NRC的人工智能战略计划2023-2027

摘要

美国核管理委员会（NRC）于 2023 年 5 月发布《人工智能战略计划：2023-2027 财年》（NUREG-2261），标志着核电行业进入 AI 驱动的智能化监管新时代。

NRC AI 战略涵盖五大核心目标：确保 NRC 具备监管决策能力、建立 AI 应用审查组织框架、加强 AI 合作伙伴关系、培养 AI 专业人才队伍、追求 AI 应用案例以建立 NRC 的 AI 基础。在具体实现方式上，该战略从监管层面的安全评估、风险分析、许可审批，到运营层面的反应堆控制、状态监测、维护优化，构建了全方位的 AI 应用体系。

1. 引言与背景

1.1 NRC AI 战略的政策背景与时间节点

美国核管理委员会（NRC）的 AI 战略制定经历了一个从概念萌芽到正式发布的渐进过程。2021 年，NRC 举办了数据科学和 AI 监管应用公开研讨会，这被视为其 AI 战略制定的重要起点。随后在 2022 年 7 月 5 日，NRC 在联邦公报上发布了《2023-2027 财年人工智能战略计划》草案，向公众征求意见，征求意见期至 2022 年 8 月 19 日结束。

经过近一年的完善和修订，NRC 于 2023 年 5 月 31 日正式发布了《人工智能战略计划：2023-2027 财年》（NUREG-2261），这标志着美国核电行业 AI 监管框架的正式确立。该战略计划的发布背景是 NRC 认识到人工智能在公共和私营部门的快速发展，并预期 AI 在 NRC 监管活动中的使用将显著增加。

在战略计划发布后，NRC 迅速行动，于 2023 年 9 月 29 日发布了 AI 战略计划的实施版本。紧接着，在 2024 年 10 月，NRC 发布了《核应用中人工智能使用监管框架缺口评估》最终报告，系统分析了现有监管框架与 AI 应用之间的差距。进入 2025 年，NRC 的 AI 战略实施进入新阶段，于 2025 年 9 月发布了《美国核管理委员会人工智能合规计划》，以响应 OMB 备忘录 M-25-21 的要求。

1.2 核电行业数字化转型的驱动因素

核电行业向数字化和 AI 技术转型的驱动因素是多方面的，既有技术发展的内在动力，也有外部环境的迫切需求。

首先，核电行业面临着日益增长的电力需求，特别是来自 AI 数据中心的巨大电力需求。根据美国核能协会（NEI）的报告，由于 AI 和数据中心的快速电力需求增长，大型 IT 企业已承诺在全美引入约 3000 万千瓦的核电装机容量。预计到 2030 年，由于生成式 AI 的发展，数据中心的电力需求将增长 160%。

其次，核电行业自身的数字化转型需求推动了 AI 技术的应用。传统的核电设施面临着设备老化、人员短缺、运营成本上升等挑战，AI 技术被视为解决这些问题的重要手段。NRC 在其战略文件中指出，AI 的飞速发展 "具有巨大潜力，可能彻底改变核工业及该机构的运作模式"。

第三，国际竞争压力也是推动核电行业 AI 转型的重要因素。随着中国、俄罗斯等国家在核电技术领域的快速发展，美国需要通过技术创新来保持其在全球核电市场的竞争力。AI 技术被视为提升核电行业效率、降低成本、增强安全性的关键技术。

最后，监管现代化的需求也推动了 NRC AI 战略的制定。NRC 认识到，随着核电行业采用越来越多的 AI 技术，监管机构必须具备相应的技术能力来评估和监督这些新技术的应用，以确保核安全不受到威胁。

2. NRC AI 战略的核心内容解析

2.1 五大战略目标体系

NRC 的 AI 战略建立在五大核心目标之上，这些目标构成了一个相互关联、层层递进的战略体系。

战略目标一：确保 NRC 具备监管决策能力

这是 NRC AI 战略的首要目标，也是整个战略的核心。NRC 预期在未来几年内，现有的持证单位和新的先进核技术申请者都将使用需要监管机构批准或监督的 AI 技术。为实现这一目标，NRC 将重点开发监管指南和工具，使工作人员能够在其活动中评估 AI 技术。计划基于通过执行战略计划和与外部利益相关者互动收集的信息和经验，更新或创建监管指南和检查程序。

这一目标的实现路径包括：制定 AI 应用的评估标准和方法；建立 AI 技术审查的技术规范；完善现有的监管流程以适应 AI 技术的特点；加强与行业的沟通以了解 AI 技术的最新发展。

战略目标二：建立审查 AI 应用的组织框架

成功实施 AI 战略计划需要 NRC 内部在管理层和员工层面进行有效的协调与合作。为此，NRC 建立了内部人工智能指导委员会（AISC），为跨部门协调和指导提供支持，确保监管决策的准备就绪并发展 AI 治理。AISC 将包括负责全机构 AI 技术的高级管理层，并可根据需要聘请具有 AI 专业知识的外部主题专家协助处理特定问题。

此外，NRC 还建立了 AI 实践社区（AICoP），为 NRC 工作人员提供一个论坛，用于：讨论审查包含 AI 技术使用请求的最佳实践和经验教训；提供全机构对活跃和潜在用例的认识；促进最佳实践和经验教训的分享。AICoP 将由来自全机构的积极参与或对 AI 政策、技术、标准和项目感兴趣的 NRC 工作人员组成。

战略目标三：加强和扩大 AI 合作伙伴关系

强有力的合作伙伴关系对于 NRC 了解行业的利益、活动和部署 AI 的计划至关重要。NRC 将继续加强与美国政府机构、国家实验室、非政府组织、学术界和其他研究组织的合作伙伴关系，以确保 NRC 能够利用国内 AI 最佳实践和经验教训。

在国际合作方面，NRC 将继续与国际同行和多边组织合作，分享 AI 在监管活动中使用的信息，开展合作研究，并影响国际标准和指南的制定。NRC 与加拿大核安全委员会（CNSC）、英国核监管办公室（ONR）建立了三边合作关系，共同发布了《核应用中人工智能系统开发的考虑因素》等重要文件。

战略目标四：培养精通 AI 的专业人才队伍

这一目标聚焦于开发技术信息、知识和工具，使工作人员能够审查 AI 应用。为实现这一目标，NRC 将建立 AI 人才管道并利用现有的招聘流程。机构还将投资于从基础到高级概念、应用和 AI 工具的综合培训项目。

NRC 认识到，建立数据科学基础是评估 AI 应用的基本要求。因此，NRC 将建立必要的 AI 基础，在全机构范围内追求用例，这将培养支持未来监管审查和监督活动的组织经验。

战略目标五：支持 AI 应用案例以建立 NRC 的 AI 基础

这一目标聚焦于开发和追求用例，为审查 NRC 监管活动中 AI 的使用建立技术专长，并创建一个支持数据科学、评估和集成新兴 AI 工具以及实践人才开发的网络生态系统。

为实现这一目标，NRC 将与核工业合作，在保持监管独立性的同时，识别试点研究和概念验证测试案例，帮助 NRC 工作人员获得专业知识并促进未来的监管审查。这包括与持证单位、申请者、研究组织和国家实验室合作，开发来自各种来源和多种形式数据的用例。

2.2 AI 治理架构与组织体系

NRC 建立了多层次、全方位的 AI 治理架构，以确保 AI 战略的有效实施和风险管控。

AI 治理委员会（AIGB）的设立

NRC 于 2025 年正式成立了 AI 治理委员会（AIGB），由首席信息官兼首席 AI 官 Scott Flanders 领导。AIGB 的成员构成体现了全机构的参与，包括：首席信息官办公室、小企业和民权办公室、核监管研究办公室、首席人力资本官办公室、行政办公室、总法律顾问办公室、运营执行董事办公室、核反应堆监管办公室、核材料安全保障办公室、核安全和事件响应办公室、地区办公室、监察长办公室等。

AIGB 的主要职责包括：消除 AI 使用的障碍并管理其相关风险；通过召集高级机构官员讨论利用 AI 解决方案的治理、风险和收益；确保高级领导层对考虑在机构中使用的 AI 解决方案有一般性了解；基于风险输入做出关于新能力治理的决策；促进劳动力发展和能力建设；根据任务影响、风险和可行性提供关于应推进哪些 AI 倡议的指导。

首席 AI 官的职责与定位

NRC 于 2025 年任命了首席 AI 官（Chief AI Officer），这一职位的设立标志着 NRC 对 AI 技术的高度重视。首席 AI 官不仅负责 AI 战略的制定和实施，还担任首席信息官的双重角色，这种安排有利于 AI 战略与整体 IT 战略的协调统一。

首席 AI 官的主要职责包括：与 NRC 内部办公室密切合作，积极参与其他联邦机构的对应工作；参加关键的跨机构委员会，包括首席 AI 官（CAIO）委员会、首席信息安全官（CISO）委员会、首席数据官（CDO）委员会和隐私委员会；促进跨机构支持、知识共享和人工智能及相关领域最佳实践的推进。

AI 治理的层级结构

NRC 的 AI 治理架构呈现出清晰的层级结构。在最高层，AIGB 负责整体战略决策和风险管控；在中间层，各业务部门和地区办公室负责具体实施；在操作层，AI 实践社区（AICoP）和各个工作组负责技术研发和知识共享。

这种多层级的治理结构确保了 AI 战略能够在全机构范围内得到有效执行，同时也为不同层级的员工提供了参与 AI 发展的渠道。特别是 AICoP 的建立，为一线工作人员提供了交流经验、分享最佳实践的平台，有助于 AI 技术在基层的推广应用。

2.3 技术标准与监管框架体系

NRC 在推进 AI 战略的同时，高度重视技术标准和监管框架的建设，以确保 AI 技术的安全、可靠应用。

现有监管框架的评估与完善

2023 年 6 月至 2024 年 10 月期间，NRC 开展了全面的监管框架缺口评估（AIRGA），系统分析了现有监管框架对 AI 应用的适用性。评估覆盖了 517 个监管指南（RGs），最终在不到 100 个监管指南中识别出潜在缺口，这些缺口被归类为八种类型：隐含人工操作、特殊计算、运行前和初始测试程序可能遗漏 AI、自主运行下的适居性条件、定期测试监测监督和报告、安全相关应用的软件、辐射安全支持、培训和人因工程等各种各样的问题。

评估结果显示，在大多数情况下，与监管指南相关的 NRC 法规足以监管 AI 技术的使用，但存在一些例外情况。例如，法规中要求人类明确行动的陈述，而这些行动可能由 AI 系统执行，如用于监视的计算机视觉。

AI 技术标准的制定与采用

NRC 积极参与国内外 AI 技术标准的制定工作。在国际层面，NRC 参与了国际标准化组织（ISO）/ 国际电工委员会（IEC）核应用 AI 标准的制定过程，并作为委员会主席或投票成员参与其中。在国内层面，NRC 参与了美国国家标准与技术研究院（NIST）AI 风险管理框架和 NIST 标准政策跨机构委员会（ICSP）工作组的工作。

基于标准适用性评估的结果，NRC 计划在 2026 年第三季度开始将 AI 标准纳入监管指南中。这一过程将确保 NRC 的监管要求与国际最佳实践保持一致，同时也为行业提供了明确的技术标准。

AI 风险评估框架的建立

NRC 建立了基于 NIST AI 风险管理框架（AI RMF）的风险评估体系，在审查监管指南时考虑了 AI 技术的各种风险。主要风险包括：

1.技术风险：AI 系统可能产生不可预测的输出，目前没有方法可以量化系统中 AI 组件的故障概率。

2.安全风险：AI 系统的 "黑箱" 特性与核安全要求的 "可解释性" 和 "可预测性" 存在冲突。

3.网络安全风险：AI 系统可能面临恶意攻击，特别是在核设施这样的关键基础设施中。

4.监管风险：现有法规中关于人类行动的要求可能与 AI 系统的使用产生冲突。

针对这些风险，NRC 制定了相应的缓解措施，包括：建立故障安全协议，确保在 AI 出现异常时能够将控制权交还给人类；要求进行全面的软件故障测试和故障安全设计；建立严格的网络安全防护措施；完善监管框架以适应 AI 技术的特点。

国际合作与标准协调

NRC 认识到 AI 技术的全球性特征，因此高度重视国际合作。除了参与 ISO/IEC 和 NIST 的标准制定外，NRC 还与加拿大、英国、法国、德国等国家建立了双边合作关系，共同推进 AI 在核电领域的应用标准。

特别值得注意的是，NRC 与加拿大核安全委员会（CNSC）、英国核监管办公室（ONR）建立的三边合作机制（CANUKUS）已经取得了重要成果，三方于 2024 年 9 月共同发布了《核应用中人工智能系统开发的考虑因素》，为全球核电行业的 AI 应用提供了重要指导。

3. 核电行业 AI 应用的具体实现方式

3.1 监管层面的 AI 应用

NRC 在监管层面的 AI 应用主要集中在提高监管效率、增强安全评估能力和优化决策支持等方面。这些应用不仅提升了 NRC 的监管效能，也为核电行业的安全运行提供了更强的保障。

安全评估与风险分析

NRC 正在将人工智能和高级数据分析纳入其监管流程，以分析大型数据集、拓展和深化安全评估、支持决策和加强监管。具体应用包括：

1.核安全风险评估模型的改进：具有 AI 专业知识的技术人员在改进核安全风险评估模型和自动化监管审查流程方面能产生重大影响。这些模型能够处理海量的运行数据，识别潜在的安全风险，并提供基于数据的决策支持。

2.预测性分析：通过 AI 技术，NRC 能够对核设施的运行状态进行实时监测和预测分析。例如，利用机器学习算法分析历史运行数据，可以预测设备故障的可能性，提前采取预防措施。

3.安全案例评估：AI 技术被用于自动审查和评估核设施提交的安全案例，识别潜在的安全隐患和合规问题。这不仅提高了审查效率，也确保了审查的一致性和准确性。

许可审批流程的智能化

NRC 正在探索将 AI 技术应用于核设施的许可审批流程，以提高效率并降低成本。一个典型的例子是与微软合作开发的 AI 许可审批系统，该系统具有以下功能：

1.自动化文档创建：使用生成式 AI 模型，基于先前的许可数据、项目特定数据和企业数据集来起草文档，准备供人类审查和完善。

2.协作者代理：在完善阶段提供一个 "协作者"，允许许可专家对训练的后端进行临时查询，以搜索大型文档集、请求起草章节等。

3.提交前文档审查：根据法规评估许可申请，快速发现缺失的信息，否则将导致与监管机构的长时间往返。

微软的生成式 AI 加速器解决方案预计可为编制新许可文档节省 25%-75% 的成本。这一解决方案不仅提高了审批效率，也为申请人节省了大量时间和成本。

监督检查的智能化升级

AI 技术正在革新 NRC 的监督检查方式，主要体现在以下几个方面：

1.智能检查计划：利用 AI 算法分析历史检查数据、设施运行数据和风险评估结果，制定个性化的检查计划，提高检查的针对性和有效性。

2.实时监测系统：通过与核设施的实时数据连接，NRC 能够对设施的运行状态进行 24/7 的远程监测，及时发现异常情况并采取相应措施。

3.数据分析与模式识别：AI 技术能够分析海量的运行数据，识别潜在的安全问题和违规行为。例如，通过分析设备振动数据、温度变化、压力波动等参数，AI 系统能够预测设备故障或异常运行状态。

监管文档管理的智能化

NRC 正在利用 AI 技术改进其庞大的监管文档管理系统。通过自然语言处理（NLP）技术，NRC 能够自动解析核安全相关的法规文件，提取关键信息和条款，建立法规知识库。这不仅提高了文档检索的效率，也为监管人员提供了更好的决策支持。

具体应用包括：

1.智能检索系统：基于 AI 的搜索引擎能够理解查询的语义，提供更准确的公开资料。

2.文档分类与标记：自动对文档进行分类和标记，便于管理和检索。

3.合规性检查：利用 AI 技术自动检查核设施的报告和申请是否符合相关法规要求。

3.2 运营层面的 AI 应用

在核电运营层面，AI 技术的应用已经从概念验证阶段进入实际部署阶段，涵盖了反应堆控制、设备监测、维护优化、应急响应等多个关键领域。

反应堆控制与运行优化

AI 技术在反应堆控制方面的应用主要集中在提高运行效率和安全性。中国自主研发的核电站新一代数字化仪控系统融合了数字孪生、虚拟现实、人工智能等技术，为核电站操作员提供了故障诊断、早期预警、辅助决策等智能化功能。

具体应用案例包括：

1.功率控制优化：利用 AI 算法实时调整反应堆功率，确保在各种工况下都能保持最优运行状态。例如，通过分析电网需求、燃料消耗、设备状态等多维度数据，AI 系统能够制定最优的功率调节策略。

2.参数优化：AI 技术能够优化反应堆的各种运行参数，如冷却剂流量、压力、温度等，以提高热效率和降低燃料消耗。

3.异常工况处理：当反应堆出现异常工况时，AI 系统能够快速识别并提供相应的处理方案，辅助操作员做出正确决策。

设备状态监测与故障诊断

设备状态监测是 AI 技术在核电运营中最成功的应用领域之一。NRC 资助的一项研究展示了如何使用机器学习技术对沸水堆（BWR）的循环泵进行状态监测。

该研究开发了两种机器学习分类器：

1.异常检测器：使用长短期记忆（LSTM）自动编码器，能够识别偏离预期全功率行为的偏差。

2.异常分类器：使用 LSTM-Softmax 神经网络，能够识别和分类六种不同的故障类型，包括循环泵失控和密封失效等。

测试结果显示，组合模型能够在平均 7.4 秒内检测到诱导异常，并正确识别故障类型。这一案例充分展示了 AI 技术在设备状态监测方面的巨大潜力。

预测性维护系统

预测性维护是 AI 技术在核电行业的另一个重要应用。传统的预防性维护通常基于固定的时间间隔或运行小时数，而预测性维护则基于设备的实际状态，能够显著提高维护效率并降低成本。

AI 驱动的预测性维护系统具有以下特点：

1.多参数监测：同时监测设备的振动、温度、压力、电流等多个参数，建立设备的健康模型。

2.故障预测：通过分析历史数据和实时监测数据，预测设备的剩余寿命和故障概率。

3.维护计划优化：基于设备状态预测和生产计划，制定最优的维护计划，最小化停机时间。

美国核电行业的调查显示，预测性维护是 AI/ML 技术应用的热门领域之一。许多核电公司已经开始部署基于 AI 的预测性维护系统，取得了显著的经济效益。

智能机器人与自动化系统

AI 技术正在推动核电设施向更加自动化和智能化的方向发展。智能机器人和自动化系统可以在核电厂的特殊环境中替代人工，实现自动换料、智能巡检、水下作业等，降低操作失误的风险和时间成本。

具体应用包括：

1.自动换料系统：利用机器人技术和 AI 算法，实现核燃料的自动装卸，提高换料效率并减少人员辐射暴露。

2.智能巡检机器人：配备各种传感器和 AI 视觉系统的机器人能够在核设施内进行自主巡检，实时监测设备状态和环境参数。

3.远程操作机器人：在高辐射区域或危险环境中，通过远程控制的机器人执行各种任务，确保人员安全。

4.水下作业机器人：用于核电站的冷却系统和乏燃料池等水下环境的检查和维护工作。

应急响应系统

AI 技术在核电应急响应中的应用主要体现在快速决策支持和资源优化配置方面：

1.事故诊断与分析：AI 系统能够快速分析事故征兆，识别事故类型和严重程度，并提供相应的应对策略。

2.应急预案生成：基于事故类型和现场条件，AI 系统能够自动生成个性化的应急预案，包括人员疏散路线、设备隔离措施、救援资源调配等。

3.实时监测与评估：通过整合各种监测数据，AI 系统能够实时评估事故发展趋势，为应急决策提供持续支持。

4.资源优化配置：根据事故规模和应急需求，AI 系统能够优化配置应急资源，确保救援行动的高效进行。

3.3 不同类型核电厂的差异化策略

不同类型的核电厂在技术特点、运行模式、安全要求等方面存在显著差异，因此在 AI 技术应用上也采取了差异化的策略。

轻水堆（LWR）的 AI 应用策略

轻水堆是目前全球核电的主流技术，包括压水堆（PWR）和沸水堆（BWR）两种类型。这类反应堆的 AI 应用策略主要集中在：

1.系统优化：利用 AI 技术优化反应堆的热工水力系统、化学控制系统、安全系统等关键系统的运行参数。

2.老化管理：针对大量运行多年的老核电站，AI 技术被用于设备老化监测和剩余寿命评估。

3.数字化升级：许多老旧的轻水堆正在进行数字化改造，AI 技术是其中的重要组成部分。例如，美国 NRC 批准的利默瑞克核电厂数字化改造项目，将采用一套数字化电厂保护系统替换原有的多套模拟安全系统。

4.人机界面优化：通过 AI 技术改进控制室的人机界面，提供更直观、更智能的操作界面，减轻操作员的工作负荷。

小型模块化反应堆（SMR）的 AI 应用策略

小型模块化反应堆代表了核电技术的发展方向，其 AI 应用策略具有以下特点：

1.高度自动化：SMR 的设计理念强调高度自动化和简化的操作，AI 技术是实现这一目标的关键。

2.模块化设计：SMR 的模块化特点使得 AI 系统能够针对不同模块进行定制化设计，提高系统的灵活性和可维护性。

3.智能控制：由于 SMR 通常采用非能动安全系统，AI 技术主要用于功率控制、系统协调和故障诊断等方面。

4.远程监控：SMR 的小型化特点使其适合远程监控和集中管理，AI 技术在这方面发挥重要作用。

西屋公司与谷歌的合作项目展示了 SMR 领域的 AI 应用前景。该项目开发的 AI 解决方案将优化西屋 AP1000 反应堆、AP300 小型模块化反应堆和 Evinci 微反应堆技术的新核电部署。

先进反应堆的 AI 应用策略

先进反应堆包括高温气冷堆、熔盐堆、快中子堆等新型反应堆技术，其 AI 应用策略呈现出以下特点：

1.新型材料监测：先进反应堆通常采用新材料和新技术，AI 技术被用于监测这些新材料在极端条件下的性能。

2.复杂物理过程模拟：先进反应堆的物理过程更加复杂，AI 技术被用于实时模拟和预测反应堆的运行状态。

3.特殊安全系统：先进反应堆的安全系统与传统反应堆有很大不同，AI 技术被用于这些特殊安全系统的设计和运行。

4.燃料循环管理：一些先进反应堆采用独特的燃料循环方式，AI 技术被用于优化燃料管理策略。

X-energy 公司的 Xe-100 先进反应堆展示了 AI 在先进核电技术中的应用潜力。该反应堆专门设计用于为 AI 基础设施提供清洁、可靠的电力，能够 24/7 运行，具有最小的土地使用和最大的输出稳定性。

微反应堆的 AI 应用策略

微反应堆（功率小于 10 MW）是核电技术的最新发展方向，其 AI 应用策略具有以下特点：

1.完全自主运行：微反应堆通常设计为无人值守或极少人员值守，需要高度智能化的 AI 系统支持。

2.自适应控制：微反应堆可能需要根据负荷需求快速调整功率输出，AI 技术能够实现这种自适应控制。

3.简化的安全系统：微反应堆的安全系统相对简单，AI 技术主要用于系统协调和异常处理。

4.远程运维：微反应堆通常部署在偏远地区，需要通过远程方式进行运维，AI 技术在这方面发挥关键作用。

美国能源部的 DOME（微反应堆实验演示与运行）项目展示了微反应堆领域的 AI 应用前景。该项目的初步文档安全分析（PDSA）利用 AI 技术进行安全评估和风险分析。

3.4 与传统安全保障体系的融合方式

AI 技术在核电行业的应用必须与现有的安全保障体系有机融合，确保在提升效率的同时不损害核安全。NRC 在推进 AI 战略时，特别强调了这种融合的重要性和复杂性。

多层次安全保障体系的构建

核电行业传统上采用多层次的纵深防御（Defense-in-Depth）安全理念，AI 技术的引入必须与这一理念保持一致。NRC 的监管框架评估显示，现有法规中关于人类行动的要求可能与 AI 系统的使用产生冲突，特别是 10 CFR §50.54 (k) 和 §50.54 (m)(iii) 要求核电厂控制室必须有持证操作员或持证高级操作员持续在场。

为解决这一问题，NRC 正在探索以下融合方式：

1.人机协作模式：在关键安全功能中，AI 系统作为辅助工具，为操作员提供决策支持而非完全替代人类。

2.分级授权机制：根据安全功能的重要性，设置不同级别的 AI 参与程度。对于高风险操作，仍由人类操作员最终决策。

3.冗余设计：在引入 AI 系统的同时，保留传统的安全系统作为备份，确保在 AI 系统失效时仍能保证安全。

4.故障安全设计：AI 系统必须具备故障安全（Fail-Safe）特性，当检测到异常时能够自动切换到安全状态。

安全文化与 AI 技术的结合

核电行业的安全文化强调严谨、保守、质疑的态度，这与 AI 技术的创新、开放、探索特性存在一定张力。NRC 认识到，AI 技术的引入不能削弱现有的安全文化，而应该与安全文化相互促进。

具体融合措施包括：

1.培训与教育：加强对员工的 AI 技术培训，提高其对 AI 系统的理解和信任，同时强化安全意识。

2.透明度要求：要求 AI 系统具备可解释性，能够向操作员说明其决策依据和推理过程。

3.持续监测：建立对 AI 系统性能的持续监测机制，及时发现异常并采取措施。

4.经验反馈：建立 AI 系统运行经验的收集和反馈机制，不断改进系统性能。

技术标准与规范的更新

为确保 AI 技术与传统安全保障体系的有效融合，NRC 正在更新相关的技术标准和规范：

1.软件验证与确认（V&V）：针对 AI 系统的特点，制定专门的软件验证与确认要求，确保 AI 系统的可靠性和安全性。

2.网络安全要求：将 AI 系统纳入现有的网络安全框架，制定专门的防护措施和应急响应预案。

3.质量保证体系：将 AI 系统的开发、部署、运行、维护纳入现有的质量保证体系，确保全生命周期的质量控制。

4.监管审查流程：建立专门的 AI 系统监管审查流程，确保新引入的 AI 技术符合安全要求。

应急响应体系的整合

AI 技术的引入也对传统的应急响应体系提出了新的要求。NRC 正在探索如何将 AI 系统整合到现有的应急响应体系中：

1.AI 辅助决策：在应急响应过程中，AI 系统可以提供实时的数据分析和决策支持，帮助应急人员快速制定应对策略。

2.系统集成：将 AI 系统与现有的应急指挥系统、辐射监测系统、气象监测系统等进行集成，实现信息的快速共享和处理。

3.培训演练：将 AI 系统的操作和维护纳入应急培训和演练内容，提高应急人员对 AI 系统的熟悉程度。

4.备份方案：为 AI 系统制定专门的应急备份方案，确保在系统故障时仍能维持基本的应急响应能力。

4. 历史演进脉络：从数字化监管到 AI 战略

4.1 早期数字化监管框架的建立（2010-2018）

NRC 的数字化转型历程可以追溯到 2010 年代初期，这一时期的工作为后续 AI 战略的制定奠定了重要基础。

2010 年代初期的数字化起步

2010 年 1 月，NRC 发布了监管指南 5.71 修订版 1，题为 "核动力反应堆网络安全计划"，为实施 10 CFR 73.54 的要求提供指导。这一文件的发布标志着 NRC 开始正式关注数字化技术在核电监管中的应用，特别是网络安全方面的挑战。同年，核能协会（NEI）也发布了实施指南 NEI 08-09"核电厂网络安全计划"，为行业提供了具体的实施指导。

这一时期的工作重点主要集中在网络安全领域，反映了 NRC 对数字化技术带来的安全风险的早期认识。网络安全要求涵盖了与核电厂安全、安保和应急准备功能相关的数字计算机和通信系统的保护。

2016-2018 年的仪控系统现代化

2016 年，NRC 与核工业开始合作，推进 NRC 仪控（I&C）监管基础设施的现代化。这一合作的背景是美国运行中的反应堆希望高效地将数字升级整合到电厂系统中，以解决仪控组件的老化问题、提高整体电厂可靠性和其他因素。

这一阶段的工作成果包括：

1.开发了详细的仪控监管基础设施映射演示文档

2.创建了专门描述非轻水反应堆数字仪控指导的网站

3.更新了相关的监管指南和技术标准

2018 年 10 月，NRC 启动了 "未来评估"（Futures Assessment）工作，以确保在动态和不断变化的未来中继续有效履行使命。这一前瞻性评估使用情景规划方法来理解 NRC 外部环境可能发生的各种变化、NRC 可能受到的影响以及 NRC 可以采取的准备步骤。评估结果于 2019 年 1 月发布，题为 "NRC 任务领域的动态未来"。

4.2 风险导向监管与数字化转型（2019-2022）

2019 年标志着 NRC 数字化转型进入新阶段，这一年发生的几件重要事件为后续 AI 战略的制定奠定了基础。

核能创新与现代化法案的推动

2019 年 1 月，美国国会批准了《核能创新与现代化法案》（NEIMA），推动 NRC 进行监管现代化变革。该法案要求 NRC 为商业先进核反应堆建立许可流程的阶段，增加使用风险导向、基于性能的许可评估技术和指导，并在 2027 年底前建立鼓励更大技术创新的技术包容性监管框架。

这一法案的通过为 NRC 的数字化转型提供了法律依据和政策支持，特别是在先进反应堆的监管方面，传统的监管方法已经难以适应新技术的发展需求。

Futures Jam 与转型战略的制定

2019 年 6 月 18-20 日，NRC 举办了首届 Futures Jam，超过 73% 的 NRC 员工登录了虚拟 Jam 平台。通过实时分析、主动引导和后续数据分析，工作人员从 4000 多条评论中挖掘主题，这些主题成为 NRC 转型战略的基础。

基于 Futures Jam 的成果，NRC 制定了四大转型重点领域：

1.招聘、培养和留住强大的员工队伍

2.通过接受适当水平的风险而不损害 NRC 使命来改善决策

3.建立拥抱创新的文化

4.采用新的和现有的信息技术资源

为了促进转型工作并综合 Jam 会议中获得的信息，2019 年 10 月，核反应堆监管办公室（NRR）委托了 EMBARK Venture Studio 组织。EMBARK 的使命是作为 NRC 变革的催化剂，负责成为全 NRC 项目和企业办公室的创新和转型加速器。

AI 技术的早期探索（2020-2022）

2020 财年，NRC 通过核监管研究办公室的未来聚焦研究（FFR）计划开始投资 AI 研究，探索 AI 如何支持其使命并在全机构建立基础知识。随着近年来对 AI 兴趣的增长，几个 FFR 项目已经将重点转向 AI 主题，包括：

1.使用机器学习（ML）为检查计划提供信息

2.使用 AI/ML 表征网络安全状态

3.应用自然语言处理模型分析监管文档

2021 年，NRC 举办了数据科学和 AI 监管应用公开研讨会，这被视为其 AI 战略制定的重要起点。研讨会汇集了行业专家、技术供应商、研究机构等各方代表，共同探讨 AI 技术在核电监管中的应用前景和挑战。

2022 年 7 月 5 日，NRC 在联邦公报上发布了《2023-2027 财年人工智能战略计划》草案，向公众征求意见。草案的发布标志着 NRC 的 AI 战略从概念阶段进入正式制定阶段，也反映了 NRC 对 AI 技术重要性的深刻认识。

4.3 专项 AI 战略的制定与发布（2023-2025）

2023 年至 2025 年是 NRC AI 战略从发布到实施的关键时期，这一阶段的工作重点是将战略规划转化为具体行动。

AI 战略计划的正式发布（2023 年）

2023 年 5 月 31 日，NRC 正式发布了《人工智能战略计划：2023-2027 财年》（NUREG-2261），这标志着美国核电行业 AI 监管框架的正式确立。战略计划的发布经历了严格的制定过程，包括：

1.2021 年的数据科学和 AI 监管应用公开研讨会

2.2022 年的草案发布和公众意见征集

3.对收到的 105 条个人意见的详细分析和回应

4.内部专家的技术审查和修订

战略计划的发布得到了 NRC 领导层的高度重视。时任核监管研究办公室主任 Raymond V. Furstenau 在发布声明中指出："AI 战略计划阐明了 NRC 继续提高其审查和评估 AI 在 NRC 监管活动中应用的技能和能力、保持对技术创新的认识以及确保 AI 在 NRC 监管活动中安全可靠使用的前进道路"。

监管框架缺口评估（2023-2024）

2023 年 6 月至 2024 年 10 月期间，NRC 开展了全面的监管框架缺口评估（AIRGA），这是 AI 战略实施的重要基础工作。评估的主要目标是确定现有监管框架是否适用于 AI 在 NRC 监管活动中的使用，特别是监管指南是否提供了充分的指导来支持 NRC 对 AI 技术的评估。

评估工作的主要发现包括：

1.在 517 个监管指南中，约有 71 个存在潜在缺口

2.这些缺口被归类为八种类型，包括隐含人工操作、特殊计算、测试程序遗漏等

3.在大多数情况下，相关法规足以监管 AI 技术的使用，但存在一些例外

4.需要制定通用指导来解决跨领域的潜在缺口

2024 年 10 月，NRC 发布了《核应用中人工智能使用监管框架缺口评估》最终报告，为后续的监管框架完善提供了重要依据。

AI 治理架构的建立（2024-2025）

2024 年，NRC 在 AI 治理架构建设方面取得重要进展。9 月，NRC 与加拿大核安全委员会（CNSC）、英国核监管办公室（ONR）联合发布了《核应用中人工智能系统开发的考虑因素》，这是国际合作推进 AI 监管的重要成果。

进入 2025 年，NRC 的 AI 战略实施进入加速阶段：

1.2025 年 9 月，发布《美国核管理委员会人工智能合规计划》，以响应 OMB 备忘录 M-25-21 的要求

2.任命了首席 AI 官（Chief AI Officer），建立了 AI 治理委员会（AIGB）

3.发布了 FY26 人工智能战略计划的更新版本，进一步细化了实施路径

实施进展与挑战（2025 年）

截至 2025 年底，NRC 的 AI 战略实施取得了显著进展，但也面临一些挑战：

已完成的工作：

1.建立了完善的 AI 治理架构，包括 AIGB 和 AICoP

2.完成了监管框架缺口评估，识别了需要改进的领域

3.发布了多项技术指南和政策文件

4.建立了与国际监管机构的合作机制

5.启动了多个 AI 应用试点项目

面临的挑战：

1.AI 技术的快速发展与监管框架更新速度之间的矛盾

2.确保 AI 系统安全性与提高监管效率之间的平衡

3.培养具备 AI 专业知识的监管人才队伍

4.建立与行业的有效沟通机制

5.应对来自政治层面的压力和干扰

4.4 关键时间节点与政策演进轨迹

通过梳理 NRC AI 战略的历史演进，可以清晰地看到一条从数字化监管到专项 AI 战略的发展轨迹：

2010 年 - 网络安全意识觉醒：NRC 发布首个网络安全监管指南，标志着对数字化技术风险的早期认识。

2016 年 - 仪控现代化启动：NRC 与行业合作推进仪控系统监管基础设施现代化，为数字化转型奠定基础。

2018 年 - 未来评估开启：启动 Futures Assessment 工作，前瞻性地认识到技术变革对监管的影响。

2019 年 - 转型战略确立：通过 Futures Jam 制定四大转型重点，核能创新与现代化法案为数字化转型提供法律支持。

2020 年 - AI 研究起步：通过 FFR 计划开始 AI 研究，标志着对 AI 技术的正式关注。

2021 年 - 战略研讨启动：举办数据科学和 AI 监管应用研讨会，开启 AI 战略制定进程。

2022 年 - 草案发布征求意见：发布 AI 战略计划草案，广泛征求公众意见。

2023 年 - 战略正式发布：发布《2023-2027 财年人工智能战略计划》，标志着 AI 战略的正式确立。

2024 年 - 监管框架评估：完成监管框架缺口评估，为后续完善提供依据。

2025 年 - 治理架构完善：建立 AI 治理委员会和首席 AI 官职位，AI 战略实施进入新阶段。

这一演进轨迹反映了 NRC 对 AI 技术认识的不断深化：从最初的网络安全关注，到数字化监管基础设施建设，再到主动拥抱 AI 技术并制定专项战略。这一过程既体现了技术发展的客观要求，也反映了 NRC 作为监管机构的前瞻性思维和适应性调整能力。

值得注意的是，NRC AI 战略的制定并非孤立事件，而是在全球 AI 技术快速发展、核电行业数字化转型加速、国际竞争日趋激烈的大背景下的必然选择。同时，这一战略的制定也充分考虑了核安全的特殊性和监管的独立性要求，体现了在技术创新与安全保障之间寻求平衡的智慧。

5. 主要争议点与各方立场分析

5.1 技术安全争议：可靠性、可解释性与网络安全

NRC AI 战略在技术安全方面面临的争议是多维度的，涉及 AI 系统的可靠性、可解释性、网络安全以及与核安全文化的兼容性等核心问题。

AI 系统可靠性的根本性质疑

NRC 的研究报告明确指出，AI 系统最大的安全隐患在于其不可预测性。报告指出："目前没有方法可以量化系统中 AI 组件的故障概率，这使得很难信任 AI 组件能够以任何完整性级别执行功能"。这一根本性问题引发了对 AI 系统在核安全关键应用中使用的严重担忧。

具体的可靠性问题包括：

1.算法黑箱特性：AI 系统，特别是深度学习模型，往往被描述为 "黑箱"，其决策过程难以解释。这种特性与核安全要求的 "可解释性" 和 "可预测性" 存在根本性冲突。

2.训练数据偏差：AI 系统的性能高度依赖于训练数据的质量和代表性。如果训练数据存在偏差或不完整，可能导致系统在面对未知情况时做出错误决策。

3.环境适应性问题：核设施的运行环境复杂多变，AI 系统在实验室条件下表现良好，但在实际运行环境中可能出现性能下降或意外行为。

4.长期稳定性挑战：AI 系统的性能可能随时间发生变化，特别是在面对新的运行条件或异常情况时，系统的行为可能变得不可预测。

可解释性与核安全文化的冲突

核安全文化的核心是 "质疑的态度" 和 "保守的决策"，要求对所有安全相关的决策都有清晰的逻辑和充分的依据。然而，AI 系统的决策过程往往缺乏这种可解释性。

美国核管理委员会在 2024 年发布的《核设施 AI 技术导则》中，虽然关注 AI 系统的 "鲁棒性"，即应对极端场景的能力，允许模型在一定范围内出现误差，但强调必须确保不会引发严重安全后果。这一立场反映了 NRC 在技术创新与安全保障之间寻求平衡的努力。

业界对可解释性问题的观点存在分歧：

•支持派认为，随着技术的发展，可解释 AI（XAI）技术正在成熟，未来能够满足核安全的要求。

•反对派则坚持认为，核安全不能依赖于 "未来的技术"，必须基于现有的、经过验证的技术。

网络安全风险的放大效应

AI 系统的引入为核电设施带来了新的网络安全风险。国家安全机关的风险提示指出，人工智能技术存在的潜在风险主要涉及敏感数据、关键领域、用户利益等三个方面的安全问题。

具体的网络安全风险包括：

1.数据泄露风险：AI 系统需要大量的运行数据进行训练和优化，这些数据可能包含敏感的核设施运行信息。如果这些数据被恶意获取，可能造成严重后果。

2.算法攻击威胁：AI 系统可能面临对抗性攻击，恶意行为者通过精心设计的输入数据来欺骗 AI 系统，使其做出错误决策。

3.供应链风险：AI 系统的开发和部署涉及复杂的供应链，包括硬件、软件、数据等多个环节，任何一个环节的安全漏洞都可能被攻击者利用。

4.系统集成风险：AI 系统需要与现有的控制系统、安全系统等进行集成，这种集成过程可能引入新的安全漏洞。

故障安全设计的技术挑战

NRC 在评估报告中明确要求，应设计 "故障安全" 协议，以便在 AI 出现异常时将核电厂的控制权交还给人类。然而，实现真正的故障安全设计面临诸多技术挑战：

1.异常检测的困难：AI 系统的异常行为可能难以被及时检测，特别是当异常行为看起来 "合理" 时。

2.控制权切换的时机：在什么情况下应该切换控制权？过早切换可能影响系统效率，过晚切换则可能造成安全风险。

3.人工接管的能力：当 AI 系统出现异常时，人类操作员是否有能力和时间接管控制？这涉及到培训、程序、人机界面等多个方面。

4.系统冗余的成本：为确保故障安全，需要建立复杂的冗余系统，这将显著增加成本。

5.2 监管独立性争议：政治干预与标准松动

NRC AI 战略面临的最严重争议之一是监管独立性受到威胁，特别是来自政治层面的干预和对核安全标准的潜在削弱。

NRC 独立监管地位的历史传承与现实挑战

自 1974 年美国国会通过《能源重组法》废除原子能委员会（AEC）并成立 NRC 以来，NRC 一直作为独立的监管机构运作，不受政治或行业影响。这一独立性是美国核安全体系的基石，也是国际核安全领域的典范。

然而，近年来特别是 2025 年以来，NRC 的独立性面临前所未有的挑战：

1.行政命令的直接干预：2025 年 2 月，白宫通过 "确保所有机构问责制" 行政命令，使管理和预算办公室（OMB）能够监督此前独立机构的监管过程，这直接破坏了 NRC 的自主权。

2.政治化的人事任命：有报道称，NRC 的关键职位任命越来越受到政治因素影响，而非基于专业能力。

3.预算压力：通过预算控制来影响 NRC 的决策，迫使其在安全标准上做出让步。

安全标准的政治化倾向

最令人担忧的是，一些政治势力试图以 AI 发展的名义来降低核安全标准。2025 年 5 月 23 日，白宫发布的 "命令改革核管理委员会" 行政命令包含多项要求，包括：

•要求 NRC 对任何类型新反应堆的建造和运行申请在 "不超过 18 个月" 内做出最终决定，无论是否已为预期设计或以前未评估的安全机制建立安全记录

•要求 NRC 审查所有广泛的 NRC 法规，建议拆除核安全的关键支柱之一 —— 线性无阈值（LNT）模型及其相应的 ALARA（合理可行尽量低）风险原则

这一行政命令通过一系列未经证实的声明，将 LNT 和 ALARA 都定性为 "不科学的"，无视基于长期科学研究的国际共识，同时没有提供任何科学支持的替代方案。

行业利益与监管独立性的冲突

AI 行业对核电的巨大需求正在创造前所未有的利益冲突。据报道，AI 公司已经向美国政府要求到 2028 年提供 5-50 吉瓦的额外电力，以支持支撑 "规模就是一切" 范式的数据中心。这种需求正在推动一系列可能损害核安全的政策倡议：

1.快速审批压力：AI 公司和相关利益集团施压要求缩短核电项目的审批时间，从传统的 10 年以上压缩到 18 个月。

2.标准降低压力：以 "加快 AI 发展" 为名，要求降低核安全标准，包括辐射防护标准、安全距离要求等。

3.监管权限转移：试图将部分监管权限从 NRC 转移到能源部（DOE），因为 DOE 可能更倾向于支持核电发展。

利益相关者的不同立场

围绕监管独立性问题，不同利益相关者持有截然不同的立场：

支持维持独立性的一方：

•NRC 内部技术专家：坚持认为监管决策必须基于科学和技术，而非政治压力。

•核安全倡导组织：如 Union of Concerned Scientists 等组织，强烈反对任何削弱 NRC 独立性的举措。

•部分国会议员：特别是来自核电州的议员，担心降低安全标准会损害公众对核电的信任。

•国际监管机构：其他国家的核监管机构对美国的做法表示担忧，担心这会开创危险的先例。

支持放松监管的一方：

•AI 科技公司：认为严格的监管阻碍了 AI 的发展，要求 "合理" 的监管改革。

•核电企业：部分核电企业希望通过简化审批流程来降低成本，提高竞争力。

•部分政府官员：以 "国家安全" 和 "技术领先" 为由，支持加快核电审批。

•投资者：金融投资者希望通过缩短投资回收期来提高回报率。

监管框架的完整性受到威胁

除了独立性问题，NRC 的监管框架本身也面临挑战。NRC 的评估显示，现有法规中关于人类行动的要求可能与 AI 系统的使用产生冲突。例如，法规要求某些安全功能必须由人类执行，但 AI 技术的发展使得这些功能可以由机器执行。

这种冲突引发了更深层的问题：

1.法规修订的方向：是修改法规以适应 AI 技术，还是限制 AI 技术以符合现有法规？

2.安全底线的界定：在什么情况下可以允许 AI 系统替代人类执行安全功能？

3.责任归属问题：如果 AI 系统出现故障导致事故，责任如何界定？

5.3 成本效益争议：投入产出与行业竞争力

NRC AI 战略的成本效益问题是另一个重要的争议焦点，涉及巨额投资、不确定收益以及对核电行业竞争力的影响。

AI 技术投入的经济负担

美国核电行业调查显示，AI/ML 技术的开发和实施成本是一个主要挑战。调查指出："成本通常很高且需要前期投入，收益既不及时也不能保证"。这一观点反映了行业对 AI 投资回报的普遍担忧。

具体的成本构成包括：

1.技术开发成本：开发适用于核电环境的 AI 系统需要大量的研发投入，包括算法开发、模型训练、系统集成等。

2.基础设施投资：AI 系统需要强大的计算资源、存储设备、网络设施等，这些基础设施的建设和维护成本高昂。

3.人员培训成本：培养具备 AI 专业知识的员工队伍需要大量的培训投入，包括外部招聘和内部培训。

4.合规成本：为满足 NRC 的监管要求，企业需要进行大量的测试、验证、文档编制等工作。

5.机会成本：将资源投入 AI 技术可能意味着减少在其他领域的投资，如传统安全系统的升级、人员培训等。

收益的不确定性与时间滞后

尽管 AI 技术承诺带来诸多好处，但实际收益存在很大的不确定性：

1.技术成熟度风险：许多 AI 技术仍处于研发阶段，其在核电环境中的可靠性和有效性尚未得到充分验证。

2.投资回报周期长：AI 技术的收益往往需要较长时间才能显现，而前期投入是即时的。

3.效果难以量化：安全提升、效率改善等收益往往难以用货币直接衡量。

4.竞争环境变化：随着技术的快速发展，今天的投资可能在几年后就过时。

美国核电行业调查也指出，虽然完成 AI/ML 应用的参与者表示他们能够在开发成本与预期电厂改进之间取得平衡，但这种平衡是建立在成功实施的基础上的，而成功实施本身就存在很大的不确定性。

对核电行业竞争力的影响

AI 技术投资对核电行业竞争力的影响是复杂的，既可能带来优势，也可能造成负担：

潜在优势：

1.成本降低：通过提高效率、减少人员需求、优化维护计划等方式降低运营成本。

2.安全性提升：AI 技术有望提高核电站的安全性，从而减少事故风险和相关成本。

3.技术领先：在 AI 技术方面的领先可能使美国核电行业在国际市场上获得竞争优势。

4.人才吸引：AI 技术的应用可能帮助核电行业吸引年轻的技术人才。

潜在劣势：

1.初始投资巨大：巨额的前期投资可能使核电项目在与其他能源形式的竞争中处于劣势。

2.技术锁定风险：过度依赖 AI 技术可能使核电行业面临技术锁定的风险。

3.监管不确定性：NRC 的 AI 监管要求不明确，增加了投资的风险。

4.公众接受度：公众对 AI 技术在核电中的应用可能存在担忧，影响社会接受度。

不同利益相关者的成本效益观点

围绕成本效益问题，不同利益相关者有不同的关注点：

核电企业的观点：

核电企业普遍担心 AI 投资的成本效益。一家大型核电企业的负责人表示："我们面临着来自天然气、可再生能源等多种能源形式的竞争，AI 投资必须能够带来实实在在的竞争优势，而不仅仅是技术上的先进性。"

企业特别关注：

•投资回收期：希望 AI 投资能够在合理的时间内收回成本。

•风险分担：希望政府能够承担部分研发成本和风险。

•标准化程度：希望 NRC 能够提供明确的技术标准，避免重复投资。

投资者的观点：

金融投资者对 AI 投资持谨慎态度。一位投资分析师指出："核电本身就是一个资本密集型行业，AI 投资进一步增加了资本需求。我们需要看到明确的收益预期才能支持这样的投资。"

投资者关注的重点包括：

•投资回报率（ROI）：要求明确的财务回报预期。

•风险评估：需要对 AI 技术相关的风险进行全面评估。

•退出策略：考虑在技术失败时的退出机制。

监管机构的观点：

NRC 认为，虽然 AI 投资需要成本，但从长远来看是必要的：

•技术发展的必然性：AI 技术是未来的发展方向，监管机构必须适应。

•安全效益：AI 技术有望提高核安全水平，这种效益是无法用金钱衡量的。

•国际竞争力：保持技术领先对于维护美国在全球核电市场的地位至关重要。

纳税人的观点：

公众作为最终的纳税人，对 AI 投资的态度复杂：

•安全优先：大多数公众支持在核安全方面的投资。

•成本担忧：担心过高的成本最终会转嫁给消费者。

•技术怀疑：部分公众对 AI 技术在核电中的应用持怀疑态度。

5.4 国际监管差异与协调挑战

NRC AI 战略的实施还面临着国际监管差异带来的挑战，不同国家在 AI 技术应用、监管标准、安全理念等方面存在显著差异。

主要国家和地区的监管态度差异

全球主要核电国家和地区在 AI 技术应用于核电领域的态度存在明显差异：

美国：积极推进但内部分歧

美国在 AI 技术应用方面总体上持积极态度，但内部存在分歧。NRC 的 AI 战略体现了技术创新与安全保障之间的平衡努力。然而，来自政治层面的压力可能导致政策的不确定性。

欧盟：谨慎保守的监管方式

欧盟对 AI 技术在核电领域的应用持更加谨慎的态度。欧盟强调 AI 技术的 "可信 AI"（Trustworthy AI）原则，要求在应用 AI 技术时必须满足人类尊严、自由民主价值观、环境和社会福祉等基本权利。在核电领域，欧盟更倾向于维持现有的安全标准，对 AI 技术的引入持保守态度。

中国：积极拥抱与自主创新

中国在核电 AI 技术方面表现出积极拥抱的态度。《中国核能发展报告（2025）》明确指出，AI 与核能呈现双向融合发展态势，核电行业正在积极推动数智化升级，将 AI 技术应用于工程设计研发、工程建造、智能运维、智能决策等方面。

英国：平衡创新与安全

英国采取了相对平衡的策略，既鼓励技术创新，又坚持安全底线。英国核监管办公室（ONR）与 NRC、加拿大核安全委员会（CNSC）的三边合作体现了其在国际合作方面的积极态度。

日本：技术驱动与安全并重

日本在经历福岛事故后，对核安全格外重视。在 AI 技术应用方面，日本采取技术驱动的方式，重点关注 AI 在事故预防、应急响应等方面的应用。

韩国：标准化导向的发展模式

韩国在核电领域有着丰富的经验，在 AI 技术应用方面采取标准化导向的发展模式，注重制定统一的技术标准和监管要求。

国际合作的机遇与挑战

NRC 认识到国际合作的重要性，将其作为 AI 战略的五大目标之一。然而，国际合作也面临诸多挑战：

合作机遇：

1.技术共享：通过国际合作可以共享技术研发成果，降低研发成本。

2.标准协调：推动国际标准的统一，减少贸易壁垒。

3.经验交流：分享各国在 AI 技术应用方面的经验和教训。

4.风险分担：共同应对 AI 技术带来的新风险和挑战。

合作挑战：

1.标准差异：各国的技术标准、安全要求、监管体系存在差异，协调困难。

2.利益冲突：不同国家在核电市场上存在竞争关系，可能影响合作深度。

3.技术壁垒：涉及国家安全的技术可能受到出口管制，限制技术交流。

4.文化差异：不同国家的安全文化、监管理念存在差异，影响合作效果。

NRC 的国际合作策略

NRC 在推进 AI 战略的国际合作方面采取了多层次、全方位的策略：

多边合作机制：

1.CANUKUS 三边合作：与加拿大、英国建立的三边合作机制已经取得重要成果，三方共同发布了《核应用中人工智能系统开发的考虑因素》。

2.IAEA 合作：积极参与国际原子能机构（IAEA）的 AI 相关项目，包括 "核电行业 AI 解决方案部署的考虑因素和指导"、"AI 在核电厂安全影响" 等项目。

3.ISO/IEC 标准制定：参与国际标准化组织的 AI 标准制定工作，特别是 ISO/IEC 核应用 AI 标准。

双边合作关系：

NRC 与多个国家建立了双边合作关系，包括：

•加拿大：在 AI 技术应用和监管框架方面开展合作

•英国：在 AI 安全评估和风险管理方面进行交流

•法国：在先进反应堆 AI 应用方面分享经验

•德国：在 AI 系统验证和确认方面开展合作

区域合作倡议：

1.FRAGERUS（法国 - 德国 - 美国）：计划建立三国合作机制，共同推进 AI 在核电领域的应用。

2.亚太合作：加强与亚太地区国家的合作，特别是在小型模块化反应堆 AI 应用方面。

国际标准协调的复杂性

在国际标准协调方面，NRC 面临着复杂的挑战：

1.标准制定的主导权：不同国家都希望在国际标准制定中发挥主导作用，这导致了激烈的竞争。

2.技术路线的分歧：在 AI 技术的具体实现路径上，各国存在不同的技术路线选择。

3.安全理念的差异：不同国家对核安全的理解和要求存在差异，这直接影响了 AI 应用的标准制定。

4.法律体系的不同：不同的法律体系对 AI 系统的责任归属、事故赔偿等问题有不同的规定。

为应对这些挑战，NRC 采取了积极主动的策略，通过参与国际标准制定、开展技术交流、分享最佳实践等方式，努力在国际 AI 监管标准制定中发挥引领作用。同时，NRC 也认识到，在保持技术领先的同时，必须尊重各国的主权和监管独立性，通过平等协商来推动国际合作。

6. 未来发展方向与趋势预测

6.1 技术发展趋势：大语言模型、数字孪生与边缘计算

NRC AI 战略的未来发展将紧密跟随全球 AI 技术的演进趋势，特别是大语言模型（LLM）、数字孪生（Digital Twin）、边缘计算等前沿技术的发展将深刻影响核电行业的 AI 应用格局。

大语言模型在核电领域的应用前景

大语言模型技术的快速发展为核电行业带来了革命性的机遇。西屋公司已经开发了专门的生成式 AI 模型 Bertha™，用于 "AI 驱动的许可支持"，该模型已在其专有的 75 年核文档库上进行了训练。这一案例展示了 LLM 在核电行业的巨大潜力。

LLM 在核电领域的主要应用方向包括：

1.智能文档处理：

•自动审查和分析海量的技术文档、安全报告、维护记录等

•智能生成监管申报文件、技术规范、操作程序等

•实时翻译和理解不同语言的技术资料

•智能问答系统，为工程师和操作员提供即时技术支持

2.知识管理与传承：

•捕获和保存资深专家的隐性知识

•建立智能知识库，实现知识的快速检索和应用

•辅助新员工培训，加速技能提升

•支持跨部门、跨地域的知识共享

3.安全分析与决策支持：

•分析事故报告，识别潜在的安全隐患

•评估设计变更的安全影响

•预测异常工况的发展趋势

•为应急响应提供决策支持

然而，LLM 在核电领域的应用也面临挑战：

•准确性要求：核电领域对准确性要求极高，任何错误都可能导致严重后果

•可解释性需求：监管机构要求了解决策的依据，而 LLM 的 "黑箱" 特性可能不满足要求

•数据隐私保护：核设施的运行数据涉及国家安全，需要严格的保护措施

•可靠性验证：需要建立完善的验证机制，确保 LLM 输出的可靠性

数字孪生技术的深度融合

数字孪生技术正在成为核电行业数字化转型的核心技术之一。中国自主研发的核电站新一代数字化仪控系统已经融合了数字孪生技术，为操作员提供了故障诊断、早期预警、辅助决策等智能化功能。

数字孪生在核电领域的应用特点包括：

1.全生命周期管理：

•设计阶段：通过数字孪生优化设计方案，预测性能表现

•建造阶段：实时监控建造过程，确保质量和进度

•运行阶段：实时模拟运行状态，优化操作策略

•退役阶段：模拟退役过程，制定最优方案

2.预测性维护与健康管理：

•实时监测设备状态，预测剩余寿命

•识别潜在故障，提前制定维护计划

•优化维护策略，降低维护成本

•支持远程诊断和维护

3.安全分析与事故模拟：

•模拟各种事故场景，评估安全系统性能

•优化应急响应方案，提高应对能力

•支持安全培训和演练

•评估设计变更的安全影响

X-energy 公司的 Xe-100 先进反应堆项目展示了数字孪生技术的应用前景，该公司计划在 2025-2027 年首次部署 Xe-100 数字孪生系统。

边缘计算的分布式智能架构

边缘计算技术的发展为核电设施提供了新的智能化架构选择。边缘计算将计算能力部署在靠近数据源的位置，减少了数据传输延迟，提高了系统的实时响应能力。

边缘计算在核电领域的优势包括：

1.实时控制与监测：

•在现场直接处理传感器数据，实现毫秒级响应

•支持分布式控制系统的智能化升级

•减少中央处理系统的负担，提高系统可靠性

2.数据安全与隐私保护：

•在边缘端处理敏感数据，减少数据传输风险

•支持数据的选择性上传，保护商业秘密

•满足核设施对数据安全的严格要求

3.智能化设备集成：

•支持智能传感器、智能执行器等边缘设备

•实现设备的自主决策和协同工作

•降低对中央系统的依赖，提高系统的韧性

4.5G 与边缘计算融合：

•利用 5G 网络的低延迟特性，支持实时控制应用

•实现大范围、高密度的设备连接

•支持移动机器人、无人机等新型应用

技术融合的发展趋势

未来，大语言模型、数字孪生、边缘计算等技术将呈现融合发展的趋势：

1.AI + 数字孪生：

•LLM 与数字孪生结合，实现智能化的系统分析和优化

•利用 LLM 的推理能力增强数字孪生的分析功能

•支持自然语言交互的数字孪生系统

2.边缘 AI 架构：

•在边缘设备上部署轻量级 AI 模型，实现分布式智能

•中央系统负责模型训练和全局优化

•边缘节点负责实时推理和本地决策

3.云 - 边 - 端协同：

•云端：负责大规模模型训练、全局优化、数据存储

•边缘：负责中等规模的推理、局部优化、实时处理

•终端：负责数据采集、简单推理、执行控制

4.量子计算的潜在影响：

虽然量子计算技术仍处于早期阶段，但其在复杂系统模拟、优化算法、密码学等方面的潜力可能为核电 AI 应用带来革命性变化。

6.2 监管框架的演进路径与政策预期

基于 NRC AI 战略的实施进展和当前的政策环境，可以预见未来几年 NRC 监管框架将经历重要的演进过程。

分阶段实施策略与里程碑规划

NRC 的 AI 战略实施遵循明确的分阶段策略，根据最新的项目计划修订版，各阶段的重点任务和预期完成时间如下：

近期目标（2025-2026 年）：

1.组织架构完善：完成 AI 治理委员会（AIGB）的组建和运作机制建立

2.人才队伍建设：完成 AI 技能评估和培训计划制定，启动首批 AI 专业人才招聘

3.标准体系建设：参与 ISO/IEC 核应用 AI 标准制定，启动国内标准的修订工作

4.试点项目启动：与行业合作开展首批 AI 应用试点，包括安全评估、设备监测等领域

中期目标（2027-2028 年）：

1.监管框架更新：完成主要监管指南的修订，纳入 AI 技术相关要求

2.技术能力提升：建立完善的 AI 系统评估能力，包括验证、确认、安全评估等

3.国际合作深化：完成与主要国家的双边合作协议签署，建立常态化交流机制

4.应用推广：AI 技术在监管活动中的应用覆盖率达到 30% 以上

长期目标（2029-2030 年）：

1.全面整合：AI 技术深度融入 NRC 的各项监管活动，实现智能化监管

2.标准成熟：建立完善的 AI 监管标准体系，与国际标准全面接轨

3.国际引领：在国际 AI 监管标准制定中发挥主导作用

4.持续改进：建立 AI 技术应用的持续改进机制

配套政策与标准的制定预期

根据 NRC 的规划，未来几年将出台一系列配套政策和标准：

2026-2027 年预期出台的政策：

1.AI 系统安全评估指南：明确 AI 系统在核设施中应用的安全评估要求和方法

2.AI 算法验证与确认规范：制定 AI 算法的 V&V 标准，确保算法的可靠性和安全性

3.人机协作监管要求：明确 AI 系统与人类操作员协作的监管要求

4.数据保护与隐私规则：制定 AI 系统数据处理的安全要求

2028-2030 年预期出台的政策：

1.AI 自主决策监管框架：针对高自主性 AI 系统制定专门的监管框架

2.量子计算应用指导：随着量子计算技术的成熟，制定相关应用指导

3.国际互认协议：与主要贸易伙伴签署 AI 监管互认协议

4.新兴技术适应性条款：建立快速响应新兴技术的监管机制

与国际监管标准的协调趋势

NRC 在推进 AI 战略时高度重视与国际标准的协调，未来的协调趋势包括：

1.ISO/IEC 标准的采纳与本土化：

•积极参与 ISO/IEC TS 18009 系列核设施 AI 应用标准的制定

•根据美国国情，制定相应的实施细则和补充要求

•推动国内标准与国际标准的兼容性认证

2.多边合作机制的深化：

•CANUKUS 三边合作将扩展到更多技术领域，包括先进反应堆、SMR 等

•与欧盟在 AI 伦理、数据保护等方面加强协调

•建立亚太地区核监管机构 AI 合作机制

3.监管互认的探索：

•与技术水平相当的国家探索监管互认机制

•建立联合评估程序，减少重复审查

•推动关键技术和设备的认证互认

4.最佳实践的共享：

•建立国际 AI 监管最佳实践数据库

•定期举办国际研讨会，分享经验和教训

•建立应急响应的国际协作机制

应对技术快速发展的监管创新

面对 AI 技术的快速发展，NRC 正在探索新的监管方法：

1.适应性监管（Adaptive Regulation）：

•建立灵活的监管框架，能够快速适应技术变化

•采用 "监管沙盒" 模式，允许在受控环境中测试新技术

•建立定期评估机制，及时更新监管要求

2.基于风险的分级监管：

•根据 AI 系统的风险等级，采用不同的监管强度

•对高风险应用实施严格监管，对低风险应用简化程序

•建立动态风险评估机制，根据技术发展调整风险等级

3.预防性监管机制：

•提前识别和评估新技术可能带来的风险

•建立技术发展监测系统，及时掌握技术趋势

•与行业、学术界建立前瞻性研究合作

4.透明度与公众参与：

•建立 AI 监管决策的透明机制，及时公布监管决定

•定期发布 AI 技术应用的安全报告

•建立公众参与渠道，回应社会关切

6.3 实施路径规划与行业推广计划

NRC AI 战略的成功实施需要精心的路径规划和系统的行业推广计划。

试点项目的选择与实施策略

NRC 计划通过试点项目来验证 AI 技术的可行性和安全性，试点项目的选择遵循以下原则：

1.风险分级原则：

•第一阶段：选择低风险应用，如文档管理、数据分析等

•第二阶段：扩展到中等风险应用，如设备监测、状态评估等

•第三阶段：探索高风险应用，如安全系统控制、应急响应等

2.技术成熟度评估：

•优先选择技术相对成熟、已有成功案例的应用

•对于新技术，要求提供充分的验证数据

•建立技术成熟度评估标准和流程

3.行业参与度考量：

•选择有积极性的核电企业作为试点合作伙伴

•确保试点项目具有代表性，能够推广到全行业

•建立激励机制，鼓励企业参与试点

4.监管独立性保障：

•在试点过程中保持监管的独立性和客观性

•建立严格的评估标准，不因为试点而降低要求

•及时总结经验教训，为后续推广提供依据

与行业的合作机制建设

NRC 认识到，AI 战略的成功实施离不开与行业的密切合作，未来将建立多层次的合作机制：

1.战略合作伙伴关系：

•与主要核电企业建立战略合作伙伴关系

•签署合作协议，明确双方的权利和义务

•建立定期沟通机制，及时解决合作中的问题

2.技术联盟建设：

•建立核电 AI 技术联盟，整合行业资源

•共享研发成果，降低研发成本

•协调技术标准，避免重复投资

3.人才培养合作：

•与高校合作建立 AI 人才培养基地

•开展联合培训项目，提升行业 AI 应用能力

•建立人才交流机制，促进知识转移

4.创新平台建设：

•建立 AI 技术创新中心，提供研发支持

•建设测试验证平台，为新技术提供验证环境

•建立技术展示中心，推广成功案例

行业推广的时间表与路线图

基于试点项目的经验，NRC 制定了分阶段的行业推广计划：

2025-2026 年：基础推广期

•完成首批试点项目，总结经验教训

•发布 AI 应用指导原则和最佳实践

•开展全行业的 AI 技术培训

•建立 AI 应用评估标准和流程

2027-2028 年：规模化推广期

•扩大试点范围，覆盖更多应用场景

•建立 AI 应用认证体系

•推动 AI 技术在新建项目中的应用

•支持现有设施的 AI 升级改造

2029-2030 年：全面普及期

•AI 技术成为新建核电项目的标准配置

•大部分现有设施完成 AI 升级

•建立完善的 AI 监管和运维体系

•形成成熟的 AI 应用生态系统

投资计划与资源配置

NRC AI 战略的实施需要大量的资源投入，未来的投资计划包括：

1.预算安排：

•2025-2027 年：年度预算 2000-3000 万美元，主要用于研发和试点

•2028-2030 年：年度预算 5000-8000 万美元，主要用于推广和维护

•总投资预期：2.5-3 亿美元（2025-2030 年）

2.人力资源配置：

•新增 AI 专业技术人员：100-150 人

•现有人员 AI 培训：500-800 人次

•外部专家聘用：20-30 人 / 年

3.基础设施投资：

•高性能计算平台：2000 万美元

•数据中心升级：1500 万美元

•网络安全设施：1000 万美元

•测试验证环境：1500 万美元

4.研发投入：

•算法研发：3000 万美元

•系统集成：2000 万美元

•标准制定：1000 万美元

•国际合作：500 万美元

风险评估与应对措施

在推进 AI 战略实施过程中，NRC 识别出以下主要风险并制定了相应的应对措施：

1.技术风险及应对：

•风险：AI 技术发展不及预期，无法满足核电要求

•应对：建立多元化技术路线，不依赖单一技术；加强国际技术合作，引进先进技术

2.安全风险及应对：

•风险：AI 系统可能引入新的安全隐患

•应对：建立严格的安全评估机制；采用冗余设计，确保系统安全

3.监管风险及应对：

•风险：监管政策可能受到政治干预

•应对：坚持科学决策，建立透明的决策机制；加强与国会的沟通，争取支持

4.市场风险及应对：

•风险：核电企业可能因成本原因抵制 AI 技术

•应对：提供政策支持和资金补贴；展示 AI 技术的经济效益；建立激励机制

5.国际竞争风险及应对：

•风险：其他国家可能在 AI 核电应用方面领先

•应对：加大研发投入，保持技术领先；加强国际合作，共同制定标准；建立技术壁垒，保护核心技术

6.4 国际合作前景与标准化趋势

随着 AI 技术在全球范围内的快速发展，国际合作和标准化已成为 NRC AI 战略成功的关键因素。

多边合作机制的深化与扩展

NRC 在 AI 领域的国际合作呈现多层次、全方位的发展态势：

1.CANUKUS 三边合作的深化：

NRC 与加拿大核安全委员会（CNSC）、英国核监管办公室（ONR）的三边合作已经取得重要成果。三方于 2024 年 9 月共同发布了《核应用中人工智能系统开发的考虑因素》，为全球核电行业的 AI 应用提供了重要指导。未来的合作重点包括：

•联合技术研发：共同开展 AI 技术在核电安全评估、设备监测等方面的研究

•标准制定：协调三方在 AI 监管标准方面的立场，推动国际标准的统一

•人员交流：建立技术人员交流机制，分享最佳实践

•应急协作：建立 AI 系统故障的跨境应急响应机制

2.IAEA 框架下的全球合作：

NRC 积极参与国际原子能机构（IAEA）的 AI 相关项目，包括：

通过这些项目，NRC 不仅分享了美国的经验，也学习了其他国家的做法，为制定全球统一的 AI 监管框架奠定了基础。

•"核电行业 AI 解决方案部署的考虑因素和指导" 项目（2024-2026 年）

•"AI 在核电厂安全影响" 研究项目（2024-2026 年）

•"AI 与严重事故" 研究项目（持续进行）

•"AI 路线图" 制定项目（2025 年启动）

3.新的多边合作倡议：

•FRAGERUS（法国 - 德国 - 美国）三边合作：计划于 2025 年启动，重点关注先进反应堆的 AI 应用

•亚太核监管机构论坛（APRAS）：加强与亚太地区国家在 AI 监管方面的合作

•G7 核监管机构合作：在 G7 框架下推动 AI 监管标准的协调

国际标准制定的主导权竞争与合作

在国际标准制定方面，NRC 面临着机遇与挑战并存的局面：

1.ISO/IEC 标准制定的参与策略：

NRC 作为 ISO/IEC JTC 1/SC 45A（核设施电气设备）的积极参与者，在 AI 标准制定中发挥重要作用。特别是在以下标准的制定中：

NRC 的策略是在技术内容上发挥主导作用，同时尊重其他国家的意见，寻求共识。

•ISO/IEC TS 18009-1: 核设施 AI 应用 第 1 部分：通用要求

•ISO/IEC TS 18009-2: 核设施 AI 应用 第 2 部分：安全要求

•ISO/IEC TS 18009-3: 核设施 AI 应用 第 3 部分：验证与确认

2.与欧盟标准的协调：

欧盟在 AI 伦理和数据保护方面有严格的要求，其 AI 法案（AI Act）对全球都有重要影响。NRC 需要在以下方面与欧盟协调：

•AI 伦理原则：确保 AI 应用符合基本人权和价值观

•数据保护要求：在满足监管需求的同时保护商业秘密

•风险分级方法：协调对 AI 系统风险等级的认定标准

•认证互认机制：探索建立跨大西洋的 AI 系统认证互认机制

3.与亚洲国家的标准合作：

中国、日本、韩国等亚洲国家在核电 AI 应用方面发展迅速，NRC 需要加强与这些国家的标准合作：

•技术交流：分享在特定技术领域的经验

•标准互认：探索在部分标准上的互认机制

•联合研发：在共性技术方面开展合作研发

•人才培养：建立联合人才培养项目

技术输出与市场机遇

美国在核电 AI 技术方面的领先地位为其带来了重要的市场机遇：

1.技术许可与转让：

•向发展中国家输出成熟的核电 AI 技术

•提供技术培训和咨询服务

•建立技术转让的标准合同模板

2.设备与系统集成：

•出口集成 AI 功能的核电设备

•提供整体解决方案，包括硬件、软件、服务

•建立全球服务网络，提供技术支持

3.监管服务输出：

•为其他国家提供 AI 监管咨询服务

•协助建立 AI 监管体系

•提供人员培训和认证服务

4.国际项目合作：

•参与国际核电项目的 AI 系统设计

•提供第三方安全评估服务

•建立国际合资企业，共同开发市场

标准化趋势与发展方向

基于当前的技术发展和国际合作态势，可以预见以下标准化趋势：

1.从技术标准向综合标准演进：

•初期：重点关注技术性能标准，如精度、可靠性、响应时间等

•中期：扩展到安全标准，包括功能安全、信息安全、辐射安全等

•长期：发展为涵盖技术、安全、伦理、法律的综合标准体系

2.从单一标准向标准体系发展：

•建立基础标准：定义术语、基本概念、通用要求

•制定技术标准：规定具体技术要求和测试方法

•形成应用标准：针对特定应用场景的专门要求

•构建评估标准：规范评估方法和认证程序

3.从强制性标准向推荐性标准转变：

考虑到技术发展的快速性和多样性，未来可能更多采用推荐性标准，允许在满足基本安全要求的前提下，采用不同的技术路线。

4.从产品标准向过程标准延伸：

•设计过程标准：规范 AI 系统的设计流程和方法

•开发过程标准：规定 AI 系统的开发、测试、验证要求

•运维过程标准：明确 AI 系统的运行、维护、更新要求

•退役过程标准：制定 AI 系统退役和数据处理的规范

5.国际标准的动态更新机制：

•建立定期审查机制，每 3-5 年更新一次

•建立快速响应机制，对新技术及时制定临时标准

•建立反馈机制，收集实施中的问题并及时改进

•建立协调机制，确保不同标准之间的一致性

通过积极参与国际合作和标准制定，NRC 不仅能够确保美国在核电 AI 技术方面的领先地位，也能够为全球核电行业的安全发展做出贡献。同时，国际合作也有助于分散技术风险，降低研发成本，加速技术创新，最终实现共赢的局面。

核技术论坛

阅读 赞 分享 言