马萨诸塞州德文斯，聚变公司 CFS 正在这里组装它的托卡马克装置 SPARC。装置还没点火，旁边一间控制室里，却已经先给 AI 留好了工位。
10 月 8 日，美国能源部公布"创世纪计划"（Genesis Mission）第二期入选名单：12 个项目、合计 1.59 亿美元，其中聚焦聚变的只有 1 个——由 CFS 牵头，为 SPARC 打造一套 AI 赋能的数字孪生平台（据美国能源部 10 月 8 日公告、CFS 官网同日发布）。
12 个项目里只占 1 席，信号却不小：AI 在聚变里的角色，正在从"帮人设计装置"，变成"帮人开装置"。
No.1
AI 先进了控制室
先把数字孪生和普通仿真分清楚。据 CFS 官网介绍，数字孪生不是一套离线跑参数的软件，而是与真实装置相连的模型：实机每一次放电都会把数据回灌进去，模型随之更新，对下一次放电的预测越来越准。
据普林斯顿等离子体物理实验室（PPPL）官网 10 月 8 日披露，该实验室将把三套主力物理代码——M3D-C1、TRANSP、XGC——与"科学智能"代理模型结合起来，完成整脉冲预测，把原本需要数小时的模拟压缩到 20 分钟以内。
20 分钟这个数字不是随便定的。托卡马克两次放电之间的间隔通常只有几十分钟，工程师必须在这个间隙里决定下一炮怎么打、参数怎么调。模拟如果跑几个小时，等结果出来，窗口早就关上了。
据项目首席研究员 Tom Looby 在 CFS 官网的表态，AI 在这里的角色是"把数小时的重型模拟，变成脉冲间隙里的即时判断"——用他的原话，是一个"高速副驾驶"。
参与名单同样说明问题。据 CFS 官网披露，这支团队包括 4 家美国国家实验室（劳伦斯利弗莫尔、橡树岭、普林斯顿等离子体物理、SLAC）、2 所大学（卡内基梅隆、麻省理工），以及 4 家企业（谷歌 DeepMind、英伟达、新思科技、通用原子）。CFS 称，这是迄今 AI 应用于聚变领域规模最大的一次合作。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
值得注意的是，项目要训练的并不只是"预测模型"，还包括强化学习与智能体（agentic）模型（据 CFS 官网）。翻译成一句话：AI 不只是在旁边算，它要参与到"下一炮打什么"的决策里去。
两年多来，AI 与聚变最常见的结合方式是设计端——用超算扫参数、找材料、优化位形。这一次，落点变了，落在运行端。
No.2
这笔钱买的不是磁体
账先算清楚。据美国能源部 10 月 8 日公告，创世纪计划二期本轮资助 12 个项目、合计 1.59 亿美元；美国能源部没有单独公布每个项目的金额（据 Securities.io 10 月 8 日报道）。
1.59 亿美元是什么量级？据 CFS 官网，这家公司自 2018 年成立以来累计融资超过 40 亿美元。也就是说，联邦政府这一轮投给全部二期项目的钱，还不到 CFS 一家公司历史融资额的零头。
但这两笔钱买的完全不是同一样东西。40 亿美元买的是磁体、真空室、电源、厂房——看得见的硬件；分给聚变的那一份联邦资金，买的是数据集、代理模型、可视化管线和连接超算的软件基础设施。硬件决定装置能不能建成，软件决定装置建好之后，每一炮打得比上一炮好多少。
同一条时间线上还有另一件事。据科技媒体 Green Technology Watch 10 月 7 日的行业汇总，谷歌与 Constellation 能源达成为期 20 年的协议，通过升级 11 座现役核电机组新增约 890 兆瓦发电能力，Constellation 计划为此投入超过 43 亿美元。
一边是给电站加电，一边是给电站提速。两件事的内在逻辑是一样的：AI 的用电需求，正在把电力从"采购问题"变成"投资问题"。核电升级是存量挖潜——快、便宜、风险低，但受燃料与场址的硬约束；聚变是增量，天花板高，时间表却最不确定。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
站在一级市场看，这份名单真正的价值不在金额，而在它给出了一套新的评价口径。过去看一家聚变公司，看谁的磁体强、谁的参数纪录高；往后可能要多看一栏——谁的数据积累更厚，谁的模型更好用。
No.3
这条线上，中国没有缺席
据中央广播电视总台中国之声 10 月 8 日报道，合肥紧凑型聚变能实验装置 BEST 园区已在国庆前交付启用，主机建造进入"四环套装"关键攻坚阶段，力争 2027 年完成主机装置建造、2030 年前后开展氘氚聚变发电演示。装置这条线的进度是清楚的。
软件与运行这条线，国内的动作要零散一些，但方向一致。据光明网 10 月 8 日报道，中国人寿通过国寿资本管理的国寿长三角科创基金，参与了安徽中科聚变太赫兹的新一轮股权融资。这家依托 EAST 成果转化设立的公司，做的是太赫兹光源与探测系统，用来实时感知装置内部状态——AI 要决策，前提是先能"看住"等离子体。
装备侧也在补齐。据澎湃新闻 10 月 8 日报道，落户成都天府新区的束研聚创，其自研中性束注入系统（NBI）样机完成首次等离子体放电验证，从立项到样机基本建成用时 4 个月；其合资平台的精密加工产线已投产，具备聚变装置零部件的小批量制造能力。中性束是磁约束装置的主流加热手段。
三条线放在一起看：装置在推进、诊断在补、装备在交付。中国聚变眼下最强的仍是工程化组织能力；而 AI 与软件，是全球同一条起跑线上的新变量。
No.4
别把 AI 当加速器
数字孪生有一个前提：数据。而 SPARC 目前还在组装，据 CFS 公开计划，它的首次等离子体目标是 2026 年。也就是说，这套 AI 数字孪生眼下能吃到的，主要是别人的历史数据——据 PPPL 官网，该实验室自己的球形托卡马克 NSTX-U 会先充当验证平台，跑通了再往 SPARC 上迁。
风险还有两条。其一，AI 能优化的是运行参数，改写不了物理与工程：材料要扛住中子辐照、磁体要长期稳定、氚要能自持，这些不是模型能绕过去的。其二，是时间。创世纪计划二期项目都是多年期，美国能源部也未公布单项金额；聚变的工程周期，不会因为多了一个副驾驶就缩短一半。
但方向确实变了。过去十年，聚变的评分表上写的是温度、密度、约束时间；接下来，这张表上大概会多一栏：数据。
决定谁先点亮第一度电的，可能不再是等离子体有多热，而是控制室里那套模型有多准。
那么，你怎么看？如果 AI 真能把聚变的试错周期压掉一半，你认为最先受益的是哪一环——A 磁体与材料，B 装置运行控制，还是 C 电站工程集成？欢迎在留言区给出你的选项和理由，我会挑几条认真回复。觉得有信息量，点个「在看」，也转给关心能源的朋友。
封面图片来源：COMPASS 托卡马克控制室实拍，via Wikimedia Commons，CC BY-SA 4.0
END