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

执行 - 学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能体系统，从而能够在降本增效、体验优化等各方面得到大幅提升。 目前， AI 在医疗、科研、教育、物流等各个领域的应用，为社会带来了巨大价值的同时，又进一步支持了 当今，应用现代化的推进目标已从“数字化 IT 提效”提升至“重塑智能商业价值”。未来，企业需以“应用现代 化的三驾马车”，即：“敏捷架构、智能数据、生态开放”为基石，建立支持 Agent 自治与进化的全生命周期的数字基 座。应用现代化产业联盟的各成员，要加强智能体应用、跨域协作标准等前沿议题的探索研究，以《应用全生命周期智 能化白皮书》为起点，共同推动中国在全球智能化竞争中占据制高点，携手迈向应用现代化的智能时代！

智变基础，智变途径，系统架构， QABot ， TaskBot ， ChatBot ， 自主学习流程 03 落地效果 QABot 线上效果， TaskBot 线上效果 04 总结 人机协同学习，加速进化 客服系统简介 演变中的客服系统，对话系统， 智能客服机器人， 美团业务简介，美团客服系统 目录 01 话音呼叫中心 纯人工服务模式 只支持语音电话 人效低，成本高 网页在线客服 为会话管理和语义理解提供信息支撑。 > 人工层 静默坐席解决机器人解决不了的问题。 AI 训练师辅助 机 器人进化。业务专家制定合理的解决方案。 2.3 系统架 构 > 线上提供语义识别能力 > 线下具有离线学习能力 > 返回精确答案或者推荐问题 > 数据驱动智能 > 少量干预加速进化 2.4 单轮会话机器人 QABOT 包子酸了 . 吃出了两个异物， 送的腐竹是长毛的 大早上吃出来苍蝇 一杯可乐兑了半杯水 智能运营，不断进化 2.5.3 客服场景定制优 化 > 用户交流情感，不以解决实际问题为目的 > 主动问客户问题，收集信息以提供更好服务 > 不同客户机器人间切换的平滑剂 > 检索式：构建一个闲聊库，检索给出答案 > 生成式：从闲聊库学习生成模型 2.6 闲聊机器人 ChatBot > 建立统一的离线学习流程 > 从人工客服日志中学习人的处理方式 > 算法产生候选，人工轻度干预，加速模型进化 >

座之上，将企业的知识资产、岗位技能和业务流程深度智能化，与信息系统和业务链条 全面打通，并通过可信治理框架下的人机协同机制，重塑组织的决策逻辑、运作流程、人才角色与文化基因，使组织具备自我学习、自我进化、自我协同的能力，从而在 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 业务 流程 智能化 智能化全链条流程图 知识资产 智能化 • 企业中沉淀的大量文档、 案例、经验、制度，本质 到端的价值流，确保数字化投入能够直接转化为业务产出和效率提升。 整合数据与知识资产 通过统一的数据标准和智能知识管理平台，分散的数据和知识可以高效整合、沉淀和复用， 支持数据驱动的决策和创新，提升组织整体智慧水平。 增强创新与自我进化能力 在可信治理和人机协同框架下，组织能够实现自我学习、自我优化和自我协同，使企业在 效率、质量、创新和韧性上持续跃迁，快速适应市场变化。 智能生产力解决方案以软件应用为核心，面向企业内部“人/业/效”工作场景推 组织的协同演进 • 智能生产力在工业级AI、产业级Know-How与组织重构的融合下，完成一次“组织与生产方式 的深刻再造”，从而孕育出一种自学习、自进化的新型生产力形态，以人机共生的新范式实现 企业人智共进、效率倍增、价值创造与组织进化。 范式三 - 智能生产力解决方案：以AI原生架构（知识治理×多智能体×岗位助手）为核心，打通到工作 场，对经营KPI产生直接的可量化贡献 范式特点 范式三对范式一与范式二痛点的解决方式

电力：新能源主导电源格局，成为主力力量，推动电力系统革命性重构 物流：AI 驱动全球物流供应链实现智慧化赋能与高品质精准交付 矿业：“智探矿脉，office mining”重塑矿区生产 城市：AI 让城市焕发自进化的生命力 37 47 53 57 59 61 67 71 81 87 93 35 与 AI 共生 让可持续发展成为智能的本能 遵从伦理和安全，以人为本推进 AI 向善 AI 空间智能 世界模型 Beyond Transformer 智能世界 SVM 五大基础技术的融合走向超级智能体 04 走向物理世界是 AGI 形成的必由之路 站在 2025 年，预判 AI 的进化轨迹，将是 未来十年的核心命题与终极挑战。其智慧进阶 的速度与深度，不仅将重新定义技术疆界，更 将重塑未来十年的全球格局。 自 2022 年底基于 Transformer 的大语言模 型（LLM）引爆行业以来，AI 可解释性、创新能力、情感识别与表达。 技 术 事 件 阶 段 任 务 邮件过滤、新闻分类 统计学习崛起-AI复苏 深度学习爆发-感知智能突破 Transformer革命-认知智能萌芽 大模型进化-生成与行动探索 AGI时代-创新与组织 推荐系统、 视觉模式识别 AI问答搜索、情感陪伴 AI工业、科学、生活 内容生产、 自动驾驶、机器人 SVM IBM深蓝 战胜人类 CNN 架构夺冠

，提取出与输 入序列相似的所有序列，并构建为一个矩阵。这种比对基于这样一个假设：序列 的相似性表示它们具有共同的进化起源。多序列比对可以帮助确定多物种保守的 序列区域，这些区域在进化过程中保持不变，可能是因为它们对生物有重要的功 能。AlphaFold2通过MSA来提取出蛋白质序列的进化信息，此外，如果在MSA 中的多个序列中观察到两个位置的氨基酸同时变化，那么这可能暗示这两个氨基 酸在蛋白质的空 ESMfold放弃了MSA的构建步骤，而是采用了使用一个蛋白质大语言模型 ESM2，来对氨基酸之间的相互作用模式进行表征。ESM2同样基于 Transformer架构，可以针对输入的蛋白质序列直接提取出其包含进化信息 embedding。该embedding可以直接输入类似AlphaFold的Evoformer中。 这种端到端的计算方法，使得ESMfold的推理速度比AlphaFold2快了一个数量 级。更适合用户的使用。

空调、安防等设备，形成“服务随人动”的无缝体验；在工业领域，其微内核 设计和高可靠性特性，为智能制造、智慧能源等场景提供了毫秒级响应的底层 支撑。这种“软硬件解耦、服务原子化”的技术路径，使得终端设备从“功能 容器”进化为“智慧体”，为 AI 应用的场景化落地开辟了全新空间。 鸿蒙智能体的核心价值，在于构建了“开放共赢”的生态体系。通过开源 项目 OpenHarmony，华为联合超 5000 家合作伙伴，打通了从芯片、模组、 感协同的智慧体验。他们希望终端设备更聪明、更懂人，不仅能理解指令、 完成任务，还能超前思考、主动服务。在这样的趋势下，智能体成为新时 代智慧体验的关键载体，以用户意图为中心，以多模态交互、意图理解、 任务闭环与持续学习进化等关键能力为特征，打通用户、系统与服务之间 的链路，带来全新的服务模式。 华为终端致力于打造王者产品，构筑智慧全场景极致体验。我们持续 通过系统架构与软硬芯云垂直整合创新，将 AI 融入到鸿蒙操作系统底座， 工具演进为可自主执行复杂任务的 AI 智能体。例如，以华为小艺智能体、Manus、智谱 AI AutoGLM、OpenAI Operator 等为代表的智能体，标志着 AI 开始从“对话交互”向“任务闭环” 进化，未来将会有更多智能体介入现实世界的操作。 华为在《AI 终端白皮书》中提出，当 AI 结合了更高维度的感知结果，将触发思考，进而 影响自主行为。与人类常见的行为模式一样，看到乌云即可联想到下雨从而带了一把伞出门，

其中，大型语言模型、模块化架构与协作框架为其筑牢根基，持续发展还需攻克评估、安全与适应性难题。 AI 正站在一个关键新阶段。参考 OpenAI 对 AI 的 5 级分级， AI 已不仅仅是能进行对话的聊天机器人（ L1 ），而是逐步进化到智能体 （ L3 ）阶 段——一个能思考、并能主动采取行动的 AI 系统。 强大算力保障大模型训练与推理的可持续性 能源供给保障大模型训练与推理的可持续性 HuggingFace 等平台提供开放、可扩展的 甲子光年智库总结整理 从单智能体到多智能体生态， Agent 协议驱动智能体协作进化，重塑企业 AI 能力边界 Agent 协议是推动智能体从孤立执行到网络化协作的核心驱动力。 单智能体可处理简单任务 ，但受限于个体能力，难应对复杂场景且易因故障中断服务。 Agent 协议通过标准化交互规则推动其进化：先为单智能 体提供统一接口连接外部工具，突破个体能力边界；再构建协作 “智能引擎”，驱动生产力范式重构 在金融领域， AI Agent 作为“认知 - 决策 - 执行”闭环 AI 实体，以实时数据为感知输入，依托动态知识图谱与强化引擎，实现毫秒级复杂任务自 主 拆解与策略进化。 在金融领域， AI Agent 核心价值显著：通过端到端自动化、实时风控、持续学习优化，打破传统流程壁垒，释放效率红利；以低成本、自动化 服 务触达边缘群体，推动 AI-native 金

 场景描述：针对手术环节的影像三维重建，是“ AI+ 医学影像”的又一子场景。早在上个世纪 90 年代起就开始陆续出现影像三维重建产 品，但由于存在配准缺陷而使用率不高；随着人工智能的引入，采用进化计算的算法，可以有效解决配准缺陷周期性复发的问 题，实 现更精准的影像三维重建。目前该领域的软件主要承载影像重构、 3D 手术规划的功能，能够最大化自动重构出患者器官真实 的 3D 模 型，与 3D 地速度相对较快；目前国内市场主要集中于广东省人民医 院、上海交通大学医学院附属仁济医院、陕西省人民医院等三级甲等医院。 进化规划 进化规划 进化策略 遗传算法 进化策略 遗传算法 遗传规划 分 类系统 进化计算在模式识别、图像处理方面有较为成功的应用 进化计算 2 典型应用场景  发展环境：医学影像中心，就是集约化的第三方医学影像诊断中心，能够实现区域范围内影像的集 中存储和管理、影像（包括其他

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