商业核聚变发电目前还不是现实。但风险投资正在涌入那些承诺清洁、安全且几乎无限的能源不再只是遥远梦想的初创公司。
大多数融资超过 1 亿美元的聚变公司都位于美国。但德国初创公司 Proxima Fusion 却不是如此,该公司刚刚获得了由 Balderton Capital 和 Cherry Ventures 领投的 1.3 亿欧元 A 轮融资 (约合 1.48 亿美元)。
这使得 Proxima 迄今为止的公开和私人融资总额超过 1.85 亿欧元 (2 亿美元),增加了其成为欧洲在这场寻求裂变替代方案竞赛中顶级竞争者之一的机会。这种替代方案不依赖于铀或当前核反应堆中使用的其他进口裂变材料。
这种追求不仅仅是为了科学声望;它与能源安全深度交织。Proxima 的 CEO 兼联合创始人 Francesco Sciortino 在接受 TechCrunch 采访时预测:"等到 2030 年代初,你将看到每个地缘政治集团都有聚变巨头。"
到目前为止,Proxima 还没有成为这样巨头的实力;其 2024 年 4 月的种子轮融资仅为 2000 万欧元 (2170 万美元)。从那时起,Proxima 在同行评议期刊上发表了其运行聚变发电厂的计划。
这篇论文为仿星器做出了论证,这是一种使用磁场将热等离子体约束成环形足够长时间以发生聚变的反应堆类型。与其主要替代方案托卡马克不同,仿星器的扭曲环形不需要等离子体电流,使其更加稳定。基于其与世界最大仿星器——德国 Wendelstein 7-X 的接近性,Proxima 提出了自己的 Stellaris 设计,这是论文中详述的一个重要里程碑。
Sciortino 表示,这笔巨额新融资部分反映了在原本告诉投资者时间的一半内就达到了这个里程碑。由于融资轮超额认购,公司有了选择权。"现在我们有了合适的合作伙伴,不仅适合这个阶段,还能为我们在下一阶段提供资金。"
共同领投这轮融资的两家基金都可能跟投。Balderton 在 2024 年为其早期基金 IX 和成长基金 II 筹集了 13 亿美元。至于 Cherry,它在 2025 年 2 月以 5 亿美元关闭了最新基金,将在早期阶段和 B 轮及以后的跟投之间分配。
Sciortino 估计,需要风险投资作为投资类别"将 [Proxima] 带到 2031 年,上下浮动"。在那之后,公司预计将寻求其他形式的资本。但在此之前,它将需要资本来实现重大里程碑,包括计划于 2027 年进行的关键硬件演示。在他看来,融资之所以成为可能,是因为人们理解"对我们目前的投资者来说,这不是一段无限长的旅程"。
按照风险投资的规则,投资者可能不太相信聚变会在那个时间表上实现,但他们愿意下注。创始人主导基金 Plural 的合伙人 Ian Hogarth 现在已经三次投资 Proxima,并称其为"大手笔"。
核聚变未来对欧洲大陆特别有吸引力。Hogarth 告诉 TechCrunch:"Proxima 代表着一个去碳化的机会,为世界所有下游能源需求提供稳定的基荷,并让欧洲在推动能源转型中发挥全球领导作用。"
Proxima 的股权结构表再次非常欧洲化,参与本轮融资的包括 Bayern Kapital、Club degli Investitori、DeepTech & Climate Fonds (DTCF)、Elaia、HTGF、Leitmotif、Lightspeed、OMNES Capital 和 UVC Partners。
Sciortino 说:"我们认为 Proxima 是彻底的欧洲公司,而不仅仅是德国公司。"Proxima 的总部和实验室位于慕尼黑,它从马克斯·普朗克等离子体物理研究所 (IPP) 分拆出来。但它在瑞士的保罗·谢勒研究所和英国牛津附近的 Culham 聚变能源中心 (英国国家聚变研究实验室) 也有团队。
Sciortino 本人是物理学家出身,来自意大利,但曾在英国、瑞士从事聚变研究,然后在美国 MIT 工作。他回到欧洲有几个原因,但其中一个反映了投资者呼应的情感:"我是一个相当自豪的欧洲人,一直想认为这个大陆有未来,需要有人来建设。"
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。