AI+核能成大国博弈新战场，中国如何抢占先机？

2026年全国两会持续深化“人工智能（AI）+”发展部署，进一步提出打造智能经济新形态并推动其在重点行业商业化、规模化应用。同时，“未来能源”首次被写入政府工作报告，核能作为未来能源体系的核心组成，早已被纳入我国重点发展领域。在此背景下，AI与核能的双向融合成为顺应两大产业发展趋势、赋能新一轮科技革命、助推未来能源高质量发展的关键路径。核能凭借其低碳、稳定、高可靠的基荷能源属性，可为AI产业指数级增长的算力需求提供潜在的可靠解决方案；AI技术强大的数据解析、模式识别、智能决策等能力，可为核能全产业链的升级迭代注入革命性动力。

当前，“核能驱动AI、AI反哺核能”的双向赋能范式正加速迈向产业实践。我国依托前瞻性的政策引领与丰富的应用场景奠定了良好的融合发展基础，但在迈向深层次融合进程中，仍面临数据流通、安全可信、协同机制、人才供给等多重瓶颈，需进一步强化系统布局、突破关键制约，推动构建体系化领先优势。

全球“AI+核能”双向融合发展态势

当前，“AI+核能”双向赋能格局已初步形成并向产业纵深推进，总体呈现国家战略引领方向、市场主体激发活力、国际组织规范发展的良好态势。AI在核能领域的应用正从探索试点迈向规模化场景落地，资本与产业融合持续深化，全球治理体系同步加快构建。

国家战略高位布局，联盟化竞合趋势显现

当前，在全球科技竞争加剧的背景下，主要经济体纷纷将AI与核能置于国家战略层面进行高位推动。2025年4月，欧盟发布《人工智能大陆行动计划》，一方面着力提升算力与数据基础支撑能力，另一方面明确加速AI技术在能源等关键行业的应用落地。2025年11月，美国启动继“曼哈顿计划”“阿波罗计划”后的第三大国家级科技战略——“创世纪计划”，整合国家超算资源、科研数据及自动化实验设施，聚焦攻关核裂变与核聚变能源等6大优先领域，以国家力量牵引前沿技术融合发展。值得注意的是，战略布局已呈现鲜明的联盟化与供应链安全导向。2025年12月，美国主导发起“硅和平倡议”，联合英国、日本、韩国等国，将能源与AI基础设施、半导体并列为需要共同保障的战略性供应链环节，试图通过构建盟友间的技术标准互认与资源共享网络，推动建立安全、有韧性、创新驱动的生态系统，巩固其在未来融合生态中的主导地位，形成全球范围内的技术与产业壁垒。

AI应用持续深化，产业链赋能成效显著

AI技术凭借自身海量数据处理、复杂模式识别、智能预测决策、数字孪生建模等核心技术优势，已深度融入核电设计建造、运维保障、安全监管等产业链关键环节，各环节应用均已形成较为成熟的技术路径与落地案例，推动核能行业向数字化、智能化、高效化转型。

在设计建造方面，推动从“经验驱动”转向“模型牵引”，实现研发建设提效降本。核电设计建造涉及多学科复杂耦合，传统模式常面临研发周期长、建造成本高等挑战。AI技术凭借数字孪生、智能仿真优化及数据驱动管控等能力，正推动该领域实现智能化升级。在设计环节，AI与高性能计算结合，可构建反应堆高保真数字孪生系统，精准模拟堆芯物理、热工水力等复杂行为。例如，美国橡树岭国家实验室成功利用“Summit”超级计算机结合前沿AI算法与量子力学模拟技术，构建熔盐堆“数字孪生”系统，成功模拟核心冷却剂的复杂物理与化学行为，为材料筛选、设计校核和安全分析提供优选方案，极大缩短项目研发周期。在建造环节，AI驱动的智能管理系统可对工程建设全流程进行精细化建模与管控。例如，Palantir公司正与The Nuclear Company合作开发AI驱动实时核能操作系统（NOS），通过数据驱动实现工程进度的可预测性，由此应对核电站建设长期存在的拖期超概难题，为按计划、按预算推进项目建设提供强大工具。

在运维保障方面，推动从“被动检修”迈向“主动预警”，实现智能监控与故障预警。核电运维对设备运行状态的实时监测与故障预判要求极高，而AI技术通过实时数据解析、预测性维护与智能巡检，可有效破解传统运维模式中人工漏检、响应滞后及高危区域作业风险等难题。AI可通过实时采集并分析海量运行数据（温度、压力、振动等），经由深度学习模型精准识别设备异常的早期特征，实现故障的提前捕捉与预警。同时，智能巡检与水下机器人等AI装备可替代人工深入高危区域执行精密作业，从根源上保障人员安全。中广核自主研发的“智驭平台”便是典型例证。该平台可实现核电机组运行状态和设备健康度的实时监控和预警诊断，每秒可捕捉200万个数据波动，就像给核电站装上了“心电图检测器”，通过对核电站生产活动的状态、性能，以及机组级和设备级的运行情况进行监控和智能分析，及时向核电站运维人员发出预警并提供辅助决策。

在安全监管方面，推动从“人工核查”升为“智能监控”，筑牢全方位安全防线。核安全是核事业发展的生命线，传统人工核查的监管模式存在覆盖面有限、识别滞后、效率偏低等短板，难以适配高质量发展要求。AI技术凭借图像识别、行为分析、全流程数据追溯等能力，正深刻重塑核电安全监管体系，构建起全天候、智能化的安全监管网络。在现场作业监管层面，AI视觉识别系统可7×24小时实时监测核电厂区，秒级识别人员违规进入、未规范穿戴防护装备、烟雾泄漏等安全隐患，并联动报警系统实现即时预警，大幅降低人工漏检概率。在数据监管层面，AI系统可整合机组运行、设备检修、人员操作等多源数据，通过算法模型挖掘数据背后的深层安全风险。美国核管理委员会（NRC）已率先构建智能化监管框架，2023年发布《人工智能战略计划：2023~2027财年》确立五大战略目标，2024年完成监管指南差距评估。NRC正持续推动AI在安全监管各方面的应用，在安全评估中利用机器学习改进风险评估模型，实现预测性分析；在许可审批中与微软合作开发AI系统，自动化文档创建与审查，节省25%~75%的编制成本；在监督检查中通过智能算法制定个性化检查计划，实现24/7远程监测；在文档管理中利用自然语言处理构建智能法规知识库，提升检索与合规检查效率。

资本支撑力度强劲，科技巨头持续加码押注

在国家战略牵引与市场需求驱动的双重作用下，全球资本向“AI+核能”领域加速集聚，其中科技巨头凭借资本优势、技术积淀与算力能源刚性需求，成为布局融合发展的核心力量，通过长期购电、直接投资、股权参股、产业合作等多元化方式深度布局核能产业，推动资本与产业深度绑定，为“AI+核能”融合发展提供强劲的资本与市场支撑。亚马逊、谷歌、Meta等企业已联合签署《大型能源用户承诺》，明确支持2050年全球核电装机容量至少提升两倍的发展目标，这为核能产业发展提供了长期市场预期。微软签署的20年长期购电协议，正助力推动三哩岛核电机组重启。美国帕利塞兹核电站、杜安阿诺德能源中心等核电重启计划均获得明确市场订单支撑，为AI产业发展注入强劲动力。

国际组织积极倡导，全球治理体系加速构建

国际组织在“AI+核能”融合发展中扮演着重要的倡导者与协调者角色，通过搭建对话平台、推动标准制定，引导产业在全球范围内安全、有序、合规发展。2025年12月，国际原子能机构（IAEA）主办首届人工智能与核能国际专题研讨会，汇聚多国政府、国际组织、核能界及科技企业的高级代表，围绕核能如何帮助满足AI数据中心激增的电力需求以及AI如何支持核技术发展两大核心议题开展深度研讨。IAEA将推动人工智能企业与核能企业建立跨行业伙伴关系，研究制定合作框架，推动“AI+核能”双向赋能成果惠及全球和平与发展。

我国“AI+核能”双向融合发展进程

我国已初步构建“顶层设计-行业倡议-企业探索”的“AI+核能”融合发展推进格局，政策支撑持续强化、产业实践多点开花，但深层次融合仍面临诸多挑战，亟待系统性协同破局。

战略引领与行业共识不断强化

在国家政策层面，制度保障不断完善。2025年9月，国家发展改革委、国家能源局联合印发《关于推进“人工智能+”能源高质量发展的实施意见》，将“人工智能+核电”列为八大重点应用场景之一，明确围绕核电安全发展，构建核电安全预警、电站运行事件智能溯源分析、应急响应的智能辅助支持系统，开展核工业特种运维机器人技术攻关，持续推动核电系统的自动启停等技术升级演进，探索AI技术助力离子体预测控制、可控核聚变等技术路径，推动核电行业向数据驱动、模型牵引、智能管控的新模式稳步转型。

在行业协同层面，发展共识不断凝聚。2025年11月，第四届中国核能高质量发展大会发出《“人工智能+”核能高质量发展倡议》，号召全行业加快推动人工智能与核能深度融合，打造新质生产力，助力国家“双碳”目标实现和能源高质量发展，260家单位共同联署了发展倡议，有效强化了行业的内生动力。

产业实践有序推进并多点开花

核电企业作为融合发展的核心主体，率先开展技术创新与场景应用示范。中核集团发布了国内首个核领域数字生产力平台“龙吟·万界®”。作为核工业首个全栈式AI解决方案平台，“龙吟·万界®”深度融合算力基础设施、核领域专用大模型、智能体开发框架与AI原生应用四大核心模块，构建起覆盖企业经营管理、生产运维等场景的智能化服务体系，推动核工业企业数智化转型初见成效。中广核推出“智能核电”系列产品，建立核电全生命周期数据标准和基础平台，在“华龙一号”及多个在运基地规模化部署智能巡检机器人，显著提升了核电机组整体效能和技术竞争力。

核电产业链上下游企业积极参与融合创新，形成协同发力格局。上海电气基于自身在核电领域深厚的产业积淀，发布了6项高价值AI应用场景，涵盖核电设计文件智能转化、零件模型库智能检索、3D转2D图纸自动生成、核岛主设备零件检测、铸锻浇注智能预警、精密磨床智能调度等场景，为整个高端装备制造业的智能化转型提供了可信、可行的“电气样板”。上海核工院研发的“智汇星”系统，集成6万多份历史设计文件，整合大量设计准则、工程经验及法律法规要求，通过AI自动生成设计方案、智能审核施工文件，可替代70%~80%的人工校审工作，目前已支撑8个核电项目提质增效，显著降低人力成本与时间成本。

互联网企业通过资本投资与技术合作双线布局，为融合发展注入新动能。2025年，阿里巴巴前瞻卡位可控核聚变赛道，4月参与诺瓦聚变5亿元天使轮融资，11月旗下蚂蚁集团领投星能玄光Pre-A轮融资。2026年初，阿里巴巴再度落子布局传统核电，通过阿里云旗下上海毅旗网络科技有限公司入股中核（象山）核能有限公司，推动AI技术与核电的深度融合。

深度融合面临关键制约因素

尽管我国“AI+核能”融合发展取得初步成效，但深层次推进仍面临四大核心制约，成为双向融合向纵深发展的瓶颈。

一是数据治理不完善，跨主体流通机制缺失。核能数据兼具高商业价值与高国家安全敏感性，其所有权、管理权和使用权被严格限定在设计方、建造方、运营方及监管方等多个主体手中。由于行业内缺乏统一、安全且合规的跨主体数据共享机制与标准体系，大量异构、分散的数据资源被锁定在相互隔离的“数据孤岛”中。这种流通壁垒带来的直接后果是训练样本的严重偏差。任何单一主体所掌握的数据都只能反映特定堆型、特定场景或特定运行阶段的情况，无法形成覆盖全生命周期、全技术路线的完备数据集。当AI模型基于这种有偏样本进行训练时，极易在未知的运行窗口或设计边界下产生误判，严重制约核能领域专用大模型的研发迭代与跨场景适配能力。

二是AI模型可解释性不足，与核安全文化冲突。现代深度学习模型常被视为“黑箱”，其决策过程复杂隐晦，难以被人类直观理解。然而，在核电这一高风险领域，任何安全相关的判断都必须具备充分的逻辑依据和可追溯性，核安全文化的核心正是“质疑的态度”与“保守决策”，要求人类对自动化系统的输出能够进行审查、验证与干预。当前，AI系统普遍缺乏可解释性，导致其预测和推理结果难以获得监管方、运行人员的信任，从而直接制约了AI在核安全关键场景中的深度应用与合规准入。

三是“核”“智”适配难度大，融合落地效能不足。核能行业的特殊性，核心在于其运行系统高度复杂且多变。其核心涉及核物理、热能、力学、材料与化学等多维物理过程的耦合；支撑技术涵盖数学建模、智能算法、高性能计算、自动控制和信息通信等前沿手段；应用场景广泛分布于舰船、飞行器、太空探测及陆地装备等多样化平台。正是这种“技术纵深”与“应用广度”的双重叠加，使得AI在核能领域的落地，远比其他实体产业更具复杂性和挑战性。实现“AI+核能”深度融合，关键在于针对特定场景与边界条件，构建“智算融合”与“过程优化”的精准匹配机制——即借助智能技术有机整合计算、控制与通信资源，系统性求解热工、材料与化学等领域的具体工程难题。只有当这种融合方式根据实际需求实现了动态适配，才能真正推动“智核协同”进入实用阶段，进而带动从关键装备到系统集成等智能化配套产业的整体跃升，最终形成“以点带面、联动全局”的发展格局。

四是复合型人才结构性短缺，供需适配失衡。当前，既精通核物理、核工程等专业知识，又掌握机器学习、数字孪生等前沿AI技术的顶尖交叉人才十分稀缺。核能行业从业者长期深耕核安全、反应堆运维等领域，思维模式更侧重风险防控与流程合规，对AI技术的迭代逻辑和适配边界认知不足；AI技术研发人员擅长算法优化和模型训练等，但对核能行业的安全规范、工程实践等内容缺少了解，二者存在“语言壁垒”和思维模式差异，容易导致产业实际需求与AI技术研发对接错位。加之目前高校在这方面的学科交叉布局较少、课程与实践存在脱节情况，顶尖复合型人才供给总量不足，难以支撑“AI+核能”双向融合向纵深推进。

对策建议

针对我国“AI+核能”融合发展面临的核心制约，需从数据治理、安全可信、协同生态、人才培养四个维度构建系统性解决方案，推动“AI+核能”双向融合向更高质量、更深层次发展。

一是健全数据治理与标准体系，夯实融合发展数据底座。以标准先行立好数据流通“规矩”，加快制定核领域数据分类分级、标注规范、接口统一等核心标准，明确数据安全使用边界与跨主体共享补偿机制，为数据合规流通、成果高效转化筑牢制度基础。聚焦反应堆设计、智能运维、核聚变研发等核心场景，统筹整合行业优质数据资源，系统推进高质量标注数据集建设，支撑核领域专用大模型的研发迭代与场景适配。构建国家级核能数据安全共享平台，采用分级授权、可控共享的管理模式，打破行业“数据孤岛”，推动创新要素在标准规范框架下开放协作、高效流动。在此基础上，推进数据统一管理与综合利用，建立覆盖数据管理制度、组织架构、职责分工与流程规范的一体化治理体系，打造统一的数据资源库，在核电、可控核聚变、知识管理等领域形成多个高质量数据集，充分释放数据要素价值，助力行业数字化转型升级。

二是构建可信AI协同治理框架，弥合“黑箱”与“安全”鸿沟。针对AI可解释性与核安全文化的冲突，建议坚持“技术可解释、应用可干预、监管可追溯”的原则进行协同破题。技术上，加强可解释人工智能专项攻关，优先采用因果推理、注意力机制可视化等具备内在透明度的模型架构，将复杂的数学运算转化为核工程师可理解的逻辑链条；制度上，制定核能行业AI可解释性分级标准，依据应用风险等级设定差异化的透明度要求，明确模型在关键安全场景中必须具备完整的因果证明与追溯能力；应用上，构建“人在回路”的人机协同机制，强制嵌入操纵员校验环节，要求AI在输出决策时同步呈现支持依据与置信区间，确保“质疑的态度”与人为终决权得以落实；监管上，创新“监管沙盒”机制，通过极端工况测试与算法备案，将“黑箱”模型转化为可审查的数字资产，以透明化验证逐步换取合规准入的空间。

三是打造跨产业协同创新生态，凝聚融合发展整体合力。一方面，强化产学研用深度协同。组建国家级“AI+核能”创新联合体，整合核能产业链与AI产业链优质资源，推动创新要素跨领域、跨主体整合；建立利益共享、风险共担的市场化协同研发机制，完善科技成果转化体系。另一方面，研发核领域垂直大模型。紧扣研发设计与生产建造关键环节，围绕数据“采集、存储、计算、管理、应用”全流程，持续推进核工业高质量数据集建设。通过提示工程、检索增强、模型微调等技术路径，将核工业专业知识和实践经验深度融合于模型底层，打造具有核领域基因的大模型技术体系。同时，积极融入全球治理体系。依托IAEA等国际合作平台，深度参与全球“AI+核能”技术交流与标准制定，积极引进国际先进技术和经验，同时推动我国成熟技术与方案“走出去”，形成国内国际双循环相互促进的融合发展格局。

四是构建跨学科人才培养体系，强化融合发展人才支撑。以学科建设筑牢人才培养根基，推动高校、科研院所增设核能与人工智能交叉学科，系统布局核科学、核工程与智能技术融合的课程体系和研究方向，从源头培育兼具专业素养与跨界思维的复合型人才。以协同实践打破专业融合壁垒，推动核电企业、科技企业与高校、科研院所共建人才联合培养基地、实训平台，通过项目共研、岗位互派、联合攻关等方式，打破专业壁垒，促进思维协同与需求精准对接。以机制创新强化人才引育保障，完善复合型人才评价与激励机制，突出跨界能力、创新成果与产业贡献导向，打造结构合理、素质优良、充满活力的专业人才队伍。

作者｜陈冰冰 展咪咪 刘佳宁

作者单位｜中核战略规划研究总院