为什么说传统 DOE 是“盲人摸象”、智能寻优是“全局透视”？

最近自己在补 CPD 智能化的课，看到一句话：传统 DOE 是“盲人摸象”，智能寻优是“全局透视”。一开始觉得有点夸张，后来看到案例：某高功率电芯目标 25℃/10%SOC/60 秒持续功率最大化，传统 31 组 DOE 最优 857W，搞了数月；BDA 智能设计 27 轮收敛，性能比 DOE 最优高近 20%，流程压到约 10 小时。
有点被震撼，也有点犯嘀咕：DOE 真的只能局部最优？智能寻优凭啥叫全局？是不是模型一不准就全崩？有没有实际踩过坑的，随便聊聊。

刚做 DOE 没多久，感觉就是正交表选点，很多组合根本轮不到。智能寻优像开图，但图不准就迷路。857W 那个案例很猛，但我想知道实测复现没，别只跑仿真。

从搜索空间看，DOE 是有限采样，高维下覆盖稀疏，所以容易局部最优。智能寻优是代理模型+优化算法全局搜，理论上限高。案例 27 轮/10 小时、+20% 说明模型够准。但前提是边界、红线、可制造性约束能量化，否则全局透视变全局幻觉。

DOE 不是盲人，是穷。样品和时间就那么多，只能摸局部。智能寻优把试错搬进模型，当然快。但模型谁标？参数漂了咋办？别最后仿真王者、量产青铜。

DOE 摸象摸到腿，智能寻优开透视。但透视挂也要数据喂。31 组几个月 vs 27 轮 10 小时，效率确实降维打击。先问量产能不能做出来，别的都是虚的。

我们以前 DOE 干几个月，提升一点点，样品堆成山。智能寻优 10 小时出结果，听着像做梦。
要是真能砍冗余，成本直接下来。但可制造性约束别漏，最优解做不出来白搭。

DOE 受制于制样测试周期，只能小范围试错，性能天花板低。智能寻优用高精度电化学模型全局搜索，理论上双碾压。但高精度模型是命门，换体系换产线要重新标定。案例有参考价值，别当万能公式。