DeepMind 联手 CFS：用 AI 模拟与控制托卡马克装置 SPARC

控制过超过 1 亿摄氏度的太阳核心吗？核聚变科学家每天面对的就是这个烂摊子：等离子体比沸水躁动亿万倍，稍有不慎就会触壁熄灭，人类工程师根本来不及拧那些成百上千个微秒级的控制旋钮。

现在，Google DeepMind 打算彻底接管这个控制室。10 月 16 日，DeepMind 宣布与核聚变领头羊 Commonwealth Fusion Systems（CFS）达成深度合作，要把深度强化学习和模拟算法搬上 CFS 正在波士顿郊外建造的 SPARC 托卡马克装置。

机器还没点火，先在虚拟环境跑几百万次

CFS 的 SPARC 装置目前建设进度大约完成了三分之二，计划在 2026 年底完工，目标是成为人类历史上首个实现「净能量增益」（Q>1）的磁约束聚变装置。但在真实的昂贵机器上试错代价极高，所以双方的第一步是「先在软件里把雷踩完」。

去年 DeepMind 开源了基于 JAX 开发的可微等离子体模拟器 TORAX，这套软件能在 CPU 和 GPU 上高速运行，且天然兼容 AI 模型。据 CFS 透露，TORAX 已经成了他们日常工作流的核心支柱。

在 SPARC 真正通电点火之前，AI 代理就能结合 TORAX，通过强化学习和类似 AlphaEvolve 的演化搜索算法，自动跑上数百万次虚拟实验。它要从磁线圈电流、燃料注入、加热功率等海量参数组合中，挑出一条最稳健、能输出最大能量的操作方案。

让强化学习充当微秒级「副驾驶」

这项合作的核心还在于实时控制。早前 DeepMind 就曾与瑞士洛桑联邦理工学院（EPFL）的瑞士等离子体中心合作，证明了强化学习能够操控磁线圈来精准稳定复杂的等离子体形态。

这次在 SPARC 上的任务难度更苛刻。装置满功率运行时，极高温度的热流会集中释放到很小的内壁区域，一旦材料被烧毁，整个实验就会瘫痪。

双方目前正让强化学习代理尝试一种复杂的动态控制策略：用磁场引导排气热量在内壁材料上「来回扫动」，从而分散热负荷。这种在多重物理极限边缘走钢丝的调度，人类工程师靠经验规则很难写出来，但对 AI 来说正是擅长的连续动作空间优化。

为什么重要

AI 正在从「会聊天的玩具」变成顶尖工程科学的倍增器。托卡马克装置的控制难点在于非线性、高维度和毫秒级的响应要求，过去几十年物理学家被等离子体不稳定性折腾得步履维艰，而强化学习的介入直接改变了这种迭代效率。如果能在 SPARC 上跑通，聚变研发的时间表可能会被明显拉平。

更值得琢磨的是 Google 背后的一整套商业算盘。这根本不是单纯的学术赞助：Google 刚刚在 8 月联合英伟达参投了 CFS 高达 8.63 亿美元的 B2 轮融资，之前还承诺要从 CFS 规划中的首座商业电站 ARC 采购 200 兆瓦电力，甚至手头还投了另一家聚变公司 TAE Technologies。

我们认为，科技巨头正在玩一场精妙的闭环游戏：一方面数据中心和 AI 大模型消耗着海量电力，另一方面它们把 AI 自身作为加速器，投入到核聚变这种终极能源的研发中，最后自己再成为这些电站的第一批企业大买家。这看起来既像是在赌未来几十年的能源命脉，也是科技巨头不得不为自身算力扩张提前储备的生存门票。