升集成电路设计水平，不断丰富知识产权（IP）核和设计工具，突破关系国家信息与网络安全及电子整机产业发展的核心通用芯片，提升国产芯片的应用适配能力。掌握高密度封装及三维（3D）微组装技术，提升封装产业和测试的自主发展能力。形成关键制造装备供货能力。
　　信息通信设备。掌握新型计算、高速互联、先进存储、体系化安全保障等核心技术，全面突破第五代移动通信（5G）技术、核心路由交换技术、超高速大容量智能光传输技术、“未来网络”核心技术和体系架构，积极推动量子计算、神经网络等发展。研发高端服务器、大容量存储、新型路由交换、新型智能终端、新一代基站、网络安全等设备，推动核心信息通信设备体系化发展与规模化应用。
　　操作系统及工业软件。开发安全领域操作系统等工业基础软件。突破智能设计与仿真及其工具、制造物联与服务、工业大数据处理等高端工业软件核心技术，开发自主可控的高端工业平台软件和重点领域应用软件，建立完善工业软件集成标准与安全测评体系。推进自主工业软件体系化发展和产业化应用。

High-End numerische Maschinenwerkzeuge und Industrieroboter/高档数控机床和机器人   

高档数控机床。开发一批精密、高速、高效、柔性数控机床与基础制造装备及集成制造系统。加快高档数控机床、增材制造等前沿技术和装备的研发。以提升可靠性、精度保持性为重点，开发高档数控系统、伺服电机、轴承、光栅等主要功能部件及关键应用软件，加快实现产业化。加强用户工艺验证能力建设。
　　机器人。围绕汽车、机械、电子、危险品制造、国防军工、化工、轻工等工业机器人、特种机器人，以及医疗健康、家庭服务、教育娱乐等服务机器人应用需求，积极研发新产品，促进机器人标准化、模块化发展，扩大市场应用。突破机器人本体、减速器、伺服电机、控制器、传感器与驱动器等关键零部件及系统集成设计制造等技术瓶颈。

Luft- und Raumfahrzeuge/航空航天装备    

加快大型飞机研制，适时启动宽体客机研制，鼓励国际合作研制重型直升机；推进干支线飞机、直升机、无人机和通用飞机产业化。突破高推重比、先进涡桨（轴）发动机及大涵道比涡扇发动机技术，建立发动机自主发展工业体系。开发先进机载设备及系统，形成自主完整的航空产业链。
　　航天装备。发展新一代运载火箭、重型运载器，提升进入空间能力。加快推进国家民用空间基础设施建设，发展新型卫星等空间平台与有效载荷、空天地宽带互联网系统，形成长期持续稳定的卫星遥感、通信、导航等空间信息服务能力。推动载人航天、月球探测工程，适度发展深空探测。推进航天技术转化与空间技术应用。

Meerestechnik -Ausrüstung und High-End-Schiffe/海洋工程装备及高技术船舶    

大力发展深海探测、资源开发利用、海上作业保障装备及其关键系统和专用设备。推动深海空间站、大型浮式结构物的开发和工程化。形成海洋工程装备综合试验、检测与鉴定能力，提高海洋开发利用水平。突破豪华邮轮设计建造技术，全面提升液化天然气船等高技术船舶国际竞争力，掌握重点配套设备集成化、智能化、模块化设计制造核心技术。

High-End Schienenverkehrstechnik/先进轨道交通装备    

加快新材料、新技术和新工艺的应用，重点突破体系化安全保障、节能环保、数字化智能化网络化技术，研制先进可靠适用的产品和轻量化、模块化、谱系化产品。研发新一代绿色智能、高速重载轨道交通装备系统，围绕系统全寿命周期，向用户提供整体解决方案，建立世界领先的现代轨道交通产业体系。

Energiesparende Autos und neue Energie-Autos/节能与新能源汽车    

继续支持电动汽车、燃料电池汽车发展，掌握汽车低碳化、信息化、智能化核心技术，提升动力电池、驱动电机、高效内燃机、先进变速器、轻量化材料、智能控制等核心技术的工程化和产业化能力，形成从关键零部件到整车的完整工业体系和创新体系，推动自主品牌节能与新能源汽车同国际先进水平接轨。

Elektrische Ausrüstung/电力装备    

推动大型高效超净排放煤电机组产业化和示范应用，进一步提高超大容量水电机组、核电机组、重型燃气轮机制造水平。推进新能源和可再生能源装备、先进储能装置、智能电网用输变电及用户端设备发展。突破大功率电力电子器件、高温超导材料等关键元器件和材料的制造及应用技术，形成产业化能力。

Landwirtschaftsmaschinen/农机装备    

重点发展粮、棉、油、糖等大宗粮食和战略性经济作物育、耕、种、管、收、运、贮等主要生产过程使用的先进农机装备，加快发展大型拖拉机及其复式作业机具、大型高效联合收割机等高端农业装备及关键核心零部件。提高农机装备信息收集、智能决策和精准作业能力，推进形成面向农业生产的信息化整体解决方案。

Neue Werkstoffe/新材料    

以特种金属功能材料、高性能结构材料、功能性高分子材料、特种无机非金属材料和先进复合材料为发展重点，加快研发先进熔炼、凝固成型、气相沉积、型材加工、高效合成等新材料制备关键技术和装备，加强基础研究和体系建设，突破产业化制备瓶颈。积极发展军民共用特种新材料，加快技术双向转移转化，促进新材料产业军民融合发展。高度关注颠覆性新材料对传统材料的影响，做好超导材料、纳米材料、石墨烯、生物基材料等战略前沿材料提前布局和研制。加快基础材料升级换代。

Bio-Medizin und High-End-medizinische Geräte/生物医药及高性能医疗器械

发展针对重大疾病的化学药、中药、生物技术药物新产品，重点包括新机制和新靶点化学药、抗体药物、抗体偶联药物、全新结构蛋白及多肽药物、新型疫苗、临床优势突出的创新中药及个性化治疗药物。提高医疗器械的创新能力和产业化水平，重点发展影像设备、医用机器人等高性能诊疗设备，全降解血管支架等高值医用耗材，可穿戴、远程诊疗等移动医疗产品。实现生物3D打印、诱导多能干细胞等新技术的突破和应用。

Maschinelles Lernen (ML) ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht und welches gegen die Testdaten getestet wird. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt (siehe Überanpassung), sondern Muster und Gesetzmäßigkeiten in den Lerndaten erkannt. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern (Überanpassung; englisch overfitting).^[1][2] Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: automatisierte Diagnose­verfahren, Erkennung von Kreditkartenbetrug, Aktienmarkt­analysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung sowie autonome Systeme.

Das Thema ist eng verwandt mit „Knowledge Discovery in Databases“ und „Data-Mining“, bei dem es jedoch vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. Viele Algorithmen können für beide Zwecke verwendet werden. Methoden der „Knowledge Discovery in Databases“ können genutzt werden, um Lerndaten für „maschinelles Lernen“ zu produzieren oder vorzuverarbeiten. Im Gegenzug dazu finden Algorithmen aus dem maschinellen Lernen beim Data-Mining Anwendung. Zu unterscheiden ist der Begriff zudem von dem Begriff „Deep Learning“, welches nur eine mögliche Lernvariante mittels künstlicher neuronaler Netze darstellt.

Das Schließen von Daten auf (hypothetische) Modelle wird als Statistische Inferenz bezeichnet.

机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径之一，即以机器学习为手段，解决人工智能中的部分问题。机器学习在近30多年已发展为一门多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法（要防止错误累积）。很多推论问题属于非程序化決策，所以部分的机器学习研究是开发容易处理的近似算法。

机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、游戏和机器人等领域。

Copilot+ PCs sind die schnellsten und intelligentesten Windows-PCs, die je gebaut wurden. Mit einem neuen leistungsstarken Prozessor, der 40+ NPU TOPS (Billionen Operationen pro Sekunde) ermöglicht, einer ganztägigen Akkulaufzeit und Zugang zu den fortschrittlichsten KI-Modellen können Sie mit Copilot+ PCs Features nutzen, die auf keinem anderen PC möglich sind. Finden und merken Sie sich mit „Recall“ ganz einfach alles, was Sie auf Ihrem PC je gesehen haben, generieren und verfeinern Sie KI-Bilder nahezu in Echtzeit direkt auf dem Gerät mit „Cocreator“ und überbrücken Sie Sprachbarrieren mit „Live Captions“, die Audiodateien aus über 40 Sprachen ins Englische übersetzen.

Copilot+ PC 是有史以来速度最快、最智能的 Windows PC。Copilot+ PC 配备了强大的全新处理器，能够实现 40+ NPU TOPS（每秒万亿次运算）、全天电池续航时间以及访问最先进的 AI 模型，让您可以利用其他任何 PC 都无法实现的功能。利用 “Recall ”轻松查找并记住您在 PC 上看到的所有内容，利用 “Cocreator ”直接在设备上近乎实时地生成和完善人工智能图像，利用 “Live Captions ”消除语言障碍，将 40 多种语言的音频文件翻译成英语。