AI och SMR: därför satsar USA 800 MUSD på kärnkraft

USA satte precis en siffra på sin kärnkraftsambition: 800 miljoner dollar i riktade bidrag till två projekt som ska få igång nästa våg av små modulära reaktorer (SMR). Det är inte en “kärnkraften är tillbaka”-rubrik. Det är ett ganska konkret test: går det att bygga mindre reaktorer som faktiskt blir förutsägbara i tid och kostnad?

Och här blir kopplingen till vår serie AI inom energi och hållbarhet tydlig. För även om SMR handlar om stål, betong och licenser, så avgörs ekonomin i praktiken av hur bra man kan planera, drifta, övervaka och integrera ny produktion i ett elnät som samtidigt ska klara mer vind, mer sol, mer industri och mer datacenterlast. Det är ett område där AI redan gör skillnad.

Vad USA:s 800 miljoner faktiskt ska göra

Pengarna ska inte “betala reaktorerna” – de ska minska risken i de första byggena. USA:s energidepartement delar 400 miljoner dollar vardera till två 300-megawattsprojekt med tredje generationens lättvattenreaktorer. Bidragen kommer ursprungligen från tidigare infrastrukturanslag, men används nu för att få fart på första-och-andra-gången-problemet i ny kärnkraft.

Kärnpunkten är enkel: de första anläggningarna blir nästan alltid dyrare. Först när man bygger fler enheter av samma design (”seriebyggande”) börjar kostnaderna sjunka – om designen och leveranskedjan håller.

Två utvalda spår:

• TVA (Tennessee Valley Authority) ska bygga en BWRX-300 (kokvattenreaktor) vid Clinch River i Tennessee.
• Holtec får stöd för sin SMR-300 (tryckvattenreaktor), med plan på utbyggnad vid Palisades i Michigan.

Viktigt: Ingen av dessa designer är ännu fullt godkänd av amerikanska tillsynsmyndigheten NRC i kommersiell drift. Det är en stor del av risken – och en del av förklaringen till varför staten kliver in.

Varför SMR är svårare än de låter

SMR marknadsförs ofta som “mindre och billigare”. Verkligheten är att “mindre” är säkert, “billigare” är oprövat. Det finns goda skäl till att kostnader historiskt har skenat i nya kärnkraftsprojekt: ändringar under byggtid, långa godkännandeprocesser och en leverantörsbas som tappat tempo efter årtionden av få nybyggen.

I USA finns färska erfarenheter av stora reaktorer som blivit miljarder över budget. En lärdom därifrån är obekväm men praktisk: även om ritningarna är godkända kan byggplatsen avslöja problem som kräver omprojektering – och då väntar man på nya tillstånd.

”Många små” kräver industriell disciplin

SMR-idén bygger på att man gör reaktorer mer som flygplansproduktion:

• standardiserad design
• identiska moduler
• upprepning som sänker kostnader

Men då krävs också:

• stabila beställningar (inte ett enstaka prestigeprojekt)
• leveranskedjor som klarar kvalitet, spårbarhet och tempo
• driftsättning som går att repetera

Ett varningsexempel från branschen är när stora offentliga stöd inte räcker om kostnadskurvan pekar fel: ett tidigare SMR-projekt i USA fick hundratals miljoner i stöd men stoppades när kalkylen sprack.

Varför detta händer just nu: elbehov, AI och geopolitik

Det här är inte bara energipolitik. Det är industripolitik. USA vill behålla ett globalt övertag i civil kärnteknik samtidigt som Kina bygger i hög takt. Samtidigt ökar elbehovet från:

• elektrifiering av industri och transporter
• ny tillverkningskapacitet
• datacenter och AI-träning som driver upp effektbehovet lokalt

Det är här kärnkraftens argument blir tydligt: hög leveranssäkerhet dygnet runt. För ett regionalt nät med många timmar vindstilla och mörker spelar ”alltid på” en särskild roll.

Men jag tycker man ska vara ärlig: kärnkraft konkurrerar inte med vind och sol i första hand – den konkurrerar med tid och risk. För att kärnkraft ska hjälpa klimatet måste den komma i tid, annars fylls glappet ofta av fossil kraft eller importerad el.

Där AI faktiskt gör skillnad för nya reaktorer

AI är inte en “autopilot för reaktorer”. AI är en verktygslåda för att minska osäkerhet och få ner drift- och kapitalkostnader. För SMR, där kalkylen är känslig för förseningar och oplanerade stopp, kan AI bidra inom tre områden: konstruktion, drift och systemintegration.

1) AI i konstruktion: färre överraskningar, kortare tidplan

Byggfasen är där pengar brukar brinna. AI kan användas för att:

• upptäcka krockar och inkonsekvenser i digitala modeller (BIM + ML)
• förutsäga förseningar i leverantörsled baserat på data från inköp, QA och logistik
• optimera sekvensering av montage för att minska stillestånd

En enkel men kraftfull princip: ju tidigare ett fel hittas, desto billigare är det att rätta. AI hjälper genom att leta mönster människor missar i stora datamängder från projektstyrning.

2) AI i drift: prediktivt underhåll och bättre tillgänglighet

En SMR måste visa att den kan leverera hög tillgänglighet för att få ekonomi. AI kan här göra jobbet mer förutsägbart genom:

• prediktivt underhåll på pumpar, ventiler och turbinutrustning
• anomalidetektion i sensordata (temperatur, vibration, flöden)
• optimerad bränsle- och effektplanering inom givna säkerhetsramar

Det här är inte science fiction. Samma metoder används redan i vattenkraft, processindustri och elnätsdrift. Skillnaden är att kärnkraft kräver extra rigorös validering, spårbarhet och cybersäkerhet.

3) AI i smarta elnät: få “fast kraft” att jobba bättre med vind och sol

Kärnkraft beskrivs ofta som baskraft. Men framtidens elsystem behöver något mer: baskraft som är systemsmart.

AI i smarta elnät kan hjälpa till att:

• prognostisera last (inklusive datacenter) på 15-minutersnivå
• planera flexibilitet: lagring, efterfrågeflex och överföring
• optimera när en reaktor ska ligga på full effekt vs följa last (inom tekniska och regulatoriska ramar)

Här är min tydliga ståndpunkt: om SMR ska få brett genomslag måste de designas för ett nät med mycket variabel kraft. Det innebär att styrsystem, planering och marknadsintegration måste vara med från start – och AI är ett naturligt verktyg i den verktygslådan.

Lärdomar för Sverige och Norden: vad ska man titta på 2026?

Sverige behöver inte kopiera USA, men vi ska följa samma riskpunkter. Oavsett om man är för eller emot ny kärnkraft är det smart att bevaka vad som faktiskt avgör utfall i de första SMR-projekten.

Checklista: fem saker som avgör om SMR får fart

1. Tillståndsprocessens tempo och kvalitet – inte bara “snabbare”, utan mer förutsägbart.
2. Standardisering – en design, många enheter, samma leverantörslogik.
3. Finansieringsmodell – vem tar kostnadsrisken när något blir försenat?
4. Kompetens och kapacitet – bygg, QA, säkerhetsanalys, driftpersonal.
5. Digital driftsmodell – dataarkitektur, sensorer, AI-stöd, cybersäkerhet.

Praktiskt exempel: så kan ett energibolag komma igång med AI redan nu

Du behöver inte äga en reaktor för att börja bygga förmåga.

• Samla driftdata i en gemensam plattform (SCADA, underhållssystem, felrapporter)
• Kör pilot på prediktivt underhåll i en annan kritisk anläggning (kraftvärme, vattenkraft eller nätstationer)
• Etablera en modell för AI-styrning: datakvalitet, testmiljö, versionshantering och revisionsspår

När ny produktion väl ska integreras – kärnkraft eller inte – är det de här musklerna som gör skillnaden.

Vanliga följdfrågor (och raka svar)

Är SMR “grön el”?

Ja, ur ett livscykelperspektiv är kärnkraft låg i koldioxidutsläpp per kWh. Men hållbarhetsfrågan avgörs också av avfallshantering, markanvändning, vatten och samhällsacceptans.

Kan AI göra kärnkraft säkrare?

AI kan stärka säkerheten genom bättre övervakning och tidigare varningar, men den ersätter inte säkerhetsprinciper eller tillsyn. I kärnkraft måste AI-lösningar vara rigoröst testade, begripliga och säkrade mot intrång.

Varför satsar USA både på SMR och stora reaktorer?

För att man vill öka byggtakten och minska beroendet av en enda teknikväg. Stora reaktorer ger volym, SMR är ett försök att få en mer skalbar byggmodell.

Vad det här betyder för ”AI inom energi och hållbarhet”

800 miljoner dollar är en signal: energisystemet byggs nu för att klara både elektrifiering och AI-driven efterfrågan. Om SMR lyckas blir de en ny pusselbit i ett elsystem som måste vara samtidigt fossilfritt, robust och flexibelt.

För oss som jobbar med AI i energi och hållbarhet är poängen enkel: tekniken som vinner är den som går att drifta pålitligt, integrera smart och förbättra över tid. AI hjälper till med exakt det – från planering och underhåll till smarta elnät och styrning.

Nästa gång du hör “SMR blir billigare för att den är mindre”, lyssna efter nästa mening. Den som spelar roll är: “Billigare för att vi kan bygga och drifta dem förutsägbart.”

Vilken del av kedjan tror du blir den största flaskhalsen i Norden: tillstånd, finansiering, leverantörskapacitet – eller digital drift och cybersäkerhet?