什麼是人工智能的剛需場景？
AI商業週刊觀察AI落地應用多年，發現剛需場景有兩個特點：1、對安全級別要求越高的場景對AI越剛需，比如安防、銀行等，人工智能不一定能替代傳統人力，但能讓安全係數更高，同時可以降本增效；2、在國家政策紅利之下，大型國企和TO G業務對人工智能迫切需求。
核電行業十分符合以上兩個特點。數年來，AI落地各行業呈現出百花齊放形態，但很少有企業/專家把觸角放到核電行業——一個神秘而又巨大蛋糕的行業。
據瞭解，目前僅中國國內的核電市場就是萬億級規模，這些年還陸續輸出海外，比如英國欣克利角C核電的布拉德韋爾B（BRB項目）就採用了中國自主三代核電技術“華龍一號”。中國核電發電量佔比發電總量約4%，遠低於世界平均水平10%左右，市場潛力巨大。
2017年，中核集團就在“十三五”重點戰略任務中提出“數字核工業”計劃，以研發設計數字化、裝備製造智能化、經營管理現代化為建設重點，向大數據轉型，支撐集團公司全產業鏈科研、設計、建造、生產、運營等業務創新和管理創效，積極推動人工智能和大數據在核電全體系的應用。
今年以來，“新基建”十分火熱，它主要包括七大領域：5G基建、特高壓、城際高速鐵路和城際軌道交通、新能源汽車充電樁、大數據中心、人工智能和工業互聯網。其中的五大領域都直接或間接與核電密切關聯：核電電能的輸送離不開特高壓，新能源本質是電能代替傳統石油等燃料能源，核電相比火電等更加清潔、無碳排放，核電智能化離不開大數據和人工智能，工業互聯網更是包括核電行業。
人工智能在核電產業鏈各個環節的應用
核電是一個非常長的產業鏈，包括核燃料勘探和採集、核電設計、核電建設、核電運營和核電檢修諸多環節，而人工智能可以應用於它的各個環節。
1、核燃料勘探採集
1978年美國斯坦福國際研究所研發的人工智能“礦藏勘探和評價專家系統”“PROSPECTOR”因發現一個鉬礦而聞名於世，在礦業界引起一陣狂熱。中國也有MORPAS、MRAS等找礦預測等人工智能系統。
利用大數據、人工智能、概率技術建立鈾礦專家系統，使鈾礦在勘探、開採設計、 礦山生產等環節有機結合、相互銜接，從而提高勘探效率、減少採礦時間、化解採礦過程中的高危險和高危害元素。
2、核電設計和裝備製造
區別於傳統工程設計（以紙介質為主體）的交付方式，數字化交付將相關設計成品以標準數據格式提交給電廠，並初步實現軟件數據向大數據平臺的自動發佈，打通數字化交付流程，提升核電設計採購施工管理效果。
核裝備製造是核工業領域的重要環節，利用大數據、AI 技術逐步形成對大量結構化和非結構化數據的分析處理能力，基於此能力之上， 通過專家系統和神經網絡等最優化技術，為核裝備製造在設計、生產、運行等方面提供最優的、自動化的智能分析和決策系統。
3、核電建設
核電工程設計建造過程存在施工週期長、涉及專業廣、參與人員多、項目難度大、安全要求高等問題，核反應堆設備結構設計、核反應堆輻射屏蔽設計等也是核電工程設計的難點。
整個核電工程的數據主要包括工程項目數據、工程進度數據、安全數據、監控數據、人員數據、獎懲記錄數據等，將收集到的廚具存入數據倉庫，利用大數據技術對數據進行預處理、過濾、分佈式存儲，然後使用模式匹配、無監督學習等算法對數據進行建模分析，研究當前影響工作效率、工作質 量的原因，及時採用智能決策系統制定管控措施、解決方案等。
4、核電運營
一般情況下，核電站可以連續運行 18 個月而無需添加核燃料，大部分的運行成本都在於運營、調試、檢 查、安全等方面，因此通過大數據、人工智能等技術手段達到降本增效的目的。
例如，美國普渡大學開發的一套系統有望幫助操作人員檢測核反應堆的裂縫及嚴重程度。該系統通過計算機完成裂縫檢測工作，然後向操作人員提供有關裂縫的定量信息，如裂縫的深度和長度。操作人員可以根據視頻中的數據和參考幀數做出判斷。這套系統已在20個核電站檢查視頻上進行了測試，效果很好。
5、核電機器人檢修
在核工業領域，由於核設施或運行環境具有放射性，往往存在人員無法操作或者風險較大的問題，這種情況下利用機器人進入輻射性高或者操作難度大的區域進行類似關鍵核設施維護檢修、放射性廢物處置、核應急響應等工作，一方面可降低防護設備的成本和人員受輻照劑量，另一方面解決人工操作受限的問題，保證核工業的安全運行。
日本福島核事故發生後，美國、英國派出抗輻射機器人抵 達福島核電廠實施救援工作。美國 iRobot公司的 PackBot 機器人用於現場輻射量檢測，通過光纖傳回現場情況和輻射數據。英國QinetiQ公司的Talon機器人利用搭載的GPS全球定位系統繪製福島現場放射線強度圖。
PackBot 機器人
目前，國外人工智能和大數據在核電領域的應用方面已經擁有較多的典型案例。美國西屋公司所研發的部件監測應用是一個可擴展的開放技術平臺，利用大數據技術實現故障預測與策略制定；2020 年初，法國能源公司 Total 和 EDF 共同建立了一個實驗室，研究在如何使用人工智能技術解決能源領域出現的問題。日本在機器人研究領域一直處於世界前列，在福島核事故中，日本派遣緊湊型雙臂重型清潔機器人ASTACO-SoRa成功移除核電站上帶有輻射的碎石。
國內，人工智能也已在諸多核電站落地結果。例如秦山核電站啟動大數據諮詢項目;田灣核電站開展主數據治理和大數據應用策劃工作;蘇州熱工研究院開展群廠監測分析、預警與智能管理支持;中廣核集團實現對核電站重要設備開展智能監測和監測預警;中國核動力研究設計院利用人工智能算法建立了遠程診斷分析系統，實現對多臺核電機組提供遠程分析診斷技術服務等。
為什麼看好核電？
核電在中國2018年發電量中佔比4.22%，根據國際原子能機構發佈的信息，2017年全球電力結構中核電發電量佔比為10.3%，中國遠低於世界平均水平，還有很大提升空間。
3月8日，中核集團董事長餘劍鋒表示，預計2030年，中國全社會用電量達約8.5萬億-10.5萬億千瓦時，若核電發電量佔比提高到目前世界平均水平，中國的核電裝機總量需達1.2億-1.5億千瓦。
這意味著，到2030年前，平均每年需新開工建設百萬千瓦級核電機組八臺左右。經過40年的引進、消化吸收，中國的核電技術已世界領先，擁有中國自主知識產權的三代核電“華龍一號”融合了世界各國核電設計的優勢。不僅出口到巴基斯坦，也打入了老牌核電強國英國的市場，成為“新基建”出國的首張牌。
國際原子能機構（IAEA）與其他10個國際間組織早在赫爾辛基電和環境專家的觀點認為：在常規運轉狀態下，核動力及可更新能源系統處於健康風險譜的較低端，煤和石油的能源系統處於健康風險譜的較高端。來自於核能、石油、天然氣的嚴重事故的人類健康風險在大小上處於同一個量級，比水電事故的風險要小2個等級。
總結來看，核電擁有兩大優勢：
核電的成本優勢：核電初期造價成本可能較火電等傳統行業偏高。但在運營成本上，由於核原料體積小、能量大，核電的燃料及燃料運輸成本相較於火電等要低。最重要的是，與煤電相比，核電沒有碳排放的環保成本。
核電的質量優勢：與風電、太陽能相比，核電發電穩定可靠，是電網的基本負荷，每年運行小時可達7000小時以上；風電、太陽能受自然條件影響日間波動大，每年有效上網小時數為1500－2000，在單位投資相當的情況下，核電的經濟性優勢明顯。
公眾號：AI商業週刊，ID：aibizweek
參考文獻：
《大數據、人工智能在核工業領域的應用前景分析 》，來源：中國核動力研究設計院
《人工智能和大數據在核電領域的應用研究 》，來源：中 國 核 動 力 研 究 設 計 院
《科普: 暢談人工智能與地質勘探》
https://www.sohu.com/a/211329390_775715
《新基建的國家戰略邏輯思考（完整版）-2020-4-17》
https://mp.weixin.qq.com/s/a6vtfaD8g-TwY7E79cJBsQ
《人工智能改進核反應堆裂紋的檢測》
https://mp.weixin.qq.com/s/g6fVPXbi9AIJWhUl4cl5kQ
