过去一年，人工智能的叙事逻辑发生了变化——AI正逐步打破屏幕的限制，从处理文字、图像等数字任务，转向需要理解环境、控制设备的真实场景。一个共识也愈发清晰：AI正在成为新的生产力，将重塑全球产业格局。
数据、算法、算力是AI发展的三大要素。其中，算力要用电，数据要传输，海量连接还要在短时间内完成。由此，两个更底层的问题浮出水面：电从哪里来？数据怎么“跑”？
近日在杭州举行的2026网易未来大会上，核聚变、6G和AI同为热门议题。在这里，可控核聚变被看作是解决长期用电的一种可能；6G则被期待能补上AI所需的数据连接缺口。为了更好理解过程与答案，我们与中国工程院院士彭先觉、中国工程院外籍院士王江舟展开对话。
AI重塑能源和通信产业格局
大模型的参数规模、推理需求还在加速扩张。算力越强，越躲不开两个最底层的问题：电够不够用，网络跟不跟得上。
在能源方面，随着算力更强的芯片部署，AI单机柜的用电功率正从千瓦级跃升至兆瓦级——1兆瓦足以支撑上千户家庭的日常用电。投资银行高盛10月发布的最新报告明确指出：电力可能永远是制约AI发展的瓶颈。
核能被寄予厚望。近年来，谷歌、微软、亚马逊纷纷开始采购由核聚变反应堆、小型模块化反应堆等先进核能设施产生的电力。
在通信网络方面，如今承载AI算力的数据中心、网络边缘和终端，不再是孤立的计算节点，而是共同承载AI任务的协同整体。要让智能应用运转起来，6G不仅要传输信息，还要能感知外部环境，并根据感知结果自主决策和调整运行。
记者：可控核聚变、6G在AI时代为何备受关注？
彭先觉：不可否认，可再生能源技术都在进步。但风电、光伏天然带有间歇性。面对AI对巨量、清洁、稳定、可持续供应的基荷电力的需求，核能的优势更为明显。
核能主要来自轻核聚变和重核裂变，这两种核反应释放的能量都源于反应前后的质量亏损。根据爱因斯坦质能关系式，极小的质量亏损就能释放出巨大能量。
我们熟知的核电站走的是裂变路线，技术成熟但在安全方面仍面临着很大的挑战。相比之下，核聚变具有燃料可从海水中提取、近乎零碳、不存在链式熔毁风险、理论能量上限很高等优势，堪称人类的理想能源。
记者：那么，能否说核聚变产生的能源是“取之不尽、用之不竭”的？
彭先觉：我觉得这不准确。聚变实验一定可以成功，但是它的工程化、商业化乃至普及——比如核聚变能否为AI稳定供能——仍要打问号。做能源，必须实现全链条闭环。
记者：AI到底需要一张什么样的通信网？AI与6G到底是什么样的关系？
王江舟：中国工程院院士刘韵洁说过，传统互联网是南北向分层竖形架构，解决的是“人上网”，而不是为成千上万智能体全天候并行工作设计的。智能体之间需要的是扁平化的东西向通信，这不是增加多少带宽、铺设多少光纤、增设多少基站就能解决的问题。
记者：那AI的爆发式流量会压垮网络吗？
王江舟：这要看把AI放在哪儿：什么都“上云”，数据都要经“管道”送过去、结果再送回来，那就麻烦了。如果把一部分算力放到基站甚至终端，用来做边缘智能、边缘推理，情况就会好很多。这就像智能不必全部集中在“脑袋”里，身体各处都有能承担局部角色的“分大脑”。
与此同时，没有AI，6G也做不成。6G网络太复杂。超大规模天线系统动辄有几百甚至上千根天线。要对这么多天线进行联合优化和波束成形，同时还要服务这么多用户，传统方法根本无法完成这样的设计和优化。
换道，走一条技术新路
记者：业界常有调侃“可控核聚变永远还差50年”。在AI对电力需求愈发急迫的背景下，我们是否还要再等50年？
彭先觉：“永远还差50年”针对的主要是以磁约束、惯性约束为代表的纯聚变路线。
美国国家点火装置（NIF）2022年点火成功了（注：聚变反应释放的能量大于激光器向聚变靶注入的能量，被认为是“点火成功”）听起来不错，但都是脉冲式的，每点火一次要冷却好几个小时，商业聚变电站却要求每秒点火大约10次。此外，按照NIF公布的电耗统计口径，作用于燃料靶的2.05兆焦激光能量需要消耗322兆焦电能，电能到激光能量的转化效率不足1%。
记者：根据法国研究机构凯捷研究院发布的《2026AI与电网报告》，未来3~5年将爆发电力缺口。核聚变能赶上吗？
彭先觉：我于2008年提出了“Z箍缩驱动聚变裂变混合堆（Z-FFR）”这一概念。截至目前，该方案从物理到技术已形成闭环，全链条能够走通，尚待工程验证。预计2030年完成关键技术验证，随后建设实验供热堆，再推进发电堆，有望在2040年左右实现商业化。
简单而言，“Z箍缩”能把少量物质加热到很高的温度，此前广泛用于产生X射线，作用类似于氢弹的“点火器”。20世纪末，它又被发现具备驱动惯性约束聚变的潜能。
“Z-FFR”可以理解为一种“聚变点火+裂变放大”的混合堆。它由一个200兆瓦的Z箍缩聚变单元，和包在它外面的深次临界裂变包层组成。聚变单元不承担主要发电任务，只负责脉冲式释放大量高能中子来“点火”。中子进入包层后引发裂变，把聚变能量放大10倍以上，使系统总热功率达到约3000兆瓦。这就相当于用200兆瓦量级的“火种”，换来一座电功率1000兆瓦以上、也就是百万千瓦级的电站。
我们的结论很清楚：纯聚变很难成功，目前只有走聚变与裂变相结合的道路。
记者：4G换5G，大多数人没感受到太大变化。5G换6G，会不一样吗？
王江舟：6G肯定不只是“更快的5G”，它集AI、通信、感知于一体，从平面走向三维立体空间，是一次方方面面的系统性升级。
当年制定5G标准时，主要考虑的是为普通消费者提升速率：拓宽带宽、扩大容量，让下载更快。到了6G，主战场就不再是普通消费者，而是垂直行业和工业应用。
6G与5G有几处根本不同：一是通感一体，基站兼具类似雷达的感知能力，信号覆盖从平面走向三维立体空间；二是天地一体，目前卫星网和地面网是两张独立的网络，6G的目标是将二者集成为一张网；此外，借助毫米波乃至太赫兹的宽频谱和超大规模天线，6G的速率和容量将比5G大幅提升。
6G的铺设也不会像4G、5G那样密密麻麻地全覆盖，更可能只在工厂、工业园区、学校、购物中心等重点区域或人口密集区域局部组网；这些网络还可能是异构的，不一定采用同一个标准、同一种模式，得根据应用场景的特点分别设计和优化。
记者：6G大概会达到什么速度？
王江舟：6G标准化才启动一年，尚未完成。预计2027年发布第一个版本，但该版本还非常初步；到2029年至2030年前后，标准才会基本成型，运营商到那时才会真正开始铺网。所以我说的是预期目标，不是实测——
比如，6G在无线技术路线上会用到毫米波，甚至往太赫兹走，加上超大规模天线，就像从以前的双车道变成五六条车道，目标数据传输速率是每秒1万亿比特。但具体能服务到什么程度，现在还说不好，因为这不仅取决于通信技术本身，还要看AI大模型和小模型融合优化得怎么样，以及政策、基础设施投入等因素。
提速，等待下一个“ChatGPT时刻”
无论是核能还是通信网络，都受制于技术门槛，向来需要长周期论证、渐进式部署。AI时代的紧迫需求却让这两条赛道同时提速。
就核能而言，太阳本就是一座氢核聚变反应堆。20世纪50年代氢弹原理试验成功后，人类便不断尝试建造“人造太阳”。核聚变本是长周期的科学理想，如今却被AI算力的用电焦虑推着往前跑：它清洁，可全天候不间断供电，理论上还能紧凑、灵活地部署在数据中心旁，实现“就地供电”，恰好契合了AI对电力的需求。尽管商业化仍处于早期，各国已纷纷将氢核聚变商业化时间表写入政策：美国提出2035年实现聚变并网，英国将2040年定为聚变商用节点……
就通信网络而言，从1G到5G，近半个世纪也基本都是“十年一代”的演进节奏。但6G不同：真正期待换代的并非普通消费者，而是那些受制于网络能力的AI从业者。于是，全球6G发展联盟提出于2028年展示预商用终端与网络，韩国则将6G商用时间从2030年提前至2028年……全球竞速持续加速。
但核能与通信网络尚未迎来各自的“ChatGPT时刻”。
记者：5G商用到现在已经七年多，几千亿元投下去了，却始终没等来一个非用5G不可的现象级应用。现在6G又被提上日程。网上一项有数万人参与的投票里，43%的人认定6G是骗局，甚至有人说它是“一场收割”。您怎么看？
王江舟：普通消费者可能有误解。
用5G看视频、下载电影，早就够用了。与此同时，5G带来的收益大头被互联网公司赚走，运营商只拿到越来越薄的流量费。于是，运营商陷入那个熟悉的困局：网络越建越好，用户感知提升却不明显，收入增长日益乏力。
当一张网的边际价值趋近于零，继续沿同一方向追加投资就不划算了。运营商清楚：规模建网的高峰已经过去，下一轮增长必须换客户群——从个人客户转向企业客户，从连接人转向连接生产。
6G当然也会兼顾普通消费者，但不会像5G那样主要依靠普通消费者。所以，普通消费者不必换6G手机，也可能没有6G手机——就算有也要晚几年。涨话费的问题也不存在，普通消费者不用担心被“收割”。
至于手机能不能连上6G网络，还要看标准化最后采用哪种组网模式。
记者：如此强大的6G可能会带来哪些风险？
王江舟：例如，中国移动研究院曾对室内人体关键部位进行分米级定位实测，手势识别准确率超过90%。至于能不能精细到一幢楼里某人在哪个房间甚至坐在哪把椅子上，现在还不好说。但通感一体化应该能适用于这类场景，识别人具体在哪儿应该不成问题。
我也承认，隐私和技术本身的确是一对矛盾。最终6G标准的制定应该会顾及一部分。不过，在救援等事关人命的场景中，隐私保护应依法在必要限度内让位于生命救援。
记者：也有人担心，Z-FFR引入裂变后，混合堆是否就不再具备纯聚变那种“清洁”优势？
彭先觉：在“清洁”方面，我们采用“干法”核燃料循环，把半衰期10年以上的核素放回包层中“焚烧”，其余寿命较短的核素则可提取出来，用于医疗或工业用途。与纯聚变堆相比，Z-FFR需要处理的放射性物质总量基本相当，不构成显著的环境损害。
记者：这是不是意味着工程量会增加？
彭先觉：恰恰相反，这样设计的好处很实在。我们曾做过估算，商业化后的Z-FFR年发电可达100~200亿度，电价原则上在每度0.2元左右。这比核电站发电成本更低。
电从聚变来，智随6G走。两位院士给出的回答指向同一个判断：AI的瓶颈不在模型，而在托住模型的基础设施。至于它何时真正落进现实，终究要交给时间。
