五个核心问题与回答
为什么先进核能不能只叠加几个 AI 算法？
预测维护、视觉检测和控制优化分别做好，不就已经智能化了吗？
ADANES 将微观粒子运动、核反应、宏观工程、材料、控制和安全耦合在同一系统里。局部模型可以优化一个环节，却可能忽略跨系统影响。何源提出的目标不是功能拼盘，而是用统一世界模型把感知、推演、决策和反馈连成闭环。
“物理本真”为什么比数据拟合重要？
数据足够多时，端到端模型是否可以直接学习运行规律？
在安全关键系统中，运行数据覆盖不了所有异常，纯相关性模型也可能在未见工况失效。世界模型需要把微观规律与宏观行为联系起来，并接受物理规律、控制理论、专家经验、运行规程和安全规则的共同约束。
自治闭环具体由哪些环节组成？
系统怎样从“看见状态”走到“可信执行”？
多元感知提供实时状态，世界模型完成风险推演和策略预验证，受约束的决策层选择行动，执行反馈再回流更新认知。任何一环缺失，自治都可能变成不可解释的自动化。
为什么要从局部自治慢慢走向系统自治？
如果架构目标已经清楚，为什么不直接做全局自动控制？
核能系统的失败代价决定了必须分层推进。局部任务先在明确边界内验证，积累可信数据与审计机制，再扩大自治范围。这里的成熟度不是“模型会多少”，而是“多少行为能够在安全治理下被授权”。
联盟真正要解决的是什么？
跨单位合作只是为了汇集更多算力和数据吗？
更核心的是打通学科、单位和验证平台：统一数据接入、建立物理本真世界模型、确保物理世界可控、实现智能体协同调度并支持系统持续学习。技术挑战之外，还有数据标准、知识产权、保密与责任分配。
沿着对话，回到问题如何展开
何源：ADANES 是微观物理、宏观物理与宏观工程交织的复杂系统。面对这种复杂性，AI 不只是一种算法工具，而可能成为变革性生产力。
纪要：这不是因为核能需要更多算法，而是传统分系统建模逐渐触到边界：一个局部优化可能通过耦合关系影响整个系统，智能化必须理解整体状态。
何源：世界模型以粒子运动和核反应规律为基础，建立微观过程与宏观系统行为的联系，用于状态认知、风险推演和策略预验证。
纪要：“本真”不是宣称模型等同现实，而是要求它的推演有机理依据、适用边界可说明，不能只靠历史相关性在正常工况内表现良好。
何源：物理规律和控制理论提供机理约束，专家经验、运行规程与安全规则提供知识约束，共同限制智能决策。
纪要：这使系统更像受监管的工程 Agent，而非自由探索的通用 Agent。高价值能力不只是找到更优策略，也包括知道哪些策略即使看起来高效也绝不能尝试。
何源：多元感知持续提供状态，世界模型进行推演，策略经过约束和预验证后再进入执行，反馈继续驱动系统演化。
纪要：预演降低了直接在物理系统中试错的代价，但也把验证压力转移到世界模型本身：它是否覆盖极端工况、误差如何累积、计算成本是否可承受，都需要真实平台检验。
何源：整个体系要在安全治理框架下，由局部自治逐步走向系统级自治。
纪要：“逐步”是这场演讲最重要的边界。每扩展一层自治，都必须同步扩展监测、解释、授权与回退能力；否则自治范围增长只会放大未知风险。
何源：联盟希望以 AI 为纽带打通学科、单位和平台，让 AI 原生进入 ADANES 的工程底座。
纪要：技术链路可以列成五层，真正困难的是让来自不同组织的数据、模型和责任在同一系统中协作。这也是复杂工业 Agent 最容易被低估的非算法成本。
现场画面
