03-命题落定之后，求证之路怎么走

命题落定了——"隐藏的离散"：常温下测不出的单体差异，低温下被系统性放大；决定系统可靠性的，不是平均电芯，是最差的那颗。

大胆假设这一步，走完了。接下来是小心的部分：求证。没有实验室、没有产线、没有样品，我拿什么求证？答案是——一个虚拟测试沙盒。

它不是凭空想象的模拟游戏，而是 AI 为真实物理世界建立的一次验证模型：骨架是真实的物理规律——电化学、热力学、Arrhenius 方程，不是 AI 发明的，是真实世界本来就有的；AI 做的，只是把它们组织成一个能跑的模型，再喂进来自真实测量的数据。

第一步，先定沙盒定位。一句话：面向极端低温下的电池一致性，我要搭一个"单颗=系统、节点=门禁、合格=冻结、离散=反溯源"的低温一致性虚拟仿真平台。它输出的是一套可复制的 SOP 阈值，而不是一篇"某硬碳更好"的材料文——后者是别人的赛道，我的赛道是方法。

有人问我为什么不用现成的电化学仿真框架。答案很简单：通用的太重——单颗仿真就要秒级，一千颗蒙特卡洛要跑几小时，而且它没有"节点链"的概念。我需要的只是一致性量化：内阻是多少、容量是多少、差异怎么传导。自研一个轻量框架，够用，且每个参数透明可解释。

第二步，设计对照组。一千颗虚拟电芯一批，跑蒙特卡洛。传统组，只在末端分容、按容量内阻粗分档——这是现实中大多数厂的做法；冻结组，N0 到 N4 全部门禁，合格即锁参。两组用同一批电芯、同一种子，一组自由传导、一组加门禁——这样比出来的差异，才是门禁的效果，不是随机运气。同样的工况：-30℃ 静置、放电、低温充电；同样的指标：容量、内阻、EIS、寿命方差。最后比的是：差异被拦下多少。

第三步，搭节点链。每颗虚拟电芯走五道门：N0 卡来料——比表面、孔隙、灰分、低温容量，批不合格整批退；N1 卡极片——涂布面密度、孔隙率、辊压回弹，不合格段裁切重涂；N2 卡装配——注液量、浸润度、水分，钠电对水敏感，超了直接回流；N3 卡化成——最核心的一关，不看容量看 EIS，把内阻谱拆开，SEI 那层不合格就重化；N4 卡分选——不止 25℃ 分档，加 -30℃ 低温预筛，同包电芯的低温曲线要长得像。每一关合格，参数冻结，生成"参数护照"；不合格，回流或剔除。

第四步，想清楚差异怎么跑。给一千颗电芯注入差异：来料差、涂布差、浸润差、化成差。传统组，让差异自由传导到 -30℃ 输出；冻结组，在每道门截断超限的差异，不让它累积。成组时，串联看最差那颗，并联看内阻差；再算低温加热能耗，算 AIDC 备电场景下的可用容量。

求证的严谨性，我给自己上了三道锁。第一道，模型假设透明：全部 14 项假设——等效电路拓扑、活化能、OCV 曲线、电解液参数——公开列出，每项标注来源与待校准状态。假设不透明，结论就不可信。第二道，结果不报点估计：所有改进量都报 95% 置信区间——"离散缩小 42%±5%"，而不是"42%"；蒙特卡洛也不是跑一次就算，连续 10 批均值漂移 <1% 才算收敛。第三道，归因不拍脑袋：N0 到 N3 谁对离散贡献最大，用 Sobol 全局敏感性分析拆，而不是凭感觉。

校准，我把它写成协议而不是口号：50 颗小样、四个温度点（-30/-20/0/25℃）、用 EIS 反演四个模型参数、校准后误差 <5% 才算通过。当前没有实验室资源，这份协议标注为"计划校准"——写出来，表明我知道该怎么做，比藏着掖着更可信。

引用数据也全部规范化：三个关键数字都能追溯到来源、期刊和实验条件。"低温内阻暴涨约 100 倍"这句，我修正为"亚琛数据显示 -20℃ 充电时内阻从 5mΩ 增至 496.5mΩ"——数据是别人的，条件写清楚。

最后，是三层边界。机制性结论——低温放大离散、化成是离散放大器——这类相对关系，可信；相对改进量——离散缩小多少、哪个节点贡献最大——在模型假设一致的前提下，可作趋势参考；绝对数值——不能直接抄到真实产线，必须经过真实小样校准。虚拟负责大胆探索，真实负责小心定标；假设写明、结论分级、参数标注待校准，每一步都留证据，每一步都可追溯。

大胆假设已经落定，小心求证刚刚开始。AI 帮我把实验室搬进沙盒，我负责判断沙盒对不对、结论怎么用。这条路能走多远，我不知道，但我准备开始了。

下一章，我会把沙盒搭起来。