最后一篇——深入地学之后，要AI比起画图更会提问

上一篇文章在架构中提出要区分元素属性与历史先验，保留测试条件和负面证据，经过反事实比较，再把电芯、储能站和微电网放回各自的边界里。真正开始做电网案例后，更多实操性的规范被补充进去。

至少从地理研究角度，一个问题能够被数据和代码完成，并不说明它值得被研究。

这次空间分析先是获取电厂、变电站、输电线和钠电项目点，于是自然想到测量它们之间的距离，然后AI就开始重复性绘图，数字也可以复现，可研究问题本身仍然可能只是已有文献的又一次改写，这种水平是发不出去刊的。

一、一次完整却庸俗的空间分析

最初的研究问题被定义为

公开可定位的钠电产业化节点，是否比粗略空间参照更接近中国高压电网和风光电源？

这个问题很容易落地，我们筛选了220kV及以上变电站、500kV及以上输电线和风光电厂，计算了5个项目点的最近距离，再生成地图和粗略随机参照。项目点到最近高压变电站的距离中位数约为6.2km，参照约为48.9km，然后做一做空间分析得到这些公开项目大多位于电网密集区附近。

但这张图说明布里奥项目为什么选在那里，也没有说明这种关系是否由钠电造成，更没有触及接入容量、潮流、可靠性、成本或AIDC负荷。换成锂电，换到另一个地区，方法和结果的写法肯定也是成立的。

因此，它只能说适合作为数据底座的检查，完全不适合作为核心科学发现。继续增加距离、权重和颜色，只会让一个普通问题看起来更完整。

二、这个伪问题为什么会被AI做得很顺

LLM模型最擅长的事情，是把已有材料整理成一条可执行的路线，而成熟的方法、常见的指标和容易取得的数据，正好构成一条阻力很小的路径。邻近度、核密度、适宜性和选址优化之所以不断出现，不只是因为它们重要，也因为它们容易被快速复用。

期刊影响因子同样也无法替我们完成选题判断，我认为这来自高影响因子论文可以提供可靠参数和成熟方法，把同样的结构换一个地区或技术，贡献未必随之产生。文献很少也不自动意味着空白存在，可能只是关键词不同、资料没有公开，或者问题根本没有值得回答的部分。

所以，获取数据这个步骤本身没什么问题，但是开展研究之前尤其是投入研究方法之前，必须搞清楚

这个问题是否已经被相同的方法回答过，如果接近甚至已经回答，新的工作究竟要连接什么样的桥梁？

三、架构补上“科学问题价值门”

从这次经验开始，研究节点在进入数据分析前增加 research_value_assessment。它要求我们先做一轮问题排查，再决定是否投入数据和模型。

首先检查同题、同方法、同尺度和同一数据代理的研究，写清楚已有结果和仍然没有回答的部分。换地点、换名词、换地图，不算自动产生新意。

接着要找到具体的跨赛道空白。空白不能停留在“缺少综合研究”，而应指出哪些已经成熟的方向尚未真正接在一起，比如钠电路线参数与 AIDC 冷却负荷，或制造网络与区域电网韧性。

还要说清楚新颖性从哪里来，是把方法迁移到新的约束里，检验一个结论的边界，补上中间机制，提出一个反直觉假设？还是创造了新的测量方式？只有这样，问题才不会依靠宏大的措辞维持重要性。

最后是常被忽略的区分：研究价值和执行条件是两件事。价值高但暂时缺数据的问题，需要继续补证据；很容易执行却没有贡献的问题，应当降级为数据审计。当前的空间错配分析就属于后一种情况。

四、模型最有用的地方在赛道之间

模型很难凭空保证新赛道，却很适合把分散的研究放到一张关系图里。材料论文谈能量密度和循环寿命，电力系统论文谈备用和潮流，地理研究谈资源、产业和地区差异，供应链研究谈集中度和恢复能力。它们各自都有成熟方法，却未必共享同一个问题。

这里真正值得做的工作有几类：把相邻文献中的对象、尺度和判别标准整理出来，寻找术语不同却研究对象相同的地方；把看似无关的变量放进同一个机制链，提出可以被数据推翻的联系；在发现相似研究时主动停止扩张，而不是继续堆叠指标。

检索不到文献也不能直接证明空白存在。关键词、语言、数据库和发表偏差都会制造“无人研究”的假象。问题价值仍然需要完整的检索范围、清楚的机制和专家判断。

五、钠电需要更严格的问题筛选

回到比赛的主题上，钠电本身就处在多条路径的交叉处，例如离子半径和工作电位属于化学约束，制造设备和人才属于工程与产业条件，锂电的成熟度构成参照系，政策和资本又会改变哪些路线更容易被看见等等，材料越分散，跨赛道连接越可能带来发现，也越容易把没有关系的数字拼在一起。

因此，每个候选科学问题都应当回答几个具体问题，有点像上一篇文章我们提到过的反直觉假设部分，这些检查把“钠电为什么重要”从一句口号拆成了可以追踪的假设，也避免把历史上的怀疑直接变成新的研究题目。

六、从低价值问题转向几个更有潜力的方向

现有空间错配分析不必被丢弃。它让我们知道数据有哪些、坐标精度如何、哪些关系可以计算；真正的科学问题则需要往前再走一步。

第一个候选方向关心供应链的空间韧性。钠资源丰富、关键金属依赖较低，这是常见的优势叙述，可资源分布均匀并不等于制造和回收网络分散。设备、硬碳与正极材料、人才、标准、回收企业和制造用电，可能仍集中在少数地区。

钠电的元素资源优势，能否在中国的制造—运输—部署—回收网络中转化为真正的区域供应链韧性

这个问题把钠电材料、产业地理、基础设施和灾害恢复放到同一条链上。它的反直觉之处在于：最丰富的元素，未必带来最分散的产业风险。

第二个候选方向回到 AIDC 微电网。钠电能量密度较低，通常被直接理解为不适合高要求应用；但固定式场景还受到冷却负荷、备用时长、并网容量、低温运行、安全和风光消纳的共同影响。

在不同气候、冷却负荷和备用等级下，钠电的能量密度劣势是否会被安全、寿命、资源和备用服务价值抵消，甚至改变储能方案排序

这里需要把电化学参数、地理气候、多能系统和 AIDC 运维放进同一个比较框架，并在统一负荷、资本成本、寿命和可靠性目标下与锂电对照。钠电是否占优，应当由结果决定。

第三个方向关注产业化的路径依赖。钠电经常被描述为锂电的替代路线，但设备、人才、专利、工艺和供应链可能大量继承自锂电。

钠电的产业化是在利用钠元素的独特优势，还是在复制锂电的知识和空间组织方式

这条线可以把专利知识网络、产业地理和技术路线放在一起，追问哪些创新来自化学差异，哪些只是成熟体系向新元素的迁移。

这三个问题都还没有被宣布为创新。它们要先经过直接同题文献排重、方法边界检查、反例检索和数据可行性审查。与“项目是否靠近电网”相比，它们更值得投入的原因在于：研究对象跨越了多个赛道，结果需要解释机制，结论可以通过地区迁移、锂电替换和系统边界变化来检验。

七、架构围绕钠电进一步调整

此前的工作流从读取上下文开始，接着找数据、选方法、出结果，再记录失败。现在最前面增加了一个判断

新的顺序是：

提出候选问题
  ↓
检查已有研究是否已充分回答
  ↓
寻找跨赛道空白和反直觉机制
  ↓
完成钠/锂、规模、边界和地区反事实
  ↓
由专家判断研究价值
  ↓
检查数据与方法是否可执行
  ↓
再进入分析、验证和记录

这道门对钠电尤其重要，要把元素属性、工程成熟度、市场结构、资料分布和价值选择拆开，也要求每个问题带着时间、地区、路线和系统边界。一个问题即使最后被否定，只要说明了假设在哪个条件下失效，也比一张没有判别力的适宜性地图更有价值。

空间错配分析因此被保留下来，但现在它是数据底座的检查结果，不再承担核心科学贡献。下一次做地图以前，架构本身会对AI做出提问

这张图能够改变哪一个已有判断？如果不能，只认为它是图而已，再好看的图也不是研究。

这正是“议题主导—专家协作—随做随验”需要补上的一层。议题先经过价值判断，专家补上判别标准，数据和模型负责把假设推到可以失败的地方。钠电的研究才有机会从“做出一个方案”走向“解释哪些条件真正改变了方案”。

后续我会把已经做好的架构上传GitHub供评委参考。