EnableFusion发布《软件定义聚变白皮书》：提出AI驱动的聚变自主运行框架

2026年5月29日，韩国聚变私营公司EnableFusion发布了《软件定义聚变白皮书v1.0》（SDF White Paper v1.0），提出“软件定义聚变”（Software-Defined Fusion，SDF）概念，尝试将软件定义汽车（SDV）的思路引入聚变领域，以人工智能、数字孪生和智能体系统支撑未来商业聚变装置的自主运行。

一、SDF的核心目标

未来商业聚变装置不应仅依赖硬件系统和人工经验运行，而应在成熟硬件基础上，引入AI原生的软件运行层。

其目标是：

1、从硬件主导转向软件协同运行

在现有聚变控制系统基础上，增加AI原生运营层，而不是取代ITER CODAC等既有控制系统。

2、提升聚变运行的自主化水平

通过AI模型、数字孪生和多智能体系统，将操作员输入的目标转化为具体控制流程。

3、降低对隐性经验的依赖

白皮书指出，当前聚变运行高度依赖少数专家经验，部分操作逻辑难以记录、复现和传承。SDF希望将这类经验逐步转化为可验证、可执行的软件流程。

二、三层核心架构

SDF架构主要包括三层：

1、用户界面层

包括聚变领域大语言模型（Fusion LLM）和视觉数字孪生界面。前者用于理解操作员指令并提供双向沟通，后者用于实时展示装置和等离子体状态。

2、聚变版自动驾驶多智能体层

包括编排智能体、规划智能体和等离子体主动控制智能体。其中，编排智能体负责任务分解与协调，规划智能体负责在虚拟环境中进行方案设计，等离子体主动控制智能体负责实时控制与破裂预测。

3、引擎数字孪生层

包括物理增强代理模型、合成诊断/执行器和AI校准智能体。该层用于在虚拟环境中模拟真实装置行为，并不断修正数字孪生与实际设备之间的偏差。

三、可靠性与安全设计

SDF不是单纯追求自动化，而是需要满足工业级运行的可靠性与安全要求。其关键设计包括：

1、基于物理信息机器学习的控制

将守恒定律、稳定性边界等物理约束嵌入模型，避免生成违反物理规律的控制指令。

2、不确定性感知控制

控制系统不只依据单一预测值决策，而是结合置信区间判断运行状态；当置信度不足时，系统应维持保守运行。

3、容错与安全降级机制

包括异常检测、回退策略、安全关机AI以及AI虚拟诊断等机制，确保主策略失效或诊断设备异常时，系统仍能维持基本安全。

四、商业价值

SDF若得到验证，可在未来商业聚变电站中发挥四方面作用：

1、降低运营成本

将部分依赖专家人工操作的流程转化为自主运行流程，减少长期运行中的人力和故障成本。

2、加速装置调试

先在数字孪生环境中验证大量运行场景，再转入真实装置测试，降低试错成本。

3、降低硬件成本

通过软件补偿部分硬件性能限制，使部分低成本设备达到可接受运行效果。

4、支撑逆向设计

先定义目标运行性能，再反推所需硬件规格和系统配置。

五、发展路线

SDF发展路线图

六、行业意义

EnableFusion此次发布的白皮书，并非单纯提出一个软件工具，而是试图为商业聚变装置运行建立一套AI原生的软件架构。其核心意义在于：将人工智能、数字孪生、多智能体控制和物理约束模型结合起来，为未来聚变电站的自主运行、智能运维和系统级优化提供一种新的技术路线。从行业趋势看，聚变竞争正在从单一装置性能比拼，逐步延伸到控制系统、数字工程和智能运行能力的综合竞争。SDF理念的提出，也说明商业聚变企业正在更加重视装置长期运行能力、运维效率和工程可复制性。

资讯来源：

https://golden-collarbone-531.notion.site/Software-Defined-Fusion-Proposing-a-Software-Paradigm-for-Commercial-Fusion-Operation-085159403c5544a9b701f9657fb7768f