Page 20 - 2026第1期核能新闻

报告中，提炼出非显性关系和风险演化规律，辅助工程师提前识别隐蔽的安全隐

患，提高风险防控能力；

核电建设面临安全、质量、进度、成本、环境等多目标约束下的优化决策，
人工智能技术可以在复杂约束条件下探索多种可行方案，并开展方案比选与实时

优化，为工程最优决策提供参考。

此外，应用人工智能技术速度与效率优势，有助于加快科研验证、大批量工

程文件审查，缩短研发创新周期、项目建设周期；人工智能模型持续学习与迭代

优化能力，使 AI 智能系统能够随着数据积累不断优化性能，形成经验复用机制

和泛化能力，支撑核能产业智能化长期发展。

（三） 核能产业视角的人工智能技术演进

人工智能技术在核能行业的应用尚处于起步阶段，从核能产业视角来看，人

工智能技术应用层面的演进，主要体现在以下几个方面：

任务复杂度提升。早期 AI 应用多集中在图像识别、视频监测、简单异常检

测等感知层面，其特点是问题边界清晰、数据来源相对稳定。随着模型能力提升，

AI 技术将会逐渐用于事故趋势研判、设备退化分析、运行策略优化等复杂任务，

涉及的变量更多，推理链条更长，对模型稳健性要求也更高。
数据机理融合。单纯依赖数据驱动的人工智能方法难以满足核能行业可解释

性要求，因此愈来愈多研究开始探索人工智能模型与物理机理、规则之间的融合。
典型做法包括在模型训练中显式加入物理约束、利用知识图谱强化 AI 模型对系

统结构关系的理解等。

多模态 AI 技术应用。核能产业各环节信息组织形式多样，包括三维模型、

巡检图像、运行参数、语音记录、规程文本等，属于不同模态，过去通常分系统

处理。多模态 AI 大模型技术不断演进，能够跨模态整合信息，使系统在多模态

输入复杂任务中表现出更强性能。

安全可信要求更高。人工智能技术在核能行业生产环节应用，必须满足严格

的安全验证要求，包括模型不确定性表征、训练数据正确性审查、模型鲁棒性测

试等，模型安全可控、可解释、可验证，将是持续关注的焦点。

三、核能+AI 典型应用场景探索

人工智能技术在核能行业的应用，应坚持以安全可信为前提、以价值效益为

17