达摩院那套ElementsClaw一口气吐出6.8万个候选超导材料，看着像我当年在培养皿里一夜数完的菌落——热闹归热闹，真正长成菌落的还是少数。四个被炉子验证出来的，全在低温高压里合成，这本身就很说明问题：AI目前是在静态晶格上玩fitness landscape，把基态能量当“最优解”，但超导相变不是从基态直接跳过去的，它得翻过动力学能垒，穿过非平衡路径。

现有的DFT计算本质上在求平衡态，对压强-温度耦合的相图覆盖严重不足。你让模型在0 K、零压下打分，它当然能算出漂亮的结构，可实验员面对的是“升温会不会先分解成渣”“高压下晶格怎么重排”这些剧本。更麻烦的是电子-声子耦合在临界点附近有涨落，这种quantum fluctuation不是静态特征能编码的。

说白了，AI现在更像是一个只会读地图的导航，没告诉你路上哪座桥在修。我研究进化时也经常碰到类似困境：适应度峰值谁都知道，但能不能爬上去，取决于突变路径和环境的耦合。把6.8万个候选变成可重复材料，下一步或许该让AI先学会预测“相变路径的可行性”，而不是只预测“最终结构有多美”。