对话新烛时代汪跃：把物理知识装进 AI，做可控核聚变的 AI 操作系统

📌 一句话摘要

本文是对国内 AI for Fusion 创业公司新烛时代 CTO 汪跃的专访，探讨了其如何利用物理信息神经网络等技术，为可控核聚变装置提供从诊断、预测到控制的 AI 解决方案，并分析了该领域的产业窗口与商业模式。

📝 详细摘要

文章是一篇对国内首家专注于 AI 赋能可控核聚变的创业公司「新烛时代」CTO 汪跃的深度访谈。访谈围绕 AI 如何解决可控核聚变的核心工程难题展开，详细阐述了等离子体控制面临的诊断、预测、控制、设计四大挑战。汪跃介绍了其团队的技术路径：采用 Transformer 骨架进行 next frame prediction，但核心在于将物理方程（如 GS 方程）作为先验知识显式嵌入神经网络，构建物理信息神经网络，以解决数据稀缺问题。同时，他们采用不对称架构，训练大预测模型，再蒸馏出轻量级控制模型以满足毫秒级实时控制需求。文章还分析了 AI for Fusion 的产业窗口期、新烛时代作为「AI 操作系统」提供商的商业模式，以及可控核聚变作为终极能源的长期价值。

💡 主要观点

- AI 赋能可控核聚变的核心在于解决等离子体的诊断、预测与控制难题。 核聚变实验需将等离子体稳定约束在上亿度高温下，传统方法依赖专家经验。AI 可通过处理多模态传感器数据（诊断）、预测等离子体动态演化（预测），并实时调整外部线圈进行毫秒级控制，实现工程化突破。

技术核心是将物理规律显式嵌入 AI 模型，而非依赖数据暴力缩放。 针对聚变数据稀缺、试错成本极高的特点，新烛时代采用物理信息神经网络，将已知的物理方程（如 GS 方程、MHD 方程）作为约束融入模型训练，为 AI 提供额外的监督信号，这是与通用大模型 Scaling Law 路线的根本区别。

公司定位为聚变装置的「AI 操作系统」提供商，商业模式是赋能中游装置制造商。 新烛时代不自建托卡马克装置，而是为上游聚变公司提供 AI 诊断、预测、控制能力，通过「数据换服务、共同研发」的方式建立合作壁垒，目标是成为聚变产业链中不可或缺的智慧大脑。

AI 与聚变产业的双重成熟，创造了当前宝贵的创业窗口期。 一方面，民营聚变公司装置陆续建成，开始积累实验数据；另一方面，AI 工具链趋于成熟。双方认知尚未完全打通，这为能深度融合 AI 与物理知识的团队提供了结构性机会。

💬 文章金句

- 聚变行业对 AI 的真实需求，早就远远超出了‘函数拟合’的范畴。谁能率先跳出这个框架，发展出应对开放、复杂科学挑战的全新 AI 能力，谁就能真正吃下这波红利。

• 我们的核心思路是把物理方程作为先验知识显式嵌入神经网络，形成物理信息神经网络。物理系统是白盒的——GS 方程、MHD 方程我们都知道，把这些约束放进网络里，相当于在数据不足的时候给模型提供了额外的监督信号。
• 如果全球聚变公司在造的是越来越强的‘CPU’裸机，那我们在做的，就是跑在这些装置之上的‘操作系统’——我们不造的托卡马克物理装置，我们专注提供不可或缺的 AI 诊断、预测、控制和设计能力。
• 可控核聚变一旦商业化落地，它的优势是目前任何能源路线都无法比拟的。它具备燃料无限、零碳排放和固有安全性三大绝对优势。

📊 文章信息

AI 初评：87

来源：硅星人Pro

作者：硅星人Pro

分类：人工智能

语言：中文

阅读时间：26 分钟

字数：6372

标签： 可控核聚变, AI for Science, 物理信息神经网络, 等离子体控制, Transformer

阅读完整文章