融资6000万，清华校友用AI做核聚变：风口就是今年

这是铅笔道与水木清华校友种子基金的联合专栏。

作者 | 铅笔道 吴欣晓

编辑 | 铅笔道 王方

封面图丨ChatGPT生成

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，94年生，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？

通俗地说，核聚变就是人造太阳。你可能会觉得：它离我们很远。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。

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。

本文不构成任何投资建议。