维度 | 权重 | 评分细则 | 数据证据要求 |
1. 技术创新性 (25分) | 25% | ①自主研发AI工具/平台(8分); ②技术架构先进性(Agent、多模态等)(6分); ③创新解决行业痛点(5分); ④获得国家级/省级AI创新奖励(6分)。 | 技术架构文档、专利/论文、系统演示视频 |
2. 业务成效 (20分) | 20% | ①研发效率提升(8分):需提供对比数据(如代码交付周期缩短%); ②质量改善(8分):缺陷率下降、测试覆盖率提升; ③成本优化(4分):人力/时间成本节约。 | 项目前后对比报告、第三方审计数据、监控平台截图 |
3. 应用深度与广度 (20分) | 20% | ①覆盖研发阶段数量(5分):覆盖≥3个阶段得满分; ②用户使用率(7分):团队渗透率>70%得满分; ③持续应用时长(5分):≥1年得满分; ④应用自主可控国产模型(3分)。 | 使用日志统计、用户调研报告 |
4. 组织文化与能力建设 (20分) | 20% | ①管理层支持(5分):设立AI转型预算/专项小组; ②员工培训体系(5分):培训覆盖率、时长; ③知识沉淀机制(5分):案例库、最佳实践; ④建立了AI伦理治理框架(5分)。 | 培训计划、知识库截图、内部调研问卷 |
5. 行业影响力与开放性 (15分) | 15% | ①开源贡献(5分):GitHub Star数、贡献者数; ②生态合作(5分):与高校/伙伴联合创新; ③公开分享(5分):会议演讲、论文、博客。 | 演讲邀请函、开源项目链接、合作协议 |