传统 CPD“经验设计”为什么冗余严重、成本居高不下？

兄弟们，问个事，领导让我调研一下传统CPD为啥冗余那么大、成本死活降不下来。

我理解是：材料体系定了之后，工程师就靠经验调涂厚、压密、配比、主材型号，一版版打样、测试、横向对比，最后能过就行，余量留一堆。结果性能没顶格，成本还高；新人靠老带，老人一走经验就断；样品堆成山，物料、设备、人力都烧钱；迭代还慢，竞品都上了我们还在调。

想听听大家真实看法：这到底是为啥？流程问题、工具问题、数据问题，还是大家都不敢担风险？现在说搞智能寻优，输入能量、功率、快充、DCR这些目标，定好设计边界、性能红线、可制造性约束，自动出最优方案，这真能从源头砍冗余吗？落地前得先解决啥？

别整太官方，随便说两句，有踩过坑的更好。

说白就是玄学调参+穷举。老师傅手感重要，但人一走经验也走了。新人接着试，迭代还慢。自动寻优听着高级，先问问能不能适配产线波动，别实验室王者、量产青铜。

因为经验设计只覆盖局部最优，还偏保守。定完材料体系，后面参数耦合太多，人很难全局寻优，只能加冗余保交付。智能化要先把性能目标、设计边界、可制造性约束变成可计算问题，否则还是拍脑袋。

传统CPD冗余大，本质就是靠经验试错。涂厚、压密、配比一个个打样，样品堆成山，最后能过就行，余量留一堆。成本能不高吗？智能寻优方向对，但红线谁定、边界准不准，才是真问题。

以前觉得调参很厉害，后来发现就是反复试到过。余量留很多，成本下不来，新人还一脸懵。智能设计如果真能自动出最优方案，那确实香。但别最后变成工程师给算法打样，那就搞笑了。

我们以前也这样，一版版打样，横向对比表拉满。性能没顶格，物料人力先顶不住。老带新也慢，人走断层。破局我觉得不是直接上AI，而是先把老工程师的规则沉淀下来，再自动寻优。

冗余里有多少是性能需要、多少是给制造波动留的余量，得先分清，不然寻优把参数压得再漂亮，量产不稳，省下的成本又得赔进去。 ：/

冗余严重还不是怕风险。快充、DCR、寿命、安全都要保，谁敢卡太紧？最后就加厚加压密。迭代慢，竞品都上市了还在打样。自动寻优可以搞，但输入目标不准，输出也是垃圾。