英联邦聚变系统公司(Commonwealth Fusion Systems,简称CFS)周四表示,将向Realta Fusion公司出售高温超导磁体。这是该公司一系列交易中的第二笔,表明CFS在未来几年将重度依赖其磁体技术来获得急需的收入。
"这是CFS迄今为止同类交易中规模最大的一笔,"该公司首席商务官里克·尼达姆在记者电话会上表示。
CFS此前曾向威斯康星大学的WHAM实验项目出售磁体,聚变初创公司Realta与该项目有着密切合作关系。WHAM背后的物理原理是Realta聚变发电方法的基础,这种方法被称为磁镜反应堆。
在磁镜中,等离子体被约束成类似两个2升汽水瓶底部相连的形状。在两端,强力磁体推动等离子体,迫使其返回中心位置。较弱的磁体围绕瓶状结构的中部。
为了制造更强大的反应堆,获得Khosla投资支持的Realta只需扩大中间部分,由于这些磁体功率较小,成本也更低。随着Realta反应堆规模的扩大,每千瓦时的成本应该会下降。
CFS正在追求另一种形式的磁约束聚变,称为托卡马克。在托卡马克中,D形磁体产生强大磁场,使等离子体在内部环形结构中循环。多年来,该公司不断改进其磁体,致力于通过其未来商业规模反应堆Arc向电网输送电力,该反应堆计划在弗吉尼亚州建造。
CFS和Realta的存在都源于磁体技术本身。CFS成立于2018年,当时麻省理工学院的科学家们意识到,一种新型商用高温超导体可以支撑可行的托卡马克设计。Realta成立几年后,威斯康星大学的物理学家们"看到有一种新技术,一个游戏规则改变者,使我们能够重新回到磁镜并利用该概念具有的工程优势,"联合创始人兼首席执行官基兰·弗隆说。
除了Realta和WHAM交易外,CFS还将其高温超导磁体技术授权给Type One Fusion公司,该公司正在研究第三种反应堆设计,称为仿星器。虽然后一项交易不包括CFS为该公司实际制造磁体,但有一天可能会实现这一点,CFS对外传播负责人克里斯汀·邓恩告诉TechCrunch。
这些交易将帮助CFS偿还其在磁体制造方面的投资。这家初创公司花了七年时间和数亿美元建造了一座能够生产按聚变发电规格设计的高温超导磁体的工厂。到目前为止,这些投入都用于建造该公司的演示反应堆Sparc,该反应堆要到今年晚些时候才会启动。
"随着Sparc现在完成70%,开始用我们的磁体制造支持Realta是绝佳的时机,"尼达姆说。
由于Realta和Type One追求不同的反应堆设计,CFS显然目前不认为它们是直接竞争对手。在市场上,Realta和CFS相距更远,前者最初专注于需要大量热能的工业应用。
迄今为止,CFS已筹集近30亿美元资金——占聚变初创公司筹集的风险投资很大一部分。这使公司处于令人羡慕的位置,让它有能力在竞争对手之前建造磁体工厂等关键设施。这家初创公司将这些交易定位为对更广泛聚变行业的服务,提供复制成本高达数百万美元的技术。这确实如此,但也让它能够获得更多风险投资,即使是以迂回的方式。
Q&A
Q1:CFS的高温超导磁体技术有什么特点?
A:CFS花费七年时间和数亿美元建造了专门的制造工厂,能够生产按聚变发电规格设计的高温超导磁体。这种技术基于新型商用高温超导体,可以支撑可行的托卡马克设计,是其核心技术优势。
Q2:磁镜反应堆和托卡马克反应堆有什么区别?
A:磁镜反应堆将等离子体约束成类似两个汽水瓶相连的形状,通过两端强磁体推动等离子体回到中心;托卡马克则使用D形磁体产生强磁场,让等离子体在环形结构中循环运动。
Q3:CFS为什么要向其他公司出售磁体技术?
A:CFS需要通过出售磁体获得收入来偿还在磁体制造方面的巨额投资。同时,随着其演示反应堆Sparc完成70%,磁体工厂有了多余产能可以支持其他公司项目。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。