DeepMind 聯手 CFS：用 AI 模擬與控制托卡馬克裝置 SPARC

控制過超過 1 億攝氏度的太陽核心嗎？核聚變科學家每天面對的就是這個爛攤子：等離子體比沸水躁動億萬倍，稍有不慎就會觸壁熄滅，人類工程師根本來不及擰那些成百上千個微秒級的控制旋鈕。

現在，Google DeepMind 打算徹底接管這個控制室。10 月 16 日，DeepMind 宣佈與核聚變領頭羊 Commonwealth Fusion Systems（CFS）達成深度合作，要把深度強化學習和模擬演算法搬上 CFS 正在波士頓郊外建造的 SPARC 托卡馬克裝置。

機器還沒點火，先在虛擬環境跑幾百萬次

CFS 的 SPARC 裝置目前建設進度大約完成了三分之二，計劃在 2026 年底完工，目標是成為人類歷史上首個實現「淨能量增益」（Q>1）的磁約束聚變裝置。但在真實的昂貴機器上試錯代價極高，所以雙方的第一步是「先在軟體裡把雷踩完」。

去年 DeepMind 開源了基於 JAX 開發的可微等離子體模擬器 TORAX，這套軟體能在 CPU 和 GPU 上高速執行，且天然相容 AI 模型。據 CFS 透露，TORAX 已經成了他們日常工作流的核心支柱。

在 SPARC 真正通電點火之前，AI 代理就能結合 TORAX，通過強化學習和類似 AlphaEvolve 的演化搜尋演算法，自動跑上數百萬次虛擬實驗。它要從磁線圈電流、燃料注入、加熱功率等海量引數組合中，挑出一條最穩健、能輸出最大能量的操作方案。

讓強化學習充當微秒級「副駕駛」

這項合作的核心還在於即時控制。早前 DeepMind 就曾與瑞士洛桑聯邦理工學院（EPFL）的瑞士等離子體中心合作，證明了強化學習能夠操控磁線圈來精準穩定複雜的等離子體形態。

這次在 SPARC 上的任務難度更苛刻。裝置滿功率執行時，極高溫度的熱流會集中釋放到很小的內壁區域，一旦材料被燒燬，整個實驗就會癱瘓。

雙方目前正讓強化學習代理嘗試一種複雜的動態控制策略：用磁場引導排氣熱量在內壁材料上「來回掃動」，從而分散熱負荷。這種在多重物理極限邊緣走鋼絲的排程，人類工程師靠經驗規則很難寫出來，但對 AI 來說正是擅長的連續動作空間最佳化。

為什麼重要

AI 正在從「會聊天的玩具」變成頂尖工程科學的倍增器。托卡馬克裝置的控制難點在於非線性、高維度和毫秒級的響應要求，過去幾十年物理學家被等離子體不穩定性折騰得步履維艱，而強化學習的介入直接改變了這種迭代效率。如果能在 SPARC 上跑通，聚變研發的時間表可能會被明顯拉平。

更值得琢磨的是 Google 背後的一整套商業算盤。這根本不是單純的學術贊助：Google 剛剛在 8 月聯合輝達參投了 CFS 高達 8.63 億美元的 B2 輪融資，之前還承諾要從 CFS 規劃中的首座商業電站 ARC 採購 200 兆瓦電力，甚至手頭還投了另一家聚變公司 TAE Technologies。

我們認為，科技巨頭正在玩一場精妙的閉環遊戲：一方面資料中心和 AI 大模型消耗著海量電力，另一方面它們把 AI 自身作為加速器，投入到核聚變這種終極能源的研發中，最後自己再成為這些電站的第一批企業大買家。這看起來既像是在賭未來幾十年的能源命脈，也是科技巨頭不得不為自身算力擴張提前儲備的生存門票。