去年,核聚变初创公司General Fusion正面临资金筹集困难,裁员至少25%,直到获得2200万美元的救命投资,才开始思考如何维持公司运营。
今天,General Fusion公布了其生存计划:将通过与特殊目的收购公司Spring Valley III的反向并购上市,同时获得机构投资者的额外投资。对于一家CEO在去年还公开发信恳求资金支持的公司来说,这是命运的重大转折。
如果交易按计划完成,General Fusion最多可从此次交易中获得3.35亿美元,这是其去年获得2200万美元救命资金前据报道寻求筹集金额的两倍多。
General Fusion表示,此次交易将使合并后公司估值约为10亿美元。据PitchBook数据,这家成立于2002年的核聚变初创公司此前已筹集了超过4.4亿美元。
General Fusion计划用这笔资金完成其示范反应堆Lawson Machine 26(LM26)。该设备采用一种叫做"磁化靶聚变"的方法,通过压缩燃料颗粒直至原子融合,在过程中释放能量。美国国家点火装置在其成功的聚变实验中使用了惯性约束,用激光轰击燃料颗粒来产生压缩力。
不过,LM26摒弃了激光技术。相反,它使用蒸汽驱动活塞推动液态锂金属壁向内压缩燃料颗粒。液态锂然后通过热交换器循环,产生蒸汽来驱动发电机。通过避免使用其他聚变反应堆设计中需要的昂贵激光或超导磁铁,General Fusion希望以更少的成本建造聚变发电厂。但公司首先必须证明其方法的可行性。
去年,在透露财务问题之前,General Fusion曾表示LM26将在2026年达到科学收支平衡,即聚变反应产生的功率超过启动所需功率。科学收支平衡是一个关键里程碑,但与商业收支平衡不同且更容易实现,商业收支平衡要求聚变反应释放足够的能量向电网输出电力。在给TechCrunch的邮件中,General Fusion表示现在的目标是在2028年达到收支平衡。
收购公司Spring Valley在与能源公司进行反向并购方面颇有专长。它此前将小型模块化核反应堆公司NuScale Power带到了公开市场,但该股票价格自去年峰值以来已下跌超过50%。该公司还在完成与铀矿开采公司Eagle Energy Metals的并购,后者据说也在开发自己的小型模块化反应堆。
General Fusion不是第一家上市的聚变公司。去年12月,TAE Technologies宣布将与特朗普媒体技术集团合并,合并后公司估值超过60亿美元。
当然,连接这些交易的共同线索是数据中心。据彭博新能源财经预测,数据中心的电力消耗预计到2035年将增长近300%,General Fusion在其并购公告中明确指出了数据中心能源需求的增长。
但公司还指出了更广泛的电气化趋势,包括电动汽车和电加热,这些可能到2035年使整体电力需求增长多达50%。这提醒我们,虽然特朗普政府对电气化未来表示怀疑,但其他国家正在大步向前。虽然General Fusion可能面临技术挑战,但能源领域的趋势表明,如果它能以合理成本提供聚变电力,将会找到大量愿意购买的客户。
Q&A
Q1:General Fusion采用什么样的核聚变技术?
A:General Fusion采用"磁化靶聚变"技术,使用蒸汽驱动活塞推动液态锂金属壁向内压缩燃料颗粒直至原子融合释放能量,避免了其他聚变反应堆设计中需要的昂贵激光或超导磁铁。
Q2:General Fusion什么时候能达到聚变收支平衡?
A:General Fusion目前的目标是在2028年通过其示范反应堆LM26达到科学收支平衡,即聚变反应产生的功率超过启动所需功率。这比之前计划的2026年有所推迟。
Q3:为什么核聚变公司现在要上市?
A:主要原因是数据中心电力需求预计到2035年将增长近300%,加上电动汽车和电加热等电气化趋势可能使整体电力需求增长50%,为聚变电力创造了巨大市场机会。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。