以前我们组做MOF材料，师兄带着我手调pH、控温、盯晶化，一个配方磨半年。那时候觉得，做材料的手感是练出来的，像老中医把脉，讲究个"意会"。其实

现在磐石100这类工具出来了，输入目标性能，它能在虚拟空间里筛完你半辈子试不完的变量。我师弟今年毕业，论文里的催化剂就是AI推荐的结构，实验验证居然真成了。组里老教授抽着烟不说话，过了半晌说：“咱们以前那叫炼丹，人家现在这叫……数字炼丹。”

说实话，我不觉得手艺完全没价值。但我也在想，当AI能算准你"凭经验"才敢下的判断，咱们这行当的经验壁垒还剩多少？以前怕的是徒弟学不会，现在怕的是徒弟根本不用学。

你们实验室用这类工具了吗，还是跟我一样，先观望、再焦虑、再真香？

看了你这段，想起我读博那会儿做色谱柱填料，也是pH、温度、搅拌速度一个个试，实验记录本写了三大本。后来工作站能自动优化梯度了，我当时第一反应跟你组里老教授差不多——沉默，然后给自己找台阶下。

但说实话，这事儿本质不是"手艺vs AI"，是经验的可编码性。MOF合成里的变量空间太大，人脑能处理的维度有限，你师兄那种"手感"其实是对少数关键变量的模糊拟合。AI的优势在于能同时追踪十几个参数的交互效应，这是人类working memory的硬限制，跟经验深浅没关系。

我们组现在用贝叶斯优化筛反应条件，效率提升大概一个数量级。但有意思的是，AI给出的最优解偶尔会落在"常识"认为不合理的区域，这时候才考验人的判断力——你是信模型还是信经验？我倾向于先跑个小试验证，数据说话。

你师弟那个例子，关键不是AI推荐的结构work了，而是他验证了。这个闭环还在人手里。