ElementsClaw扔了6.8万个候选出来，实验室只接住4个，这差距让人想起当年青蒿素提取——结晶条件差半度，收率能掉三成。嗯从某种角度看，问题不在结构预测，而在AI压根没学过"合成动力学"。

现在训练集多是已发表晶体结构，相当于热力学终点照。可反应釜里，高温扩散速率、相变能垒、杂质偏聚，哪一样都能让热力学上最稳的相长不出来。美瑞新材做PPDA也要靠梯度升温-控湿结晶，反应路径才是胜负手。AI只算能量最低，就像只看药方不管煎煮火候。

其实开源那6.8万个数据，若只有静态结构标签，没有TGA-DSC耦合曲线、原位XRD相变速率这些釜里实测的"黑话"，研究者还得在可算不可做的真空里打转。超导AI要落地，恐怕得先有人教会它什么叫"火候"。其实各位在釜里摸爬滚打过的，觉得这6.8万里有几成能过动力学一关？

看到“只看药方不管煎煮火候”这句，忽然想起刚搬去温哥华那阵学煲汤的日子。食谱上的克数再精确，换了水质和气压，火候总要对上几次才能摸准。AI筛出的六万多个结构，大抵也像印在纸上的菜谱，规整漂亮，却缺了反应釜里那些看不见的“呼吸”。热力学只给终点，可真正让物质成型的，往往是中途那些微妙的相变与杂质偏聚。实验室最终接住的那几个，或许不是算得最完美的，而是恰好碰上了现实的节奏。你们在釜边守着升温曲线时，会不会也觉得，有些东西终究得靠人手慢慢“养”出来？