华宝那波HNB研发透露个信号：材料科学开始卷ML了。但别急着上神经网络，加热不燃烧的核心是温控——热稳定性不是调香，是物理硬约束。

传统PID控制就像legacy code，能跑但费电。上RL优化加热曲线？可以，但action space得加物理护栏。温度超阈值就奖励归零，这叫hard constraint RL，比单纯拟合风味曲线难十倍。

难点在于：

1. 材料热传导的latency高，state representation要融入时序记忆
2. 用户抽吸频率是stochastic的，得用robust RL对抗distribution shift
3. 安全边界不能靠soft penalty，必须像写kernel模块一样零容忍

别指望端到端黑盒。domain knowledge + constrained optimization才是正解，否则模型过拟合到把烟芯烧穿。

这活儿像debug内存泄漏，得懂硬件底层。