核电要便宜,就得少用人

核电想在清洁能源里有竞争力,前提是发电便宜;而未来押注的小型反应堆布在偏远地区,根本养不起一大队操作员,只能让电站在人的监督下自己运行。

核电的老问题是贵。要让它算得过账,发电成本得压下来。

传统大型核电站为什么养得起满屋子操作员?因为它们几乎全天满载运转,卖出去的电足够摊平一支庞大团队的工资。

但下一代的思路变了:把很多座 微堆(体积小、可批量生产的小型核反应堆)分散铺到偏远、人烟稀少的地方。这种电站单座发电少、位置又分散,再按老办法给每座配一支人工班组,成本上根本行不通。

出路就是让这些电站尽量自己运行,人只在必要时介入——前提是这套自主运行经过严格验证、值得托付。

传统大型核电站 未来分布式微堆 选址 集中、城郊 偏远、分散 运行 单座满载运转 大量微堆铺开 能养的人力 养得起大班组 养不起大班组 操作方式 密集人工 监督下自主
左列传统大型核电站、右列未来分布式微堆:大厂满载发电、养得起大班组,分散的微堆两样都做不到,所以只能走自主运行。依据 MIT News 原文对 legacy plants 与 microreactors 的描述。

她在南海航母上管过反应堆

提出这套方案的 Lauren Fortier 不是纸上谈兵——读博前,她曾在南海的美军航母上亲手监管核反应堆运行,清楚传统操作有多依赖人手。

Lauren Fortier 是 MIT 核科学与工程系(NSE)的二年级博士生,研究方向是给核电站设计远程、自主运行的控制方案。

她的起点不寻常。本科在西北大学读材料科学与工程(靠 ROTC 军官培训奖学金入学),毕业后她成了美国海军的核动力操作员,在南海的一艘航母上监管反应堆运行。

"那是种别处很难有的经历,尤其是你对核动力的彻底依赖——这艘船能在海上移动,唯一的原因就是那台核反应堆在正常工作。"

正是在航母上,她一边爱上了操作这件事、学会了背后的科学,一边也看清了毛病:很多操作极度依赖人工。她开始琢磨——能不能让它没那么费人?

规程全是给人写的

最大的障碍不是技术不够,而是现有核电操作规程全按'以人为中心'写成;要引入机器,就得改造这些规程,让人和机器各干各擅长的事,人只在关键时刻接手。

海军后来给了 Fortier 读硕士的机会,她选了 MIT 的核工程,把操作经验带进学术。硕士期间她做出一套核电站的"监督控制系统",在一台热工水力响应逼真的模拟器上验证。

但真正难的地方她后来才看清:现有的一整套操作规程,默认都是"由人来执行"写的。

"因为一切都以人为中心,它不让你去选一件事最好的做法。"

她想要的不是给旧系统东拼西凑地加装置,而是一套统一的中央监督控制系统,让人和机器打配合——各自做自己最擅长的部分,只有在必要时才由人出手干预。

自动化,但拒绝 AI

在人人都往产品里塞 AI 的当下,Fortier 刻意不用 AI:她的自动化建立在一种叫'有限状态自动机'的透明技术上,因为 AI(机器学习)的运行目前还没办法被验证。

这是她方案里最反直觉的一点。同样是"自动化",她偏偏不用 AI。

她用的是一种叫 有限状态自动机 的方法(一套"如果发生这个,就做那个"的明确规则,按事件一步步切换状态)。它属于所谓的"离散事件系统":每一步动作都由具体事件触发,系统据此适应电站当前状况,清清楚楚地在各个状态之间切换。

为什么不上机器学习?她说得很直白:

"我们不用机器学习那种数据驱动的统计方法,因为我们还没有工具能验证这类系统的运行是否可靠。"

在一座核反应堆里,"说不清它为什么这么做"本身就是不可接受的风险。 常规自动化虽然"笨",但每一步都能追溯、能解释、能提前验证——在安全攸关的地方,透明比聪明更重要。

它是什么 有限状态自动机:每步由事件 触发、可追溯、能提前验证 的常规自动化 它不是什么 不是机器学习那种数据驱动、 说不清为什么这么做的黑箱 AI
同样叫'自动化',Fortier 用的恰恰不是 AI,而是透明可验证的常规自动化。依据原文对 finite state automata 与 machine learning 的对比。

先陪你走一遍,再谈自主

她让系统先从'陪操作员走一遍他本来就要做的流程'起步,再一步步过渡到自主,核心是先赢得人的信任——这也点出她整条路线的判断:安全攸关的系统,该慢就得慢。

Fortier 特别强调:走向自主要循序渐进,目的是建立信任。

"当我们引入一套自动流程、一步步带你走完你本来就要做的操作时,它是让人安心的,也就建立起了信任。"

她博士阶段主攻"面向目标"的操作:你给系统一个目标,控制系统自己生成达成目标所需的步骤序列,而不是死板地照一份预设流程走。

这套思路已经拿到认可:她凭核电自动化的工作拿下美国能源部核能大学项目 2025 年的学生创新竞赛奖,还将以 2026–2027 年度 MathWorks 工程学者的身份继续推进。

放到今天的大背景看,她的选择值得记住:当整个行业都在抢着把 AI 塞进一切,她在一个最不容出错的地方,主动把 AI 挡在门外——不是因为 AI 不够强,而是因为还没人能证明它靠得住。在核反应堆这种地方,能被验证,才有资格被信任。

0 这套核电自动化里的机器学习成分
记住这一个反差:在最不容出错的核反应堆控制里,她用到的机器学习是零。依据原文'不用机器学习……因无法验证'。