核聚变研究获新资金，也招致新质疑

核聚变档案中最新的动态日期为2026年9月30日。当天，英国承诺投入33亿美元，推动核聚变能源商业化。这条标题出现在档案附带的近期新闻时间线上，旁边还有一条9月28日的消息，提到一笔25亿英镑的承诺。两条消息均未提供来源网址，因此无法从现有全文材料中核实这笔资金的具体构成。时间线显示，这笔资金是新出现的，数额巨大，且与一批不寻常的核聚变报道集中在同一周。

这批报道包括麻省理工学院能源倡议关于核聚变经济学和气候问题的文章。Nextgov/FCW引用一位议员的话，称商业化将“改变一切”。《普林斯顿日报》报道，普林斯顿等离子体物理实验室的合同在AI研究项目和设施管理担忧中被延长。档案中仅包含近期新闻的标题，没有背后的文章，因此每条的具体内容在此无法核实。

两个半球，同一周

在英国之外，同一周还出现了中国的一项声明和美国州级层面的动作。9月28日，SCMP报道称，中国一台商业反应堆使用清洁的氢硼燃料实现了核聚变。同一天，Nature World News将一项提议为核聚变能源投入100亿美元的众议院法案，与中国新奥集团氢硼装置破土动工的报道联系在一起。这些只是档案背景列表中的标题，并非全文，因此其中的技术主张仅凭这些材料无法评估。

加利福尼亚州采取了两次行动。9月30日，一条标题报道该州投资核聚变与量子研究。10月1日，另一条标题称加州签署了核聚变立法，并宣布3000万美元的量子投资。10月1日这条是档案中最新的日期，但它只是标题，而非完整文章。三大洲，七天，模式一致：在商业核聚变尚未实现电网规模发电之前，公共资金已经先行投入。

全文来源实际说了什么

档案中的全文来源是另一批材料，且大多与核聚变无关。它们涵盖AI数据中心、大语言模型研究工作流、电气化效率、太阳能历史，以及几件零散事项。对于试图仔细阅读核聚变新闻的人来说，这一缺口至关重要：时间线上最响亮的说法，在这份档案中恰恰来源最薄弱。

先看经济性。麻省理工学院能源倡议的标题称，研究人员正在应对核聚变发电的经济现实。档案中未给出任何数字。同一机构还发表过一篇文章，询问核聚变是否是气候危机的答案。另有一篇关于一项研究，预测2050年食物、水和能源获取将出现巨大差距。这些全文均未收录，因此任何成本或时间表数字都无法负责任地引用。

9月29日，Hannah Ritchie在Substack上给出了另一场能源转型的数字。她引用Nick Eyre在牛津大学的一项研究，指出在脱碳世界中，终端能源需求大约低40%。全球终端能源需求从416艾焦降至247艾焦，而电力需求从110艾焦升至189艾焦。她的模型假设所有未电气化的部门都依靠氢运行。这些是电气化和氢的预测，而非核聚变，但它们设定了任何新发电来源必须达到的标准。

“电气化就是效率，”Ritchie写道，并引用国际能源署的话。

核聚变的那些标题并未涉及这套算术。在一个完全电气化的系统中，如果需求下降40%，一种新的大规模电源的商业理由取决于它替代了什么，而不仅仅是增加装机容量。档案中没有任何分析进行这种比较。

电网本身已是瓶颈

9月29日，CBC新闻报道，纽芬兰与拉布拉多省能源部长Lloyd Parrott表示，该省对AI数据中心“敞开大门”。一位部门发言人称，已有公司接触省政府。TechNL首席执行官Andrea King告诉CBC，拉布拉多拥有低碳水电、寒冷气候和土地，但她询问的是“将电力用于此处的经济成本和机会成本，以及这些电力还能用于其他什么用途”。科技记者Paris Marx就向数据中心供电提出了同样的问题。

这就是核聚变将要进入的竞争领域。CBC报道指出，Meta计划在阿尔伯塔省斯特金县建设的数据中心预计耗资130亿美元，两到三年内上线。新斯科舍省省长Tim Houston为任何数据中心提案方设定了五项起始条件。电力需求正在被锁定，而锁定它的项目，时间表比档案中任何一座核聚变电厂都短。

另外两份全文来源指向计算自身的能耗需求。9月29日，Efficient Computer宣布由TQ Ventures领投的9700万美元B轮融资，融资总额达到1.73亿美元，估值6.5亿美元。首席执行官Brandon Lucia写道，该公司的处理器相比传统CPU架构带来10到100倍的能效提升，Electron E1正为嵌入式物理AI量产。其卖点是效率，而非新增发电。

同一天，Oracle发布了Fusion Claw，一个受治理的智能体执行运行时，附带25个由Claw驱动的新应用，智能体应用组合总数达到75个。Oracle首席执行官Mike Sicilia表示，该产品让客户“从AI辅助走向执行”。这两项发布均未提及核聚变。它们描述的系统，其价值取决于每千瓦时能提取多少计算量。

数学、模型与自动化的边界

9月29日的两份全文来源，值得对照核聚变的热潮来阅读。Stephen Wolfram认为，AI有助于挖掘数学文献，但“纯数学的核心是引导我们提出什么问题的人类想象力”。他将使用人类既有知识库的AI，与能通过计算不可约性产生真正新结果的计算区分开来。

Dan Romik在他的博客上提出了相关论点。他将AI生成的突破描述为与人类生成的知识“相距一步”，并预测一个自主的AI定理证明器一旦必须反思、简化和推广自己的输出，就会停滞。“它们的模型会开始淹没在自己生成的一堆垃圾山下，”他写道。Romik还引用了Scott Aaronson对OpenAI宣称解决纳维-斯托克斯方程的反应，称那是一串字母A。

一份标注为2026年9月的NBER工作论文提供了关于自动化的一个具体数据点。Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro将一套大语言模型工作流应用于来自五本经济学期刊的4452个已发表复现包。它在3460篇文章或其附录中标记出不一致，在496篇文章中将计算时间缩短了10倍以上，并在923篇中产生了新的扩展。论文披露Schwartz曾为Anthropic担任承包商。

这些都不能为核聚变下结论。它们确实提醒人们对标题中的速度主张保持谨慎。档案的近期新闻列表显示，一周之内有英国的承诺、美国众议院法案的提议、加州的立法、中国的氢硼声明和PPPL合同的延长。全文来源显示的却是资金和注意力流向数据中心、芯片和AI运行时。已宣布的核聚变资金与已演示的核聚变功率之间的差距，在这份材料中没有任何地方被弥合。