[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-nvidia-ai-nuclear-permitting-design-zh":3,"tags-microsoft-nvidia-ai-nuclear-permitting-design-zh":35,"related-lang-microsoft-nvidia-ai-nuclear-permitting-design-zh":50,"related-posts-microsoft-nvidia-ai-nuclear-permitting-design-zh":54,"series-industry-46dc8cc9-0792-49c0-a1a3-a1a6bb16367f":91},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":23,"translated_content":10,"views":24,"is_premium":25,"created_at":26,"updated_at":26,"cover_image":11,"published_at":27,"rewrite_status":28,"rewrite_error":10,"rewritten_from_id":29,"slug":30,"category":31,"related_article_id":32,"status":33,"google_indexed_at":34,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":25},"46dc8cc9-0792-49c0-a1a3-a1a6bb16367f","微軟與 NVIDIA 想用 AI 解核能卡關","\u003Cp>核能產業最痛的地方，很多時候不是反應爐本身，而是文件。微軟點得很直接：光是許可流程就可能拖好幾年，成本上看數億美元，而且那時候工地可能連第一車混凝土都還沒進場。\u003C\u002Fp>\u003Cp>所以這次微軟和 NVIDIA 的合作，講白了就是拿 AI 去砍文書、審查、交叉比對和重工。Aalo Atomics 還丟出一個很猛的數字，說它把一段許可流程加快了 92%，一年可省約 8000 萬美元。\u003C\u002Fp>\u003Cp>你可能會想問，這是不是又一篇企業 AI 行銷稿。老實說，有這個味道。但核能剛好是很適合 AI 先落地的場景，因為它文件超多、流程超硬、每一步都要留下證據鏈，這種地方比起聊天機器人，更需要能追溯的工作流工具。\u003C\u002Fp>\u003Ch2>核能專案為什麼常卡在開工前\u003C\u002Fh2>\u003Cp>微軟的論點很清楚。核能專案卡住，很多時候不是因為物理做不到，而是流程太慢。先進反應爐再怎麼會發電，從概念走到核准，還是得穿過一大堆法規、審查和工程文件。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519789446-hdhh.png\" alt=\"微軟與 NVIDIA 想用 AI 解核能卡關\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這些工作包含工程設計包、安全分析、環評、授權申請，還有大量互相引用的技術文件。團隊常常要花上幾千小時，處理撰寫、排版、搜尋、審稿、修正。文件一多，只要某個數字前後不一致，就可能再跑一輪審查。\u003C\u002Fp>\u003Cp>更麻煩的是，很多資料根本沒放在同一個地方。有些在 PDF，有些在 Excel，有些在 CAD，有些在 email 附件。工程、法規、施工、營運各看各的版本，最後重工不是意外，是日常。\u003C\u002Fp>\u003Cp>微軟想做的是把這些東西拉到 Azure 上，用同一套數位底座串起設計資料、模擬結果、證據文件和法規材料。目的不是把核能變成全自動，而是讓流程少一點混亂，多一點可重複。\u003C\u002Fp>\u003Cul>\u003Cli>許可流程可能拖好幾年。\u003C\u002Fli>\u003Cli>前期成本可能高達數億美元。\u003C\u002Fli>\u003Cli>工程師常花幾千小時做文件處理。\u003C\u002Fli>\u003Cli>專案文件可能累積到數萬頁。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這件事很重要，因為核能專案失敗，常常不是缺技術，而是時程失控。文件品質不穩、版本對不上、證據鏈不完整，最後都會變成成本。AI 不會幫你跳過法規，但可以把很多低價值的文書工作砍掉。\u003C\u002Fp>\u003Ch2>微軟和 NVIDIA 到底在做什麼\u003C\u002Fh2>\u003Cp>這次合作不是丟一個模型出來就收工。它比較像一整疊工具的組合。微軟拿出 Generative AI for Permitting Solution Accelerator、Planetary Computer 和 Azure，NVIDIA 則放上 Omniverse、Earth-2、CUDA-X、AI Enterprise、PhysicsNeMo、Isaac Sim、Metropolis。\u003C\u002Fp>\u003Cp>名字很多，看起來有點像簡報灌水。直接翻成人話，就是微軟想把 Azure 變成核能專案的資料中台，NVIDIA 提供模擬、數位分身、AI 基礎設施和一些物理建模能力。兩邊合起來，想把設計、審查、施工、營運接成一條線。\u003C\u002Fp>\u003Cp>實際用途其實比品牌名稱務實很多。在設計階段，數位分身和模擬可以先測試變更，避免現場施工才發現不對。在授權階段，生成式 AI 能先草擬文件，拿過去提交過的材料做比對。在施工階段，4D、5D 模型可以先看時程和成本。在營運階段，感測器資料配 AI 可以提早抓異常，安排預測性維護。\u003C\u002Fp>\u003Cblockquote>\u003Cp>“The nuclear industry has been bottlenecked by documentation burden and regulatory complexity for decades.”\u003C\u002Fp>\u003Cp>— Kevin Kong, Chief Executive Officer, Everstar\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>Kevin Kong 這句話其實把整件事講完了。核能不是沒有技術，而是長期卡在文件負擔和法規複雜度。AI 在這裡的價值，不是替代核能工程師，而是幫他們少做重複整理、比對和查找。\u003C\u002Fp>\u003Cp>微軟也一直強調 traceability，也就是可追溯性。這不是附加功能，而是核能場景的基本門檻。你如果只讓 AI 吐出一份漂亮報告，卻說不清資料從哪來、哪條規則支持這個結論，監管單位大概不會買單。\u003C\u002Fp>\u003Cp>所以這套方案的核心，不是「AI 很會寫」。而是 AI 產出的每一段內容，都要能連回原始資料、工程決策和適用法規。說真的，這比做一個會聊天的 Copilot 難多了，但也更有商業價值。\u003C\u002Fp>\u003Ch2>目前案例不大，但數字很有殺傷力\u003C\u002Fh2>\u003Cp>這波公告裡，最有用的地方是微軟沒有只講願景，它有點名客戶。名單包括 Aalo Atomics、Southern Nuclear、Idaho National Laboratory、Everstar、Atomic Canyon。每一家用法不同，成熟度也差很多。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519813061-4iyj.png\" alt=\"微軟與 NVIDIA 想用 AI 解核能卡關\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>最吸睛的是 Aalo Atomics。微軟說，Aalo 用了 Generative AI for Permitting 之後，把一段高工時的許可流程加快 92%，而且估計一年能省 8000 萬美元。這個數字很大，我覺得一定要保留懷疑，因為「某段流程」和「整個核准流程」差很多。\u003C\u002Fp>\u003Cp>但換個角度看，至少它不是那種空泛的「效率提升很多」。有具體百分比，也有金額。即使外界還看不到完整方法論，這種說法還是比一般企業簡報有料。\u003C\u002Fp>\u003Cp>Southern Nuclear 正在把 Microsoft Copilot agents 用到工程和授權工作流。Idaho National Laboratory 則用 AI 自動組裝工程與安全分析報告，目標是整理出監管單位也能安全採用的方法。Everstar 把核能專用 AI 工作流帶到 Azure。Atomic Canyon 的 Neutron 平台則上架到 Microsoft Marketplace。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Aalo Atomics：\u003C\u002Fstrong>某段許可流程加快 92%，估年省 8000 萬美元。\u003C\u002Fli>\u003Cli>\u003Cstrong>Southern Nuclear：\u003C\u002Fstrong>把 Copilot agents 用於工程與授權流程。\u003C\u002Fli>\u003Cli>\u003Cstrong>Idaho National Laboratory：\u003C\u002Fstrong>用 AI 組裝複雜工程與安全分析報告。\u003C\u002Fli>\u003Cli>\u003Cstrong>Atomic Canyon：\u003C\u002Fstrong>Neutron 平台已進入 Microsoft Marketplace。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些案例不能混著看。Marketplace 上架，和實際營運省下多少時間，完全不是同一件事。內部報告自動組裝，也不等於整個反應爐授權流程已經自動化。\u003C\u002Fp>\u003Cp>但整體方向很明顯。微軟想吃下雲端層和工作流層，讓核能軟體廠商、開發商和營運商都繞著 Azure 轉。NVIDIA 則補上模擬和 AI 算力。這種組合很合理，因為核能客戶通常要的不是單點工具，而是能治理、能審計、能接既有系統的整包方案。\u003C\u002Fp>\u003Ch2>競品、數據與市場現實\u003C\u002Fh2>\u003Cp>如果把這件事放到更大的市場來看，微軟不是唯一盯上能源和工業 AI 的公司。Google、Amazon、Palantir、Siemens、Bentley、Autodesk，甚至一堆專攻工業軟體的新創，都在搶設計資料、模擬、維運和文件治理這塊。\u003C\u002Fp>\u003Cp>差別在於，核能的門檻高很多。一般工廠的數位轉型，文件錯一點可能只是返工。核能文件錯一點，可能就是審查延期、成本爆掉，甚至整個案子卡住。所以誰能把 AI 產出和審計需求綁得最緊，誰就比較有機會拿到長約。\u003C\u002Fp>\u003Cp>微軟這次的優勢，在於它手上已經有 Azure、Copilot、生態系夥伴和企業採購關係。NVIDIA 的優勢則是模擬、GPU 和數位分身。兩家合起來，對核能開發商來說很有吸引力，因為他們不想自己拼一堆散裝工具。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>微軟：\u003C\u002Fstrong>強在 Azure、Copilot、企業採購與資料治理。\u003C\u002Fli>\u003Cli>\u003Cstrong>NVIDIA：\u003C\u002Fstrong>強在 GPU、模擬、Omniverse、AI 基礎設施。\u003C\u002Fli>\u003Cli>\u003Cstrong>Siemens \u002F Bentley：\u003C\u002Fstrong>強在工業設計、工程軟體與數位工程流程。\u003C\u002Fli>\u003Cli>\u003Cstrong>Palantir：\u003C\u002Fstrong>強在資料整合、工作流與高治理需求場景。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果只看公開數字，目前最亮眼的還是 Aalo 的 92% 和 8000 萬美元。問題是，外界還不知道這 92% 是縮短哪一段流程，原本多久，改完之後還需要多少人工覆核。這些細節很重要，因為核能案子最怕 KPI 漂亮，落地卻不耐看。\u003C\u002Fp>\u003Cp>另一個現實是，AI 在核能不太可能先從「自主控制反應爐」開始。那太敏感，也太難過審。比較實際的切入點，還是報告組裝、設計驗證、法規對照、時程模擬、維護規劃。這些地方本來就靠大量知識工作，AI 進去比較容易看出效果。\u003C\u002Fp>\u003Cp>講白了，核能 AI 的第一桶金，不會來自科幻片式的自動駕駛反應爐。比較可能來自幫工程團隊少熬夜改文件，幫法規團隊少做重複比對，幫專案經理少遇到版本地獄。\u003C\u002Fp>\u003Ch2>為什麼現在大家又盯上核能\u003C\u002Fh2>\u003Cp>這波動作背後，還有一個更大的背景：AI 資料中心真的很耗電。大型模型訓練、推論叢集、GPU 伺服器，全都在吃電，而且要的是穩定供電，不是只有白天有、晚上沒有。\u003C\u002Fp>\u003Cp>所以你會看到科技公司近兩年重新談核能。微軟、Google、Amazon 都在找可長期供應的 firm power，也就是穩定、可預測的電力來源。風電和太陽能很重要，但資料中心需要的是 24 小時都能撐住的基載或接近基載供電。\u003C\u002Fp>\u003Cp>在這個脈絡下，核能不再只是政策圈的慢題目，而是科技公司的基礎設施題目。誰能讓核能專案更快過審、更快設計完成、更少重工，誰就可能間接影響下一波 AI 基礎建設的速度。\u003C\u002Fp>\u003Cp>還有一點常被忽略。核能產業的人口結構偏老，很多流程知識掌握在少數資深工程師手上。AI 如果能把這些 know-how 整理成可查詢、可追溯、可重用的資料資產，對組織傳承也有幫助。這部分沒那麼好拿來做行銷，但對企業其實很實在。\u003C\u002Fp>\u003Ch2>接下來該看什麼\u003C\u002Fh2>\u003Cp>我覺得接下來最該看的，不是哪家模型參數更多，而是監管單位買不買單。AI 草擬文件很容易，真正難的是讓監管流程接受 AI 輔助，而且不要因為多了一層 AI，反而增加新的審查摩擦。\u003C\u002Fp>\u003Cp>第二個觀察點，是案例能不能複製。Aalo 的 92% 如果只適用某一段內部流程，那參考價值有限。如果未來 12 個月內，微軟再拿出 2 到 4 個有外部可驗證的案例，這個類別就會從試點工具，變成核能開發商採購會議上的固定選項。\u003C\u002Fp>\u003Cp>第三個重點，是資料治理。核能客戶不會只問模型準不準，他們會問版本控管怎麼做、來源怎麼追、誰改過內容、誰批准、怎麼留稽核紀錄。能把這些事情做好，產品才有機會進到正式流程。\u003C\u002Fp>\u003Cp>如果你在做能源軟體、工業 SaaS，或 AI 工作流產品，我的建議很直接：盯緊 permitting stack。誰能把核能文書做得更快、可追溯、對監管友善，誰就可能比那些只會秀反應爐渲染圖的公司更早賺到錢。\u003C\u002Fp>\u003Cp>再講白一點，核能現在最缺的，可能不是更多漂亮簡報，而是更少混亂的文件流程。這件事聽起來不浪漫，但通常就是最能省時間、也最能省錢的地方。\u003C\u002Fp>","微軟與 NVIDIA 把 AI 帶進核能許可、設計與施工流程。Aalo Atomics 稱許可作業加快 92%，每年可省 8000 萬美元。重點不在花俏模型，而是把文件、模擬與審查流程接到同一套數位底座。","www.microsoft.com","https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Findustry\u002Fblog\u002Fenergy-and-resources\u002F2026\u002F03\u002F24\u002Fai-for-nuclear-energy-powering-an-intelligent-resilient-future\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519789446-hdhh.png",[13,14,15,16,17,18,19,20,21,22],"微軟","NVIDIA","核能","人工智慧","Azure","Permitting","Aalo Atomics","數位分身","Omniverse","核能許可","zh",1,false,"2026-03-26T08:22:14.448641+00:00","2026-03-26T10:10:13.675+00:00","done","43bdf97b-0226-4cee-b718-6477856fc8b9","microsoft-nvidia-ai-nuclear-permitting-design-zh","industry","bcf09025-9d9e-4db0-a188-488c9d8b2590","published","2026-04-09T09:18:43.934+00:00",[36,37,39,40,41,44,47,48],{"name":13,"slug":13},{"name":19,"slug":38},"aalo-atomics",{"name":20,"slug":20},{"name":16,"slug":16},{"name":42,"slug":43},"Nvidia","nvidia",{"name":45,"slug":46},"研究整理","-",{"name":15,"slug":15},{"name":21,"slug":49},"omniverse",{"id":32,"slug":51,"title":52,"language":53},"ai-nuclear-energy-efficiency-en","AI's Role in Evolving Nuclear Energy Efficiency","en",[55,61,67,73,79,85],{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":31},"cd078ce9-0a92-485a-b428-2f5523250a19","circles-agent-stack-targets-machine-speed-payments-zh","Circle 推出 Agent Stack，瞄準機器速度支付","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871663628-uyk5.png","2026-05-15T19:00:44.16849+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":31},"96d96399-f674-4269-997a-cddfc34291a0","iren-signs-nvidia-ai-infrastructure-pact-zh","IREN 綁上 Nvidia AI 基建","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871057561-bukp.png","2026-05-15T18:50:37.57206+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":31},"de12a36e-52f9-4bca-8deb-a41cf974ffd9","circle-agent-stack-ai-payments-zh","Circle 推出 Agent Stack 做 AI 付款","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778870462187-t9xv.png","2026-05-15T18:40:30.945394+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":31},"e6379f8a-3305-4862-bd15-1192d3247841","why-nebius-ai-pivot-is-more-real-than-hype-zh","為什麼 Nebius 的 AI 轉型比炒作更真實","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778823044520-9mfz.png","2026-05-15T05:30:24.978992+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":31},"66c4e357-d84d-43ef-a2e7-120c4609e98e","nvidia-backs-corning-factories-with-billions-zh","Nvidia 出資 Corning 工廠擴產","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778822450270-trdb.png","2026-05-15T05:20:27.701475+00:00",{"id":86,"slug":87,"title":88,"cover_image":89,"image_url":89,"created_at":90,"category":31},"31d8109c-8b0b-46e2-86bc-d274a03269d1","why-anthropic-gates-foundation-ai-public-goods-zh","為什麼 Anthropic 和 Gates Foundation 應該投資 A…","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778796636474-u508.png","2026-05-14T22:10:21.138177+00:00",[92,97,102,107,112,117,122,127,132,137],{"id":93,"slug":94,"title":95,"created_at":96},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":133,"slug":134,"title":135,"created_at":136},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":138,"slug":139,"title":140,"created_at":141},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]