作者 | 铅笔道 吴欣晓

编辑 | 铅笔道 王方

关于核聚变（人造太阳），几十年来有个老梗：现在看，离落地要 50 年；过个 10 年看，还得 50 年。

于是老梗就成了：核聚变离真正应用，永远还有 50 年。

但这一次，时间轴似乎被压缩了。

一是硬件质变。高温超导材料商用，让磁场强度几何倍数地提升。二是控制方式变了。AI 介入后，解决了核聚变最难的控制问题，AI 可以更快做判断，提前发现问题，并参与实时控制。

最近，AI 核聚变公司——新烛时代，融资 6000 万元，中科创星、鼎峰科创联合领投，水木清华校友基金跟投。

他们不造反应堆，而是做一件底层的事：给核聚变装上一套 " 自动驾驶系统 "。

新烛时代创立于 2025 年 9 月，创始人张伟毕业于清华大学工程物理系。联合创始人、CTO 汪跃则是北京交通大学概率论与数理统计方向的博士。

汪跃，新烛时代 CTO，94 年，安徽人，北交大博士

最近，铅笔道专访新烛时代 CTO 汪跃，聊了聊这个赛道的最新机会。

1、核聚变和我们啥关系？

答：提供无限廉价能源，彻底终结人类能源焦虑。

2、爆发节点是什么时候？

答：2025 年，需求、技术与政策三线合一的奇点。

3、标志性事件是什么？

答：2022 年 DeepMind 在《Nature》发表相关论文验证了以强化学习为代表的 AI 技术可以精准控制等离子体。

4、需求端为何在此时爆发？

答：前几年建好的装置，这几年开始跑了。

5、有哪些新机会？

答：开发核聚变操作系统，用 AI 算法接管实验流程。

6、当前最大瓶颈是什么？

答：AI 与聚变跨界人才匮乏，真实装置验证门槛高。

01 卡点在哪？

你可能会觉得：核聚变离我们很远。但其实，它对你的影响很直接，比如以后电费贵不贵。

如果核聚变成功了，能源将不再是需要节省的稀缺资源，而是像空气一样取之不尽。这不仅意味着电费会低到可以忽略，更意味着我们可以无限制地驱动 AI 算力、大规模淡化海水、甚至支持星际航行，从根本上终结几千年来困扰人类的 " 资源匮乏 " 和 " 能源焦虑 "。

所以大家拥抱的热情很高。当然，核聚变的难度也很大。

在汪跃看来，它的难，主要在于，能不能把这团 " 火球 " 关在一个地方，不让它乱跑。

目前主流的磁约束路线（托卡马克）本质是用超强磁场，把这团上亿度的 " 火球 " 托起来，让它悬在空中，不碰到周围的墙。

这套思路从上世纪 50 年代提出，一直用到今天，还是全世界最主流的做法。

思路提出来了，但做起来还是很难。原因很简单：造不出足够强的磁场。

过去用的是普通线圈，通电就发热，越想做强，温度越高，根本扛不住。

直到近几年，一种新材料开始成熟：高温超导材料，它几乎不发热。

也正是因为这个变化，最近 5 年，沉寂已久的核聚变，又开始加速了。

但就算解决了材料问题，更难是第二步：怎么稳住这团火球。

" 它不是一个静止物体，而是一个高度非线性、瞬息万变的复杂系统。" 汪跃解释。

你可以把它想象成：一团不停翻滚、随时可能失控的 " 气态火 "。

为了稳住它，在托卡马克装置内，需要几十个传感器从不同维度、不同侧面盯着它，十几个甚至几十个线圈需要实时调控，去拉它、推它、纠正它。

而且速度快到离谱，最快 0.1 毫秒就要调整一次。

"0.1 毫秒内，你要把所有信息收集起来，做处理，发出控制信号，还要执行完毕。" 汪跃说，" 人不可能靠旋钮去控制，连思考的时间都没有。"

过去，做这件精密的事，主要靠两样东西：专家经验和传统控制算法。

一个老练的聚变物理学家，经历上万次实验后，会形成一套 " 手感 "：在什么状态下该调哪个线圈电压、调多少。但这种能力很难复制，也无法规模化。

更麻烦的是，系统越来越复杂了：更高温度、更强磁场、更多传感器、更复杂湍流——这种老办法的试错成本，正在指数级上升。

" 你可能要做非常多次实验，才能换来一点点进展，并且提升空间接近极限了。" 汪跃说。

02 AI 来了

一个非常幸运的变化是：AI 来了。它能干嘛？可以把它理解成：给这台 " 复杂机器 "，装上一套自动驾驶系统。

既然这团 " 火球 "，传统办法已经不好控制，那么就让 AI 来。汪跃将其拆解为四个环节：诊断、预测、控制、设计。

背后的逻辑，就像是一套自动驾驶系统。

首先是 " 看见 " ——通过边缘的间接测量信号等，判断 " 火球 " 的位置以及状态；

然后是 " 预判 " ——根据当前的状态，预测未来演化（预测）；

接着是 " 控制 " ——一旦发现位置不对，线圈电流该如何调整（控制）；

最后还要 " 规划 " ——下一步实验，怎么做才最高效（实验设计）。

其中最关键、也最被业界验证的，是第三个步骤：控制环节。

2022 年，DeepMind 在《Nature》正刊发表了一篇论文：用强化学习做磁约束聚变控制。

这在 AI 学术圈投下了一颗震撼弹——此前强化学习似乎只能用于 AlphaGo 下棋、打游戏，而现在，它开始走进工业场景。

" 那是一个非常早的开端，给了大家信心。" 汪跃说。

从 2020 年到 2025 年，AI+ 核聚变的论文，越发越密集，但始终离用起来，还差最后一步。

直到 2025 年，技术和现实的需求，终于对上了。

03 WHY NOW？

2025 年的变化是什么？三件事成熟了：需求来了、技术到了、政策也开始支持。

先看需求端：终于有人真的在 " 用 " 了。

2021-2022 年那一批拿到融资的商业核聚变公司，后面几年装置陆续建好，开始每天跑实验，到了 2025 年，已经积累了相当多的数据，经验等。

这意味着什么？" 他们不再是实验室里的设想，而是每天都在运转的系统、天天在运行的机器。" 汪跃说。

再看供给端：AI 突然变得 " 能用 " 了。

2023-2025 年，AI 能力发生了一次明显跃迁。大模型更强了，世界模型更成熟了，能连续跑任务的 Agent 出现了。

最后是政策端：风向变了。

2025 年是个关键年份。

成为关键年份。中国 " 十五五 " 规划将核聚变写入其中；美国修订国家能源路线图，将 "AI+ 聚变 " 纳入；Google DeepMind 官宣与 CFS（Commonwealth Fusion Systems）的合作。

这些信号传递出一个变化：聚变不再是一个 " 永远离应用还有 50 年 " 的玩笑。

三个变化叠加在一起，会发生什么？

汪跃总结到：AI 越来越耗电，能源问题越来越急，而 AI 本身，又刚好能解决聚变的控制问题。

公司成立仅半年，斩获 6000 万融资

AI 和核聚变，两条原本各自发展的线，在去年交汇了。

04 新机会在哪？

AI+ 核聚变的新机会在哪里？新烛时代的选择是：不做装置，只做 " 软件层 "。用汪跃的话说，就是：一开始是 " 卖铲子 "，最后是 " 接管整个流程 "。

怎么理解这些场景？

核聚变公司每天要做很多事：做实验、调参数、看数据，需要更高效的工具，新烛时代提供算法模型作为 " 铲子 "。

这个 " 铲子 " 最终会变成一个操作系统：不只是给工具，而是把 AI 一步步嵌进去——从实验怎么设计，到怎么执行，再到怎么分析结果，最后变成一整套 " 自动运行 " 的系统。

这个方向，也源自创始团队的背景。

创始人张伟，毕业于清华大学工程物理系本科；联合创始人兼 CTO 汪跃，是位 90 后，安徽人，本科、博士都在数学和 AI 领域，2016 年起在微软亚洲研究院实习、工作，一待就是 9 年。

总而言之，AI+ 核聚变的新机会很多，但竞争的关键卡在一点：谁先在真实装置上跑通 AI，真正解决聚变公司的核心痛点问题，谁就赢了。

为什么？现实中能做实验的装置，太少了。

全国能跑实验的，就那么几台：一些国家队的大科学装置与头部聚变公司的装置。

这带来一个结果，谁先上机验证 AI 算法工程化的能力，谁就更容易赢得信任。" 这一关过了，合作的门槛会显著降低。" 汪跃解释。

目前，新烛时代正处于这一闭环的验证落地阶段。依托与头部聚变公司的深度商业合作，新烛时代正正致力于实现从数字仿真到真实装置的迁移，实现 AI 算法与复杂物理世界的高效深度协同。

05   三大挑战

新烛时代去年 9 月成立，今年 3 月份融资 6000 万元，资方包括中科创星、鼎峰科创联合、水木清华校友基金等资本。

现在最大的难点之一是：人才。" 招聘过程中经常遇到，懂 AI 的不懂聚变，懂聚变的不懂 AI，导致大家对 AI 赋能聚变这个赛道并不理解，与此同时，现在具身智能、大模型本来就很火，抢人更难。" 汪跃说，" 当然也正因为有这样的筛选，我们确实吸引到了一些真正志同道合的伙伴，带着好奇心一起探索 AI 赋能聚变的未来 "

其次是路径难。 这个行业，没有成熟范式，也没有现成案例可对标。

最后是信任难。

对客户来说，每一次实验的成本都很高。他们最关心的，其实是一个问题：AI 到底能帮我们什么？效果有多好？

但在汪跃看来，这些难点，本身也是机会。

汪跃迫切地说道：" 如果你也对 AI+ 核聚变有兴趣，不管是从 AI 背景还是聚变背景，欢迎联系我们。"

毕竟，在这个 0.1 毫秒就要做出决策的战场上，人脑已经不够用了。他们需要的，是愿意训练 AI 来替代自己 " 感觉 " 的同路人。