摘要：当1亿摄氏度的等离子体在"人造太阳"装置中高速旋转时，哪怕形状偏差1毫米、温度波动100万摄氏度，都可能导致聚变反应瞬间中断——这曾是困扰全球核聚变研究者半个多世纪的"致命难题"。2025年10月11日，中国核工业西南物理研究院联合浙江大学、之江实验室的团队在
当1亿摄氏度的等离子体在"人造太阳"装置中高速旋转时，哪怕形状偏差1毫米、温度波动100万摄氏度，都可能导致聚变反应瞬间中断——这曾是困扰全球核聚变研究者半个多世纪的"致命难题"。2025年10月11日，中国核工业西南物理研究院联合浙江大学、之江实验室的团队在《Communications Physics》发表的成果，给这个难题画上了突破性句号：他们研发的AI控制系统，能让"人造太阳"核心的等离子体保持稳定运行，甚至在从未见过的实验条件下也能精准调控，为核聚变商业化按下了加速键。更关键的是，这套系统把传统需要数天的控制策略设计，压缩到了半小时内完成。
比"走钢丝"难万倍：驯服等离子体的千年困局
要理解这项突破的价值，得先看清核聚变的"本质矛盾"：人类需要在地球上复刻太阳内部的聚变反应，但太阳靠自身引力约束等离子体，而人类只能用磁场"凭空抓牢"这团比太阳核心还热的物质。
核聚变的原料是氢的同位素氘和氚，它们在1亿摄氏度以上的高温下会变成完全电离的等离子体。这种物质状态极其"暴躁"——粒子以每秒数百公里的速度碰撞，任何外部干扰都可能让它脱离磁场约束，要么撞上装置壁瞬间冷却，要么引发能量爆发损坏设备。一个典型的托卡马克装置（"人造太阳"的主流形态），需要同时控制电流、温度、密度、形状等上百个参数，这些参数相互影响形成复杂的"蝴蝶效应"：比如等离子体电流微小波动，可能在0.1秒内引发"撕裂模不稳定性"，导致整个实验失败。
过去，科学家靠"物理模型+经验试错"来控制等离子体。他们先基于核聚变理论建立复杂的数学模型，用超级计算机模拟参数变化，再到实验中调整验证。但这种方式有个致命缺陷：传统物理模型虽然精准，却需要惊人的算力支撑。设计一套针对新实验的控制策略，光计算机模拟就得跑3-5天，而且一旦实验条件超出模型预设，比如等离子体温度突然飙升，整套策略就会失效。核工业西南物理研究院的李永革研究员曾形象比喻："这就像用固定的食谱做一道每天食材都在变的菜，根本无法保证味道。"
全球范围内，无数顶尖实验室都栽在这道坎上。美国的DIII-D装置曾因等离子体突然破裂，导致价值千万美元的偏滤器被烧毁；日本JT-60装置花了10年时间，才勉强实现100秒的稳态运行，但距离商用所需的"连续运行数千小时"相去甚远。
AI成"驯兽师"：中国的三大技术杀手锏
中国团队的突破，本质是用AI重构了等离子体的控制逻辑——不再依赖预设的物理模型，而是让机器从海量实验数据中自己学会"驯兽技巧"。这套部署在"中国环流三号"（HL-3）上的系统，藏着三个关键创新：
第一，用"记忆大师"LSTM网络预判未来。团队核心采用长短期记忆（LSTM）网络，这种AI模型擅长处理时序数据，能像人类大脑一样记住等离子体参数的"历史轨迹"。它通过学习HL-3装置积累的上万次实验数据，能精准预测未来1秒内等离子体的形状和电流变化，预测误差小于5%。这就好比给驾驶员装上了"未来视"，能提前规避即将发生的危险。相比之下，美国普林斯顿大学2023年的类似成果，只能提前300毫秒预警，留给系统的反应时间远不足够。
第二，自注意力机制实现"全局调控"。传统控制方法是"头痛医头"，比如发现等离子体形状偏了就调整磁场线圈电流，却可能忽略温度变化的影响。中国团队引入的自注意力机制，能让AI同时关注上百个参数的关联关系，比如当温度升高时，自动预判密度变化并提前调整供气速率。实验显示，这套系统能将等离子体的形状控制精度提升到0.1毫米级别，是传统方法的10倍。
第三，"零样本学习"突破经验局限。最令人惊叹的是系统的"应变能力"。在HL-3的实测中，科学家故意设置了从未出现过的实验条件——比如突然将等离子体电流从2兆安提升到3兆安，传统系统会瞬间失控，但这套AI系统仅用0.05秒就完成了参数重构，让等离子体恢复稳定。这种"零-shot" generalization能力，意味着它能适应未来商用反应堆中千变万化的运行状态。
"以前做实验像开盲盒，不知道哪次就能成功；现在AI就像经验丰富的老司机，能稳稳把住方向盘。"参与研究的浙江大学教授解释，现在他们设计一套新的实验控制策略，从数据输入到生成方案只需30分钟，而在2023年之前，这个过程需要整整4天。
中美欧竞速：谁能先摘到"终极能源"？
中国的AI控温技术并非孤例，全球核聚变领域正掀起一场AI应用竞赛，中美欧各有侧重，路线差异明显。
美国：聚焦"点火预测"，私人资本领跑。美国的优势在惯性约束聚变领域，以国家点火装置（NIF）为代表。2022年，NIF在AI助力下首次实现能量增益Q>1（输出能量大于输入能量），2025年已将这一比例提升到Q=5。私营公司更是动作频频：Helion Energy用AI优化等离子体压缩波形，计划2030年建成商用反应堆；Commonwealth Fusion Systems则结合高温超导与AI控制，把磁体成本降低了90%。不过美国的短板在于磁约束装置的稳态控制，其最先进的SPARC装置目前最长运行时间仅5分钟。
欧洲：依托ITER搞"国际协同"，进度滞后。欧洲主导的国际热核聚变实验堆（ITER）是全球最大的托卡马克装置，计划2035年实现首次聚变发电。欧洲团队的AI研究更侧重"多装置数据共享"，试图整合全球20多个实验室的数据训练通用模型。但受限于国际合作的协调难度，ITER的建设已比原计划推迟8年，AI控制系统的测试也尚未全面展开。2024年公布的进展显示，其AI模型目前仅能控制10个核心参数，远少于中国HL-3的50个。
中国："国家队+企业"双线并进，稳态控制领先。中国的优势在于磁约束聚变的稳态运行能力。除了HL-3的AI控制系统，"东方超环"（EAST）已实现1056秒的长脉冲高约束运行，是全球最长纪录。企业端同样发力：新奥集团在"玄龙-50U"装置上实现AI控制等离子体位形，其数字孪生系统的仿真速度比传统软件快1万倍；星环聚能则计划2030年建成小型商用反应堆。更关键的是，中国已形成"基础研究（西物院）+技术攻关（浙大）+产业落地（新奥）"的完整链条，这是欧美目前不具备的优势。
"中美欧现在基本站在同一起跑线，但中国的产业链优势太明显了。"北京大学康炜研究员指出，建造一台先进托卡马克需要高精度磁体、超导材料、高功率微波源等上百种关键部件，中国能实现100%国产化，而欧洲ITER的磁体线圈还得从中国采购。
2035年能用上聚变电吗？突破三大瓶颈是关键
从HL-3的AI控制突破，到全球Q值不断刷新，核聚变的商业化似乎已从"永远50年"变成"近在眼前"。但要真正让千家万户用上聚变电，还得跨过三道硬坎。
首先是"长时稳态"的精度控制。目前HL-3的AI系统能稳定控制100秒，而商用反应堆需要连续运行上万小时。这意味着AI不仅要预测短期变化，还得应对材料老化、杂质积累等长期影响。西物院的团队已开始研发"时序迁移学习"技术，让AI能从短期实验数据中学习长期规律，目标是2027年实现1000秒的高精度控制。
其次是"数据鸿沟"与"人才断层"。AI的性能依赖数据，但核聚变实验成本极高，一次放电就要耗费数十万元，很难获取海量的故障数据。同时，既懂核聚变物理又懂AI算法的复合型人才极度稀缺。新奥集团的解决方案是"数字孪生+开源社区"：用AI构建与真实装置一模一样的虚拟模型，在虚拟环境中生成无限数据训练AI；同时联合北大、南开成立联合实验室，已培养出50多名跨学科研究生。
最后是"成本控制"的商业化难题。目前一台中型托卡马克装置的建造成本高达百亿元，发电成本可能是火电的5倍。中国团队正从两方面突破：一是用AI优化装置设计，之江实验室的仿真显示，AI优化后的HL-4装置体积缩小30%，成本降低40%；二是开发氢硼聚变技术，新奥的"玄龙-50U"已实现氢硼等离子体放电，这种聚变产物是氦，没有放射性，能大幅降低后期处理成本。
按照目前的进度，业界已形成新共识：最快2030年，中国、美国的私营公司可能建成小型商用示范堆；2035年，规模化的聚变电站有望并网发电，度电成本可能降至0.3元以下，与火电持平。到那时，人类将彻底摆脱化石能源依赖，雾霾、碳排放等环境问题也将迎刃而解。
从HL-3装置中稳定旋转的等离子体，到AI屏幕上跳动的精准参数，这场由中国引领的"能源革命"已悄然启动。正如新奥能源研究院刘敏胜院长所说："以前我们总说核聚变是'未来能源'，但现在，未来已来。"或许用不了10年，当我们打开电灯时，流淌的将是来自"人造太阳"的清洁能源——而这一切，始于中国科学家用AI驯服等离子体的那一刻。
来源：智能学院