关注 AI聚变能 点亮星标
我们一起期待点亮“人造太阳”
11月25日，国家能源局综合司发布《关于组织开展“人工智能+”能源试点工作的通知》（国能综通科技〔2025〕168号），全文如下：
向上滑动阅览
各省、自治区、直辖市及计划单列市、新疆生产建设兵团发展改革委、能源局，有关中央企业：
为深入贯彻党中央、国务院关于发展人工智能的决策部署，落实《国家发展改革委 国家能源局关于推进“人工智能+”能源高质量发展的实施意见》（国能发科技〔2025〕73号，以下简称《实施意见》）有关工作要求，充分发挥我国能源领域超大规模市场和丰富应用场景优势，加快推动能源领域人工智能应用，拟组织开展“人工智能+”能源试点工作，现就有关事项通知如下：
一、总体思路
聚焦《实施意见》提出的八大类场景、37个重点任务、百余项具体应用，按照“少而精”的原则，面向能源企业征集发展所需、行业所盼和企业所急的高价值应用场景需求，有效减少能源场景需求方与人工智能技术供给方间的信息壁垒。组织人工智能技术供给方依据场景需求“揭榜挂帅”，承接高价值场景建设相关任务。场景需求方与技术供给方合作形成试点项目方案，经国家能源局遴选认定为“人工智能+”能源试点项目，探索形成综合解决方案可规模复制、商业模式可参考借鉴的“人工智能+”能源融合发展新范式，推动提升能源行业智能化发展水平。
二、工作程序
（一）征集发布高价值应用场景清单。能源企业对照本通知要求申报高价值应用场景。高价值应用场景应明确人工智能技术赋能的核心任务和实施路径，设定降本增效、降碳减排、安全保障等可量化、可验证的建设目标。国家能源局组织专家评审，遴选并发布“人工智能+”能源高价值应用场景清单，为能源领域人工智能技术应用提供实践指引。
（二）聚焦高价值应用场景“揭榜挂帅”。国家能源局将在门户网站公开发布高价值应用场景清单，面向全社会“发榜”。人工智能技术供给方根据场景需求“揭榜”。经场景需求方择优遴选后，组建产学研用创新联合体，细化场景建设实施路径及技术指标，编制高价值应用场景试点建设方案，并按相关通知要求报送国家能源局，申请试点项目。
（三）开展“人工智能+”能源融合试点。国家能源局组织专家评审，将通过评审且公示无异议的认定为“人工智能+”能源试点项目，并组织实施。在试点过程中，研究建立试点项目动态监测机制，制定一套量化的考核评价指标，组织专家定期跟踪评估试点项目进展情况，及时发现问题并优化调整，形成一批高价值场景应用的综合解决方案和面向场景的模块化、组件化产品。对于试点项目进展不及预期的，适时取消试点资格。
（四）形成行业共性支撑能力。国家能源局将及时总结试点项目成效，研制行业共性标准，促进数据、算法、模型、产品、解决方案以及商业模式等成果向能源领域人工智能行业应用中试基地等相关平台汇聚，将成功经验“以点带面”推广至同类型应用场景，帮助能源企业简化开发流程、降低技术使用门槛，实现“一次建设、多方使用”，避免能源企业对人工智能技术的重复投入，加速人工智能在能源行业规模化落地。
三、关于高价值应用场景的说明
高价值应用场景应具备以下特征：一是从需求看，高价值应用场景应聚焦长期制约行业发展的痛点问题。比如，人工智能技术辅助电力系统调度断面控制，人工智能技术辅助煤矿开采系统智能决策自主运行、掘进系统工艺设备高效协同等。颗粒度应细到可操作、可量化。二是从发展阶段看，高价值应用场景应是人工智能技术赋能空间大，但行业应用还处于早期阶段，未来可能对行业发展产生颠覆性、变革性影响的场景。对于“知识问答”等已具备一定应用规模、技术相对成熟的场景，不建议再作为高价值应用场景范畴。三是从成效看，高价值应用场景应具备全行业推广潜力，大规模应用后能带动行业或产业整体经济收益和社会效益等大幅增长，助推能源产业转型升级。具体方向可参考《实施意见》。
四、激励机制
（一）加强与国家示范工程的统筹衔接。支持将符合条件的试点项目推荐纳入国家人工智能示范工程体系，用好国家资金、政策红利，加快把试点场景打造成标杆项目，有效提升能源领域智能化水平。
（二）加强先进技术装备推广应用。支持相关成果固化为国家、行业标准规范，促进人工智能技术产业化推广。
（三）加大对项目单位的支持力度。对试点项目成果突出的单位，在申请承担各类国家级示范任务、国家科技重大项目时优先予以推荐，支持其充分发挥行业引领的示范作用。
五、申报要求
（一）关于高价值应用场景
1.申报单位应是能源企业，在保证安全稳定运行及数据安全的前提下，承诺向组队成功的人工智能技术供给方开放场景及相关数据等必要资源。
2.申报单位应在中华人民共和国境内注册登记、具有独立法人资格，具有较好的经济实力、技术研发和融合创新能力，在质量、安全、信誉和社会责任等方面无不良记录。
3.申报单位通过省级能源主管部门和中央企业两个渠道申报。
（1）省内能源企业通过省级能源主管部门申报。省级能源主管部门推荐数量不超过5个，并按优先级排序后上报。
（2）能源央企通过集团总部申报，每家能源央企推荐数量不超过5个。央企通过所在地能源主管部门渠道申报的，同时纳入地方政府及本单位推荐名额。
4.请各省级能源主管部门、中央企业于2025年12月29日前将高价值应用场景申报书（详见附件1）、推荐汇总表（详见附件2）盖章件一式三份纸质版及电子版（光盘刻录）寄送至国家能源局科技司。申报场景命名规则为“推荐地区/单位名称-序号-场景名称”（序号与推荐汇总表一致）。
（二）关于试点项目
国家能源局将在门户网站上统一发布“揭榜挂帅”及试点项目申报等后续通知，请各单位持续关注并按最新公告要求开展后续申报工作。
地址：北京市西城区三里河路46号，国家能源局科技司，邮编：100045。
联系电话：010-81929234 010-81929213
附件：
1.“人工智能+”能源高价值应用场景申报书
2.“人工智能+”能源高价值应用场景推荐汇总表
国家能源局综合司
2025年11月25日
这一政策不仅为人工智能技术在能源领域的应用提供了制度保障和实施路径，更为核聚变等前沿能源技术与AI的深度融合创造了前所未有的战略机遇。通过建立"揭榜挂帅"机制、推动数据开放共享、构建行业标准体系等举措，政策将加速解决核聚变研究中的核心难题，推动AI技术在等离子体控制、材料研发和实验优化等关键环节的突破应用，为中国抢占核聚变能开发制高点提供强大支撑。
◆ 政策背景
该政策的推出，源于国家发改委、国家能源局联合发布的《关于推进"人工智能+"能源高质量发展的实施意见》（国能发科技〔2025〕73号），旨在落实党中央、国务院关于发展人工智能的决策部署。该政策将能源领域定位为人工智能技术应用的重要场景，强调通过试点示范推动AI与能源产业深度融合，支撑能源高质量发展和高水平安全。
政策总体框架包含四个关键环节：首先是征集发布高价值应用场景清单，聚焦八大类场景、37个重点任务、百余项具体应用；其次是通过"揭榜挂帅"机制吸引AI技术供给方参与；第三是开展能源融合试点项目，建立动态监测与量化考核机制；最后是总结试点经验，形成行业共性支撑能力，促进成果共享与推广。政策的核心是"少而精"原则，旨在解决能源行业长期制约发展的痛点问题，推动颠覆性、变革性技术场景的应用。
在能源智能化发展进程中，核聚变作为最具前景的清洁能源技术之一，其研究与应用面临诸多技术瓶颈。政策将"可控核聚变智能控制"明确列为"人工智能+核电"的典型应用场景，为AI与核聚变的融合提供了直接政策支持。这一定位体现了国家对核聚变技术的战略重视，以及通过AI技术加速解决核聚变研究难题的前瞻性布局。
◆解读1：人工智能领域迎来新的发展推力
政策对人工智能技术应用的促进作用主要体现在技术创新和产业化发展两个方面。
在技术创新层面，政策明确了AI在能源领域的重点技术方向，包括大模型、实时控制算法、多源数据融合等。对于核聚变领域，政策特别支持研发等离子体位形实时预测-磁约束参数自适应调控智能模型，实现托卡马克等离子体稳态运行的智能化控制。这种技术方向的明确指引，将加速AI在核聚变等离子体控制这一核心难题上的突破。例如，美国普林斯顿大学的研究团队已开发出一套AI模型，实现了可控核聚变装置托卡马克中等离子体的实时预测和稳定控制，避免了等离子体撕裂问题。政策试点机制将为中国科研机构和企业提供类似的技术突破路径。
在产业化发展层面，政策通过"揭榜挂帅"机制、数据开放共享、标准体系建设等措施，推动AI技术的规模化应用。政策支持能源企业与AI技术供应商组建产学研用创新联合体，降低AI技术应用门槛，加速模块化产品和解决方案的形成。这种产业化路径对于核聚变领域尤为重要，因为核聚变研究需要大量资金投入和长期技术积累，通过政策引导形成的产业化生态，可以有效整合资源，加速技术转化。
政策还提供了多重激励机制，包括将符合条件的试点项目纳入国家人工智能示范工程体系、支持成果固化为国家和行业标准规范、优先推荐试点项目单位承担国家级示范任务等。这些激励措施将显著提升能源企业参与AI技术应用的积极性，为核聚变等前沿能源技术与AI的融合创造有利条件。
◆解读2：人工智能在核聚变领域的应用潜力与突破方向
核聚变研究与应用面临的主要挑战包括等离子体控制、材料研发和实验效率提升等，这些正是AI技术能够发挥重要作用的领域。
在等离子体控制方面，AI技术展现出巨大潜力。核聚变反应需要将上亿摄氏度的等离子体稳定约束在磁场中，这一过程极为复杂，传统控制方法难以满足要求。AI技术可以通过从实验数据中学习，而非依赖物理理论模型，制定出最终的控制策略，实现在真实反应堆中实时支持高功率等离子体保持稳定。美国普林斯顿大学团队的AI模型已成功应用于托卡马克装置，显著提升了等离子体约束时间。中国EAST装置也已集成AI控制系统，实现了1.2亿摄氏度101秒等离子体运行的世界纪录。HL-2M装置虽尚未明确应用AI技术，但其时序控制系统和数据采集系统（支持分布式存储，容量为150TB，具有10Gb/s以上带宽的在线高速海量数据存储系统）为AI模型训练提供了基础。
在材料研发方面，AI技术可以加速核聚变关键材料的筛选与优化。核聚变装置需要耐高温、抗辐射的特殊材料，传统研发方法耗时费力。AI技术通过深度学习算法，可以在短时间内分析大量材料数据，预测材料性能，筛选出最优候选材料。例如，麻省理工学院团队利用AI筛选出新型高温超导化合物，其临界电流密度较传统材料提升50%。中国在REBCO超导带材的国产化方面已取得突破，但AI在材料研发中的应用仍处于早期阶段，具有广阔发展空间。
在实验设计与优化方面，AI技术可以显著提升核聚变实验效率。核聚变实验涉及大量参数调整和优化，传统方法效率低下。AI技术可以通过分析历史实验数据，识别参数间的关联性，预测最佳实验条件，缩短研发周期。此外，AI还可以实时分析实验数据，及时发现异常情况，提高实验安全性。
在核聚变商业化路径方面，AI技术可以降低实验成本，加速技术迭代。核聚变装置建造和运行成本高昂，AI技术可以通过优化设计、提高运行效率等方式降低成本。例如，AI可以优化超导磁体设计，减少材料用量；可以预测设备故障，减少维护成本；还可以优化能源分配，提高运行效率。
◆解读3：政策对核聚变研究的直接影响与间接支持
政策对核聚变研究的直接影响主要体现在试点项目机制和资源支持方面。
首先，"揭榜挂帅"机制为核聚变AI应用提供了明确的技术攻关路径。政策鼓励能源企业提出高价值应用场景需求，AI技术供给方根据需求"揭榜挂帅"，形成产学研用创新联合体。对于核聚变研究机构来说，这一机制可以有效整合AI技术资源，加速解决等离子体控制、材料研发等核心难题。例如，中核集团已牵头成立由25家央企、科研院所、高校等组成的可控核聚变创新联合体，这种联合体模式与政策倡导的"揭榜挂帅"机制高度契合，可以为核聚变AI应用提供组织保障。
其次，政策支持的"少而精"原则与核聚变研究需求高度匹配。政策强调高价值应用场景应聚焦长期制约行业发展的痛点问题，颗粒度细到可操作、可量化。核聚变研究中的等离子体控制、材料研发等核心问题正是符合这一原则的高价值应用场景。通过政策试点，这些场景可以获得更多资源支持，加速技术突破。例如，政策明确支持研发等离子体位形实时预测-磁约束参数自适应调控智能模型，这一技术方向直接针对核聚变研究的核心痛点，将显著提升等离子体约束能力和运行稳定性。
政策对核聚变研究的间接支持主要体现在数据开放共享、标准体系建设和人才培养等方面。
在数据开放共享方面，政策要求能源企业在保证安全的前提下向AI技术供给方开放场景及相关数据。核聚变研究涉及大量实验数据，这些数据对于训练AI模型至关重要。通过政策引导的数据开放共享机制，AI技术供应商可以获取更多高质量的核聚变实验数据，提升模型训练效果。例如，HL-2M装置已建成支持分布式存储，容量为150TB，具有10Gb/s以上带宽的在线高速海量数据存储系统，为AI模型训练提供了基础。
在标准体系建设方面，政策支持将试点成果固化为国家和行业标准规范。核聚变技术标准体系的建设对于推动技术商业化至关重要。通过政策支持的标准体系建设，可以加速核聚变AI应用的标准化进程，降低技术推广难度。例如，政策支持制定能源数据治理、多元异构算力融合等技术标准规范，这些标准对于核聚变AI应用的产业化推广具有重要意义。
在人才培养方面，政策鼓励能源企业与高等院校、科研院所共建"人工智能+能源"人才培养基地，培养复合型人才。核聚变研究需要兼具能源系统知识和AI算法应用能力的复合型人才，政策支持的人才培养机制将为核聚变AI应用提供人才保障。例如，政策提出以行业需求为导向设计跨学科课程体系，重点培养具备能源系统知识、人工智能算法应用能力的复合型人才，这将直接支持核聚变领域的人才培养。
◆AI与核聚变融合发展的新范式与协同效应
政策推动AI与能源融合发展的新范式，对于核聚变研究具有重要启示和借鉴意义。
首先，政策倡导的"场景驱动创新"范式为核聚变研究提供了新的方法论。传统核聚变研究多采用理论驱动或经验驱动的方式，而AI技术的应用需要大量实验数据支持，这促使核聚变研究向数据驱动、模型牵引的方向转变。通过聚焦高价值应用场景（如等离子体控制、材料研发），可以快速形成需求牵引、技术供给的闭环，加速技术突破。例如，政策明确支持"可控核聚变智能控制"这一典型应用场景，通过聚焦等离子体控制这一核心痛点，可以快速形成技术解决方案。
其次，政策构建的"数据-算法-应用"闭环为核聚变AI应用提供了可持续发展路径。能源企业开放数据，AI技术方开发模型，成果标准化后推广，这种闭环机制确保了AI技术在核聚变领域的持续创新和应用。例如，政策支持制定行业共性标准，促进数据、算法、模型、产品、解决方案以及商业模式等成果向能源领域人工智能行业应用中试基地等相关平台汇聚，这将为核聚变AI应用提供标准化支持，降低技术应用门槛。
第三，政策建立的动态管理机制为核聚变AI应用提供了质量保障。政策提出在试点过程中研究建立试点项目动态监测机制，制定一套量化的考核评价指标，组织专家定期跟踪评估试点项目进展情况，及时发现问题并优化调整。这种动态管理机制对于核聚变AI应用尤为重要，因为等离子体控制等场景需要持续优化和调整。
政策推动的AI与能源融合发展，将产生多方面的协同效应，特别对于核聚变研究具有战略意义。
在技术-产业协同方面，政策将推动AI技术解决核聚变研究中的核心难题，推动技术产业化。AI与核聚变的融合将催生新的技术突破和产业变革，例如等离子体智能控制系统的开发和应用，将显著提升核聚变装置的运行效率和稳定性，为核聚变商业化奠定基础。
在政策-资本协同方面，政策将引导中央财政和社会资本共同支持AI与核聚变的融合研究。这种协同将显著降低核聚变研究的资金压力，加速技术迭代和商业化进程。例如，政策支持将符合条件的试点项目纳入国家人工智能示范工程体系，用好国家资金、政策红利，这将为核聚变AI应用提供资金支持。
在国际-国内协同方面，政策将促进中国参与国际核聚变AI合作，同时构建自主技术体系。中国在核聚变领域已有深厚积累（如EAST、HL-2M装置），通过政策引导的AI融合研究，可以进一步提升国际竞争力，为全球核聚变能开发贡献中国方案。
◆核聚变AI应用的发展前景
核聚变AI应用的发展前景广阔，但也面临诸多挑战。从国际上看，美国、欧洲等已在核聚变AI应用方面取得初步成果，如DeepMind与瑞士聚变中心合作开发的AI系统，成功预测并控制了等离子体不稳定性，将约束时间提升了30%。从国内看，EAST装置已集成AI控制系统，实现了1.2亿摄氏度101秒等离子体运行的世界纪录，HL-2M装置也具备了海量数据存储与备份能力，为AI应用提供了基础。
核聚变AI应用的发展前景主要体现在四个方面：一是等离子体控制技术的突破，将显著提升核聚变装置的运行效率和稳定性；二是材料研发效率的提升，将加速耐高温、抗辐射材料的开发和应用；三是实验设计与优化的智能化，将缩短核聚变研究周期，降低实验成本；四是核聚变商业化路径的清晰化，将加速核聚变能从实验室走向商业化。
为充分发挥政策对核聚变AI应用的支持作用，首先，应明确核聚变AI应用的优先级和重点领域，应将等离子体控制、材料研发等核聚变核心难题列为优先支持方向，确保资源集中投入，取得突破性进展。
其次，应加强核聚变数据开放共享机制建设。核聚变研究涉及大量敏感数据，需要建立安全、高效的开放共享机制，确保AI技术供应商能够获取高质量数据，同时保障数据安全。
第三，应推动核聚变AI应用的标准体系建设。核聚变AI应用需要制定专门的技术标准和安全规范，确保技术应用的规范性和安全性。政策支持的标准体系建设可以为核聚变AI应用提供制度保障。
第四，应加强核聚变AI应用的复合型人才培养。核聚变AI应用需要兼具能源系统知识和AI算法应用能力的复合型人才，政策支持的人才培养机制可以为核聚变AI应用提供人才保障。例如，政策提出以行业需求为导向设计跨学科课程体系，重点培养具备能源系统知识、人工智能算法应用能力的复合型人才。
最后，应加强核聚变AI应用的国际合作。核聚变能开发是全球性挑战，需要各国共同参与。中国已深度参与ITER等国际合作项目，应通过政策引导进一步加强与国际科研机构的AI应用合作，共同推动核聚变能开发。
AI+聚变
未来展望
国家能源局"人工智能+"能源试点政策为AI与核聚变的融合提供了前所未有的战略机遇。通过政策引导的场景驱动创新、数据开放共享和标准体系建设，AI技术将在核聚变等离子体控制、材料研发和实验优化等核心环节发挥关键作用，加速核聚变能从实验室走向商业化。
核聚变AI应用的发展将产生深远影响：一方面，将显著提升核聚变装置的运行效率和稳定性，为核聚变商业化奠定基础；另一方面，将推动AI技术在能源领域的深度应用，形成可复制、可推广的技术解决方案，为能源产业智能化发展提供示范。
展望未来，核聚变AI应用将成为能源革命的重要组成部分，推动人类能源体系向清洁、高效、可持续的方向转型。随着政策试点的深入推进和AI技术的持续突破，核聚变能有望在2035年前后实现大规模科学实验，在2050年建设聚变商用示范堆，为人类提供无限清洁能源，彻底解决能源问题和气候变化问题。
核聚变AI应用的发展也将推动中国在全球能源治理中发挥更大作用，为构建人类命运共同体贡献中国智慧和中国方案。在这一过程中，政策试点机制将发挥关键作用，通过"少而精"的高价值场景探索，形成可规模复制、商业模式可参考借鉴的"人工智能+能源"融合发展新范式，推动提升能源行业智能化发展水平。
附政策原文链接：
https://www.nea.gov.cn/20251128/78d09044326744afb17850421291f090/c.html
1
END
1