關(guān)于核聚變，有個流傳了幾十年的說法：無論什么時候看，它距離真正落地似乎都還差50年。十年前這么說，今天依然有人這么說，于是它逐漸變成一個半調(diào)侃的“行業(yè)定律”。

但最近，這個時間尺度似乎開始被壓縮。

變化首先來自硬件。高溫超導材料的逐步商業(yè)化，讓磁場強度實現(xiàn)了跨越式提升；其次是控制方式的改變，AI的引入，讓過去最難的控制問題出現(xiàn)了新的解法。相比人類經(jīng)驗與傳統(tǒng)算法，AI可以更快完成判斷、提前識別異常，并參與實時調(diào)節(jié)。

在這樣的背景下，一家名為“新燭時代”的AI核聚變公司獲得了6000萬元融資，由中科創(chuàng)星、鼎峰科創(chuàng)聯(lián)合領(lǐng)投，水木清華校友基金跟投。這家公司成立于2025年9月，創(chuàng)始人張偉畢業(yè)于清華大學工程物理系，CTO汪躍則是北京交通大學概率論與數(shù)理統(tǒng)計方向博士，曾長期在微軟亞洲研究院從事相關(guān)研究。

與很多核聚變企業(yè)不同，新燭時代并不直接參與反應(yīng)堆建造，而是選擇切入更底層的環(huán)節(jié)——為核聚變系統(tǒng)提供一套類似“自動駕駛”的控制體系。

從現(xiàn)實意義來看，核聚變并不是一個遙遠的概念，它直接關(guān)系到能源成本。如果這項技術(shù)真正實現(xiàn)規(guī)模化應(yīng)用，能源將不再稀缺，電力成本有望大幅下降，甚至低到可以忽略。這不僅意味著普通人的用電負擔降低，還意味著AI算力、海水淡化乃至深空探索等領(lǐng)域都將迎來新的發(fā)展空間。

不過，理想很美，難度同樣巨大。核聚變的核心挑戰(zhàn)之一，是如何把上億度的等離子體穩(wěn)定“關(guān)”在一個有限空間內(nèi)。

當前主流路徑是磁約束，也就是托卡馬克裝置。簡單理解，就是利用極強磁場，將這團高溫“火球”懸浮起來，讓它不接觸裝置內(nèi)壁。這一思路從上世紀50年代提出，至今仍是全球主流。

問題在于，真正實現(xiàn)穩(wěn)定控制極其困難。過去的技術(shù)瓶頸之一，是磁場強度受限——普通導線在高電流下會迅速發(fā)熱，難以持續(xù)承載。而高溫超導材料的出現(xiàn)，改變了這一局面，使更強磁場成為可能，也讓核聚變重新進入加速期。

但材料問題解決后，更棘手的挑戰(zhàn)隨之而來：控制。

等離子體并非靜態(tài)結(jié)構(gòu)，而是高度復雜、瞬息變化的系統(tǒng)?？梢园阉胂蟪梢粓F不斷翻滾、隨時可能失控的“氣態(tài)火焰”。在托卡馬克裝置中，需要幾十個傳感器實時監(jiān)測狀態(tài)，同時通過多組線圈進行動態(tài)調(diào)節(jié)。

整個過程的響應(yīng)速度極快，最快需要在0.1毫秒內(nèi)完成一次完整的“感知—計算—控制”閉環(huán)。這種級別的實時性，顯然已經(jīng)超出人類操作能力。

過去，這項工作主要依賴兩種方式：一是專家經(jīng)驗，二是傳統(tǒng)控制算法。經(jīng)驗豐富的研究人員可以通過大量實驗積累“手感”，在不同狀態(tài)下調(diào)整參數(shù)，但這種能力難以復制，也無法規(guī)?；茝V。而隨著系統(tǒng)復雜度不斷提升，這種方式的效率和上限都逐漸顯現(xiàn)。

在這種背景下，AI開始成為新的解決路徑。

如果把核聚變系統(tǒng)看作一臺極其復雜的機器，那么AI的角色，就是為它配備一套自動駕駛系統(tǒng)。具體來說，這套系統(tǒng)包括四個關(guān)鍵環(huán)節(jié)：狀態(tài)識別、趨勢預測、實時控制以及實驗規(guī)劃。

首先，通過各類傳感器信號，對等離子體的狀態(tài)進行判斷；其次，根據(jù)當前狀態(tài)預測其未來演化；然后在出現(xiàn)偏離時，迅速計算出調(diào)整方案并執(zhí)行；最后，通過不斷優(yōu)化實驗方案，提高整體效率。

其中最關(guān)鍵的一環(huán)，是控制。

2022年，DeepMind在《Nature》發(fā)表研究，驗證了強化學習可以用于磁約束聚變控制。這一成果在業(yè)內(nèi)引發(fā)廣泛關(guān)注——此前強化學習更多應(yīng)用于游戲或模擬環(huán)境，而這次則進入了真實工業(yè)場景。

隨后幾年，AI與核聚變結(jié)合的研究持續(xù)升溫，但真正落地仍有距離。直到2025年前后，多項條件開始逐漸成熟。

一方面，需求端開始爆發(fā)。此前獲得融資的一批聚變公司，其裝置在2023—2025年陸續(xù)建成并投入運行，開始積累大量真實數(shù)據(jù)。這意味著核聚變不再停留在實驗室階段，而是進入持續(xù)運行和迭代優(yōu)化階段。

另一方面，AI能力顯著提升。從大模型到世界模型，再到具備連續(xù)任務(wù)執(zhí)行能力的智能體，技術(shù)成熟度明顯提高，使其具備了參與復雜物理系統(tǒng)控制的基礎(chǔ)。

與此同時，政策層面的信號也在加強。核聚變被納入國家發(fā)展規(guī)劃，美國將“AI+聚變”寫入能源戰(zhàn)略路線圖，科技巨頭與聚變企業(yè)的合作持續(xù)推進，這些都在強化一個趨勢：核聚變正在從“長期愿景”走向“階段性目標”。

多重因素疊加之下，AI與核聚變這兩條原本各自發(fā)展的路徑，在2025年前后出現(xiàn)交匯。

在這樣的時間窗口中，新燭時代選擇了一條不同的路徑——不參與裝置制造，而是專注“軟件層”。用團隊的話來說，初期是提供算法工具，類似“賣鏟子”；長期目標則是構(gòu)建一套完整的核聚變操作系統(tǒng)。

在實際場景中，聚變企業(yè)每天需要進行大量實驗、參數(shù)調(diào)試和數(shù)據(jù)分析，新燭時代的算法可以作為工具提升效率。而隨著系統(tǒng)不斷完善，這些工具會逐步整合，形成覆蓋實驗設(shè)計、執(zhí)行與結(jié)果分析的完整閉環(huán)，最終實現(xiàn)更高程度的自動化運行。

不過，這條路徑的競爭核心并不在概念，而在落地能力。

核聚變裝置本身數(shù)量極少，無論是國家級大科學工程，還是頭部商業(yè)公司，能夠進行真實實驗的平臺都非常有限。這意味著，誰能率先在真實裝置上驗證AI系統(tǒng)的有效性，誰就更有機會獲得行業(yè)信任。

目前，新燭時代正處于這一關(guān)鍵階段，通過與頭部聚變企業(yè)合作，嘗試將AI算法從仿真環(huán)境遷移到真實裝置中，打通從理論到工程應(yīng)用的閉環(huán)。

當然，這條路并不輕松。

首先是人才問題。AI與核聚變分別屬于不同領(lǐng)域，既懂算法又理解聚變物理的人才極為稀缺。在實際招聘中，經(jīng)常出現(xiàn)“懂AI的不懂聚變，懂聚變的不懂AI”的情況。

其次是路徑不明確。行業(yè)尚未形成成熟范式，很多探索都需要從零開始，沒有現(xiàn)成經(jīng)驗可以借鑒。

再者是信任門檻高。對于聚變企業(yè)來說，每一次實驗成本都非常昂貴，因此在引入AI系統(tǒng)時，最關(guān)心的問題始終是：效果是否可靠，能否真正帶來提升。

但換個角度看，這些門檻本身也構(gòu)成了競爭壁壘。

在這個需要0.1毫秒完成決策的系統(tǒng)中，人類經(jīng)驗已經(jīng)難以支撐復雜度的持續(xù)提升。誰能讓AI真正接管關(guān)鍵環(huán)節(jié)，誰就有機會在這場長期競爭中占據(jù)先機。

對于新燭時代來說，眼下只是起點。但如果AI與核聚變的結(jié)合能夠持續(xù)推進，這場看似遙遠的能源革命，或許真的不再需要再等“下一個50年”。