核聚变初创公司Helion据报道正在与OpenAI洽谈电力销售协议。两家公司都得到了山姆·奥特曼的支持。
据Axios报道,这项协议仍处于早期阶段,可能会保证OpenAI获得Helion生产能力的12.5%——到2030年达到5吉瓦,到2035年达到50吉瓦。OpenAI的合作伙伴微软在2023年与Helion签署了类似协议,购买从2028年开始供应的电力。
如果Axios报道中的数字准确,这表明Helion预计能够快速扩大其核聚变发电厂的生产规模。该初创公司表示,其每个反应堆将产生50兆瓦的电力,这意味着到2030年需要建造并安装800个反应堆,到2035年还需要额外的7200个反应堆。
奥特曼将辞去该公司董事会主席职务。"山姆在十多年后将辞去Helion董事会职务。这一决定使Helion和OpenAI能够在未来机会上合作,为世界带来零碳、安全的电力,"该公司联合创始人兼首席执行官大卫·基特利在给TechCrunch的声明中说道。"我们期待以这种新身份继续与他合作。"
Helion正在争分夺秒地建造其首个商业规模的反应堆。如果该初创公司成功,将使其领先竞争对手数年,而竞争对手大多将目标定在2030年代初的商业运营。
该初创公司去年从投资者那里筹集了4.25亿美元,投资者包括奥特曼以及Mithril、Lightspeed和软银等公司。
大多数核聚变初创公司采用两种方法中的一种——收集聚变反应产生的热量,并使用蒸汽轮机将其转化为电力。Helion采取了不同的策略,开发了一种反应堆设计,使用磁铁将聚变能量直接转换为电力。
在沙漏形状的反应堆内,聚变燃料首先在两端转化为等离子体,然后使用磁场相互射向对方。当它们在中间碰撞时,另一组磁铁压缩合并的等离子体球,直到发生聚变。反应会对磁铁产生反推力,这可以直接将能量转换为电力。
Helion目前正在运营其Polaris原型机,为推进商业发电做准备。今年2月,该公司在反应堆内产生了温度达到1.5亿摄氏度的等离子体,接近该公司认为商业运营所需的2亿摄氏度。
尽管奥特曼已辞去Helion董事会主席职务,据报道也已回避相关讨论,但他的影响力在这次牵线搭桥中随处可见。
去年,奥特曼辞去了Oklo董事会主席职务,这是一家小型模块化核反应堆初创公司,曾与他的收购公司AltC合并。"这一举措旨在让Oklo探索与领先的人工智能公司的战略合作伙伴关系,包括可能与OpenAI的合作,"Oklo联合创始人兼首席运营官卡洛琳·科克伦当时在给CNBC的声明中说道。
更新:东部时间下午1:30:添加了Helion关于奥特曼辞去董事会主席职务的确认。
Q&A
Q1:Helion与OpenAI的电力协议具体内容是什么?
A:据报道,Helion正在与OpenAI洽谈电力销售协议,该协议可能会保证OpenAI获得Helion生产能力的12.5%,即到2030年达到5吉瓦,到2035年达到50吉瓦的电力供应。
Q2:Helion的核聚变技术与其他公司有什么不同?
A:大多数核聚变初创公司使用蒸汽轮机将聚变反应热量转化为电力,而Helion采用不同策略,开发了使用磁铁将聚变能量直接转换为电力的反应堆设计,在沙漏形状的反应堆中通过磁场控制等离子体碰撞。
Q3:山姆·奥特曼为什么要辞去Helion董事会主席职务?
A:奥特曼辞去Helion董事会主席职务是为了避免利益冲突,使Helion和OpenAI能够在未来机会上合作,为世界带来零碳、安全的电力,这与他去年辞去Oklo董事会职务的原因类似。
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。