被称为“人造太阳”的可控核聚变近段时间屡登资本市场热门榜，这背后是聚变技术正从科学研究向工程实践和商业应用加速迈进。核能在未来产业中扮演什么角色？资本入场能否有效加速聚变技术从“实验室成功”到“工程可行”的跨越？近日，在复旦大学管理学院新年论坛期间，凤麟核创始人、中科院院士吴宜灿接受记者采访时表示，聚变不是一次物理突破，而是一场长期系统工程，未来AI有望显著缩短先进核技术从研发到工程实现的周期。

　　要对节奏保持理性，跨越仍然艰难

　　记者：您认为当前制约聚变商业化的最关键瓶颈是物理问题还是工程经济性问题？

　　吴宜灿：聚变的商业化，不是实验上实现“点火”、突破“一千秒”“一亿度”这样的纪录；一个能商用的聚变电站，必须同时回答：能否稳定运行、能否安全可控、能否高效可维护、能否把每度电成本做下来。总体上看，聚变目前正处在从“科学可行”走向“工程可行”的关键跨越期，因此主瓶颈更多集中在等离子体稳态运行、极端环境材料、氚燃料自持等若干关键技术挑战、工程系统集成与经济性。除了工程可行性和经济性外，也要承认各路线都还存在关键物理环节的验证不确定性。聚变不是一次物理突破，而是一场长期系统工程。

　　记者：央企百亿级资本入场能否有效加速从“实验室成功”到“工程可行”的跨越？

　　吴宜灿：资本可以加速，但不能跳级。要对节奏保持理性，加速是相对的，跨越仍然艰难，进展不会像部分资本市场或宣传想象得那么线性、那么迅速。资本的价值非常关键：它有助于把工程化所需的设施、人才、工程体系与供应链快速组织起来，把部分验证并行推进，显著缩短“试错的等待时间”，但资本入局并不意味着可以绕过关键物理与工程门槛，更不意味着可以跳过可靠性与可维护性所需的实际验证。

　　更理性的路径，是在尊重科学和商业规律的基础上，把目标拆成清晰的里程碑，分阶段验收，用耐心资本与工程组织能力降低未来的不确定性。

　　赛马要做到分阶段过关、拿数据说话

　　记者：全球核聚变发展呈现“多路线竞跑”的鲜明特征，从托卡马克单一路径拓展至场反位形，仿星器，氢硼聚变等多种技术方案并行探索。您如何看待这种“赛马”格局？中国在托卡马克领域已实现从跟跑到并跑，部分技术达到领跑，但在其他技术路线上布局相对分散，您认为我国是否需要调整现有的技术路线布局策略，还是应坚持“有所为有所不为”的聚焦发展？

　　吴宜灿：我认为“聚焦”并不意味着“只走一条路线”。更合理的聚焦，是聚焦两件事：第一是聚焦目标：我们最终要的是商业示范和可持续发电，而不是单纯去“刷纪录”、搞宣传。第二是聚焦关键共性能力和技术：核技术、材料、氚循环、超导磁体与电源、排热、控制、关键测试平台，以及标准法规路径等——这些是任何路线都绕不开的基础。

　　在这个前提下，建议支持“多路线竞跑”，因为聚变商业应用的不确定性很高，各路线应在统一的里程碑和标准下持续验证，而不是因为一时的热度或投入力度就过早预设答案。过去对托卡马克投入最大，不等于未来商业化最快。

　　赛马要做到分阶段过关、拿数据说话：先过原理关（通不通、能不能放大），再过关键技术关（效率、重复运行能不能上去），最后过系统关（能不能闭环跑、维护和成本路径讲不讲得通）。资源配置可以跟着过关结果走，过关就加码，不过关就调整或止损。

　　记者：核能在未来产业中扮演什么角色？未来3—5年，AI+核能最可能出现哪些颠覆性突破？

　　吴宜灿：核能在未来产业体系中至少可以扮演三种角色：第一，低碳、可调度的基础电力支撑；第二，支撑电气化与高负荷用能（包含AI算力中心）的可靠电源；第三，高品质工业热源（制氢、化工、冶金等）。

　　AI与核能是互相成就的一对“硬支撑”。AI可以让核能更安全、更高效、更可复制，如在聚变与裂变领域，AI将加速核能创新甚至颠覆性发展，使得设计更快、建造更稳、诊断更准、运维更安全；同时，也有望加速聚变新概念、新材料的颠覆性发展。核能则为AI算力提供稳定、低碳、可预期的能源保障。未来AI有望显著缩短先进核技术从研发到工程实现的周期。