對話新燭時代汪躍：把物理知識裝進AI，做可控核聚變的AI操作系統

作者 ｜ 黃小藝
郵箱 ｜ huangxiaoyi@pingwest.com

電，正在成為AI時代最稀缺的東西之一。

據國際能源署（IEA）預測，到2030年，全球數據中心的用電量將接近945太瓦時，較2024年幾乎翻倍。從2024年到2030年，數據中心用電量每年增長約15%。

這個背景下，有一件事開始變得不那么像科幻小說了——可控核聚變。

核聚變的原理，是讓氫的同位素在超高溫下發生聚合反應，釋放巨大能量，最終用來發電。原料是海水里就有的氘，幾乎取之不盡；不產生碳排放，也沒有核裂變那樣的失控風險。如果跑通，它幾乎是人類迄今想象過的最理想的能源方案。問題在于，它太難了，業界一直流傳一句玩笑：可控核聚變永遠還有五十年。

但最近，這句玩笑開始加速走向現實。

一方面是材料卡口打開了。2021年，MIT團隊用高溫超導材料制成的新型磁體，創下紀錄——同等性能的聚變裝置，體積縮小到原來的約2%，建造周期從30年壓到數年，聚變企業開始密集創辦。

另一方面是AI進場了，而且時機剛好。隨著全球聚變裝置陸續建成、運行實驗數據積累起來，AI終于有了可以“喂”的東西——用數據建模、訓練控制策略，讓這件事從理論可能變成了工程探索。

AI能做什么？先說清楚難在哪里。

氫的同位素被加熱到上億度時，會變成一種特殊的物質狀態——等離子體，核聚變反應就發生在這團流體里。但問題是，它極其不穩定，稍有擾動就會坍縮、破裂，反應中止。只有讓它穩定地維持足夠長的時間，聚變才能持續發生，發出電來。傳統方法靠經驗，慢且很難規?；?/p>

而AI的介入，正在讓毫秒級的預測和實時控制等離子體變得可能。

谷歌旗下的DeepMind，2022年就用深度強化學習實現了對核聚變等離子體的控制，論文登上《Nature》。2025年10月，DeepMind又宣布與聚變公司Commonwealth Fusion Systems合作，用AI尋找控制聚變反應的最優路徑——這背后的邏輯也不難理解：谷歌自己的AI數據中心就面臨巨大的能源壓力，它比任何人都希望聚變能早點跑通。

而國內第一個沖進這條賽道的創業公司，是北京中關村學院與中關村人工智能研究院聯合孵化的新燭時代，剛宣布完成6000萬元天使輪融資，由中科創星、鼎峰科創聯合領投，水木清華校友基金跟投，也是目前國內唯一一家專門做AI for Fusion的創業團隊。

我們和創始人之一、CTO汪躍聊了聊。他此前在微軟研究院做了近十年關于強化學習和AI for Physics的研究。這一次，他的創業邏輯很清晰：窗口正在打開，國內聚變裝置陸續建起來，數據開始有了，AI模型和工具也該出現了。

一、從研究員到創業者：AI For Fusion的窗口期到了

硅星人：先介紹一下你創業之前的經歷吧。

汪躍：我之前是在微軟亞洲研究院，2016年去實習，2020年博士畢業后轉為正式研究員，一直到2025年1月。這期間，我主要做兩個方向：一個是強化學習，另一個是AI for Physics，具體聚焦在流體動力學建模和控制等問題上。

硅星人：在微軟做了那么久，為什么選擇離開？

汪躍：我對微軟研究院抱有無限的感激，在微軟研究院的這么多年里面，我收獲了太多的成長，但總感覺差一點什么，主要在于研究院非常大，個人沒有辦法做真正端到端打通的落地項目——可能是人力資源的限制，可能是戰略方向的問題，總之很難從頭到尾把一件具體的事做完。

離開的時候我有三個想法：一是想找一個更自由的環境做有影響力的研究；二是想接觸更真實的社會世界——在微軟被保護得很好，但那不是真實的；三是想做真正能落地的事情。

硅星人：從微軟出來之后，是怎么一步步走到創業的？

汪躍：我去了剛成立不久中關村學院做研究員，算是一次創業預演。因為學院還在建設期，一個人需要參與很多事情——除了科研之外，也需要從學院建設的需求出發，做組織運營、對外合作以及資源鏈接等工作。在這個過程中，我和一些核聚變公司有了接觸，也認識了現在的合伙人張偉，清華工程物理系畢業，核物理學科背景。我們聊了幾個月之后，大家都意識到，AI for 核聚變是值得做的，而且如果想落地，就必須認真來做，光是橫向合作寫論文是不夠的，于是就正式創辦了新燭時代。

硅星人：在你們看來，為什么在現在到了一個落地窗口，而不是更早？

汪躍：我們觀察到一個結構性的滯后：最前沿的 AI 工具和算法，對傳統工業場景的滲透率非常低。

這里面有一個雙方都缺乏想象力的問題。傳統聚變專家對AI往往帶著刻板印象。在他們眼里，AI頂多是一個“極其強大的函數擬合器”，應用范圍也就局限在回歸、分類或者傳統的強化學習上。他們潛意識里認為AI只能處理有大量標注數據的“封閉問題”。

反過來，做 AI 的專家對聚變工業的認知也嚴重不足。發論文的慣性路徑，是把所有工業問題強制“框架化”到 AI 擅長的任務里——覺得聚變無非就是一個狀態空間大、響應要求快的非線性控制問題，嚴重低估了真實工業場景中物理規律的強約束、極端破裂事件的稀疏性，以及對絕對安全的苛刻要求。

雙方的認知還沒有徹底打通，但這恰恰就是我們最大的機會所在：聚變行業對 AI 的真實需求，早就遠遠超出了“函數擬合”的范疇。誰能率先跳出這個框架，發展出應對開放、復雜科學挑戰的全新AI能力，誰就能真正吃下這波紅利。

更重要的是，兩方現在同時成熟了。一邊是民營聚變公司，大概 2022 年前后密集融資成立，這兩年裝置陸續建起來，數據開始積累——沒有數據，AI 就沒有起點；另一邊是 AI 本身，經過這幾年的發展，架構和工具足夠成熟，可以作為我們改造的起點。

這兩個條件，缺一個做不了，再晚的話，窗口期又會過去。

二、把物理規律裝進神經網絡：AI控制等離子體，不能靠暴力 Scaling

硅星人：怎么定義你們，你們是一家什么公司？怎么定義 AI 在可控核聚變里的角色？

汪躍：我們定位是做驅動聚變裝置運行的智慧大腦。

聚變里很多關鍵流程長期依賴專家經驗、直覺和手工試錯，這種模式對科研當然有價值，但不適合規模化、標準化地走向工程化。而我們是一家把前沿AI深度重構成“聚變可用形態”的公司，讓AI 把那些分散的、模糊的、難以言傳的判斷，變成可復制、可量化、可部署的流程和模型。

為了做到上面說的，我們現在在和上游的聚變公司，比如星環聚能等深度合作，通過提供AI能力，幫助其加速核聚變實驗的效果和速度。

硅星人：現在核聚變實驗最核心的瓶頸是什么？

汪躍：核聚變的實驗，本質就是在控制等離子體（一種磁流體）。氘和氚在托卡馬克設備里被加熱到幾百萬度乃至上億度，形成等離子體，能把它穩定約束住、維持足夠長的時間，聚變反應才會發生，釋放大量熱能。

目前，行業正處于由實驗驗證向穩定量產過渡的關鍵階段，的突破核心就在于“等離子體約束與控制”。國內實現常態化運行的裝置仍屬少數，涵蓋了國家科研機構與頭部民營企業。其中，中科院等離子體物理研究所的 EAST裝置在今年初實現了1066秒的高約束模等離子體運行，刷新了世界紀錄，但距離工程化應用仍有路要走。

如果從工程落地的角度來看，我們拆分成了四個難點：診斷、預測、控制、設計。

診斷的難點在于，它是一個典型的“不完整觀測”問題——上億度的等離子體內部是物理上的觀測禁區，我們沒法探入其中，只能依賴外部邊緣的有限變量去反推內部全貌；預測的難點在于。比如像“等離子體破裂”這類極端事件的時間尺度極短，且一旦發生，試錯代價極高；再到控制的環節，難度在于這本質上是一個高維、非線性、強約束的超高頻實時反饋系統；最后是設計的難點，在于聚變實驗以及裝置設置等設計問題面臨的參數空間浩如煙海，且受到極其復雜的多物理場耦合約束。

硅星人：你們準備怎么用AI解決上面的困難呢？

汪躍：診斷上，現在的做法是在托卡馬克外周放一圈傳感器，磁場、光學、甚至高速相機，通過測量外部信號反推里面發生了什么。這個反推有物理依據：對于反推內部磁場結構這一問題來說，如果假定等離子體內部形成了平衡態，它就必然滿足一個叫 GS 方程的關系式，描述的是電磁力（向內的磁約束力）與等離子體壓強（向外的膨脹力）之間的平衡。

通過這個方程，從外部傳感器數據反推出等離子體的形狀、磁通量、密度、溫度——這也是我們做的第一步，通過AI去處理這些多模態信號的融合，判斷等離子體的狀態。

第二步是預測，本質是一個next frame prediction問題：你現在有磁通量、壓強、密度、溫度這些參數，下一時刻等離子體會往哪個方向運動？形狀會怎么變化？更關鍵的是——如果我調整了外部線圈的電壓，它內部會被扭曲成什么樣？這有點像天氣預報：風速、溫度、氣壓、濕度，預測一小時后是不是下雨。

再到控制這一步，目的是把預測轉化成實時決策。托卡馬克有多個線圈分布在不同位置，控制頻率大概是 10K 赫茲，也就是每 0.1 毫秒就要做一次決策。這個速度和維度，人是根本做不到的。

所以從診斷、預測到控制，這條鏈路是 AI 必須介入的核心場景。再往宏觀一層還有設計——這次實驗該怎么設計才能達到目標？現在完全靠專家經驗，未來也是 AI 可以介入的地方。

硅星人：你們的模型也是Transformer架構嗎，和通用類模型的不同點有哪些？

汪躍：是的，骨架是，因為本質是next frame prediction。不同的地方，第一，我們處理的不是離散的文字 token，我們的frame是連續的高維物理場。

第二，是數據和方法。大語言模型的路子是數據足夠大就scaling up，暴力涌現，在聚變這里完全走不通，數據沒有那么多, 也沒法等到數據積攢到足夠了再開始工作。

我們的核心思路是把物理方程作為先驗知識顯式嵌入神經網絡，形成物理信息神經網絡（Physics-Informed Neural Network）。物理系統是白盒的——GS 方程、MHD 方程我們都知道，把這些約束放進網絡里，相當于在數據不足的時候給模型提供了額外的監督信號。

第三，是一個硬約束，控制模型必須極小、足夠快，這樣才能做到離子層面的控制。

我們的解法是不對稱架構。預測模型可以非常大——它只用于訓練階段，不需要實時部署，大了反而能更充分地學習等離子體的物理規律；控制模型則必須極小，通過蒸餾從大的預測模型里提煉出來，再配合底層推理加速，確保能在 1 毫秒內輸出信號。

就像游戲AI訓練好了之后，上場只需要一個輕量級控制器，不需要帶著整個預測模型一起跑。

硅星人：現在模型進行到哪一步了？

汪躍：整體還在起步階段，有了數據后，在用數據訓練，接下來會快速推進閉環實驗——不在計算機里反復模擬，而是盡快拿到真實裝置上去做驗證，拿真實反饋，跟做機器人是一樣的思路。目前，我們也和合作方共同研發，大家做到什么程度，我們怎么幫他們賦能，把成果適配過去。

三、中游服務商的生存邏輯，與一個能源大時代的押注

硅星人：所以你們的客戶主要是核聚變公司，現在產業的上下游各是什么狀態？

汪躍：如果把核聚變看作一個即將爆發的超級產業，產業鏈的邏輯其實非常清晰。我們的定位，是上游核心的“ AI 大腦”提供商。這個比喻我覺得比較好理解：如果全球聚變公司在造的是越來越強的“CPU”裸機，那我們在做的，就是跑在這些裝置之上的“操作系統”——我們不造的托卡馬克物理裝置，我們專注提供不可或缺的 AI 診斷、預測、控制和設計能力，在這個產業鏈里做賦能者。

沿著我們往下看，整個產業鏈是這樣分布的：

中游是“整機廠”（裝置研發與制造）。 也就是我們常說的國家隊和各大民營聚變公司。目前全球拿了融資、正在沖刺的民營公司大概有數十家。國內的情況是，真正有裝置在常態化運行的企業還屈指可數；很多 2025 年前后入局的團隊，還需要兩三年時間才能把物理設備徹底搭起來。我們的 AI 鏈路，直接服務的客戶就是這些中游的“造星者”。

下游則是最終的商業化應用（發電與并網）。 聚變要真正走向商業發電，裝置的能量增益（Q值）至少要大于 30——也就是說，輸出的能量要是輸入能量的 30 倍以上，才能覆蓋掉整個系統運行的巨大工程損耗。這當然需要中游企業一步步去迭代，但令人興奮的是，下游的商業需求已經提前引爆了。

為了填補AI算力帶來的巨大能源缺口，像微軟這樣的科技巨頭，已經開始直接和聚變初創公司Helion Energy簽訂長期的購電協議，谷歌也與聯邦聚變系統公司（Commonwealth Fusion Systems，簡稱CFS）達成電力采購協議，承諾未來購買他們發出來的電。下游巨頭們用真金白銀在投票，這也讓整個行業確信：聚變發電不再是遙不可及的科幻，而是未來必然落地的確定性事件。

硅星人：你們現在是以什么方式跟核聚變公司合作的？

汪躍：目前本質是數據換服務、共同研發。我們需要他們的數據和裝置做模型，他們需要我們的AI能力來提效。在全球范圍，我們算是做的最早的聚焦AI 賦能可控核聚變的商業公司，但這一定是接下來的趨勢，大家也都在積極推進共研。

我們的判斷是，一旦把模型在某臺裝置上跑通，能展示出可以減少無效實驗——比如原本需要100次嘗試才能完成的實驗目標，以后可能50甚至1次就夠了——對客戶來說這個黏性非常強，誰先建立這個深度綁定，壁壘就在誰那里。這也是我們現在把服務好現有的合作伙伴、盡快打通從算法到裝置的壁壘放在第一位，從而展現我們的工程落地能力、擴大合作覆蓋面的原因。

硅星人：你怎么看能源這件事本身的長期價值？

汪躍：電會越來越不夠。你想，現在大家用 AI 已經不是去網上搜東西了，豆包、 ChatGPT，這背后的算力消耗是搜索引擎的幾個量級倍數?，F在用量還比較低，因為普及率還沒上來。但如果再往后走，不光是文字問答，還有視頻生成、實時監控分析、各種物理世界的感知——這個增長是指數級的，沒有人能預料五年十年以后會到什么規模。

硅星人：特別是美國那邊，關于能源的焦慮會更大。

汪躍：是的，美國那邊已經很明顯了，火電廠新建阻力極大，風光發電本來就不穩定。國內現在相對還好，但中國的能源需求也在持續增長，“夠用”是個動態概念，不能只看今天。

可控核聚變一旦商業化落地，它的優勢是目前任何能源路線都無法比擬的。之前中國工程院院士李建剛也說過，“一杯海水就能提供相當于 300 升汽油的能量?！彼邆淙剂蠠o限、零碳排放和固有安全性三大絕對優勢。

更重要的是，大家已經開始相信它可能真的能成——以前大家說聚變"永遠五十年"，但這兩年材料技術進步了，AI 進來了，EAST 做出了 1066 秒的記錄，NIF 在慣性約束也有突破，節奏明顯在加快，國內十五五規劃里也明確把聚變列為前沿重大方向。

李院士預測的是，最遲在 2030 年，我們就會見證“核聚變點亮的第一盞燈”。

硅星人：從微軟研究院的研究員，到北京中關村學院的研究員，再到現在新燭時代的CTO，這一路走下來有什么感受？

汪躍：心態上發生了很多轉變，挺有意思的。過去在研究院做研究，最大的挑戰是拿嚴謹的邏輯去說服審稿人；但現在自己出來創業，是要實打實地取信于行業同行和客戶。對我自己而言，核心目標從追求純粹的“前沿學術創新”，變成了磕技術到工程落地的“最后一公里”。

搞科研是單點突破，把自己的Paper和課題做好、對自己負責就行；作為創業者，你必須具備全局觀——背后站著跟你一起打拼的團隊，有信任你的合作伙伴和投資人，還有等待交付的客戶。

另一個感受是每天都面臨新的挑戰。創業之后，每天做的事都是之前沒做過的，作為CTO既要推進技術路線，又要做合作對接，很多事情都要親自盯。我本質上是一個對生命體驗有著極致“新奇感”追求的人，這種從0到1的感覺對我來說是很大的驅動力。

當然，更重要的是，這件事本身有著極大的時代價值。一方面，可控核聚變是足以重塑人類文明的終極能源，能親自投身進這個歷史進程，是件很自豪的事兒。另一方面，在強化學習和 AI for Physics 這條路上，我也深耕了近十年。如果現在不創立新燭時代，不抓住這個產業爆發的奇點，將學術經驗推向工程落地，這個歷史窗口可能就永遠對我關閉了。我不想在未來回望的時候留下這種遺憾。

點個“愛心”，再走 吧