五个核心问题与回答
为什么先进核能需要 AI 原生体系？
传统核工控系统已经很严格，增加 AI 有什么必要？
ADANES 耦合加速器、核反应、燃料循环和多学科工程，复杂度使局部模型与人工经验逐渐触及边界。论坛提出感知、认知、决策、控制一体化，但 AI 必须在核安全规则内工作。
“物理本真世界模型”要解决什么？
行业大模型掌握核知识不够吗？
知识问答不能推演装置状态。世界模型要把粒子规律、工程状态、历史数据和专家知识连接起来，预测风险并验证策略。它的可信度来自机理约束和现实校准，而不是语言流畅度。
为什么进入核领域的 AI 不能是黑箱？
如果黑箱模型长期测试准确，是否可以接受？
赵红强调每个动作要有理论可靠性、每个边界要有理论保证。高准确率仍可能在极端工况失效，系统必须解释约束、保留审计并支持人工接管。
多智能体在核系统中负责什么？
是不是让多个专家模型互相讨论？
更具体的是任务分解、异常处理、多步决策和工具调度。不同 Agent 可以承担感知、推演、控制与评审，但最终行动必须由统一安全规则和权限体系约束。
统一数据源为何是工程前提？
各装置已有自己的数据系统，为什么还要统一？
模型需要跨设计、试验和运行阶段理解同一对象。统一不等于所有数据集中，而是标识、语义、权限和版本可贯通；数字孪生再让对象随真实状态演化。
沿着对话，回到问题如何展开
论坛嘉宾：先进核能要在清洁低碳体系中同时回应安全、资源利用、经济性与防扩散。
纪要：AI 是增量手段，不能替核能主路线解决物理与经济成立性。两条证据链需要分别验证。
詹文龙：ADANES 结合加速器驱动次临界系统与干法燃料循环，希望提高燃料利用并减少长期废物。
纪要：多年装置建设提供了阶段进展，商业成熟仍取决于示范系统、安全审查和完整经济性。
周庆国：要构建面向物理本真的粒子世界模型，让它与核领域专家、工程师共同驾驭更安全的核能。
纪要：“更懂”应转化为可测试问题：能否预测未见工况、误差边界如何、策略是否满足守恒与控制约束。
赵红：进入核领域的 AI 不能是黑箱，每个动作要有理论可靠性，每个边界要有理论保证。
纪要：这要求模型输出与控制规则、形式验证和实时监测协同。概率模型不能单独承担最终安全证明。
李林静：面向 ADANES，AI 必须知道怎样拆任务、处理异常和进行多步决策。
纪要：对话只是人与系统交互的一层，真正价值发生在受约束的工程工作流与装置反馈中。
于永峰：统一数据源让模型贯通，AI 让数据可理解，孪生让对象可演化。
纪要：三者形成从历史档案到实时工程对象的路径，也带来跨机构数据治理与责任问题。
论坛嘉宾：核安全是第一生命线，产业 AI 必须解决真实痛点；材料智能化等方向仍需正视多年目标尚未完全兑现。
纪要：论坛最有价值的共识不是“AI 无所不能”，而是越高风险的场景越要把能力、证据和授权拆开建设。
现场画面
