由Sam Altman支持的核聚变初创公司Helion于近日宣布,完成了一轮4.65亿美元的新融资,融资完成后公司估值达到155亿美元。
此次融资正值Helion全力推进其首座核聚变电站"Orion"的建设之际。该公司制定了颇为激进的商业化时间表,计划最早于2028年向电网供应聚变电力——前提是其能够按时履行与微软签订的合作协议中的各项条款。
Helion上一轮融资发生在2025年1月,金额为4.25亿美元。至此,公司累计融资总额已达15亿美元。
本轮融资为G轮,由Thrive Capital领投,参与方阵容庞大,新进投资者包括Alta Park Capital、Anti Fund、BoxGroup、Lux Capital、Peak XV Partners及Bill Ford,老股东方面则有Capricorn Technology Impact Funds、Lightspeed Venture Partners、Mithril Capital、Dustin Moskovitz旗下的Good Ventures Foundation、软银愿景基金二期及一家大学捐赠基金。
Helion在核聚变技术路径上与业内众多同行有所不同。目前,部分公司采用磁场约束超高温等离子体来实现聚变条件,另一些则借助激光压缩聚变燃料使其发生反应。在上述两种方案中,大多数初创公司均计划使用蒸汽轮机将聚变产生的巨大热能转化为电能。
Helion同样使用磁场压缩燃料,但其独特之处在于计划直接从磁场中提取电能。当聚变反应在反应堆内部的等离子体中发生时,等离子体会向外膨胀并推压磁场,这一过程所产生的力可以直接从磁体中引出并转化为电能——其原理类似于电动汽车在制动时反转电机以回收电能并为电池充电。
这种技术方案将大幅提升核聚变电站的整体效率。然而,部分核聚变领域的专家对此持怀疑态度。原因之一在于,与许多竞争对手不同,Helion鲜少在同行评审期刊上发表研究成果,物理学家们因而无从审视其理论基础。对此,Helion首席执行官David Kirtley表示,公司聚变装置最终呈现的实际成果应当足以证明其可行性。他曾表示:"我们不想停留在对聚变的理论探讨上,我们只想动手去建造它。"
Helion并非近期唯一获得新融资的核聚变企业。核聚变赛道近几个月已成为投资者竞相追捧的热门领域。上周,Focused Energy和Thea Energy相继宣布完成新一轮融资,金额分别为2.4亿美元和1亿美元。今年2月,Inertia Energy以4.5亿美元的A轮融资高调亮相;而在此之前一个月,Type One Energy也表示正在进行2.5亿美元的B轮融资。
尽管核聚变的商业化进程仍需漫长时日,资本热情依然未减。虽然近期已有多家公司在各自认为关键的里程碑上取得进展,但大多数企业预计,其首座商业规模电站最早也要到下一个十年中期才能投入运营。
核聚变之所以受到青睐,很大程度上源于其潜力——仅凭海水便可提供近乎无限的持续稳定能源。对于以AI为核心业务的科技公司而言,这无疑具有极大的吸引力。与此同时,若核聚变企业能够持续压低成本,这项技术还有望颠覆其他规模达万亿美元级别的能源市场。尽管其回报周期远超风险投资通常所能接受的范围,但一旦成功,潜在收益的量级也将远超以往。
Q&A
Q1:Helion的核聚变技术与其他公司有什么不同?
A:Helion同样使用磁场来压缩聚变燃料,但其核心区别在于发电方式。传统核聚变方案通常通过蒸汽轮机将热能转化为电能,而Helion计划直接从磁场中提取电能。当聚变反应发生时,等离子体膨胀并推压磁场,产生的力可直接转化为电流,类似于电动汽车制动时的能量回收原理。这种方式理论上可大幅提升电站整体效率,但也因此受到部分核聚变专家的质疑。
Q2:Helion计划什么时候向电网供电?
A:Helion设定了颇为激进的时间表,目标是最早于2028年向电网输送核聚变电力,这也是其与微软合作协议中的重要条款之一。不过,核聚变行业整体进展仍较缓慢,大多数企业预计首座商业规模电站最早要到下一个十年中期才能投入运营,Helion能否如期实现目标仍面临较大挑战。
Q3:为什么AI科技公司对核聚变能源感兴趣?
A:核聚变能源具备近乎无限且持续稳定的供能潜力,原料来源仅需海水,这对于能耗极高的AI基础设施来说极具吸引力。AI数据中心需要大量稳定的电力支撑,而核聚变一旦实现商业化,有望提供清洁、持续且低成本的电力来源,从根本上解决AI发展面临的能源瓶颈问题。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
马里兰大学提出无需训练奖励模型的数学推理方案,用大模型实时为小模型的分块生成过程打分选优,效果媲美专用过程奖励模型。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
上交大等机构联合构建首个个性化MCP工具测评平台,测试超十款顶尖AI在飞书、小红书等真实个人账号场景的实际能力,结果显示无一模型准确率超过50%。