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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。