没有人说将融合能源商业化会既便宜又迅速。
TAE Technologies 本周表示,在一轮融资中又筹集了 1.5 亿美元,此轮融资包括来自现有投资者 Google, Chevron 和 New Enterprise Associates 的投资。
对于这家近 30 年历史的公司来说,这是 TAE 的第 12 轮融资。根据 PitchBook 的数据,截至目前,该公司累计融资约 18 亿美元,使其成为资金支持最多的融合能源公司之一。
TAE(前身为 Tri Alpha Energy)多年来秘密研发其反应堆设计。该公司最初采用了一种工艺:先将两个等离子体球发射相互碰撞,然后利用粒子束将产生的物质团旋转起来。这个等离子体团 — 看起来像一个空心雪茄 — 会产生它自身的磁场,与反应堆的磁体协同工作,以保持等离子体的约束。
在四月,该公司宣布不再需要发射两个等离子体球来启动反应。而是仅依靠粒子束即可形成等离子体、对其加热并使其稳定。TAE 表示,取消相关设备使反应堆更小、更便宜且更易于操作。
Google 已参与 TAE 的两轮融资;此前在 2022 年完成的一轮融资筹集了 2.5 亿美元。事实上,这家科技公司与 TAE 的合作历史更为悠久。自 2014 年以来,Google 的计算机科学家就与 TAE 的工程师合作,利用机器学习(一种 AI 形式)寻找融合装置的理想参数。
在引入 AI 之前,优化过程通常需要两个月——TAE 首席执行官 Michl Binderbauer 于 2022 年告诉我,大约需要进行 1,000 次实验。AI 大幅缩短了这一进程,将实验次数减少了两个数量级,这些实验现在几小时内就能完成。
目前,TAE 的反应堆能够产生加热至 7,000 万摄氏度的等离子体。而对于其商业装置,公司表示需要将等离子体加热至 10 亿摄氏度。
Binderbauer 告诉 Axios,他计划在本轮融资于今年夏末结束前再筹集 5,000 万美元。该公司希望在 2030 年代初将电力投入电网。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。