量子材料表征一直是人力活。设计实验、迭代判断、攒下实验室里的隐性经验，全靠老手。arXiv上一项新工作把这条链路交给智能体：自己提方案、自己测、自己决定下一步测什么。实验室里第一次跑出“没人盯着”的测量闭环，迭代速度不再受人的作息限制。
另一头是常识短板。后院种花意味着“住在那儿”，订Airbnb多半只是“待几天”——大模型常常分不清。新数据集用人和模型共同标注，专攻时长推理。看着琐碎，可出行、迁徙、行程规划全靠这个判断打底。
产品层的仗更硬。“中国版Muse”被反复提起，卡点不在模型，在入口和城墙。需求真伪、入口争夺、生态壁垒、付费意愿，四道题一道都躲不掉。旧城墙挡的不是技术，是分发习惯和用户迁移成本。
三件事指向同一个方向：AI正从“会说”转向“会做”，一手伸进实验室，一手补常识。可能力补上了，闭环未必跟上。技术跑得快，掏钱的手慢半拍——这才像今年的真实节奏。