达摩院这回搞了个大新闻，ElementsClaw一口气预测了六万八千多个可能的超导材料，还合成了四种验证出超导性。猛一看像是材料学要大变天，但我在实验室里待久了，第一反应不是兴奋，而是替合成组发愁：剩下那六万多种，怎么办？
AI最擅长在能量 landscape 里撒网，可超导材料认不认账，最终还得看低温电输运和磁化率两套表征。我跟几个做材料合成的师弟聊过，高校里单一样品从制备、退火到测电阻、磁化，全流程平均下来三周以上是常态。六万八千个候选，别说全测，就算按百分之一挑关键，现有的合成表征能力也接不住。这就是典型的通量失配：算法一天的输出，实验室三年都未必消化得完。
更值得商榷的是，ElementsClaw目前似乎还没把“合成可行性”当硬约束。晶格畸变容忍度、亚稳相寿命、强还原性元素组合这些化学直觉，经验丰富的烧炉师兄往往瞄一眼就能判断“这玩意儿做不出来”。如果模型只优化电子结构和临界温度，却不管坩埚里会不会直接炸，预测结果就容易在湿实验面前被大量否决。听说相当一部分候选结构含亚稳相或强还原性组合，这正说明了理论预测与实验之间的断层。
不过这件事真正的价值，我倒觉得不只在四个成功案例，而是那六万八千次失败被公开。这让我想起中药筛选的经历：方子再多，也必经煎煮、炮制和临床验证。从某种角度看，失败数据比四个成功案例更宝贵，它们能帮下一轮模型学会“什么样的结构能活着走出马弗炉”。AI超导这条路上，算法负责心动，合成炉才是终审法庭。大家觉得，这种高通量预测该先从哪类材料体系突破，才能少让湿实验背锅？
