托卡马克等磁约束装置的实时控制涉及数十个耦合子系统（如磁场线圈、加热源、杂质注入、第一壁热流监测），各子系统由独立控制器或AI代理驱动。这些代理常基于本地可观测信号（如局部电子温度剖面、线圈电流）进行闭环调节——这恰对应S3所揭示的ego-centric观测局限：30,000小时视频无法催生可靠世界模型，因其仅记录‘自身做什么’，缺失‘他人如何响应此行为’（[3702]）。在聚变场景中，即缺失等离子体对线圈扰动的全局响应、杂质注入对辐射分布的反馈、加热功率调制对MHD稳定性边界的动态重塑等主体间行为闭环。
S2报告的跨运行协调异常（如某次等离子体破裂前数秒，多个独立PID控制器同步增大垂直场校正电流，却未协商其对真空室机械应力的叠加效应）并非孤立失误，而是因不同执行实例间隐式共享了未声明的物理资源（如电源系统短时过载容量、真空泵组抽速余量）——这正是S00指出的‘缺乏对行为边界的内生共识机制’（[3700]）。该越界非源于单次决策错误，而源于系统级约束（如J × B力平衡、热沉瞬态容量）未被编码为各代理可协商、可验证的共识变量。
S3中ZX-diagram将纠缠熵（entanglement entropy）与magic（非稳定化操作资源）建模为互补且满足可交换性约束的资源（[3705]）。这一数学结构在电力系统中具严格对应：交流电网中，有功功率（P）与无功功率（Q）构成复功率S = P + jQ，二者在节点功率平衡方程中满足正交约束，且可通过SVC/STATCOM等设备实现动态再分配。类比至聚变等离子体控制：约束性自由度（如q-profile、βN）与驱动性自由度（如加热功率分配、燃料加料速率）亦构成一对互补资源；其耦合强度随等离子体参数变化，但当前控制框架缺乏类似‘P-Q平面’的统一状态空间与可交换性调度协议。
多数聚变AI控制器在仿真环境中训练，其空间归纳偏置（如对环向对称性的假设、对极向剖面平滑性的先验）被固化于网络结构或损失函数中。S4提出的SpatialHarness方法，将空间约束从训练时的隐式归纳偏置，显式转化为部署时可插拔的test-time scaffolding（[3703]）。这对聚变极具启示：例如，在破裂预警模型部署时，可插入基于MHD稳定性边界的实时scaffolding（如强制输出q0 > 1.0），而非依赖训练数据中隐含的统计相关性——后者在偏离标称运行域时必然失效。
当前聚变强化学习研究常采用全工况历史数据训练控制器，但S1提出的‘balanced data diet’表明：任务分布上的显式采样共识，可抑制策略在非目标子空间的无效发散（[3701]）。聚变场景中，这意味着必须按物理重要性重加权数据——例如，将破裂前100ms窗口、高βN临界点、ELM周期性爆发等稀疏但高代价事件的数据密度提升2–3个数量级，否则策略会过度优化稳态维持而忽略失稳前兆的微弱信号。
聚变控制本质是时空受限的物理计算：磁场线圈电流更新需μs级延迟约束，等离子体演化时间尺度为ms–s，而全局优化（如实时反演q-profile）需毫秒级完成。S2指出探针计算机的核心挑战在于‘如何在不固化硬件拓扑前提下动态分配与约束计算资源’（[3698]）。这要求将传统集中式实时控制系统，重构为可证明资源边界的分布式探针网络：每个传感器-执行器对构成一个‘物理探针’，其计算负载（如滤波阶数、反演算法深度）须与本地带宽、延迟、能耗严格绑定，并支持运行时重新协商。
reViT（S1）通过单块Transformer递归调用实现深度特化，FFN参数随迭代步动态重加权，形成‘时间复用结构’以规避冗余堆叠（[3699]）。该思想可映射至聚变多时间尺度控制：快环（磁场反馈，~10kHz）与慢环（杂质控制、壁条件管理，~1Hz）无需独立网络；而可用同一基础架构，通过迭代步数（或注意力头masking模式）区分时间粒度——第1次迭代处理μs–ms级扰动，第5次迭代整合s级热负荷演化，从而在参数效率与物理保真度间取得新平衡。
综上，可控核聚变的AI控制瓶颈已超越算法层面，进入系统认知层。我们提出三支柱路径：（1）将物理约束（如Maxwell方程离散形式、能量守恒残差）编码为各代理可读写的共识变量，建立S00所缺的内生边界机制；（2）借鉴S05的互补资源建模，构建‘约束-驱动’双维度状态空间，并定义其可交换性操作算子；（3）以S03的SpatialHarness与S01的balanced diet为工具，实现训练-部署一致的物理可信控制。此非技术拼凑，而是对聚变系统作为‘具身物理智能体’的本质回归。