{
  "timestamp": 1756890671.3266537,
  "conversation_id": "\"1ad6c4fe-6672-4f6d-b03d-b27900017727\"",
  "workspace_id": "8c9580ce-4461-4cdb-a23e-4d31104b65c8",
  "query_params": {
    "intent": "legal_query",
    "query": "",
    "reference_text": "",
    "use_rag": true,
    "need_subquery": false,
    "retrieve_level": "document",
    "ten_van_ban": "",
    "so_hieu": "",
    "tinh_trang_hieu_luc": [],
    "loai_van_ban": [],
    "term_position": [],
    "_metadata": {
      "extraction_method": "pipeline",
      "has_selection_text": false,
      "has_conversation_history": false,
      "timestamp": "2025-09-03T09:11:09.805690"
    }
  },
  "request_params": {
    "selection_text": null,
    "selected_save_files": [],
    "selected_upload_files": [
      "e0aba8ee-ee62-4591-bf9f-fe80cae6b5fd"
    ],
    "use_law_database": false,
    "messages": [
      {
        "role": "user",
        "content": "Tóm tắt văn bản này"
      },
      {
        "role": "assistant",
        "content": "<answer>\n\nDựa trên văn bản được cung cấp, tôi chỉ có thể trả lời rằng không có thông tin pháp luật liên quan để tóm tắt.</answer>"
      },
      {
        "role": "user",
        "content": "tóm tắt văn bản này"
      }
    ],
    "current_user_message": "Tóm tắt văn bản này",
    "previous_user_message": "Tóm tắt văn bản này",
    "previous_assistant_message": "<answer>\n\nDựa trên văn bản được cung cấp, tôi chỉ có thể trả lời rằng không có thông tin pháp luật liên quan để tóm tắt.</answer>",
    "random_uuid": "a539e600-01b1-4e57-81e5-648d17a1e6e0"
  },
  "contexts": {
    "context": "\n==================================================\nKẾT QUẢ TỪ TÀI LIỆU NGƯỜI DÙNG TẢI LÊN\n==================================================\n\n\n Tài liệu tải lên 0: [16042025]CMCATI_TTKHNC_KPI2025.docx với id: e0aba8ee-ee62-4591-bf9f-fe80cae6b5fd\n\n\n Nội dung: TẬP ĐOÀN CÔNG NGHỆ CMC\n\nVIỆN NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ CMC\n\nCHỈ TIÊU KINH DOANH 2025\n\nLập bởi: Viện Nghiên cứu Ứng dụng Công nghệ CMC\n\nThẩm định bởi: Ban Điều Hành Tập đoàn\n\nPhê duyệt bởi: Hội đồng Quản trị Tập đoàn\n\nHà Nôi, ngày      tháng        năm 2025\n\nMỤC LỤC\n\nMỤC TIÊU CHIẾN LƯỢC NĂM\n\nMỤC TIÊU CHIẾN LƯỢC\n\nHoạt động nghiên cứu:\n\nSản phẩm:\n\nTT Bộ phận Hạng mục Tính năng thực hiện T4/2025 T5/2025 T6/2025 T7/2025 T8/2025 T9/20255 T10/2025 T11/2025 T12/2025 T1/2026 T2/2026 T3/2026 1 AI/ BigData CLS Nâng cấp module tìm kiếm ngữ nghĩa cấp văn bản, điều khoản: 1. Nâng cấp hiệu năng (tăng topk) 2. Điều chỉnh logic 3. Chuẩn hoá dữ liệu KG (3->2l) 1. Nâng cấp logic tìm văn bản 2. Nâng cấp model dense embedding 1. Nâng cấp model dense embedding 2. Nâng cấp logic kết hợp score 1. Tạo danh sách chủ đề cho văn bản 2. Thử nghiệm tóm tắt toàn văn 1. Nâng cấp tóm tắt toàn văn 2. Nâng cấp model dense embedding 1. Nghiên cứu phân cụm khi tìm kiếm 2. Tối ưu sắp xếp và phân loại kết quả 1. Tích hợp việc tìm kiếm với quản lý dự án 2. Tối ưu độ dài model embed Tích hợp tìm kiếm trong core trợ lý ảo Nâng cấp rà soát mâu thuẫn, đối chiếu văn bản, phân tích nội dung 1. Tạo dữ liệu phân tích nội dung 2. Nâng cấp bóc tách vb 1. Nâng cấp logic mâu thuẫn nội dung 2. Gợi ý danh sách vb cần rà soát dựa trên KG Thử nghiệm LLM phân tích khác biệt, mâu thuẫn chồng chéo Thử nghiệm LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo: đưa ra giải thích Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo: đưa ra giải thích Nâng cấp chuyển đổi, đối chiếu, so sánh văn bản 1. Nâng cấp hiệu năng chuyển đổi 2. Đồng bộ dữ liệu BTP Nghiên cứu cách thức so sánh chéo điều khoản theo nội dung Nghiên cứu cách thức so sánh chéo điều khoản theo nội dung Nâng cấp model so sánh chéo nội dung Nâng cấp model so sánh chéo nội dung Hoàn thiện so sánh: giữa các dự thảo, dự thảo vs căn cứ Hoàn thiện so sánh: dự khảo vs sửa đổi bổ sung, thay thế, Hoàn thiện so sánh: nội dung cụ thể vs điều khoản liên quan Phát triển tính năng quản lý: tài khoản, dự án, dashboard, phân quyền, giao diện sử dụng 1. Lưu trữ kết quả tìm kiếm 2. Sửa đổi tài khoản 3. Tối ưu UIUX 1. Quản lý kết quả tìm kiếm 2. Hiển thị bookmark tài liệu 3. Tối ưu UIUX đợt 2 1. Gộp giao diện kết quả tìm kiếm ngữ nghĩa và sửa đổi 2. Điều chỉnh UI tìm kiếm tương tác 1. Tích hợp giao diện so sánh giữa 2 văn bản theo nội dung 2. Tính năng tạo phản hồi, đánh giá 3. Tài khoản tổ chức 1. Tích hợp giao diện cho model phân tích nội dung 2. Phát triển tính năng quản lý dự án 1. Tích hợp giao diện cho model phân tích nội dung 2. Nâng cáp quản lý dự án: lưu trữ kết quả 1. Nâng cấp dashboard 2. Nâng cấp quản lý dự án: chia sẻ tài liệu và kết quả 1. Nâng cấp dashboard, admin 2. Nâng cấp quản lý dự án: xuất kết quả theo template 1. Câp nhật giao diện so sánh, đối chiếu theo AI 2. Cập nhật quản lý dự án: luồng làm việc 1. Câp nhật giao diện so sánh, đối chiếu theo AI 2. Cập nhật quản lý dự án: luồng làm việc 1. Nâng cấp giao diện hỏi đáp tương tác 2. Nâng cấp quản lý dự án: nghiên cứu nghiệp vụ tiền kiểm hậu kiểm 1. Nâng cấp giao diện hỏi đáp tương tác 2. Nâng cấp quản lý dự án: nghiên cứu nghiệp vụ tiền kiểm hậu kiểm 2 C-OCR Số hoá, chuyển đổi văn bản toàn văn, nâng cấp tổng thể core OCR - Nâng cấp module So khớp chữ ký - Giải pháp xử lý thông tin định dạng ảnh, chữ kí, con dấu, … - Triển khai VDU cho bài toán trích xuất thông tin - Xây dựng model Reading Order detection -Nâng cấp OCR cho text viết dọc - Triển khai VDU cho bài toán phân tích bảng - Đóng gói module IE - Nghiên cứu module DLA cho việc phân tích toàn diện trang văn bản gồm các nhãn semantic - Triển khai VDU cho bài toán phân tích figure, formular Nâng cấp OCR cho text viết dọc -Xây dựng tính năng hỏi đáp văn bản AI Agent (1 trang) First page detection cho phép tách loại tài liệu bất kỳ Mở rộng ngôn ngữ model OCR: 8-9 ngôn ngữ -Xây dựng tính năng hỏi đáp văn bản AI Agent (1 trang) - Nâng cấp độ chính xác các module quý I\nXây dựng giải pháp zero training document AI tích hợp LLM -Document keypoints cho 2 page - Xây dựng model OCR 2.0 full text -Nâng cấp giải pháp zero training document AI tích hợp LLM - Document keypoints cho multipages cho phép xử lý ảnh gồm nhiều mặt giấy tờ -Nâng cấp model VDU cho xử lý văn bản nhiều trang - Nâng cấp độ chính xác các module các quý trước - Giải pháp human check&edit bảng biểu, figure, formular - Nâng cấp model VDU cho xử lý văn bản nhiều trang Giải pháp translation ngôn ngữ cho output OCR Nghiên cứu mở rộng khả năng của VDU bằng các document-related task pretrain khác nhau - Triển khai VDU cho dịch văn bản Mở rộng ngôn ngữ model OCR: 10-11 ngôn ngữ - Nghiên cứu mở rộng khả năng của VDU bằng các document-related task pretrain khác nhau Nâng cấp tính năng hỏi đáp với văn bản Giải pháp preview văn bản, dịch thuật trực tiếp Giải pháp trích xuất thông tin sử dụng LLM Xây dựng giải pháp xử lý thông tin định dạng ảnh, chữ kí, con dấu - Giải pháp tự động phân loại tài liệu của 1 bộ hồ sơ dựa trên rulebase - Giải pháp tự động phân loại tài liệu của 1 bộ hồ sơ dựa trên rulebase - Triển khai model document type classify thành tính năng custom training trên SmartDoc - Triển khai model document type classify thành tính năng custom training trên SmartDoc - Giải pháp human check&edit bảng biểu, figure, formular - Bổ sung cập nhật UI/UX giải pháp phê duyệt tài liệu, cho phép click trên ảnh để highlight box text - Giải pháp quy trình số hóa tài liệu - Giải pháp cấu hình tài liệu rulebase - Giải pháp cấu hình tài liệu rulebase Nâng cấp UI/UX giải pháp phê duyệt tài liệu, cho phép click trên ảnh để highlight box text Giải pháp hàng đợi ưu tiên xử lý cho các loại tài khoản VIP/advance user - Tích hợp hệ thống IAM - Bổ sung input xử lý từ link ảnh/pdf/docx/... 3 C-VOICE Nâng cấp công nghệ lõi Nâng cấp 01 model nhận dạng tiếng nói cho âm thanh từ cuộc họp mic đa hướng Nâng cấp 01 model phân tách người nói cho âm thanh cuộc họp từ mic đa hướng Nâng cấp 01 model tổng hợp tiếng nói cho voice nữ miền bắc Nâng cấp 01 model tổng hợp tiếng nói cho voice nữ miền nam Nâng cấp 01 model tổng hợp tiếng nói cho voice nam miền bắc Nâng cấp 01 mô hình chuẩn hóa văn bản text to speech Nâng cấp 01 mô hình chuẩn hóa văn bản text to speech Triển khai 01 model STT lên AI Box Triển khai 01 model Speaker Verification lên AI Box Nghiên cứu khảo sát mô hình Audio LLM cho tiếng Việt Virtual MC Xây dựng 01 bộ dữ liệu âm thanh đa ngôn ngữ chất lượng cao (50h Ko, 50h Ja, 100h Eng, 100 vie) Xây dựng 01 bộ dữ liệu âm thanh đa ngôn ngữ chất lượng cao (100h Ko, 100h Ja, 200h Eng, 250 vie) Nghiên cứu 01 mô hình Voice Conversion cho tiếng Việt Huấn luyện 01 mô hình Voice Conversion cho tiếng Việt Nghiên cứu 01 mô Lip-Sync (bắt chước cử chỉ môi) cho tiếng Việt Huấn luyện 01 mô hình Lip-Sync bắt chước cử chỉ môi cho tiếng Việt Nâng cấp 01 mô hình tăng cường độ nét cho video Triển khai & tích hợp mô hình Virtual MC vào các ứng dụng Triển khai & tích hợp mô hình Virtual MC vào các ứng dụng 4 C-HR Nâng cấp core lõi công nghệ bóc tách CV và tinh Cập nhật giải pháp parsing Giải pháp tạo lịch phỏng vấn UV​ Giải pháp tích hợp SAP/SF4C Giải pháp tích hợp qua API key -01 model LLM cho phân tích CV và JD ​ 01 nâng cấp mô hình LLM cho phân tích CV và JD, 01 nâng cấp mô hình LLM cho gợi ý viết JD, câu hỏi phỏng vấn và đánh giá kết quả phỏng vấn​ 5 Giải pháp an ninh Nghiên cứu tổ hợp các bài toán trong an ninh: toà nhà, trường học, công sở, công trường 01 Tài liệu survey các mô hình Vision language model và các task an ninh được xử lý: hành vi, video captioning Xây dựng 01 bộ dữ liệu đồng phục trên camera, domain khách hàng BIDV, 10000 ảnh, 4 loại đồng phục và 1 loại không đồng phục Nghiên cứu và huấn luyện 01 mô hình phân loại đồng phục Nghiên cứu 01 mô hình trích xuất đặc trưng của người, cho bài toán tìm kiếm người theo mô tả hoặc hình ảnh Huấn luyện 01 mô hình trích xuất đặc trưng của người, cho bài toán tìm kiếm người theo mô tả hoặc hình ảnh Nghiên cứu 01 mô hình zero-shot object detection  cho bài toán nhận diện đối tượng Huấn luyện 01 mô hình zero-shot object detection, tích hợp cviams/ai box Nghiên cứu 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Huấn luyện 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Huấn luyện 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Triển khai 01 mô hình nhận diện hành vi bất thường lên cviams/ai box Nghiên cứu 01 mô hình thử nghiệm VLM cho bài toán an ninh: Text-based event detection Nghiên cứu tổ hợp các bài toán giao thông Thu thập dữ liệu camera hành trình, camera giao thông Nâng cấp 01 model nhận diện xe Xây dựng 01 model nhận diện và phân loại biển báo giao thông Xây dựng 01 bộ dữ liệu hãng xe và màu sắc Nghiên cứu 01 mô hình nhận dạng hãng xe và màu sắc Nâng cấp 01 mô hình nhận dạng hãng xe và màu sắc, tích hợp cviams/ai box Xây dựng 01 bộ dữ liệu OCR biển số xe Việt Nam Nâng cấp 01 mô hình đọc biển số xe, tích hợp cviams/ai box Huấn luyện 01 mô hình phân loại biển số xe kém chất lượng, tích hợp cviams/ai box Xây dựng bộ dữ liệu Vehicle ReID Nghiên cứu 01 mô hình Vehicle ReID Nâng cấp 01 model Vehical ReID, tích hợp cviams/ai box 6 IoT/ Smart-Devices CIVAMS.FACE Đánh giá chất lượng ảnh khuôn mặt theo tiêu chuẩn ISO/IEC 29794-5 international Xác định rõ các thành phần chất lượng (độ phân giải, phân bố ánh sáng, góc nghiêng đầu, biểu cảm …) theo phân loại ISO Xây dựng thuật toán đánh giá từng thành phần sử dụng xử lý ảnh cơ bản Xây dựng thuật toán đánh giá từng thành phần sử dụng  mô hình deep learning Đánh giá và tối ưu hiệu năng của luồng xử lý dựa trên chỉ số FNMR@FMR=0.1% và thời gian xử lý Triển khai các mô hình và thuật toán đánh giá chất lượng ảnh khuôn mặt lên thiết bị Edge AI (Cam AI, AIBOX) Nghiên cứu hoàn thiện công nghệ chống giả mạo khuôn mặt. Xây dựng bộ dataset cho thi chứng chỉ ibeta - chống giả mạo khuôn mặt cho camera trước của điện thoại Xây dựng mô hình deep learning phân loại ảnh giả mạo Đánh giá và tối ưu hiệu năng của luồng xử lý Đăng ký thi và hoàn thiện chứng chỉ ibeta Nghiên cứu ứng dụng kỹ thuật Multitask Learning (MTL) và Multi-domain Learning (MDL) nhằm tối ưu hóa hiệu suất xử lý và giảm thời gian suy luận mô hình trên thiết bị Edge AI Review paper để xác định rõ các nhiệm vụ (ví dụ: nhận diện khuôn mặt, phát hiện điểm đặc trưng, ước lượng tư thế đầu) và các miền dữ liệu (ví dụ: các điều kiện ánh sáng, góc chụp, biểu cảm khác nhau) mà mô hình cần xử lý đồng thời. Thu thập các bộ dữ liệu phù hợp cho từng nhiệm vụ và miền. Đảm bảo dữ liệu đa dạng và đại diện cho các điều kiện thực tế mà mô hình sẽ gặp phải Xây dựng mô hình deep learning có khả năng chia sẻ thông tin giữa các nhiệm vụ và miền Đánh giá và tối ưu hiệu năng của luồng xử lý Triển khai các mô hình và thuật toán lên thiết bị Edge AI (Cam AI, AIBOX) Đánh giá và cải tiến dịch vụ Face Search, tăng khả năng chịu tải lên > 2000 req/s Nâng cấp module web nhận và phản hồi request qua API Tối ưu hiệu năng module AI phân tích ảnh Tối ưu hiệu năng module tìm kiếm Triển khai đánh giá trên cụm K8S Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android , giải pháp CMC Face SDK cho Android và iOS Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android , giải pháp CMC Face SDK cho Android và iOS Tích hợp thêm các mô hình: chống giả mạo khuôn mặt , xác định tuổi giới tính Xây dựng giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android dựa trên CMC Face SDK 7 CIVAMS.Security Giải pháp quản lý dữ liệu phân tán (video, audio) cung cấp khả năng giám sát tập trung và phân quyền người dùng thông qua nền tảng đám mây. Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow. Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Tính năng đàm thoại âm thanh từ hệ thống VMS đến camera IP hỗ trợ cả hai chế độ: truyền âm thanh một chiều (broadcast) và đàm thoại hai chiều (talk), cho phép gửi và nhận âm thanh giữa máy chủ và thiết bị. Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Giải pháp VMS có các tính năng Onvif hỗ trợ profile G Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Giải pháp tìm kiếm người trong video từ camera IP bằng ảnh chụp hoặc mô tả đặc điểm ngoại hình bằng ngôn ngữ tự nhiên Nghiên cứu mô hình trích xuất vector đặc trưng của người phục vụ bài toán tìm kiếm người theo mô tả đặc điểm ngoại hình hoặc ảnh chụp Tích hợp luồng xử lý vào CIVAMS Giải pháp phát hiện đám đông cho camera IP Nghiên cứu mô hình phát hiện đám đông cho camera IP. Tích hợp vào luồng xử lý của CIVAMS Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Phát triển core AI xử lý video từ VMS cho các bài toán face Tích hợp core AI bài toán face với VMS và đánh giá Phát triển core AI xử lý video từ VMS cho các bài toán human Tích hợp core AI bài toán human với VMS và đánh giá Phát triển core AI xử lý video từ VMS cho các bài toán vehicle Tích hợp core AI bài toán vehicle với VMS và đánh giá Nâng cấp mô hình phát hiện khói lửa đạt độ chính xác > 90% 8 CIVAMS.Traffic Bài toán nhận diện biển số, iparking Nghiên cứu thuật toán giám sát lưu lượng giao thông. Nghiên cứu mô hình phát hiện vi phạm quy định về mũ bảo hiểm đối với người đi xe máy / xe đạp điện. Tính năng tìm kiếm phương tiện bằng đặc trưng, biển số xe, hình ảnh Nghiên cứu mô hình trích xuất vector đặc trưng cho phương tiện giao thông phục vụ bài toán tìm kiếm bằng hình ảnh hoặc mô tả đặc điểm. Nghiên cứu mô hình / thuật toán phát hiện chướng ngại vật cản trở giao thông Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Nghiên cứu mô hình phát hiện biển số có chữ và số không rõ ràng. Nghiên cứu thuật toán ước tính tốc độ của phương tiện từ video của camera giao thông Nghiên cứu mô hình / thuật toán xác định phương tiện vượt qua vạch dừng khi đèn tín hiệu chuyển đỏ hoặc vàng. 9 AICAM AI Camera xử lý tại biên\nCMC AIVision Lite (Chip China, Housing Indoor) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện sản xuất 100 pcs Đăng ký chứng chỉ hợp quy Thực hiện SMT (data sản xuất) Lắp ráp  và thực hiện test chức năng sản phẩm (quy trình lắp ráp, mẫu thực tế) Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Camera xử lý tại biên\nCMC AIVision Lite (Chip China, Housing Outdoor) Lựa chọn giải pháp, lên phương án và hoàn thành bản thiết kế theo housing mới (diagrams, file thiết kế jig gá) Đánh giá khả năng tích hợp firmware với giải pháp housing mới (file kết quả đánh giá) Đánh giá khả năng tích hợp software với giải pháp housing mới (file kết quả đánh giá) Lắp ráp và thực hiện bringup (mẫu thực tế, kết quả test) Thực hiện test full chức năng theo spec sản phẩm (mẫu thực tế, kết quả test) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Hoàn thành đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Camera xử lý tại biên CMC AIVision Plus (Chip Non-China, housing cho ENT) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Lựa chọn housing Đánh giá khả thi tích hợp mạch PCB, CIVAMS. Face, CIVAMS. Security trên devkit (file kết quả đánh giá) Chốt spec, housing sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Chuẩn bj source code và checklist bringup (bộ source, file checklist) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng. Tích hợp firmware Tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Xây dựng các bài test ổn định, hợp quy (checklist và kết quả test) Thực hiện các bài test ổn định, hợp quy (checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Hoàn thành đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm 10 AIBOX AI Box xử lý tại biên CMC AIBox Lite (Chip China) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện sản xuất 10 pcs pp2 Thực hiện SMT (data sản xuất) Lắp ráp  và thực hiện test chức năng sản phẩm (quy trình lắp ráp, mẫu thực tế) Đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản xuất. Chốt đối tác và phương thức hợp tác sản xuất hàng loạt Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Box, AI Server xử lý tại biên CMC AIBox Plus, CMC AIServer (Chip Non-China) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Đánh giá khả thi tích hợp CIVAMS.Face, CIVAMS.Security trên devkit (file kết quả đánh giá) Chốt spec sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Chuẩn bị source code và checklist bringup (bộ source, file checklist) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng, tích hợp firmware Thực hiện tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Thực hiện tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Xây dựng các bài test ổn định, hợp quy (checklist và kết quả test) Xây dựng và thực hiện các bài test ổn định, hợp quy (checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện đăng ký chứng chỉ hợp quy. Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường Thiết bị tăng tốc xử lý AI CMC AI-DPM CMC AI-DPC (Chip Non-China) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Chốt spec sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Chuẩn bị source code và checklist bringup (bộ source, file checklist) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng Tích hợp firmware Tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) 11 Chip AI tích hơp NPU, mã hoá phiên bản 0.2 Chip AI tích hơp NPU, mã hoá phiên bản 0.2 Xác định yêu cầu hệ thống Xác định thông số kỹ thuật của chip. Lựa chọn kiến trúc CPU Định nghĩa cấu trúc bộ nhớ: Xác định các bộ gia tốc phần cứng Định nghĩa giao diện ngoại vi Thiết kế kiến trúc sơ bộ cho module CPU Thiết kế kiến trúc sơ bộ cho module FPU, cache, ram Thiết kế kiến trúc sơ bộ cho module ngoại vi Hoàn thiện RTL cho từng module Chạy mô phỏng và sửa lỗi RTL. Tích hợp CPU, Cache, FPU, NPU, bộ ngoại vi thành SoC. Thiết kế bus hệ thống Kết nối CPU với bộ nhớ và ngoại vi. Định nghĩa phương thức truyền dữ liệu trên bus. Viết testbench toàn hệ thống Kiểm thử giao tiếp giữa CPU và các module khác. Kiểm thử truy xuất bộ nhớ, giao tiếp ngoại vi. Chạy mô phỏng toàn hệ thống và sửa lỗi thiết kế. Tổng hợp thiết kế RTL thành netlist logic Xác minh lỗi logic và tối ưu hóa diện tích. Phân tích timing Kiểm tra thời gian truyền tín hiệu trên toàn chip. Xử lý lỗi timing nếu có. Phân tích điện năng tiêu thụ sơ bộ. Bố trí mặt bằng chip (Floorplanning) Xác định vị trí CPU, NPU, bộ nhớ, ngoại vi. Thiết kế vùng cấp nguồn Xây dựng mạng cấp nguồn chính cho chip. Phân tích điện năng tiêu thụ Đánh giá mức tiêu thụ điện năng từng module. Kiểm tra sơ bộ về quy tắc thiết kế (DRC). Bố trí vị trí của từng cổng logic. Xây dựng cây xung nhịp (Clock Tree Synthesis) Đảm bảo tín hiệu xung nhịp đến tất cả các module đúng thời gian. Định tuyến sơ bộ các kết nối chính. Chạy kiểm tra về timing, điện năng, DRC sơ bộ. Định tuyến hoàn chỉnh tất cả kết nối. Tối ưu hóa xung nhịp và điện năng. Kiểm tra DRC, LVS để đảm bảo thiết kế hợp lệ. Chạy kiểm tra timing toàn bộ chip. Tối ưu hóa điện năng tiêu thụ. Chạy kiểm tra độ nhiễu tín hiệu và độ ổn định của chip. Kiểm tra lại DRC, LVS, ERC. Phân tích điện năng tiêu thụ chính xác. Chạy mô phỏng cuối cùng trên netlist đã định tuyến. Đóng gói thiết kế GDSII. Chạy kiểm tra final DRC, LVS, ANT. 12 Block-chain C-Exchange Quản lý tài sản, nạp-rút Nghiên cứu, đánh giá các nền tảng blockchain phổ biến (Avalanche, Solana, Near, Polygon, Cosmos, Ethereum). Thiết kế kiến trúc hệ thống Thiết kế kiến trúc blockchain Xây dựng logic quản lý tài sản số trên blockchain Xây dựng giao diện hệ thống Giao dịch và đặt lệnh Xây dựng module giao thức smart contract cho giao dịch Phát triển blockchain riêng dựa trên nền tảng đã lựa chọn và tùy chỉnh. Xây dựng logic quản lý tài sản số trên blockchain. Tích hợp Metamask / WalletConnect để kết nối ví. Tích hợp với RPC node để kết nối với ứng dụng. Triển khai MVP Đăng ký và xác thực người dùng Thiết kế UI/UX (Dashboard, trang giao dịch,...). Xây dựng luồng đăng ký, đăng nhập với xác thực ví. Xây dựng hệ thống backend\n\nCHUYỂN GIAO CÔNG NGHỆ (theo SP/Công nghệ, theo Công ty)\n\nCMC ATI thực hiện duy trì, hỗ trợ dịch vụ CTTV trong quá trình thương mại sau chuyển giao và chuyển giao cập nhật công nghệ (nếu có).\n\nHỗ trợ dịch vụ sau chuyển giao:\n\nHỗ trợ CTTV/ tư vấn cho sale CTTV hỏi đáp sâu giải pháp trong quá trình tư vấn giải pháp: tính năng tùy biến KH yêu cầu ngoài gói cố định, gói giải pháp tổng thể cho KH,….\n\nHỗ trợ khắc phục lỗi trong quá trình triển khai dự án tới KH của CTTV\n\nChuyển giao cập nhật công nghệ: là chuyển giao bổ sung/thay thế phần cập nhật/cải tiến của các giải pháp/công nghệ mà CMC ATI đã thực hiện chuyển giao cho CTTV.  Chuyển giao cập nhật công nghệ được thực hiện khi công nghệ có sự cập nhật về:\n\nCải thiện độ chính xác, tốc độ\n\nBổ sung tính năng mới\n\nKhắc phục lỗi\n\nDOANH THU\n\nDoanh thu: 12 tỷ đồng\n\nĐịnh nghĩa: Doanh thu bao gồm doanh thu từ hợp đồng ký kết chuyển giao, tích hợp phần mềm giữa CMC ATI với Công ty thành viên (CTTV) hoặc khách hàng ngoài CMC. Doanh thu được tính theo Biên bản nghiệm thu theo từng giai đoạn trong Hợp đồng đã ký kết với Khách hàng. Cụ thể, giá trị doanh thu tính bởi tổng:\n\nĐối với Hợp đồng và Biên bản chuyển giao ký với CTTV: Giá trị doanh thu bao gồm giá trị License phần mềm, dịch vụ triển khai tạo bởi phần mềm của CMC ATI  tại Hợp đồng CTTV ký kết với Khách hàng cuối\n\nTrong trường hợp không có thông tin giá trị hợp đồng hoặc giá trị trên Hợp đồng thấp hơn giá trị định giá do Viện gửi sang CTTV (qua email) mà không có xác nhận với Viện (qua email) thì Doanh thu được tính như sau:\n\nĐịnh giá license/dịch vụ triển khai (giữa CTTV & CMC ATI) * Số lượng (trên hợp đồng giữa CTTV & Khách hàng)\n\nĐối với Hợp đồng tặng của CTTV/tập đoàn cho khách hàng cuối: Giá trị doanh thu được ghi nhận bằng tổng giá trị các hạng mục có liên quan đến sản phẩm, dịch vụ của CMC ATI tại tờ trình và Biên bản bàn giao\n\nGiá trị doanh thu đến từ Hợp đồng ký kết triển khai tích hợp phần mềm CMC ATI  ký kết trực tiếp với Khách hàng ngoài CMC\n\nPHÁT TRIỂN NGUỒN LỰC\n\nKế hoạch nhân sự\n\nSTT Bộ phận Quý I Quý II Quý III Quý IV KH2025 TH2024 1 Lãnh đạo Viện 1 3 3 3 3 1 2 Lab AI/BigData 33 33 33 33 33 33 3 Lab IoT/Smart Devices 27 27 27 27 27 27 4 Lab Blockchain/Security 18 18 18 18 18 18 5 Bộ phận truyền thông 1 1 1 1 1 1 6 Phòng PTDA 5 5 5 5 5 5 7 Phòng HCNS 3 3 3 3 3 3 8 Phòng Kế toán 2 3 3 3 3 2 Tổng 90 93 93 93 93 90\n\nNgân sách lương\n\nToàn Công ty\n\nĐvt:triệu đồng\n\nTT Chỉ tiêu Quý 1 Quý 2 Quý 3 Quý 4 KH Năm 2025 TH Năm 2024 Tăng/ Giảm 1 Chi phí lương 7,236 7,476 8,161 8,161 31,035 20,619 51% 1.1 Lương cứng 5,822 6,002 6,512 6,512 24,848 16,395 52% 1.2 Lương năng suất 1,414 1,474 1,650 1,650 6,188 4,224 46% 2 Các khoản trích theo lương và phụ cấp người lao động 1,501 914 718 1,086 4,218 2,386 77% 2.1 Bảo hiểm bắt buộc 470 485 516 516 1,986 1,026 93% 2.2 Kinh phí công đoàn 44 45 48 48 185 124 49% 2.3 Các khoản phúc lợi 933 327 92 460 1,812 1,070 69% 2.4 Phụ cấp 54 57 62 62 236 166 42% Tổng cộng 8,737 8,390 8,879 9,247 35,253 23,005 53%\n\nTheo bộ phận\n\nĐvt: triệu đồng\n\nTT Trung tâm/bộ phận Lương cứng Lương năng suất Lương sản lượng Tổng chi phí lương KH 2025 Tổng chi phí lương TH 2024 1 Lab AI/BigData 9,366 2,068 3,714 15,148 10,467 2 Lab IoT Smart Device 7,014 1,543 2,637 11,194 6,631 3 Lab Blockchain/Security 4,176 857 1,791 6,824 4,537 4 Phát triển kinh doanh 1,336 336 573 2,245 1,638 5 Ban LĐ/Văn phòng 2,956 1,383 2,260 6,599 4,097 Tổng 24,848 6,188 10,975 42,010 27,370\n\nCác chỉ tiêu tài chính về nhân sự\n\nDvt: triệu đồng\n\nTT Chỉ tiêu Quý I Quý II Quý III Quý IV Kế hoạch 2025 Thực hiện 2024 Tăng trưởng 1 Lương cứng bình quân/người/tháng 65 65 70 70 267 182 47% 2 Lương năng suất bình quân/ người/ tháng 16 16 18 18 67 122 -45% 3 Tổng lương bình quân/người/tháng 65 80 88 88 334 304 10% 4 Tỷ lệ chi phí tiện ích/người/tháng 5 5 5 5 19 15 26%\n\n(*): Quỹ thu nhập bao gồm tổng tất cả thu nhập bao gồm lương cứng, lương năng suất, thưởng kinh doanh, thưởng sản xuất, lương sản lượng và thưởng khác của tất cả bộ phận\n\nĐẦU TƯ CƠ SỞ HẠ TẦNG\n\nĐầu tư Hạ tầng/Tài sản/Công cụ dụng cụ\n\nDvt: triệu đồng\n\nTT CMC ATI Quý 1 Quý 2 Quý 3 Quý 4 KH Năm 2025 TH Năm 2024 Tăng  /Giảm I Đầu tư hạ tầng, tài sản 1,797 - 176 - 1,973 3,521 -44% 1 Khối Back Office 773 - 136 - 909 2,746 -67% 2 Lab AI/BigData 400 - - - 400 316 27% 3 Lab IoT/Smart-Devices 624 - 40 - 664 320 108% 5 Lab Blockchain/Security - - - - - 138 -100% II Đầu tư CCDC 416 21 6 6 450 1,395 -68% 1 Khối Back Office 164 16 1 1 182 726 -75% 2 Lab IoT/SmartDevices 48 5 5 5 63 519 -88% 3 Lab AI/BigData 173 - - - 173 99 74% 4 Lab Blockchain/Security 32 - - - 32 51 -37% TỔNG 2,213 21 182 6 2,422 4,916 -51%\n\nĐầu tư sản phẩm công nghệ, sản phẩm dịch vụ mới\n\nTT Sản phẩm, dịch vụ Tổng mức đầu tư (triệu đồng) Ngân sách 2025 Quý 1 Quý 2 Quý 3 Quý 4 Mô tả ngắn gọn (**) 1 IoT- SmartDevices 1,080 1,080 587 - 318 175 Đầu tư lĩnh vực sản xuất Chip Tổng 1,080 1,080 587 - 318 175\n\nNGÂN SÁCH\n\nDvt: triệu đồng\n\nTT Chỉ tiêu Quý I Quý II Quý III Quý IV KH Năm 2025 TH Năm 2024 % Tăng/(giảm) I Doanh thu thuần 1,100 2,100 3,900 4,900 12,000 9,854 22% 01 Hàng hóa - - - - - - 02 Dịch vụ 1,100 2,100 3,900 4,900 12,000 9,854 22% II Giá vốn (Biến phí) 7,351 6,832 7,041 7,353 28,576 21,635 32% III Lãi gộp (Lãi biến phí) (6,251) (4,732) (3,141) (2,453) (16,576) (11,781) 41% IV Chi phí hoạt động (Định phí) 3,865 3,782 4,314 4,255 16,216 12,207 33% 01 Chi phí lương kinh doanh, quản lý 1,239 1,391 1,690 1,690 6,011 5,735 5% 02 Các khoản trích theo lương và phụ cấp người lao động 281 167 148 204 801 808 -1% 03 Chi phí marketing 44 46 46 46 180 435 -59% 04 Chi phí bán hàng 216 340 622 768 1,946 36 5283% 05 Chi phí tiện ích 440 433 435 433 1,741 1,340 30% 06 Chi phí thuê văn phòng, thuê kho 495 495 495 495 1,980 1,804 10% 07 Đào tạo, tuyển dụng 594 490 40 10 1,134 - 08 Các khoản dự phòng (Tồn kho và Công nợ) - - - - - - 09 Chi phí khác (thuộc chi phí hoạt động) 556 420 837 609 2,423 2,049 18% V Lợi nhuận trước Lãi vay, Thuế và Khấu hao phân bổ (EBITDA) (10,116) (8,514) (7,455) (6,708) (32,792) (23,988) 37% VI Khấu hao 1,789 1,345 1,178 1,191 5,503 3,455 59% 10 Khấu hao ( tài sản, thiết bị, lisence…phục vụ sản xuất) 488 556 584 602 2,231 694 221% 11 Chi phí khấu hao ( thiết bị dụng cụ quản lý, bán hàng) và sửa chữa nhỏ 1,300 788 594 589 3,272 2,760 19% VII Lợi nhuận ròng hoạt động kinh doanh (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40% VIII Chi phí Tài chính (Ròng) - - - - - - 12 Chi phí tài chính - - - - - - 13 Doanh thu hoạt động tài chính - - - - - - IX Thu nhập khác (Ròng) - - - - - - 14 Thu nhập khác - - - - - - 15 Chi phí khác - - - - - - X Lợi nhuận trước thuế (EBT) (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40% XI Thuế thu nhập doanh nghiệp - - - - - - XII Lợi nhuận sau  thuế (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40%\n\nCHỈ TIÊU KPI CÔNG TY\n\nMã chỉ tiêu Tên chỉ tiêu Diễn giải/ Công thức tính\n(được ghi nhận bằng bài báo quốc tế hoặc theo tiêu chuẩn đánh giá quốc tế trên bộ dataset public) Trọng số Đơn vị đo CHỈ TIÊU L1 L2 A TÀI CHÍNH 15% 1 Quản lý chi tiêu đúng kế hoạch 5% Triệu đồng 100% 2 Doanh thu Doanh thu từ Hợp đồng, Biên bản ký kết chuyển giao công nghệ với CTTV và Hợp đồng triển khai tích hợp phần mềm với khách hàng ngoài CMC. 10% Tỷ đồng 10 12 B CHUYỂN GIAO CÔNG NGHỆ 15% 1 Thực hiện chuyển giao công nghệ Duy trì và hỗ trợ năng cấp sản phẩm và công nghệ lõi, các sản phẩm đã chuyển giao 15% Số lượng 3 4 C NGHIÊN CỨU VÀ CÔNG NGHỆ 50% I Lab 40% 1 IoT/Smart-Devices CIVAMS.FACE\nL1: Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 03\nL2:  Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 05 15% Số lượng L1 L2 CIVAMS.Security/Traffic\nL1: Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 01, số lượng PoC: 01\nL2:  Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 02, số lượng PoC: 02 Số lượng L1 L2 AI Camera/Box xử lý tại biên L1: Hoàn thành sản phẩm và sẵn sàng chuyển giao, thương mại CMC AIVision Lite (Chip China), CMC AIBox Lite (Chip China) L2: Hoàn thành phát triển sản phẩm CMC AIVision Plus (Chip None China, housing ENT), CMC AIBox Plus (Chip None China) , CMC AIServer (Chip None China), CMC AI-DPM (module tăng tốc AI), CMC AI-DPC (Card tăng tốc AI) hoạt động đầy đủ tính năng đề ra. L1, L2 L1 L2 2 AI-Bigdata Giải pháp Smartdoc - OCR\nCông nghệ chủ chốt:​\n- OCR đa ngôn ngữ: bao gồm các trường hợp text xoay, dọc, mở rộng lên 10 ngôn ngữ​​\n- IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​\n- Document Layout Analysis: Phân tích toàn diện các thành phần trong trang văn bản và gom nhóm đối tượng cùng nội dung​\n- Visual Document Understanding: hỏi đáp với tài liệu, bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​\nTính năng:\nSản phẩm: ​\n- Giải pháp dịch thuật tài liệu ứng dụng LLM\n- Giải pháp cấu hình bóc tách tài liệu mới\n- Giải pháp phân tích thành phần văn bản: mô tả hình ảnh, đọc công thức toán\nL1:\n+ 01 mô hình OCR đa ngôn ngữ: >= 9 ngôn ngữ\n+ 01 mô hình  IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước 50 loại tài liệu​\n+ 01 mô hình Document Layout Analysis\n+ 02 hợp đồng\nL2:\n+ 01 mô hình OCR đa ngôn ngữ >= 10 ngôn ngữ\n+ 01 mô hình IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước, tổng tài liệu hỗ trợ 60 loại tài liệu​\n+ Tính năng visual Document Understanding: bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ + 03 hợp đồng 15% L1, L2 L1 L2 C-LS- nhiệm vụ quốc gia\n- Nâng cấp core (rule và bóc tách) rà soát và tìm kiếm nội dung phục vụ nghiệp vụ rà soát dự thảo​, model tìm kiếm ngữ nghĩa​\n- 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​\n- 01 bộ CSDL tinh gồm: document mongodb, Neo4j phụ vụ tính năng AI CLS, ES cho metadata, Milvus text embeddin truy vấn ngữ nghĩa​\nSản phẩm: ​\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ, bổ sung action cho người dùng tự thao tác và điều chỉnh​\nChỉ tiêu:\nL1:\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\nL2:\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ\n+ 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​ L1, L2 L1 L2 Nghiên cứu duy trì công nghệ lõi phục vụ COPEN AI\n- Công nghệ xử lý âm thanh\n- Công nghệ xử lý ngôn ngữ tự nhiên\nL1:\n+ Nâng cấp 01 mô hình ASR acc từ 90% → 95% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nghiên cứu 01 model LLM cho phân tích CV và JD​\nL2:\n+ Nâng cấp 01 mô hình DIAR có acc 80% → 85% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nghiên cứu 01 model LLM cho phân tích CV và JD​ L1, L2 L1 L2 3 Blockchain C-Exchange\nSàn giao dịch tài sản số tập trung bao gồm:\nBlockchain core\nOrder Management System\nMatching engine\nLiquidity System\nWallet System\nChỉ tiêu:\nL1:\nKiến trúc hệ thống sàn giao dịch\nL2:\nPhiên bản MVP. 10% L1, L2 L1 L2 II Sở hữu trí tuệ 5% 1 Bằng sáng chế/Bằng độc quyền/giải pháp hữu ích/bản quyền tác giả/ chứng chỉ quốc tế/ bài báo quốc tế WOS, Scopus Hoàn thiện hồ sơ nộp các đơn vị đánh giá độc lập uy tín trong nước và ngoài nước 5% Số lượng Hồ sơ 01 hồ sơ/chứng chỉ/paper III Sản phẩm công nghệ mới 5% 1 Blockchain C-Chain\nBlockchain Layer 1:\nThiết kế kiến trúc blockchain\nXây dựng cơ chế đồng thuận\nXây dựng token\nXây dựng module IBC\nXây dựng module RPC\nKết nối Tendermint\nChỉ tiêu:\nL1:\nKiến trúc ATI-chain\nL2:\nPhiên bản MVP. L1, L2 L1 L2 2 IoT/Smart-Devices NPU/IPCore cho chip AI xử lý ảnh\nL1:\nBáo cáo phân tích kiến trúc và đánh giá hiệu năng của NPU.\nL2:\nBáo cáo phân tích kiến trúc và đánh giá hiệu năng của NPU.\nBáo cáo Thiết kế và tích hợp firmware điều khiển NPU.\nBáo cáo AI Framework - Chuyển đổi mô hình AI xuống NPU. L1, L2 L1 L2 3 AI-Bigdata & IoT/Smart-Devices Nghiên cứu mới mới phục vụ bài toán Camera an ninh và giao thông, tích họp trong giải pháp thành phố thông minh Chỉ tiêu: L1: - Nâng cấp và nghiên cứu mới các mô hình giao thông: 1 model mới nhận diện xe, 1 model mới phân loại xe L2: - Nâng cấp và nghiên cứu mới các mô hình giao thông: 1 model mới nhận diện xe, 1 model mới phân loại xe - Nâng cấp và nghiên cứu mới các mô hình an ninh: 1 model nâng cấp nhận diện đặc điêm người, 1 model nâng cấp nhận diện hành vi, 1 model và tài liệu nghiên cứu thử nghiệm Vision-language model cho các bài toán phân tích nội dung video L1, L2 L1 L2 D NGUỒN NHÂN LỰC 20% 1 Chất lượng nguồn nhân lực Phát triển trình độ Thạc sỹ, Tiến sỹ 5% Số lượng học viên (Minh chứng bằng bảng điểm của năm học) 4 5 Chứng chỉ 5% Số lượng chứng chỉ 2 3 2 Đào tạo Tiếp nhận sinh viên thực tập từ 10% Top đầu K1 khoa CNTT 10% % Số lượng sinh viên tiếp nhận 7% 10% TỔNG 100%\n\nVIỆN TRƯỞNG CHỦ TỊCH HĐQT/CHỦ TỊCH ĐIỀU HÀNH\n\nPHỤ LỤC 01:\n\n(Đính kèm bảng giao KPI 2025)\n\nI. Chỉ tiêu Đào tạo (Mục VII.D.2):\n\nCMC ATI tiếp nhận sinh viên thực tập từ danh sách (10% top đầu K1 Khoa CNTT) do Đại học CMC gửi sang (gửi chính thức bằng email). Trong trường hợp, Đại học CMC không gửi danh sách sinh viên thực tập sang CMC ATI, CMC ATI sẽ được coi là hoàn thành Chỉ tiêu đào tạo (Đạt 100% KPI chỉ tiêu Đào tạo tương ứng 10% KPI CMC ATI).\n\nChỉ tiêu đánh giá L1: hoàn thành thực hiện tiếp nhận thực tập cho tối thiểu 7% số lượng sinh viên thực tập từ danh sách do Đại học CMC gửi sang. CMC ATI sẽ có đánh giá sinh viên thực tập (chấm điểm thang điểm 10 về thái độ/ý thức trong thời gian thực tập tại CMC ATI) và gửi lại cho Khoa CNTT qua hòm thư điện tử.\n\nChỉ tiêu đánh giá L2: hoàn thành thực hiện tiếp nhận thực tập cho 10% số lượng sinh viên thực tập từ danh sách do Đại học CMC gửi sang. CMC ATI sẽ có đánh giá sinh viên thực tập (chấm điểm thang điểm 10 về thái độ/ý thức trong thời gian thực tập tại CMC ATI) và gửi lại cho Khoa CNTT qua hòm thư điện tử.\n\nII. Chỉ tiêu Chất lượng nguồn nhân lực (Mục VII.D.1):\n\nCMC ATI thực hiện khuyến khích phát triển từ cán bộ nhân viên hiện tham gia học và phát triển chuyên môn lên trình độ Thạc sĩ, Tiến sỹ.\nCBNV được ghi nhận có bảng điểm năm học/bằng/Quyết định công nhận Thạc sĩ được cấp trong khoảng thời gian từ 1/4/2024 đến 31/3/2025.\n\nPHỤ LỤC 02:\n\nCác thông số kỹ thuật của các Sản phẩm, dịch vụ công nghệ Viện ATI\n\n(Đính kèm bảng giao KPI 2024)\n\nLabs Sản phẩm Đăng ký KPI năm 2025 Mô tả SP/CN năm 2024 IoT/Smart- Devices CIVAMS.FACE - Nghiên cứu bài toán Face Quality theo tiêu chuẩn ISO/IEC 29794-5 international - Nghiên cứu hoàn thiện công nghệ chống giả mạo khuôn mặt. - Nghiên cứu ứng dụng kỹ thuật Multi-task Learning (MTL) và Multi-domain Learning (MDL) nhằm tối ưu hóa hiệu suất xử lý và giảm thời gian suy luận mô hình trên thiết bị Edge AI. - Triển khai các mô hình đánh giá chất lượng ảnh khuôn mặt đạt chất lượng sinh trắc theo tiêu chuẩn ISO/IEC 29794-5 trên AI BOX & AI Camera phiên bản lite (Rockchip) - Triển khai các mô hình ứng dụng MTL và MDL lên AI BOX & AI Camera phiên bản lite (Rockchip) - Triển khai các mô hình AI về khuôn mặt lên thiết bị di động Android & iOS Tính năng - Đánh giá ảnh khuôn mặt đạt chất lượng sinh trắc theo tiêu chuẩn ISO/IEC 29794-5 - Triển khai thử nghiệm dịch vụ Face Search trên tập dữ liệu lớn >= 100M IDs, khả năng chịu tải cao (>1000 req/s) và tự động HA - Đánh giá và cải tiến dịch vụ Face Search, tăng khả năng chịu tải lên > 2000 req/s - Hoàn thiện giải pháp AI Box lite và AI Camera lite nhận diện khuôn mặt cho khách hàng không dùng GPU Server. - Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android - Giải pháp CMC Face SDK cho Android và iOS Tính năng mới - nhận diện tại biên:\n- 01 mô hình nhận diện khuôn mặt dạng nhẹ cho phép phát hiện và nhận diện khuôn mặt trên các thiết bị phần cứng có tài nguyên hạn chế tại biên độ chính xác > 99% trên bộ dữ liệu 10k ID.\n- 01 phần mềm nhận diện khuôn mặt trên thiết bị biên đảm bảo đầy đủ tính năng phát hiện, chống giả mạo, nhận diện, quản lý khuôn mặt. Đồng thời đảm bảo tối ưu băng thông, đường truyền và tính sống còn (High Availability). Phần mềm có thể triển khai trên AI-Box và AI-Camera mới. độ chính xác > 99% trên bộ dữ liệu 10k ID Nâng cấp về quy mô dữ liệu\n01 Mô hình nhận diện khuôn mặt trên dữ liệu lớn được huấn luyện bởi bộ dữ liệu trên 1 triệu ID đảm bảo độ chính xác > 98% với cơ sở dữ liệu đánh giá 100k ID Nâng cấp về quy mô, số lượng user, tốc độ nhận diện và tính HA\n01 Hệ thống phần mềm nhận diện khuôn mặt có khả năng chịu tải lớn. Hệ thống có khả năng  tìm kiếm khuôn mặt với lượng dữ liệu trên 1 triệu ID, tốc độ nhận diện dưới 3s, số lượng người truy cập đồng thời (ccu - concurrent users)  >  500, có khả năng HA (high availability). CIVAMS. SECURITY Công nghệ - Nghiên cứu cơ chế quản lý dữ liệu phân tán (video, audio) thông qua nền tảng đám mây. - Nghiên cứu mô hình phát hiện đám đông cho camera IP. - Nghiên cứu mô hình trích xuất vector đặc trưng của người phục vụ bài toán tìm kiếm người theo mô tả đặc điểm ngoại hình hoặc ảnh chụp - Phát hiện hành vi bất thường trong videos. - Triển khai mô hình phát hiện đám đông cho AI Box và AI Camera - Nâng cấp mô hình phát hiện khói lửa đạt độ chính xác > 90% Nâng cấp về độ chính xác và tính bền vững (robustness)\n1. 01 mô hình thuật toán cho các bài toán giám sát an ninh gồm:\ni) Tìm kiếm người theo mô tả  đặc điểm ngoại hình;\nii) Tìm kiếm người theo ảnh cung cấp;\niii)  Cảnh báo phát hiện xâm nhập khu vực cấm;\niv) Phát hiện bất thường trong videos;\nv) Phát hiện vũ khí, khói lửa, vũ khí.\nTất cả các bài toán đạt độ chính xác trên 85% Nâng cấp phần mềm lên bản thương mại và mở rộng quy mô hệ thống\n01 phần mềm giám sát an ninh với các tính năng liệt kê ở mục 1,  cho bài toán giám sát quy mô từ 50 luồng cam trở lên - Nghiên cứu các giao thức chuẩn như SIP (Session Initiation Protocol) và RTP (Real-time Transport Protocol) để thiết lập và quản lý các phiên đàm thoại âm thanh theo thời gian thực. - Nghiên cứu tích hợp thêm các tiêu chuẩn Onvif cho hệ thống VMS - Nghiên cứu xử lý ảnh phát hiện chuyển động trong video giám sát - Nghiên cứu thuật toán hiệu chỉnh/ khử méo cho camera mắt cá Tính năng - Giải pháp quản lý dữ liệu phân tán (video, audio) cung cấp khả năng giám sát tập trung và phân quyền người dùng thông qua nền tảng đám mây. - Tính năng cảnh báo bất thường trong video - Giải pháp tìm kiếm người trong video từ camera IP bằng ảnh chụp hoặc mô tả đặc điểm ngoại hình bằng ngôn ngữ tự nhiên. - Tính năng cảnh báo hành vi bất thường từ camera - Tính năng đàm thoại âm thanh từ hệ thống VMS đến camera IP hỗ trợ cả hai chế độ: truyền âm thanh một chiều (broadcast) và đàm thoại hai chiều (talk), cho phép gửi và nhận âm thanh giữa máy chủ và thiết bị. - Giải pháp VMS có các tính năng Onvif hỗ trợ profile G - Tối ưu hóa lưu trữ video trong VMS chỉ ghi lại khi phát hiện chuyển động. - Giải pháp VMS hỗ trợ hiệu chỉnh méo hình từ camera mắt cá và cung cấp luồng video đã được chỉnh sửa cho hệ thống AI xử lý. - Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Tính năng mới\n01 Phần mềm VMS dựa trên Opensource với các tính năng cơ bản (xem, xem lại, lưu trữ, sao lưu, trích xuất), có thể tích hợp với các tính năng AI của CIVAMS. Số lượng camera có thể quản lý > 50 CIVAMS Traffic Công nghệ - Nghiên cứu thuật toán giám sát lưu lượng giao thông. - Nghiên cứu mô hình phát hiện vi phạm quy định về mũ bảo hiểm đối với người đi xe máy / xe đạp điện. - Nghiên cứu mô hình trích xuất vector đặc trưng cho phương tiện giao thông phục vụ bài toán tìm kiếm bằng hình ảnh hoặc mô tả đặc điểm. - Nghiên cứu mô hình / thuật toán phát hiện chướng ngại vật cản trở giao thông - Nghiên cứu mô hình phát hiện biển số có chữ và số không rõ ràng. - Nghiên cứu thuật toán ước tính tốc độ của phương tiện từ video của camera giao thông - Nghiên cứu mô hình / thuật toán xác định phương tiện vượt qua vạch dừng khi đèn tín hiệu chuyển đỏ hoặc vàng. Tính năng - Bài toán nhận diện biển số, iparking - Tính năng tìm kiếm phương tiện bằng đặc trưng, biển số xe, hình ảnh - Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) AI/BIGDATA C-OCR - OCR đa ngôn ngữ: bao gồm các trường hợp text xoay, dọc, mở rộng lên 10 ngôn ngữ​​\n+ 01 mô hình IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước > 60 loại tài liệu​\n+ Tính năng visual Document Understanding: bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ + 03 hợp đồng 01 mô hình OCR đa ngôn ngữ cho 7 ngôn ngữ: en, jp, kr, cn, fr, de, vi (tăng 4 ngôn ngữ so với 2023) IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​ + 01 mô hình  IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước, tổng tài liệu hỗ trợ: 60 loại tài liệu​ - 01 mô hình mới bóc tách thông tin văn bản thuộc ngành tài chính và ngân hàng - 01 tính năng smartdoc mới: custom training trên 1 tài liệu mới (tính năng mới) - 40 loại giấy tờ khác nhau được hỗ trợ bóc tách thông tin trên hệ thống smartdoc(Độ chính xác trên bộ dữ liệu nội bộ CMC xây dựng) (nâng cấp số lượng tài liệu hỗ trợ) + 01 mô hình Document Layout Analysis: bảng biểu, hình ảnh, chữ ký, độ chính xác trung bình từ 80-95% 01 mô hình Trích xuất bảng: > 85% (tăng >5% so với 2023) trên bộ dữ liệu nội bộ CMC (nâng cấp độ chính xác) 01 mô hình nhận dạng Figure (hình ảnh, minh hoạ, biểu đồ, hình vẽ kỹ thuật) > 85% trên bộ dữ liệu dạng giấy tờ kỹ thuật thuộc dữ liệu nội bộ CMC - Visual Document Understanding: hỏi đáp với tài liệu, bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ C-Voice: + Nâng cấp 01 mô hình ASR acc từ 90% → 95% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nâng cấp 01 mô hình DIAR có acc 80% → 85% c​​ho domain Meeting sử dụng mic đa hướng 1. 01 mô hình nhận dạng tiếng nói tiếng Việt: Nâng cấp hiệu năng so với 2023 có thể chạy được trên CPU thay vì GPU, mở rộng dữ liệu đặc thù gồm giọn miền trung và âm thanh telesale trên bộ dữ liệu nội bộ (nâng cấp hiệu năng) 2. 01 mô hình nhận dạng tiếng nói tiếng anh, nhật: đánh giá trên bộ public common voice WER ~ 10% (thêm ngôn ngữ mới) C-HR: + Nghiên cứu 01 model LLM cho phân tích CV và JD​ 01 mô hình CV JD Parsing  phần mềm C-HR hỗ trợ tiếng anh, tiếng việt (thêm ngôn ngữ mới) SPCN mới C-LS Nghiên cứu core: - Nâng cấp core (rule và bóc tách) rà soát và tìm kiếm nội dung phục vụ nghiệp vụ rà soát dự thảo​, model tìm kiếm ngữ nghĩa​\n- 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​\n- 01 bộ CSDL tinh gồm: document mongodb, Neo4j phụ vụ tính năng AI CLS, ES cho metadata, Milvus text embeddin truy vấn ngữ nghĩa​ 1. 01 công nghệ Ontology và  nâng  cấp  model cho việc suy diễn mâu thuẫn, chồng chéo hình thức 2. 01 cơ sở dữ liệu tri thức đồ thị theo 3 mức văn bản, chủ thể và cấp độ (với 20 mối quan hệ) cho 5 lĩnh vực Sản phẩm: ​\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ, bổ sung action cho người dùng tự thao tác và điều chỉnh​ 3. 01 tính năng và nâng cấp model: rà soát tương đồng ngữ nghĩa cho điều khoản, rà soát mâu thuẫn thời gian hiệu lực của văn bản quy phạm pháp luật, phát hiện mâu thuẫn thẩm quyền hình thức, model cho tìm văn bản liên quan, sửa đổi NPU IPCORE AI chip xử lý ảnh Phiên bản 0.2 Công nghệ: + NPU IPCORE + RISC-V Firmware + Hệ điều hành RTOS + Công cụ biên dịch AI model cho NPU Tính năng: + NPU IPCORE hỗ trợ các phép toán BatchNormalization Gemm Reshape Softmax Transpose. + Hệ điều hành RTOS, RISC-V Firmware hỗ trợ sử dụng NPU. + Chuyển đổi từ AI model của AI framework sang định dạng phù hợp với NPU. Phiên bản 0.1 Công nghệ:\n+ NPU IPCORE Tính năng: + NPU IPCORE xử lý mạng nơ ron hỗ trợ các phép toàn CONV2D, MAXPOOLING2D, ZeroPadding2D, Dropout, Flatten, Dense.",
    "retrieve_results": [],
    "uploaded_docs_results": [
      {
        "id": "e0aba8ee-ee62-4591-bf9f-fe80cae6b5fd",
        "document_id": "e0aba8ee-ee62-4591-bf9f-fe80cae6b5fd",
        "filename": "[16042025]CMCATI_TTKHNC_KPI2025.docx",
        "score": 0.0,
        "_source": "elasticsearch",
        "is_full_document": true,
        "content": "TẬP ĐOÀN CÔNG NGHỆ CMC\n\nVIỆN NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ CMC\n\nCHỈ TIÊU KINH DOANH 2025\n\nLập bởi: Viện Nghiên cứu Ứng dụng Công nghệ CMC\n\nThẩm định bởi: Ban Điều Hành Tập đoàn\n\nPhê duyệt bởi: Hội đồng Quản trị Tập đoàn\n\nHà Nôi, ngày      tháng        năm 2025\n\nMỤC LỤC\n\nMỤC TIÊU CHIẾN LƯỢC NĂM\n\nMỤC TIÊU CHIẾN LƯỢC\n\nHoạt động nghiên cứu:\n\nSản phẩm:\n\nTT Bộ phận Hạng mục Tính năng thực hiện T4/2025 T5/2025 T6/2025 T7/2025 T8/2025 T9/20255 T10/2025 T11/2025 T12/2025 T1/2026 T2/2026 T3/2026 1 AI/ BigData CLS Nâng cấp module tìm kiếm ngữ nghĩa cấp văn bản, điều khoản: 1. Nâng cấp hiệu năng (tăng topk) 2. Điều chỉnh logic 3. Chuẩn hoá dữ liệu KG (3->2l) 1. Nâng cấp logic tìm văn bản 2. Nâng cấp model dense embedding 1. Nâng cấp model dense embedding 2. Nâng cấp logic kết hợp score 1. Tạo danh sách chủ đề cho văn bản 2. Thử nghiệm tóm tắt toàn văn 1. Nâng cấp tóm tắt toàn văn 2. Nâng cấp model dense embedding 1. Nghiên cứu phân cụm khi tìm kiếm 2. Tối ưu sắp xếp và phân loại kết quả 1. Tích hợp việc tìm kiếm với quản lý dự án 2. Tối ưu độ dài model embed Tích hợp tìm kiếm trong core trợ lý ảo Nâng cấp rà soát mâu thuẫn, đối chiếu văn bản, phân tích nội dung 1. Tạo dữ liệu phân tích nội dung 2. Nâng cấp bóc tách vb 1. Nâng cấp logic mâu thuẫn nội dung 2. Gợi ý danh sách vb cần rà soát dựa trên KG Thử nghiệm LLM phân tích khác biệt, mâu thuẫn chồng chéo Thử nghiệm LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo: đưa ra giải thích Nâng cấp LLM phân tích khác biệt, mâu thuẫn chồng chéo: đưa ra giải thích Nâng cấp chuyển đổi, đối chiếu, so sánh văn bản 1. Nâng cấp hiệu năng chuyển đổi 2. Đồng bộ dữ liệu BTP Nghiên cứu cách thức so sánh chéo điều khoản theo nội dung Nghiên cứu cách thức so sánh chéo điều khoản theo nội dung Nâng cấp model so sánh chéo nội dung Nâng cấp model so sánh chéo nội dung Hoàn thiện so sánh: giữa các dự thảo, dự thảo vs căn cứ Hoàn thiện so sánh: dự khảo vs sửa đổi bổ sung, thay thế, Hoàn thiện so sánh: nội dung cụ thể vs điều khoản liên quan Phát triển tính năng quản lý: tài khoản, dự án, dashboard, phân quyền, giao diện sử dụng 1. Lưu trữ kết quả tìm kiếm 2. Sửa đổi tài khoản 3. Tối ưu UIUX 1. Quản lý kết quả tìm kiếm 2. Hiển thị bookmark tài liệu 3. Tối ưu UIUX đợt 2 1. Gộp giao diện kết quả tìm kiếm ngữ nghĩa và sửa đổi 2. Điều chỉnh UI tìm kiếm tương tác 1. Tích hợp giao diện so sánh giữa 2 văn bản theo nội dung 2. Tính năng tạo phản hồi, đánh giá 3. Tài khoản tổ chức 1. Tích hợp giao diện cho model phân tích nội dung 2. Phát triển tính năng quản lý dự án 1. Tích hợp giao diện cho model phân tích nội dung 2. Nâng cáp quản lý dự án: lưu trữ kết quả 1. Nâng cấp dashboard 2. Nâng cấp quản lý dự án: chia sẻ tài liệu và kết quả 1. Nâng cấp dashboard, admin 2. Nâng cấp quản lý dự án: xuất kết quả theo template 1. Câp nhật giao diện so sánh, đối chiếu theo AI 2. Cập nhật quản lý dự án: luồng làm việc 1. Câp nhật giao diện so sánh, đối chiếu theo AI 2. Cập nhật quản lý dự án: luồng làm việc 1. Nâng cấp giao diện hỏi đáp tương tác 2. Nâng cấp quản lý dự án: nghiên cứu nghiệp vụ tiền kiểm hậu kiểm 1. Nâng cấp giao diện hỏi đáp tương tác 2. Nâng cấp quản lý dự án: nghiên cứu nghiệp vụ tiền kiểm hậu kiểm 2 C-OCR Số hoá, chuyển đổi văn bản toàn văn, nâng cấp tổng thể core OCR - Nâng cấp module So khớp chữ ký - Giải pháp xử lý thông tin định dạng ảnh, chữ kí, con dấu, … - Triển khai VDU cho bài toán trích xuất thông tin - Xây dựng model Reading Order detection -Nâng cấp OCR cho text viết dọc - Triển khai VDU cho bài toán phân tích bảng - Đóng gói module IE - Nghiên cứu module DLA cho việc phân tích toàn diện trang văn bản gồm các nhãn semantic - Triển khai VDU cho bài toán phân tích figure, formular Nâng cấp OCR cho text viết dọc -Xây dựng tính năng hỏi đáp văn bản AI Agent (1 trang) First page detection cho phép tách loại tài liệu bất kỳ Mở rộng ngôn ngữ model OCR: 8-9 ngôn ngữ -Xây dựng tính năng hỏi đáp văn bản AI Agent (1 trang) - Nâng cấp độ chính xác các module quý I\nXây dựng giải pháp zero training document AI tích hợp LLM -Document keypoints cho 2 page - Xây dựng model OCR 2.0 full text -Nâng cấp giải pháp zero training document AI tích hợp LLM - Document keypoints cho multipages cho phép xử lý ảnh gồm nhiều mặt giấy tờ -Nâng cấp model VDU cho xử lý văn bản nhiều trang - Nâng cấp độ chính xác các module các quý trước - Giải pháp human check&edit bảng biểu, figure, formular - Nâng cấp model VDU cho xử lý văn bản nhiều trang Giải pháp translation ngôn ngữ cho output OCR Nghiên cứu mở rộng khả năng của VDU bằng các document-related task pretrain khác nhau - Triển khai VDU cho dịch văn bản Mở rộng ngôn ngữ model OCR: 10-11 ngôn ngữ - Nghiên cứu mở rộng khả năng của VDU bằng các document-related task pretrain khác nhau Nâng cấp tính năng hỏi đáp với văn bản Giải pháp preview văn bản, dịch thuật trực tiếp Giải pháp trích xuất thông tin sử dụng LLM Xây dựng giải pháp xử lý thông tin định dạng ảnh, chữ kí, con dấu - Giải pháp tự động phân loại tài liệu của 1 bộ hồ sơ dựa trên rulebase - Giải pháp tự động phân loại tài liệu của 1 bộ hồ sơ dựa trên rulebase - Triển khai model document type classify thành tính năng custom training trên SmartDoc - Triển khai model document type classify thành tính năng custom training trên SmartDoc - Giải pháp human check&edit bảng biểu, figure, formular - Bổ sung cập nhật UI/UX giải pháp phê duyệt tài liệu, cho phép click trên ảnh để highlight box text - Giải pháp quy trình số hóa tài liệu - Giải pháp cấu hình tài liệu rulebase - Giải pháp cấu hình tài liệu rulebase Nâng cấp UI/UX giải pháp phê duyệt tài liệu, cho phép click trên ảnh để highlight box text Giải pháp hàng đợi ưu tiên xử lý cho các loại tài khoản VIP/advance user - Tích hợp hệ thống IAM - Bổ sung input xử lý từ link ảnh/pdf/docx/... 3 C-VOICE Nâng cấp công nghệ lõi Nâng cấp 01 model nhận dạng tiếng nói cho âm thanh từ cuộc họp mic đa hướng Nâng cấp 01 model phân tách người nói cho âm thanh cuộc họp từ mic đa hướng Nâng cấp 01 model tổng hợp tiếng nói cho voice nữ miền bắc Nâng cấp 01 model tổng hợp tiếng nói cho voice nữ miền nam Nâng cấp 01 model tổng hợp tiếng nói cho voice nam miền bắc Nâng cấp 01 mô hình chuẩn hóa văn bản text to speech Nâng cấp 01 mô hình chuẩn hóa văn bản text to speech Triển khai 01 model STT lên AI Box Triển khai 01 model Speaker Verification lên AI Box Nghiên cứu khảo sát mô hình Audio LLM cho tiếng Việt Virtual MC Xây dựng 01 bộ dữ liệu âm thanh đa ngôn ngữ chất lượng cao (50h Ko, 50h Ja, 100h Eng, 100 vie) Xây dựng 01 bộ dữ liệu âm thanh đa ngôn ngữ chất lượng cao (100h Ko, 100h Ja, 200h Eng, 250 vie) Nghiên cứu 01 mô hình Voice Conversion cho tiếng Việt Huấn luyện 01 mô hình Voice Conversion cho tiếng Việt Nghiên cứu 01 mô Lip-Sync (bắt chước cử chỉ môi) cho tiếng Việt Huấn luyện 01 mô hình Lip-Sync bắt chước cử chỉ môi cho tiếng Việt Nâng cấp 01 mô hình tăng cường độ nét cho video Triển khai & tích hợp mô hình Virtual MC vào các ứng dụng Triển khai & tích hợp mô hình Virtual MC vào các ứng dụng 4 C-HR Nâng cấp core lõi công nghệ bóc tách CV và tinh Cập nhật giải pháp parsing Giải pháp tạo lịch phỏng vấn UV​ Giải pháp tích hợp SAP/SF4C Giải pháp tích hợp qua API key -01 model LLM cho phân tích CV và JD ​ 01 nâng cấp mô hình LLM cho phân tích CV và JD, 01 nâng cấp mô hình LLM cho gợi ý viết JD, câu hỏi phỏng vấn và đánh giá kết quả phỏng vấn​ 5 Giải pháp an ninh Nghiên cứu tổ hợp các bài toán trong an ninh: toà nhà, trường học, công sở, công trường 01 Tài liệu survey các mô hình Vision language model và các task an ninh được xử lý: hành vi, video captioning Xây dựng 01 bộ dữ liệu đồng phục trên camera, domain khách hàng BIDV, 10000 ảnh, 4 loại đồng phục và 1 loại không đồng phục Nghiên cứu và huấn luyện 01 mô hình phân loại đồng phục Nghiên cứu 01 mô hình trích xuất đặc trưng của người, cho bài toán tìm kiếm người theo mô tả hoặc hình ảnh Huấn luyện 01 mô hình trích xuất đặc trưng của người, cho bài toán tìm kiếm người theo mô tả hoặc hình ảnh Nghiên cứu 01 mô hình zero-shot object detection  cho bài toán nhận diện đối tượng Huấn luyện 01 mô hình zero-shot object detection, tích hợp cviams/ai box Nghiên cứu 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Huấn luyện 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Huấn luyện 01 mô hình nhận diện hành vi bất thường trong domain an ninh toà nhà, khu công cộng Triển khai 01 mô hình nhận diện hành vi bất thường lên cviams/ai box Nghiên cứu 01 mô hình thử nghiệm VLM cho bài toán an ninh: Text-based event detection Nghiên cứu tổ hợp các bài toán giao thông Thu thập dữ liệu camera hành trình, camera giao thông Nâng cấp 01 model nhận diện xe Xây dựng 01 model nhận diện và phân loại biển báo giao thông Xây dựng 01 bộ dữ liệu hãng xe và màu sắc Nghiên cứu 01 mô hình nhận dạng hãng xe và màu sắc Nâng cấp 01 mô hình nhận dạng hãng xe và màu sắc, tích hợp cviams/ai box Xây dựng 01 bộ dữ liệu OCR biển số xe Việt Nam Nâng cấp 01 mô hình đọc biển số xe, tích hợp cviams/ai box Huấn luyện 01 mô hình phân loại biển số xe kém chất lượng, tích hợp cviams/ai box Xây dựng bộ dữ liệu Vehicle ReID Nghiên cứu 01 mô hình Vehicle ReID Nâng cấp 01 model Vehical ReID, tích hợp cviams/ai box 6 IoT/ Smart-Devices CIVAMS.FACE Đánh giá chất lượng ảnh khuôn mặt theo tiêu chuẩn ISO/IEC 29794-5 international Xác định rõ các thành phần chất lượng (độ phân giải, phân bố ánh sáng, góc nghiêng đầu, biểu cảm …) theo phân loại ISO Xây dựng thuật toán đánh giá từng thành phần sử dụng xử lý ảnh cơ bản Xây dựng thuật toán đánh giá từng thành phần sử dụng  mô hình deep learning Đánh giá và tối ưu hiệu năng của luồng xử lý dựa trên chỉ số FNMR@FMR=0.1% và thời gian xử lý Triển khai các mô hình và thuật toán đánh giá chất lượng ảnh khuôn mặt lên thiết bị Edge AI (Cam AI, AIBOX) Nghiên cứu hoàn thiện công nghệ chống giả mạo khuôn mặt. Xây dựng bộ dataset cho thi chứng chỉ ibeta - chống giả mạo khuôn mặt cho camera trước của điện thoại Xây dựng mô hình deep learning phân loại ảnh giả mạo Đánh giá và tối ưu hiệu năng của luồng xử lý Đăng ký thi và hoàn thiện chứng chỉ ibeta Nghiên cứu ứng dụng kỹ thuật Multitask Learning (MTL) và Multi-domain Learning (MDL) nhằm tối ưu hóa hiệu suất xử lý và giảm thời gian suy luận mô hình trên thiết bị Edge AI Review paper để xác định rõ các nhiệm vụ (ví dụ: nhận diện khuôn mặt, phát hiện điểm đặc trưng, ước lượng tư thế đầu) và các miền dữ liệu (ví dụ: các điều kiện ánh sáng, góc chụp, biểu cảm khác nhau) mà mô hình cần xử lý đồng thời. Thu thập các bộ dữ liệu phù hợp cho từng nhiệm vụ và miền. Đảm bảo dữ liệu đa dạng và đại diện cho các điều kiện thực tế mà mô hình sẽ gặp phải Xây dựng mô hình deep learning có khả năng chia sẻ thông tin giữa các nhiệm vụ và miền Đánh giá và tối ưu hiệu năng của luồng xử lý Triển khai các mô hình và thuật toán lên thiết bị Edge AI (Cam AI, AIBOX) Đánh giá và cải tiến dịch vụ Face Search, tăng khả năng chịu tải lên > 2000 req/s Nâng cấp module web nhận và phản hồi request qua API Tối ưu hiệu năng module AI phân tích ảnh Tối ưu hiệu năng module tìm kiếm Triển khai đánh giá trên cụm K8S Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android , giải pháp CMC Face SDK cho Android và iOS Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android , giải pháp CMC Face SDK cho Android và iOS Tích hợp thêm các mô hình: chống giả mạo khuôn mặt , xác định tuổi giới tính Xây dựng giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android dựa trên CMC Face SDK 7 CIVAMS.Security Giải pháp quản lý dữ liệu phân tán (video, audio) cung cấp khả năng giám sát tập trung và phân quyền người dùng thông qua nền tảng đám mây. Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow. Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Tính năng đàm thoại âm thanh từ hệ thống VMS đến camera IP hỗ trợ cả hai chế độ: truyền âm thanh một chiều (broadcast) và đàm thoại hai chiều (talk), cho phép gửi và nhận âm thanh giữa máy chủ và thiết bị. Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Giải pháp VMS có các tính năng Onvif hỗ trợ profile G Thiết Kế Kiến Trúc: định nghĩa yêu cầu hệ thống và use cases chi tiết, thiết kế sơ đồ component interaction và data flow Xây dựng và phát triển Core Tích hợp và tối ưu Thử nghiệm và triển khai Giải pháp tìm kiếm người trong video từ camera IP bằng ảnh chụp hoặc mô tả đặc điểm ngoại hình bằng ngôn ngữ tự nhiên Nghiên cứu mô hình trích xuất vector đặc trưng của người phục vụ bài toán tìm kiếm người theo mô tả đặc điểm ngoại hình hoặc ảnh chụp Tích hợp luồng xử lý vào CIVAMS Giải pháp phát hiện đám đông cho camera IP Nghiên cứu mô hình phát hiện đám đông cho camera IP. Tích hợp vào luồng xử lý của CIVAMS Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Phát triển core AI xử lý video từ VMS cho các bài toán face Tích hợp core AI bài toán face với VMS và đánh giá Phát triển core AI xử lý video từ VMS cho các bài toán human Tích hợp core AI bài toán human với VMS và đánh giá Phát triển core AI xử lý video từ VMS cho các bài toán vehicle Tích hợp core AI bài toán vehicle với VMS và đánh giá Nâng cấp mô hình phát hiện khói lửa đạt độ chính xác > 90% 8 CIVAMS.Traffic Bài toán nhận diện biển số, iparking Nghiên cứu thuật toán giám sát lưu lượng giao thông. Nghiên cứu mô hình phát hiện vi phạm quy định về mũ bảo hiểm đối với người đi xe máy / xe đạp điện. Tính năng tìm kiếm phương tiện bằng đặc trưng, biển số xe, hình ảnh Nghiên cứu mô hình trích xuất vector đặc trưng cho phương tiện giao thông phục vụ bài toán tìm kiếm bằng hình ảnh hoặc mô tả đặc điểm. Nghiên cứu mô hình / thuật toán phát hiện chướng ngại vật cản trở giao thông Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Nghiên cứu mô hình phát hiện biển số có chữ và số không rõ ràng. Nghiên cứu thuật toán ước tính tốc độ của phương tiện từ video của camera giao thông Nghiên cứu mô hình / thuật toán xác định phương tiện vượt qua vạch dừng khi đèn tín hiệu chuyển đỏ hoặc vàng. 9 AICAM AI Camera xử lý tại biên\nCMC AIVision Lite (Chip China, Housing Indoor) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện sản xuất 100 pcs Đăng ký chứng chỉ hợp quy Thực hiện SMT (data sản xuất) Lắp ráp  và thực hiện test chức năng sản phẩm (quy trình lắp ráp, mẫu thực tế) Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Camera xử lý tại biên\nCMC AIVision Lite (Chip China, Housing Outdoor) Lựa chọn giải pháp, lên phương án và hoàn thành bản thiết kế theo housing mới (diagrams, file thiết kế jig gá) Đánh giá khả năng tích hợp firmware với giải pháp housing mới (file kết quả đánh giá) Đánh giá khả năng tích hợp software với giải pháp housing mới (file kết quả đánh giá) Lắp ráp và thực hiện bringup (mẫu thực tế, kết quả test) Thực hiện test full chức năng theo spec sản phẩm (mẫu thực tế, kết quả test) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Hoàn thành đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Camera xử lý tại biên CMC AIVision Plus (Chip Non-China, housing cho ENT) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Lựa chọn housing Đánh giá khả thi tích hợp mạch PCB, CIVAMS. Face, CIVAMS. Security trên devkit (file kết quả đánh giá) Chốt spec, housing sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Chuẩn bj source code và checklist bringup (bộ source, file checklist) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng. Tích hợp firmware Tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Xây dựng các bài test ổn định, hợp quy (checklist và kết quả test) Thực hiện các bài test ổn định, hợp quy (checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Hoàn thành đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm 10 AIBOX AI Box xử lý tại biên CMC AIBox Lite (Chip China) Xây dựng và thực hiện các bài test ổn định., các bài test giả lập theo tiêu chuẩn hợp quy (Checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện sản xuất 10 pcs pp2 Thực hiện SMT (data sản xuất) Lắp ráp  và thực hiện test chức năng sản phẩm (quy trình lắp ráp, mẫu thực tế) Đăng ký chứng chỉ hợp quy Tối ưu bomcost, giải pháp và đối tác sản xuất. Chốt đối tác và phương thức hợp tác sản xuất hàng loạt Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường AI Box, AI Server xử lý tại biên CMC AIBox Plus, CMC AIServer (Chip Non-China) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Đánh giá khả thi tích hợp CIVAMS.Face, CIVAMS.Security trên devkit (file kết quả đánh giá) Chốt spec sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Chuẩn bị source code và checklist bringup (bộ source, file checklist) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng, tích hợp firmware Thực hiện tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Thực hiện tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) Xây dựng các bài test ổn định, hợp quy (checklist và kết quả test) Xây dựng và thực hiện các bài test ổn định, hợp quy (checklist và kết quả test) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Kiểm thử qua dữ liệu thật, chạy thử tại khách hàng thật (kết quả test với dữ liệu và khách hàng thực tế) Thực hiện đăng ký chứng chỉ hợp quy. Tối ưu bomcost, giải pháp và đối tác sản phẩm để tối ưu giá, chất lượng sản phẩm Phát triển OTA update và các tool phục vụ sản xuất hàng loạt (source và tool thực tế) Phối hợp với phòng dự án và các bên liên quan thúc đẩy việc đưa sản phẩm ra thị trường Thiết bị tăng tốc xử lý AI CMC AI-DPM CMC AI-DPC (Chip Non-China) Chuẩn bị sourcecode và firmware bring up cho DevKit (bộ source) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Đánh giá khả thi giải pháp firmware, software trên Dev Kit (file kết quả) Chốt spec sản phẩm và tính năng sản phẩm (file spec, tính năng) Thiết kế nguyên lý mạch theo spec sản phẩm (bản vẽ SCH) Thiết kế PCB (bản vẽ PCB) Thiết kế cơ khí (bản vẽ cơ khí) Thực hiện sản xuất PCB, Cơ khí. (data sản xuất) Chuẩn bị source code và checklist bringup (bộ source, file checklist) Thực hiện SMT (data sản xuất) Lắp ráp sản phẩm (quy trình lắp ráp, mẫu thực tế) Thực hiện bringup toàn bộ tính năng Tích hợp firmware Tích hợp software, CIVAMS.Face, CIVAMS.Security (file kết quả) 11 Chip AI tích hơp NPU, mã hoá phiên bản 0.2 Chip AI tích hơp NPU, mã hoá phiên bản 0.2 Xác định yêu cầu hệ thống Xác định thông số kỹ thuật của chip. Lựa chọn kiến trúc CPU Định nghĩa cấu trúc bộ nhớ: Xác định các bộ gia tốc phần cứng Định nghĩa giao diện ngoại vi Thiết kế kiến trúc sơ bộ cho module CPU Thiết kế kiến trúc sơ bộ cho module FPU, cache, ram Thiết kế kiến trúc sơ bộ cho module ngoại vi Hoàn thiện RTL cho từng module Chạy mô phỏng và sửa lỗi RTL. Tích hợp CPU, Cache, FPU, NPU, bộ ngoại vi thành SoC. Thiết kế bus hệ thống Kết nối CPU với bộ nhớ và ngoại vi. Định nghĩa phương thức truyền dữ liệu trên bus. Viết testbench toàn hệ thống Kiểm thử giao tiếp giữa CPU và các module khác. Kiểm thử truy xuất bộ nhớ, giao tiếp ngoại vi. Chạy mô phỏng toàn hệ thống và sửa lỗi thiết kế. Tổng hợp thiết kế RTL thành netlist logic Xác minh lỗi logic và tối ưu hóa diện tích. Phân tích timing Kiểm tra thời gian truyền tín hiệu trên toàn chip. Xử lý lỗi timing nếu có. Phân tích điện năng tiêu thụ sơ bộ. Bố trí mặt bằng chip (Floorplanning) Xác định vị trí CPU, NPU, bộ nhớ, ngoại vi. Thiết kế vùng cấp nguồn Xây dựng mạng cấp nguồn chính cho chip. Phân tích điện năng tiêu thụ Đánh giá mức tiêu thụ điện năng từng module. Kiểm tra sơ bộ về quy tắc thiết kế (DRC). Bố trí vị trí của từng cổng logic. Xây dựng cây xung nhịp (Clock Tree Synthesis) Đảm bảo tín hiệu xung nhịp đến tất cả các module đúng thời gian. Định tuyến sơ bộ các kết nối chính. Chạy kiểm tra về timing, điện năng, DRC sơ bộ. Định tuyến hoàn chỉnh tất cả kết nối. Tối ưu hóa xung nhịp và điện năng. Kiểm tra DRC, LVS để đảm bảo thiết kế hợp lệ. Chạy kiểm tra timing toàn bộ chip. Tối ưu hóa điện năng tiêu thụ. Chạy kiểm tra độ nhiễu tín hiệu và độ ổn định của chip. Kiểm tra lại DRC, LVS, ERC. Phân tích điện năng tiêu thụ chính xác. Chạy mô phỏng cuối cùng trên netlist đã định tuyến. Đóng gói thiết kế GDSII. Chạy kiểm tra final DRC, LVS, ANT. 12 Block-chain C-Exchange Quản lý tài sản, nạp-rút Nghiên cứu, đánh giá các nền tảng blockchain phổ biến (Avalanche, Solana, Near, Polygon, Cosmos, Ethereum). Thiết kế kiến trúc hệ thống Thiết kế kiến trúc blockchain Xây dựng logic quản lý tài sản số trên blockchain Xây dựng giao diện hệ thống Giao dịch và đặt lệnh Xây dựng module giao thức smart contract cho giao dịch Phát triển blockchain riêng dựa trên nền tảng đã lựa chọn và tùy chỉnh. Xây dựng logic quản lý tài sản số trên blockchain. Tích hợp Metamask / WalletConnect để kết nối ví. Tích hợp với RPC node để kết nối với ứng dụng. Triển khai MVP Đăng ký và xác thực người dùng Thiết kế UI/UX (Dashboard, trang giao dịch,...). Xây dựng luồng đăng ký, đăng nhập với xác thực ví. Xây dựng hệ thống backend\n\nCHUYỂN GIAO CÔNG NGHỆ (theo SP/Công nghệ, theo Công ty)\n\nCMC ATI thực hiện duy trì, hỗ trợ dịch vụ CTTV trong quá trình thương mại sau chuyển giao và chuyển giao cập nhật công nghệ (nếu có).\n\nHỗ trợ dịch vụ sau chuyển giao:\n\nHỗ trợ CTTV/ tư vấn cho sale CTTV hỏi đáp sâu giải pháp trong quá trình tư vấn giải pháp: tính năng tùy biến KH yêu cầu ngoài gói cố định, gói giải pháp tổng thể cho KH,….\n\nHỗ trợ khắc phục lỗi trong quá trình triển khai dự án tới KH của CTTV\n\nChuyển giao cập nhật công nghệ: là chuyển giao bổ sung/thay thế phần cập nhật/cải tiến của các giải pháp/công nghệ mà CMC ATI đã thực hiện chuyển giao cho CTTV.  Chuyển giao cập nhật công nghệ được thực hiện khi công nghệ có sự cập nhật về:\n\nCải thiện độ chính xác, tốc độ\n\nBổ sung tính năng mới\n\nKhắc phục lỗi\n\nDOANH THU\n\nDoanh thu: 12 tỷ đồng\n\nĐịnh nghĩa: Doanh thu bao gồm doanh thu từ hợp đồng ký kết chuyển giao, tích hợp phần mềm giữa CMC ATI với Công ty thành viên (CTTV) hoặc khách hàng ngoài CMC. Doanh thu được tính theo Biên bản nghiệm thu theo từng giai đoạn trong Hợp đồng đã ký kết với Khách hàng. Cụ thể, giá trị doanh thu tính bởi tổng:\n\nĐối với Hợp đồng và Biên bản chuyển giao ký với CTTV: Giá trị doanh thu bao gồm giá trị License phần mềm, dịch vụ triển khai tạo bởi phần mềm của CMC ATI  tại Hợp đồng CTTV ký kết với Khách hàng cuối\n\nTrong trường hợp không có thông tin giá trị hợp đồng hoặc giá trị trên Hợp đồng thấp hơn giá trị định giá do Viện gửi sang CTTV (qua email) mà không có xác nhận với Viện (qua email) thì Doanh thu được tính như sau:\n\nĐịnh giá license/dịch vụ triển khai (giữa CTTV & CMC ATI) * Số lượng (trên hợp đồng giữa CTTV & Khách hàng)\n\nĐối với Hợp đồng tặng của CTTV/tập đoàn cho khách hàng cuối: Giá trị doanh thu được ghi nhận bằng tổng giá trị các hạng mục có liên quan đến sản phẩm, dịch vụ của CMC ATI tại tờ trình và Biên bản bàn giao\n\nGiá trị doanh thu đến từ Hợp đồng ký kết triển khai tích hợp phần mềm CMC ATI  ký kết trực tiếp với Khách hàng ngoài CMC\n\nPHÁT TRIỂN NGUỒN LỰC\n\nKế hoạch nhân sự\n\nSTT Bộ phận Quý I Quý II Quý III Quý IV KH2025 TH2024 1 Lãnh đạo Viện 1 3 3 3 3 1 2 Lab AI/BigData 33 33 33 33 33 33 3 Lab IoT/Smart Devices 27 27 27 27 27 27 4 Lab Blockchain/Security 18 18 18 18 18 18 5 Bộ phận truyền thông 1 1 1 1 1 1 6 Phòng PTDA 5 5 5 5 5 5 7 Phòng HCNS 3 3 3 3 3 3 8 Phòng Kế toán 2 3 3 3 3 2 Tổng 90 93 93 93 93 90\n\nNgân sách lương\n\nToàn Công ty\n\n                                                                                                                                        Đvt:triệu đồng\n\nTT Chỉ tiêu Quý 1 Quý 2 Quý 3 Quý 4 KH Năm 2025 TH Năm 2024 Tăng/ Giảm 1 Chi phí lương 7,236 7,476 8,161 8,161 31,035 20,619 51% 1.1 Lương cứng 5,822 6,002 6,512 6,512 24,848 16,395 52% 1.2 Lương năng suất 1,414 1,474 1,650 1,650 6,188 4,224 46% 2 Các khoản trích theo lương và phụ cấp người lao động 1,501 914 718 1,086 4,218 2,386 77% 2.1 Bảo hiểm bắt buộc 470 485 516 516 1,986 1,026 93% 2.2 Kinh phí công đoàn 44 45 48 48 185 124 49% 2.3 Các khoản phúc lợi 933 327 92 460 1,812 1,070 69% 2.4 Phụ cấp 54 57 62 62 236 166 42% Tổng cộng 8,737 8,390 8,879 9,247 35,253 23,005 53%\n\nTheo bộ phận\n\nĐvt: triệu đồng\n\nTT Trung tâm/bộ phận Lương cứng Lương năng suất Lương sản lượng Tổng chi phí lương KH 2025 Tổng chi phí lương TH 2024 1 Lab AI/BigData 9,366 2,068 3,714 15,148 10,467 2 Lab IoT Smart Device 7,014 1,543 2,637 11,194 6,631 3 Lab Blockchain/Security 4,176 857 1,791 6,824 4,537 4 Phát triển kinh doanh 1,336 336 573 2,245 1,638 5 Ban LĐ/Văn phòng 2,956 1,383 2,260 6,599 4,097 Tổng 24,848 6,188 10,975 42,010 27,370\n\nCác chỉ tiêu tài chính về nhân sự\n\nDvt: triệu đồng\n\nTT Chỉ tiêu Quý I Quý II Quý III Quý IV Kế hoạch 2025 Thực hiện 2024 Tăng trưởng 1 Lương cứng bình quân/người/tháng 65 65 70 70 267 182 47% 2 Lương năng suất bình quân/ người/ tháng 16 16 18 18 67 122 -45% 3 Tổng lương bình quân/người/tháng 65 80 88 88 334 304 10% 4 Tỷ lệ chi phí tiện ích/người/tháng 5 5 5 5 19 15 26%\n\n (*): Quỹ thu nhập bao gồm tổng tất cả thu nhập bao gồm lương cứng, lương năng suất, thưởng kinh doanh, thưởng sản xuất, lương sản lượng và thưởng khác của tất cả bộ phận\n\nĐẦU TƯ CƠ SỞ HẠ TẦNG\n\nĐầu tư Hạ tầng/Tài sản/Công cụ dụng cụ\n\nDvt: triệu đồng\n\nTT CMC ATI Quý 1 Quý 2 Quý 3 Quý 4 KH Năm 2025 TH Năm 2024 Tăng  /Giảm I Đầu tư hạ tầng, tài sản 1,797 - 176 - 1,973 3,521 -44% 1 Khối Back Office 773 - 136 - 909 2,746 -67% 2 Lab AI/BigData 400 - - - 400 316 27% 3 Lab IoT/Smart-Devices 624 - 40 - 664 320 108% 5 Lab Blockchain/Security - - - - - 138 -100% II Đầu tư CCDC 416 21 6 6 450 1,395 -68% 1 Khối Back Office 164 16 1 1 182 726 -75% 2 Lab IoT/SmartDevices 48 5 5 5 63 519 -88% 3 Lab AI/BigData 173 - - - 173 99 74% 4 Lab Blockchain/Security 32 - - - 32 51 -37% TỔNG 2,213 21 182 6 2,422 4,916 -51%\n\nĐầu tư sản phẩm công nghệ, sản phẩm dịch vụ mới\n\nTT Sản phẩm, dịch vụ Tổng mức đầu tư (triệu đồng) Ngân sách 2025 Quý 1 Quý 2 Quý 3 Quý 4 Mô tả ngắn gọn (**) 1 IoT- SmartDevices 1,080 1,080 587 - 318 175 Đầu tư lĩnh vực sản xuất Chip Tổng 1,080 1,080 587 - 318 175\n\nNGÂN SÁCH\n\nDvt: triệu đồng\n\nTT Chỉ tiêu Quý I Quý II Quý III Quý IV KH Năm 2025 TH Năm 2024 % Tăng/(giảm) I Doanh thu thuần 1,100 2,100 3,900 4,900 12,000 9,854 22% 01 Hàng hóa - - - - - - 02 Dịch vụ 1,100 2,100 3,900 4,900 12,000 9,854 22% II Giá vốn (Biến phí) 7,351 6,832 7,041 7,353 28,576 21,635 32% III Lãi gộp (Lãi biến phí) (6,251) (4,732) (3,141) (2,453) (16,576) (11,781) 41% IV Chi phí hoạt động (Định phí) 3,865 3,782 4,314 4,255 16,216 12,207 33% 01 Chi phí lương kinh doanh, quản lý 1,239 1,391 1,690 1,690 6,011 5,735 5% 02 Các khoản trích theo lương và phụ cấp người lao động 281 167 148 204 801 808 -1% 03 Chi phí marketing 44 46 46 46 180 435 -59% 04 Chi phí bán hàng 216 340 622 768 1,946 36 5283% 05 Chi phí tiện ích 440 433 435 433 1,741 1,340 30% 06 Chi phí thuê văn phòng, thuê kho 495 495 495 495 1,980 1,804 10% 07 Đào tạo, tuyển dụng 594 490 40 10 1,134 - 08 Các khoản dự phòng (Tồn kho và Công nợ) - - - - - - 09 Chi phí khác (thuộc chi phí hoạt động) 556 420 837 609 2,423 2,049 18% V Lợi nhuận trước Lãi vay, Thuế và Khấu hao phân bổ (EBITDA) (10,116) (8,514) (7,455) (6,708) (32,792) (23,988) 37% VI Khấu hao 1,789 1,345 1,178 1,191 5,503 3,455 59% 10 Khấu hao ( tài sản, thiết bị, lisence…phục vụ sản xuất) 488 556 584 602 2,231 694 221% 11 Chi phí khấu hao ( thiết bị dụng cụ quản lý, bán hàng) và sửa chữa nhỏ 1,300 788 594 589 3,272 2,760 19% VII Lợi nhuận ròng hoạt động kinh doanh (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40% VIII Chi phí Tài chính (Ròng) - - - - - - 12 Chi phí tài chính - - - - - - 13 Doanh thu hoạt động tài chính - - - - - - IX Thu nhập khác (Ròng) - - - - - - 14 Thu nhập khác - - - - - - 15 Chi phí khác - - - - - - X Lợi nhuận trước thuế (EBT) (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40% XI Thuế thu nhập doanh nghiệp - - - - - - XII Lợi nhuận sau  thuế (11,905) (9,858) (8,633) (7,899) (38,295) (27,443) 40%\n\nCHỈ TIÊU KPI CÔNG TY\n\nMã chỉ tiêu Tên chỉ tiêu Diễn giải/ Công thức tính\n (được ghi nhận bằng bài báo quốc tế hoặc theo tiêu chuẩn đánh giá quốc tế trên bộ dataset public) Trọng số Đơn vị đo CHỈ TIÊU L1 L2 A TÀI CHÍNH 15% 1 Quản lý chi tiêu đúng kế hoạch 5% Triệu đồng 100% 2 Doanh thu Doanh thu từ Hợp đồng, Biên bản ký kết chuyển giao công nghệ với CTTV và Hợp đồng triển khai tích hợp phần mềm với khách hàng ngoài CMC. 10% Tỷ đồng 10 12 B CHUYỂN GIAO CÔNG NGHỆ 15% 1 Thực hiện chuyển giao công nghệ Duy trì và hỗ trợ năng cấp sản phẩm và công nghệ lõi, các sản phẩm đã chuyển giao 15% Số lượng 3 4 C NGHIÊN CỨU VÀ CÔNG NGHỆ 50% I Lab 40% 1 IoT/Smart-Devices CIVAMS.FACE\nL1: Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 03\nL2:  Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 05 15% Số lượng L1 L2 CIVAMS.Security/Traffic\nL1: Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 01, số lượng PoC: 01\nL2:  Số lượng hợp đồng, dự án có xác nhận từ khách hàng: 02, số lượng PoC: 02 Số lượng L1 L2 AI Camera/Box xử lý tại biên L1: Hoàn thành sản phẩm và sẵn sàng chuyển giao, thương mại CMC AIVision Lite (Chip China), CMC AIBox Lite (Chip China) L2: Hoàn thành phát triển sản phẩm CMC AIVision Plus (Chip None China, housing ENT), CMC AIBox Plus (Chip None China) , CMC AIServer (Chip None China), CMC AI-DPM (module tăng tốc AI), CMC AI-DPC (Card tăng tốc AI) hoạt động đầy đủ tính năng đề ra. L1, L2 L1 L2 2 AI-Bigdata Giải pháp Smartdoc - OCR \nCông nghệ chủ chốt:​\n- OCR đa ngôn ngữ: bao gồm các trường hợp text xoay, dọc, mở rộng lên 10 ngôn ngữ​​\n- IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​\n- Document Layout Analysis: Phân tích toàn diện các thành phần trong trang văn bản và gom nhóm đối tượng cùng nội dung​\n- Visual Document Understanding: hỏi đáp với tài liệu, bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​\nTính năng:\nSản phẩm: ​\n- Giải pháp dịch thuật tài liệu ứng dụng LLM\n- Giải pháp cấu hình bóc tách tài liệu mới\n- Giải pháp phân tích thành phần văn bản: mô tả hình ảnh, đọc công thức toán\nL1: \n+ 01 mô hình OCR đa ngôn ngữ: >= 9 ngôn ngữ\n+ 01 mô hình  IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước 50 loại tài liệu​\n+ 01 mô hình Document Layout Analysis\n+ 02 hợp đồng \nL2: \n+ 01 mô hình OCR đa ngôn ngữ >= 10 ngôn ngữ\n+ 01 mô hình IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước, tổng tài liệu hỗ trợ 60 loại tài liệu​\n+ Tính năng visual Document Understanding: bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ + 03 hợp đồng 15% L1, L2 L1 L2 C-LS- nhiệm vụ quốc gia\n- Nâng cấp core (rule và bóc tách) rà soát và tìm kiếm nội dung phục vụ nghiệp vụ rà soát dự thảo​, model tìm kiếm ngữ nghĩa​\n- 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​\n- 01 bộ CSDL tinh gồm: document mongodb, Neo4j phụ vụ tính năng AI CLS, ES cho metadata, Milvus text embeddin truy vấn ngữ nghĩa​\nSản phẩm: ​\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ, bổ sung action cho người dùng tự thao tác và điều chỉnh​\nChỉ tiêu:\nL1:\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\nL2:\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ\n+ 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​ L1, L2 L1 L2 Nghiên cứu duy trì công nghệ lõi phục vụ COPEN AI\n- Công nghệ xử lý âm thanh\n- Công nghệ xử lý ngôn ngữ tự nhiên\nL1: \n+ Nâng cấp 01 mô hình ASR acc từ 90% → 95% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nghiên cứu 01 model LLM cho phân tích CV và JD​ \nL2:\n+ Nâng cấp 01 mô hình DIAR có acc 80% → 85% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nghiên cứu 01 model LLM cho phân tích CV và JD​ L1, L2 L1 L2 3 Blockchain C-Exchange\nSàn giao dịch tài sản số tập trung bao gồm:\nBlockchain core\nOrder Management System\nMatching engine\nLiquidity System\nWallet System\nChỉ tiêu:\nL1:\nKiến trúc hệ thống sàn giao dịch\nL2:\nPhiên bản MVP. 10% L1, L2 L1 L2 II Sở hữu trí tuệ 5% 1 Bằng sáng chế/Bằng độc quyền/giải pháp hữu ích/bản quyền tác giả/ chứng chỉ quốc tế/ bài báo quốc tế WOS, Scopus Hoàn thiện hồ sơ nộp các đơn vị đánh giá độc lập uy tín trong nước và ngoài nước 5% Số lượng Hồ sơ 01 hồ sơ/chứng chỉ/paper III Sản phẩm công nghệ mới 5% 1 Blockchain C-Chain\nBlockchain Layer 1:\nThiết kế kiến trúc blockchain\nXây dựng cơ chế đồng thuận\nXây dựng token\nXây dựng module IBC\nXây dựng module RPC\nKết nối Tendermint\nChỉ tiêu:\nL1:\nKiến trúc ATI-chain\nL2:\nPhiên bản MVP. L1, L2 L1 L2 2 IoT/Smart-Devices NPU/IPCore cho chip AI xử lý ảnh\nL1:  \nBáo cáo phân tích kiến trúc và đánh giá hiệu năng của NPU.\nL2: \nBáo cáo phân tích kiến trúc và đánh giá hiệu năng của NPU.\nBáo cáo Thiết kế và tích hợp firmware điều khiển NPU.\nBáo cáo AI Framework - Chuyển đổi mô hình AI xuống NPU. L1, L2 L1 L2 3 AI-Bigdata & IoT/Smart-Devices Nghiên cứu mới mới phục vụ bài toán Camera an ninh và giao thông, tích họp trong giải pháp thành phố thông minh Chỉ tiêu: L1: - Nâng cấp và nghiên cứu mới các mô hình giao thông: 1 model mới nhận diện xe, 1 model mới phân loại xe L2: - Nâng cấp và nghiên cứu mới các mô hình giao thông: 1 model mới nhận diện xe, 1 model mới phân loại xe - Nâng cấp và nghiên cứu mới các mô hình an ninh: 1 model nâng cấp nhận diện đặc điêm người, 1 model nâng cấp nhận diện hành vi, 1 model và tài liệu nghiên cứu thử nghiệm Vision-language model cho các bài toán phân tích nội dung video L1, L2 L1 L2 D NGUỒN NHÂN LỰC 20% 1 Chất lượng nguồn nhân lực Phát triển trình độ Thạc sỹ, Tiến sỹ 5% Số lượng học viên (Minh chứng bằng bảng điểm của năm học) 4 5 Chứng chỉ 5% Số lượng chứng chỉ 2 3 2 Đào tạo Tiếp nhận sinh viên thực tập từ 10% Top đầu K1 khoa CNTT 10% % Số lượng sinh viên tiếp nhận 7% 10% TỔNG 100%\n\nVIỆN TRƯỞNG CHỦ TỊCH HĐQT/CHỦ TỊCH ĐIỀU HÀNH\n\nPHỤ LỤC 01:\n\n(Đính kèm bảng giao KPI 2025)\n\nI. Chỉ tiêu Đào tạo (Mục VII.D.2): \n\nCMC ATI tiếp nhận sinh viên thực tập từ danh sách (10% top đầu K1 Khoa CNTT) do Đại học CMC gửi sang (gửi chính thức bằng email). Trong trường hợp, Đại học CMC không gửi danh sách sinh viên thực tập sang CMC ATI, CMC ATI sẽ được coi là hoàn thành Chỉ tiêu đào tạo (Đạt 100% KPI chỉ tiêu Đào tạo tương ứng 10% KPI CMC ATI).\n\nChỉ tiêu đánh giá L1: hoàn thành thực hiện tiếp nhận thực tập cho tối thiểu 7% số lượng sinh viên thực tập từ danh sách do Đại học CMC gửi sang. CMC ATI sẽ có đánh giá sinh viên thực tập (chấm điểm thang điểm 10 về thái độ/ý thức trong thời gian thực tập tại CMC ATI) và gửi lại cho Khoa CNTT qua hòm thư điện tử.\n\nChỉ tiêu đánh giá L2: hoàn thành thực hiện tiếp nhận thực tập cho 10% số lượng sinh viên thực tập từ danh sách do Đại học CMC gửi sang. CMC ATI sẽ có đánh giá sinh viên thực tập (chấm điểm thang điểm 10 về thái độ/ý thức trong thời gian thực tập tại CMC ATI) và gửi lại cho Khoa CNTT qua hòm thư điện tử.\n\nII. Chỉ tiêu Chất lượng nguồn nhân lực (Mục VII.D.1): \n\nCMC ATI thực hiện khuyến khích phát triển từ cán bộ nhân viên hiện tham gia học và phát triển chuyên môn lên trình độ Thạc sĩ, Tiến sỹ.\nCBNV được ghi nhận có bảng điểm năm học/bằng/Quyết định công nhận Thạc sĩ được cấp trong khoảng thời gian từ 1/4/2024 đến 31/3/2025.\n\nPHỤ LỤC 02: \n\nCác thông số kỹ thuật của các Sản phẩm, dịch vụ công nghệ Viện ATI \n\n(Đính kèm bảng giao KPI 2024)\n\nLabs Sản phẩm Đăng ký KPI năm 2025 Mô tả SP/CN năm 2024 IoT/Smart- Devices CIVAMS.FACE - Nghiên cứu bài toán Face Quality theo tiêu chuẩn ISO/IEC 29794-5 international - Nghiên cứu hoàn thiện công nghệ chống giả mạo khuôn mặt. - Nghiên cứu ứng dụng kỹ thuật Multi-task Learning (MTL) và Multi-domain Learning (MDL) nhằm tối ưu hóa hiệu suất xử lý và giảm thời gian suy luận mô hình trên thiết bị Edge AI. - Triển khai các mô hình đánh giá chất lượng ảnh khuôn mặt đạt chất lượng sinh trắc theo tiêu chuẩn ISO/IEC 29794-5 trên AI BOX & AI Camera phiên bản lite (Rockchip) - Triển khai các mô hình ứng dụng MTL và MDL lên AI BOX & AI Camera phiên bản lite (Rockchip) - Triển khai các mô hình AI về khuôn mặt lên thiết bị di động Android & iOS Tính năng - Đánh giá ảnh khuôn mặt đạt chất lượng sinh trắc theo tiêu chuẩn ISO/IEC 29794-5 - Triển khai thử nghiệm dịch vụ Face Search trên tập dữ liệu lớn >= 100M IDs, khả năng chịu tải cao (>1000 req/s) và tự động HA - Đánh giá và cải tiến dịch vụ Face Search, tăng khả năng chịu tải lên > 2000 req/s - Hoàn thiện giải pháp AI Box lite và AI Camera lite nhận diện khuôn mặt cho khách hàng không dùng GPU Server. - Giải pháp chấm công khuôn mặt cho thiết bị di động iOS và Android - Giải pháp CMC Face SDK cho Android và iOS Tính năng mới - nhận diện tại biên:\n- 01 mô hình nhận diện khuôn mặt dạng nhẹ cho phép phát hiện và nhận diện khuôn mặt trên các thiết bị phần cứng có tài nguyên hạn chế tại biên độ chính xác > 99% trên bộ dữ liệu 10k ID.\n- 01 phần mềm nhận diện khuôn mặt trên thiết bị biên đảm bảo đầy đủ tính năng phát hiện, chống giả mạo, nhận diện, quản lý khuôn mặt. Đồng thời đảm bảo tối ưu băng thông, đường truyền và tính sống còn (High Availability). Phần mềm có thể triển khai trên AI-Box và AI-Camera mới. độ chính xác > 99% trên bộ dữ liệu 10k ID Nâng cấp về quy mô dữ liệu\n01 Mô hình nhận diện khuôn mặt trên dữ liệu lớn được huấn luyện bởi bộ dữ liệu trên 1 triệu ID đảm bảo độ chính xác > 98% với cơ sở dữ liệu đánh giá 100k ID Nâng cấp về quy mô, số lượng user, tốc độ nhận diện và tính HA\n01 Hệ thống phần mềm nhận diện khuôn mặt có khả năng chịu tải lớn. Hệ thống có khả năng  tìm kiếm khuôn mặt với lượng dữ liệu trên 1 triệu ID, tốc độ nhận diện dưới 3s, số lượng người truy cập đồng thời (ccu - concurrent users)  >  500, có khả năng HA (high availability). CIVAMS. SECURITY Công nghệ - Nghiên cứu cơ chế quản lý dữ liệu phân tán (video, audio) thông qua nền tảng đám mây. - Nghiên cứu mô hình phát hiện đám đông cho camera IP. - Nghiên cứu mô hình trích xuất vector đặc trưng của người phục vụ bài toán tìm kiếm người theo mô tả đặc điểm ngoại hình hoặc ảnh chụp - Phát hiện hành vi bất thường trong videos. - Triển khai mô hình phát hiện đám đông cho AI Box và AI Camera - Nâng cấp mô hình phát hiện khói lửa đạt độ chính xác > 90% Nâng cấp về độ chính xác và tính bền vững (robustness)\n1. 01 mô hình thuật toán cho các bài toán giám sát an ninh gồm:\ni) Tìm kiếm người theo mô tả  đặc điểm ngoại hình;\nii) Tìm kiếm người theo ảnh cung cấp;\niii)  Cảnh báo phát hiện xâm nhập khu vực cấm;\niv) Phát hiện bất thường trong videos;\nv) Phát hiện vũ khí, khói lửa, vũ khí. \nTất cả các bài toán đạt độ chính xác trên 85% Nâng cấp phần mềm lên bản thương mại và mở rộng quy mô hệ thống\n01 phần mềm giám sát an ninh với các tính năng liệt kê ở mục 1,  cho bài toán giám sát quy mô từ 50 luồng cam trở lên - Nghiên cứu các giao thức chuẩn như SIP (Session Initiation Protocol) và RTP (Real-time Transport Protocol) để thiết lập và quản lý các phiên đàm thoại âm thanh theo thời gian thực. - Nghiên cứu tích hợp thêm các tiêu chuẩn Onvif cho hệ thống VMS - Nghiên cứu xử lý ảnh phát hiện chuyển động trong video giám sát - Nghiên cứu thuật toán hiệu chỉnh/ khử méo cho camera mắt cá Tính năng - Giải pháp quản lý dữ liệu phân tán (video, audio) cung cấp khả năng giám sát tập trung và phân quyền người dùng thông qua nền tảng đám mây. - Tính năng cảnh báo bất thường trong video - Giải pháp tìm kiếm người trong video từ camera IP bằng ảnh chụp hoặc mô tả đặc điểm ngoại hình bằng ngôn ngữ tự nhiên. - Tính năng cảnh báo hành vi bất thường từ camera - Tính năng đàm thoại âm thanh từ hệ thống VMS đến camera IP hỗ trợ cả hai chế độ: truyền âm thanh một chiều (broadcast) và đàm thoại hai chiều (talk), cho phép gửi và nhận âm thanh giữa máy chủ và thiết bị. - Giải pháp VMS có các tính năng Onvif hỗ trợ profile G - Tối ưu hóa lưu trữ video trong VMS chỉ ghi lại khi phát hiện chuyển động. - Giải pháp VMS hỗ trợ hiệu chỉnh méo hình từ camera mắt cá và cung cấp luồng video đã được chỉnh sửa cho hệ thống AI xử lý. - Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) Tính năng mới\n01 Phần mềm VMS dựa trên Opensource với các tính năng cơ bản (xem, xem lại, lưu trữ, sao lưu, trích xuất), có thể tích hợp với các tính năng AI của CIVAMS. Số lượng camera có thể quản lý > 50 CIVAMS Traffic Công nghệ - Nghiên cứu thuật toán giám sát lưu lượng giao thông. - Nghiên cứu mô hình phát hiện vi phạm quy định về mũ bảo hiểm đối với người đi xe máy / xe đạp điện. - Nghiên cứu mô hình trích xuất vector đặc trưng cho phương tiện giao thông phục vụ bài toán tìm kiếm bằng hình ảnh hoặc mô tả đặc điểm. - Nghiên cứu mô hình / thuật toán phát hiện chướng ngại vật cản trở giao thông - Nghiên cứu mô hình phát hiện biển số có chữ và số không rõ ràng. - Nghiên cứu thuật toán ước tính tốc độ của phương tiện từ video của camera giao thông - Nghiên cứu mô hình / thuật toán xác định phương tiện vượt qua vạch dừng khi đèn tín hiệu chuyển đỏ hoặc vàng. Tính năng - Bài toán nhận diện biển số, iparking - Tính năng tìm kiếm phương tiện bằng đặc trưng, biển số xe, hình ảnh - Tích hợp với giải pháp VMS, áp dụng cho bài toán large scale (smart city) AI/BIGDATA C-OCR - OCR đa ngôn ngữ: bao gồm các trường hợp text xoay, dọc, mở rộng lên 10 ngôn ngữ​​\n+ 01 mô hình IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước > 60 loại tài liệu​\n+ Tính năng visual Document Understanding: bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ + 03 hợp đồng 01 mô hình OCR đa ngôn ngữ cho 7 ngôn ngữ: en, jp, kr, cn, fr, de, vi (tăng 4 ngôn ngữ so với 2023) IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​ + 01 mô hình  IE LLM: Cung cấp khả năng hỏi đáp thông tin trên các tài liệu bất kỳ mà không cần định nghĩa trước template​, định nghĩa trước, tổng tài liệu hỗ trợ: 60 loại tài liệu​ - 01 mô hình mới bóc tách thông tin văn bản thuộc ngành tài chính và ngân hàng - 01 tính năng smartdoc mới: custom training trên 1 tài liệu mới (tính năng mới) - 40 loại giấy tờ khác nhau được hỗ trợ bóc tách thông tin trên hệ thống smartdoc(Độ chính xác trên bộ dữ liệu nội bộ CMC xây dựng) (nâng cấp số lượng tài liệu hỗ trợ) + 01 mô hình Document Layout Analysis: bảng biểu, hình ảnh, chữ ký, độ chính xác trung bình từ 80-95% 01 mô hình Trích xuất bảng: > 85% (tăng >5% so với 2023) trên bộ dữ liệu nội bộ CMC (nâng cấp độ chính xác) 01 mô hình nhận dạng Figure (hình ảnh, minh hoạ, biểu đồ, hình vẽ kỹ thuật) > 85% trên bộ dữ liệu dạng giấy tờ kỹ thuật thuộc dữ liệu nội bộ CMC - Visual Document Understanding: hỏi đáp với tài liệu, bóc tách nội dung tài liệu mới, dịch thuật, tóm tắt​ C-Voice: + Nâng cấp 01 mô hình ASR acc từ 90% → 95% c​​ho domain Meeting sử dụng mic đa hướng\n+ Nâng cấp 01 mô hình DIAR có acc 80% → 85% c​​ho domain Meeting sử dụng mic đa hướng 1. 01 mô hình nhận dạng tiếng nói tiếng Việt: Nâng cấp hiệu năng so với 2023 có thể chạy được trên CPU thay vì GPU, mở rộng dữ liệu đặc thù gồm giọn miền trung và âm thanh telesale trên bộ dữ liệu nội bộ (nâng cấp hiệu năng) 2. 01 mô hình nhận dạng tiếng nói tiếng anh, nhật: đánh giá trên bộ public common voice WER ~ 10% (thêm ngôn ngữ mới) C-HR: + Nghiên cứu 01 model LLM cho phân tích CV và JD​ 01 mô hình CV JD Parsing  phần mềm C-HR hỗ trợ tiếng anh, tiếng việt (thêm ngôn ngữ mới) SPCN mới C-LS Nghiên cứu core: - Nâng cấp core (rule và bóc tách) rà soát và tìm kiếm nội dung phục vụ nghiệp vụ rà soát dự thảo​, model tìm kiếm ngữ nghĩa​\n- 01 model LLM gen đề xuất nội dung mâu thuẫn, chồng chéo​​\n- 01 bộ CSDL tinh gồm: document mongodb, Neo4j phụ vụ tính năng AI CLS, ES cho metadata, Milvus text embeddin truy vấn ngữ nghĩa​ 1. 01 công nghệ Ontology và  nâng  cấp  model cho việc suy diễn mâu thuẫn, chồng chéo hình thức 2. 01 cơ sở dữ liệu tri thức đồ thị theo 3 mức văn bản, chủ thể và cấp độ (với 20 mối quan hệ) cho 5 lĩnh vực Sản phẩm: ​\n+ Tính năng quản lý theo tổ chức, quản lý tài liệu​\n+ Tính năng quản lý theo dự án theo nghiệp vụ rà soát​\n+ Tính năng lưu trữ và ghi chú thông tin sử dụng: tìm kiếm, rà soát và đưa ra báo cáo​\n+ Tính năng truy vấn đa tầng theo quan hệ văn bản để xác định danh sách rà soát đầy đủ, bổ sung action cho người dùng tự thao tác và điều chỉnh​ 3. 01 tính năng và nâng cấp model: rà soát tương đồng ngữ nghĩa cho điều khoản, rà soát mâu thuẫn thời gian hiệu lực của văn bản quy phạm pháp luật, phát hiện mâu thuẫn thẩm quyền hình thức, model cho tìm văn bản liên quan, sửa đổi NPU IPCORE AI chip xử lý ảnh Phiên bản 0.2 Công nghệ: + NPU IPCORE + RISC-V Firmware + Hệ điều hành RTOS + Công cụ biên dịch AI model cho NPU Tính năng: + NPU IPCORE hỗ trợ các phép toán BatchNormalization Gemm Reshape Softmax Transpose. + Hệ điều hành RTOS, RISC-V Firmware hỗ trợ sử dụng NPU. + Chuyển đổi từ AI model của AI framework sang định dạng phù hợp với NPU. Phiên bản 0.1 Công nghệ:\n+ NPU IPCORE Tính năng: + NPU IPCORE xử lý mạng nơ ron hỗ trợ các phép toàn CONV2D, MAXPOOLING2D, ZeroPadding2D, Dropout, Flatten, Dense."
      }
    ],
    "law_database_results": []
  },
  "response": {
    "type": "streaming",
    "content": "<answer>##### Trả lời:\nVăn bản là kế hoạch chỉ tiêu kinh doanh năm 2025 của Viện Nghiên cứu Ứng dụng Công nghệ CMC thuộc Tập đoàn Công nghệ CMC, trình bày chi tiết các mục tiêu chiến lược, kế hoạch phát triển sản phẩm, chuyển giao công nghệ, doanh thu, phát triển nguồn lực, ngân sách, đầu tư cơ sở hạ tầng, chỉ tiêu KPI và các sản phẩm công nghệ trọng điểm.\n\n##### Tóm tắt:\nVăn bản đề ra mục tiêu phát triển công nghệ và kinh doanh năm 2025 với trọng tâm nghiên cứu, phát triển và nâng cấp các sản phẩm AI, Big Data, IoT, Blockchain, an ninh, giao thông, thiết bị xử lý AI biên, chip AI, đồng thời xây dựng kế hoạch doanh thu 12 tỷ đồng, phát triển nguồn nhân lực và đầu tư cơ sở hạ tầng phù hợp. Các chỉ tiêu KPI được phân bổ rõ ràng theo từng lĩnh vực và cấp độ hoàn thành.\n\n##### Chi tiết:\n\n1. **Mục tiêu chiến lược và phát triển sản phẩm công nghệ:**\n   - Nâng cấp và phát triển các module AI/BigData như tìm kiếm ngữ nghĩa, tóm tắt văn bản, phân tích nội dung, đối chiếu văn bản, LLM phân tích mâu thuẫn.\n   - Phát triển OCR đa ngôn ngữ, xử lý văn bản, hỏi đáp văn bản, chuyển đổi văn bản, dịch thuật.\n   - Nâng cấp công nghệ nhận dạng tiếng nói, tổng hợp tiếng nói, phân tách người nói, Voice Conversion, Lip-Sync.\n   - Phát triển công nghệ an ninh như nhận diện người, phát hiện hành vi bất thường, nhận diện xe, biển số, phát hiện đám đông.\n   - Phát triển IoT, thiết bị Edge AI, AI Box, AI Camera với các tính năng nhận diện khuôn mặt, chống giả mạo, chấm công.\n   - Nghiên cứu và phát triển chip AI tích hợp NPU, firmware, hệ điều hành RTOS.\n   - Xây dựng và phát triển blockchain C-Exchange với các module quản lý tài sản số, giao dịch, smart contract.\n\n2. **Chuyển giao công nghệ:**\n   - Duy trì, hỗ trợ dịch vụ chuyển giao công nghệ, cập nhật công nghệ với các cải tiến về độ chính xác, tốc độ, tính năng mới và khắc phục lỗi.\n\n3. **Doanh thu và tài chính:**\n   - Kế hoạch doanh thu năm 2025 là 12 tỷ đồng, tăng 22% so với năm 2024.\n   - Chi phí lương, chi phí hoạt động, khấu hao và lợi nhuận ròng được dự kiến chi tiết theo quý.\n   - Lợi nhuận ròng dự kiến âm do đầu tư phát triển công nghệ.\n\n4. **Phát triển nguồn lực:**\n   - Kế hoạch nhân sự 93 người, tăng nhẹ so với năm 2024.\n   - Ngân sách lương chi tiết theo bộ phận, tăng trưởng bình quân lương cứng và năng suất.\n   - Đào tạo, tiếp nhận sinh viên thực tập từ Đại học CMC, phát triển trình độ Thạc sĩ, Tiến sĩ.\n\n5. **Đầu tư cơ sở hạ tầng và sản phẩm mới:**\n   - Đầu tư hạ tầng, tài sản, công cụ dụng cụ với tổng ngân sách giảm 51% so với năm 2024.\n   - Đầu tư sản phẩm IoT - SmartDevices với tổng mức 1,080 triệu đồng.\n\n6. **Chỉ tiêu KPI công ty:**\n   - Phân bổ KPI theo các nhóm tài chính, chuyển giao công nghệ, nghiên cứu và công nghệ, nguồn nhân lực.\n   - Các chỉ tiêu cụ thể về số lượng hợp đồng, sản phẩm hoàn thành, bằng sáng chế, chứng chỉ quốc tế, đào tạo nhân lực.\n   - Các sản phẩm công nghệ trọng điểm được liệt kê chi tiết theo từng lab và lĩnh vực.\n\n7. **Các sản phẩm công nghệ và tính năng nổi bật:**\n   - AI/BigData: OCR đa ngôn ngữ, IE LLM, Document Layout Analysis, Visual Document Understanding.\n   - CIVAMS.Face: nhận diện khuôn mặt theo tiêu chuẩn ISO, chống giả mạo, chấm công trên thiết bị di động.\n   - CIVAMS.Security: quản lý dữ liệu phân tán, phát hiện hành vi bất thường, cảnh báo an ninh.\n   - CIVAMS.Traffic: nhận diện biển số, giám sát giao thông, phát hiện vi phạm.\n   - AI Camera, AI Box: phát triển các dòng sản phẩm chip và thiết bị xử lý AI biên.\n   - Blockchain: phát triển sàn giao dịch tài sản số tập trung với các module core, giao dịch, ví điện tử.\n\n##### Căn cứ pháp lý:\n<a href=\"#\">Kế hoạch chỉ tiêu kinh doanh năm 2025 Viện Nghiên cứu Ứng dụng Công nghệ CMC</a></answer> ",
    "chunks_count": 1062
  }
}