生态环境部核与辐射安全中心 AI 是如何思 考 这个问题的？ 01 AI 对 AI 赋能核安全监管的思考 02 国际上核安全监管在 AI 的进展 03 核安全监管信息化工作汇报 04 面向未来的进化路径 CONTENTS AI 对 AI 赋能核安全监管的思 考 核安全：文明发展的关键命题 人类文明的代际划分是 基于能源的应用 核物理本质上是对世 界本源的探究 文明演进的风险镜像 完成知识分类体系梳理及知识管理系统一期建设 ，形成十大知识库。 面向未来的进化路径 全域感知网络与边缘智能 02 、边缘智能部署 在核电站本地部署轻量化 AI 模型（如 TinyML ） ， 实现辐射泄漏等紧急事件的毫秒 级响应 ， 减少云端依赖 ，提高应急处理的 及 时性和可靠性。 AI 技术进化路径： 从“工具辅助”到“ 自主协同” 01 、多模态感知网络构建 集成核设施传感器（辐射、 集成核设施传感器（辐射、 温度） 、 卫星 遥 感（地理风险） 、 无人机巡检（设备腐 蚀检 测） 数据流 ，构建全域感知网络 ， 实 现对核 设施全方位、 多角度的实时监测。 AI 技术进化路径： 从“工具辅助”到“ 自主协同” 因果推理与数字孪生决策 因果 AI 的应用 01 突破传统相关性分析 ，构建核事故因果链模型（如冷却系统失 效→堆芯熔毁→放射性扩散） ，提升风险归因能力

赋能打通全链路智能化测试闭环，通过智能需求分析、 智能用例生成、缺陷根因分析等能力实现高效精准验证；另一方面强 化对 AI 系统自身的深度测试，形成“以 AI 测 AI”的自我进化闭环。 （4） 运维智能化聚焦“主动防御-智能进化”的体系构建。以 AI for OPS 为核心实现故障预测、根因定位、自愈执行的闭环管控， 通过日志智能分析、异常模式挖掘、演练自动化提升系统韧性；以 Ops for 辑错误和设计缺陷，还能给出具体修复方案，实践表明可大幅度降低 代码缺陷率。与传统工具相比，AI 驱动的质量体系具有可持续优化、 技术门槛降低与动态适应性等优势。智能代码质量防控的核心价值在 于构建“人机协同+持续进化”的质量防控体系：开发者不仅是代码 编写者，更是规则定义者与优化推动者；系统则通过学习人类反馈和 业务需求，不断迭代检测能力，最终形成动态适应技术栈与业务场景 的“智能护城河”。随着大模型推理能力的增强与行业知识库的完善， 促进团队技能提升， 对于人员流动性较大的开发团队而言，这种知识资产的沉淀尤为重要。 （4） 智能 CI/CD 体系正在引领 DevOps 的全面升级 现代 CI/CD 系统已从简单的自动化工具进化为具备智能决策能 力的开发中枢。在构建环节，智能系统能够实时分析编译错误和依赖 冲突，通过深度学习模型快速定位问题根源。当构建失败时，系统不 仅会指出具体错误位置，还能基于历史构建记录推荐最可能的修复方

几项关键能力 企业级 转型战略 组织 机制 文化 氛围 自主 + 合作并重 战略 + 执行统筹 业务 + 技术驱动 顶层 设计 平台 赋能 生态 落地 持续 迭代 自我进化 坚持 1 个全局转型战略 创造 2 个保障条件 贯彻 3 个核心原则 推进 4 个关键行动 13 Huawei Confidential 华为认为：“愿景驱动”是数字化转型的核心，“不拘泥于现 动，实现功能级迭代 战略目标优化与调整， 实现规划级迭代 能力沉淀 平台不断增强，实现平台级迭代 业务 技术 顶层设计 思考与建议三：通过顶层设计驱动业务和技术的融合创新， 分层迭代，实现智慧水利的自我进化 18 Huawei Confidential 平台以相对稳定架构承载多变的业务需求和飞速发展的技术，助力数字化能力成长 运 营 体 系 安 全 体 系 • 应用模型沉淀 • 数据资产积累

AI 赋能的智能化阶段， ISOC 成为核心概念，通过大数据、AI 技术（特别是大模型和 AI Agent）实现威胁检测、事件分析、响应处置、 威胁狩猎等环节的自动化和智能化，构建人机协同、持续进化的主动防御体系，以更高效、更智能的方式应对 复杂多变的网络安全威胁。 阶段特点：  数据驱动：以数据为核心，构建安全数据湖，为安全分析提供全面的数据支撑。  AI 赋能：广泛应用 AI 技术提升安全运营的智能化水平。AI  量化管理：建立量化的安全指标，对安全运营体系的效果进行量化和评估。 2.2 ISOC 的理念 智能化安全运营中心（ISOC）的核心理念是以数据驱动和 AI 赋能为双引擎，构建人机协同、持续进化的主 动防御体系，实现安全运营的自动化、智能化和自适应，并最终将安全运营与业务目标深度融合。理念强调数 据是 AI 模型训练和优化的基础，为 AI 赋能提供高质量的数据支撑，从而提升智能化水平；反过来，AI 构建更主动的防御能力，利用威胁情报、AI 预测、威胁狩猎等实现事前预防；  倡导更高效的人机协同，AI 辅助分析决策，分析师专注于复杂威胁研判；  拥有更持续的优化能力，利用 AI 模型的自学习能力实现安全运营体系的持续进化。 2）ISOC 的主要目标 ISOC 的主要目标是多维度的。致力于  提高安全运营效率，通过 AI 驱动的检测和自动化响应缩短 MTTD 和 MTTR；  降低安全运营成本，通过自动化

江苏、山东等化工园区高密集地区更是明确 提 出在 2015 年底前，建成集日常管理、监测监控、预测预警、应急联动等功能为一体的应急指挥和信息平台。 • 2015 年，工业和信息化部发布《关于促进化工园区规范发展的指导意见（工信部原〔 2015 〕 433 号）》 ，鼓励有条件的园 区 采用云计算、大数据、物联网、地理信息系统等信息技术，全面整合园区信息化资源，以提升园区本质安全和环境保护水 申报的通知（中石化联园发〔 2018 〕 244 号） 》中指出为落实《中国制造 2025 》 ，推进智能制造试点示范，提升化工园区的规范建设与管理水平，按照《工业和 信息化部关于促进化工园区规范发展的指导意见》（工信部原〔 2015 〕 433 号）要求，中国石油和化学工业联合会 2018 年 8 月在全国范围内开展“中国智慧化工园区试点示范单位”的创建工作， 17

市场环境 2008-2022 全球乙烯产能、产量及增速 2010.09.06 2015.11.25 《企业安全生产标准化 基本规范》 《关于进一步加强化工园区 安全管理的指导意见》 《关于促进化工厂区规 范发展的指导意见》 《 “ 中国智慧化工园区试点示范单位 ” 申报、命名和管理规定（试行）》 2018.08.13 2012.08.07 2018.10.18 《国家安全产业示范园区创建 工企 业 安全监管 ， 推 进 化 工园 区 信息化建 设 化工企业安全监管 国家安全产业示范 园区创建指南 · 聚焦产业聚集与安全管理示 范园区，促进 安 全 产 业 聚 集 发展 关于促进化工厂区规范 发展的指导意见 · 阐明了建立园区信息化公共 服务平台的目标以及细分项 政策分析 化工园区信息化建设 智慧化工园区建设指南 · 首次将化工行业园区规范从 各个模块的概述细化到点

安全解决方案，构筑机场的网络安全生命线 溯源处置 天 秒 平均检出率 96% 60% 特征库 智能 快速发现 数天 分钟 采集引擎 控制引擎 身份引擎 能力中心 共享中心 资源共享、自动进化 分析一体 处置一体 安防网 综合业务网 信息集成网 检测一体 本地训练模型 可视化 联动处置 AI-IS TO-BE 单点防御 设备独立防御，没有联 动，补丁式防御 静态检测 防御威胁秒级处置 动态检测 零信任架构，按需调整 业务访问权限 智能分析 云端、本地、边缘三重 智能分析 Huawei Confidential 40 智能分析，联邦学习，威胁模型自进化，检测准确率高于 96% 基于 AI 实现高性能精准检测 传统威胁需人工辅助，威胁识别率低 • 挑战 1 ：威胁情报依赖人工处置，效率低 • 挑战 2 ：缺乏足够样本，模型训练不充分 1 、获取样本

工 作 委 员 会 邀 请 相 关 技 术 单 位 启 动 了 《智慧化 工 园区建设指南》 国 家 标 准 的 申 报工作。 2015 工 业 和 信 息 化 部 印 发 《关于 促 进化工园区规范发展的指导意 见》，将智慧园区建设作为化工 园区规范发展的重要方面。 2020 2020 年 10 月 11 日，《智慧 化 工园区建设指南》 国家标准正 式发布。 智慧化工园区概念由来已久 智能告警：设置告警阈值主动掌握设备异常运 行状态 通过对接能源设备接口数据，对化工园区内用能单位及其主要能源品种使用信息进行实时监测，并针对超出预警值等情况及时 预警，定期对能源使用情况在线分析，优化能源使用，助力园区节能降耗，推进化工园区内能源的统一管理和节能优化。 视频监控：多维度掌握设备运行情况 ，摄像 机进行实时预览、视频回放。 报表服务： 日报表、周报表、月报表和年报表。 业务应用 :6 ：能源管 理 评价分析指标

型训练则利用这些数据持续优化 AI 算法模型，并通过 OTA 向车端推送迭代版本。该层与车端算法层紧密联 动，模型训练结果通过算法更新提升车辆智能化水平， 同时车端采集的传感器数据回传至云端形成数据闭环， 实现系统自我进化。 1.3 数据是智能驾驶发展的核心 在智能网联汽车时代，车辆通过传感器矩阵和云端互 联，构建起覆盖驾乘体验、生活服务、娱乐办公的数字 化生态，而数据资产是整个生态系统的根基。现阶段， 车 为衡量汽车整体安全水平更为合理和有效的途径。基于 大数据的统计评估不仅能更精准地反映当前安全状态， 还将为 AI 算法的持续迭代优化和安全策略的动态调整 提供坚实依据，推动安全水平形成动态、进化式的提升 机制。 第五章 智能驾驶产业环境与生态构建 55 第五章 智能驾驶产业环境与生态构建 第五章 智能驾驶产业环境与生态构建 5.1 智能驾驶政策标准环境 5.1.1 政策法规 比亚迪以垂直整合能力加速智能驾驶规模化落地。比亚 迪依托垂直整合优势，推动组合辅助驾驶向大众市场普 及。智能驾驶系统适配多价位车型，通过优化传感器融 合与算法降低硬件成本。规模化量产车型积累海量数据 驱动算法进化，加速智能驾驶从“技术溢价”转向“普惠体验”， 引领行业量产进程。 （2）应用场景 智能驾驶技术在主动安全、巡航辅助及泊车辅助三大应 用场景的落地已形成完整技术闭环，并在实际应用中显 著提升驾驶安全性与效率。

应通过身体与环境的实时交互自然涌现。2025 年北 京亦庄人形机器人半程马拉松赛事中参赛机型展现 出的环境适应能力，在一定程度上标志着具身智能已 从实验室验证迈向产业化落地。 近年来技术突破逐渐形成多维进化格局，在大规 模预训练模型方面，深度求索发布的 DeepSeek 系列开 源模型显著降低了开发门槛 ［2］；在硬件创新领域，宇树 科技四足机器人全球市场占有率超 60%，上海智元开 源机器人灵犀 基于形态的具身智能研究：历史回顾与 前沿进展［J］. 自动化学报，2023，49（6）：1131-1154. ［19］ 沈甜雨，陶子锐，王亚东，等 . 具身智能研究的关键问题：自主感 知，行动与进化［J］. 自动化学报，2025，51（1）：43-71. ［20］ 周乐鑫 . 人工智能评测新范式：解锁 AI性能的可解释力与预测力 ［EB/OL］. ［2025-05-12］. https：//www