AI 时代怎么问问题：从一次凝结换热的四次追问说起

备注

本文是同一次真实对话的复盘。对话发生在与「豆包」的四轮问答之间，题目是传热学里的老问题——膜状凝结与珠状凝结为什么差得那么多。四张截图原样贴在文中，不做删改。

这不是一篇讲 AI 有多强的文章，恰恰相反：它讲的是——AI 越强，你脑子里的公式越重要。

一、先说结论

AI 可以替你算，但替你判断不了。

上面这道题，AI 一共答了四轮。四轮里它算的每一步数字，我事后都自己代了一遍：主结果的误差是 0.00%。它没有编造，也没有偷懒。

但整段对话能走到那一步，靠的不是 AI，是我在第一轮就提了一个它绕不过去的问题，在第三轮又用一个它糊弄不了的要求把它逼到了解析解上。

所以这篇文章想说的是三件事：

1. AI 能把你从「查书查半天」变成「三十秒拿到数量级」——但前提是你知道该查什么；

2. AI 每一轮都可能换一套物性、一套假设，你不逐行看，就发现不了；

3. 提问的水平，等于你基础的水平。你问不出第三问，是因为你不知道那个公式存在。

二、第一问：别急着问「为什么」，先要一个数量级

图 1　第一问的答复。用两个假设把「差多少」算成了数量级

我的第一句话很短：

简单的数值计算一下，看看为什么相差这么多。

这句话里没有一个专业词，但它隐含了一个前提——我知道这件事可以先用"液膜厚度"这一个变量来估算。如果我不知道 $h propto 1/delta$，我根本不会这么问。

AI 的答复分两步：

膜状凝结，取液膜厚度 $delta = 50mu m$：

\[R_\delta = \frac{\delta}{k_l} = \frac{50\times10^{-6}}{0.6} \approx 8.33\times10^{-5}\ \mathrm{m^2\cdot K/W}\]

\[h_\delta = \frac{1}{R_\delta} \approx 1.2\times10^{4}\ \mathrm{W/(m^2\cdot K)}\]

它顺手标了一句「正好落在膜状凝结典型区间 5000–15000」。

珠状凝结，它说没有连续宏观液膜，只剩纳米级吸附水层，取 $delta = 10mathrm{nm}$：

\[R_{\text{nano}} = \frac{10\times10^{-9}}{0.6} \approx 1.67\times10^{-8}\ \mathrm{m^2\cdot K/W} \quad\Rightarrow\quad h_{\text{nano}} \approx 6\times10^{7}\ \mathrm{W/(m^2\cdot K)}\]

然后它自己加了一句警告：「当然现实达不到 $6times10^{7}$，因为还有汽侧微小热阻、各种微观限制，实际珠状到 $5times10^{4}sim1.5times10^{5}$。」

这一句是整段对话里最值钱的地方之一。AI 主动把它的假设边界划出来了。 如果你不知道珠状凝结的实验区间，你就看不出这句话是在自我修正；你会以为 $6times10^{7}$ 是结论。

三、第二问：让它把两个概念拆开

图 2　第二问的答复。潜热是水库，热阻是水管——两个维度不能直接比大小

我顺着上一轮的结论继续追问。AI 做的第一件事，是把两个被我混在一起的东西拆开：

潜热与热阻：两个维度

概念	它回答的问题	通俗说法
潜热 $h_{fg}$	1 kg 蒸汽能放出多少热量	水库里有多少水
热阻 $R$	这些热量能不能顺利送到壁面	水管有多粗、堵不堵

它给的类比我认为很好用：

水库很大，但水管被堵死 → 热量流不出去（膜状凝结）； 水库很大，水管打通 → 热量直接炸出来（珠状凝结）。

水压本身一直都在，只是之前被泥沙挡住了。不是泥沙创造了水流，泥沙只是限制了水流。

然后它把这件事收成一句：

潜热是 $h$ 高的**前提**，没有它，免谈几十万； 液膜热阻是**瓶颈**，去掉瓶颈，潜力才释放。 两者不是相互竞争，是「前提 + 瓶颈」的组合关系。

到这里，「珠状比膜状好」已经从一句口号，变成了一个有机理的结构。但机理讲得再漂亮，也还是定性。 定性的话，是没法拿去做工程判断的。

所以我问了第三句。

四、第三问：要解析解，不要定性话

这一问是整段对话的转折点。我说的大意是：你别只定性说珠状好，你直接用 Nusselt 膜状凝结的解析公式算；说我同事的 diploma 是白给的，可不行。

这句话的作用是：把 AI 从"讲课模式"逼进"做题模式"。

AI 的第一反应是**先划清界限**，这一点它做得对：

Nusselt 层流膜状凝结：有漂亮、公认的解析解 ✅ 珠状凝结（滴状冷凝）：没有通用解析公式 ❌

理由它也说了：珠状不是像膜那样连续介质，是大量大小不一、随机分布、合并、脱落的离散液滴，只能建统计分布模型（Rose 模型等），工程上一般直接给实验区间 $5times10^{4}sim1.5times10^{5}$，不能像 Nusselt 那样代入物性算出唯一 $h$。

图 3 上半　Nusselt 解析式、修正潜热的处理，以及一张把物性、取值全写明的参数表

然后它真的算了。经典解析式是

\[\bar{h} = 0.943\left[\frac{\rho_l(\rho_l-\rho_v)\,g\,h'_{fg}\,k_l^{3}}{\mu_l L\,\Delta T}\right]^{1/4}\]

其中 $h'_{fg}$ 是修正潜热，把液膜过冷的显热折进去：

\[h'_{fg} = h_{fg} + 0.68\,c_{pl}\Delta T\]

物性取膜温下的水、1 atm 饱和蒸汽（$T_{sat}=100^circmathrm{C}$）：

代入的物性

参数	取值	含义
$rho_l$	$958mathrm{kg/m^3}$	液态水密度
$rho_v$	$0.598mathrm{kg/m^3}$	蒸汽密度（很小）
$g$	$9.81mathrm{m/s^2}$	重力加速度
$h_{fg}$	$2257times10^{3}mathrm{J/kg}$	汽化潜热
$k_l$	$0.680mathrm{W/(mcdot K)}$	液态水导热系数
$mu_l$	$282times10^{-6}mathrm{Pacdot s}$	动力粘度
$c_{pl}$	$4217mathrm{J/(kgcdot K)}$	水比热

取竖板高度 $L=1.0mathrm{m}$，壁面过冷度 $Delta T = T_{sat}-T_w = 5mathrm{K}$。

第一步，修正潜热：

\[h'_{fg} = 2257000 + 0.68\times4217\times5 = 2{,}271{,}337.8\ \mathrm{J/kg}\]

第二步，代入：

\[\bar{h} = 0.943\left[\frac{958\cdot(958-0.598)\cdot9.81\cdot2271337.8\cdot(0.680)^3}{282\times10^{-6}\cdot1.0\cdot5}\right]^{1/4}\]

\[\bar{h} \approx 7748\ \mathrm{W/(m^2\cdot K)}\]

它后面跟了一句：「✅ 完美落在教科书膜状凝结区间（5k–15k）！这个不是我随便假设 $delta$，Nusselt 自己的解析理论直接算出来。」

图 3 下半　修正潜热、完整代入、得到 $bar{h}approx7748$，再反算液膜厚度 88 μm

最后它顺手反算液膜厚度：

\[\bar{\delta} \approx \frac{k_l}{\bar{h}} \approx 8.8\times10^{-5}\ \mathrm{m} = 88\ \mu\mathrm{m}\]

这一步的意义在于闭环。 第一问里「$50mu m$」是 AI 自己假设的，第三问里「$88mu m$」是从解析解反算出来的。同一个量，一次是猜的，一次是算的——差别就在这里。

五、第四问：反查它的推理链

图 4 上半　它先把 Nusselt 理论的五条假设列出来，再逐条对照现实

最后一问最省事，也最见功夫。我问的是：「你说的这些，是不是唯一原因？」

AI 的回答分两层。

第一层，先把 Nusselt 理论的假设摊开——液膜层流、膜内只有导热、汽液界面无剪切、物性恒定、无波动。然后自己承认：现实液膜会出现波状，实际 $h$ 会比理论值高一点，「但仍然排在万这个量级」。

第二层，把珠状凝结的机理拆成六条，并明确标注「去掉连续液膜是最主要因素，但不是唯一因素」：

珠状凝结的六条机理

#	机理	关键点
①	消除连续液膜导热热阻	主机理。相变发生在液滴外表面，热量经液滴导热传向壁面；大液滴热阻大，长成一片就退化成膜状
②	液滴脱落带来的周期刷新	液滴滚落时把已成膜的部分带走，露出干净冷表面，新成核点立刻开始下一轮凝结
③	液滴间蒸汽流动 / 边界层扰动	高低不平的液滴群扰动汽侧边界层，破坏静止边界层；但汽相本身很薄，不是主贡献
④	微观成核与液滴尺寸分布（Rose 模型）	极小液滴的**局部传热系数极高**，整体 $bar{h}$ 是各半径液滴按覆盖率的加权平均
⑤	界面效应（分子层面，有争议）	Kapitza 界面热阻、表面润湿性与接触角决定液滴尺寸、密度、脱落频率
⑥	液滴内部微对流	温度梯度与表面张力梯度（Marangoni 效应）在液滴内部产生对流

图 4 下半　④–⑥ 三条，其中 Rose 统计分布模型这条，正好解释了「为什么珠状没有唯一解析解」

第 ④ 条是这一轮真正的收获。它解释了上一轮的疑问：珠状凝结不是「没人会算」，而是它本身就不是一个确定性问题——$h$ 是 $5times10^{4}sim1.5times10^{5}$ 的一个区间，因为液滴是随机成核、随机合并、随机脱落的。对随机过程，你只能给分布，不能给唯一解。

第 ⑤ 条它也老实说了「学术界还在探讨，有争议」。

六、我自己把它的数算了一遍

这一步不做，前面四问都是空的。

主结果复核：

复核结果

项目	AI 给出	我重算	偏差
修正潜热 $h'_{fg}$	$2{,}271{,}337.8mathrm{J/kg}$	$2{,}271{,}337.8mathrm{J/kg}$	0
平均传热系数 $bar{h}$	$7748mathrm{W/(m^2cdot K)}$	$7748mathrm{W/(m^2cdot K)}$	0.00%
液膜厚度 $bar{delta}$	$88mu m$	$87.8mu m$	0.2%

这一次，AI 是对的。 四轮对话、七八个中间量，没有一处算错，也没有一处编造文献。这一点必须如实说。

但同时我也发现了一处它没有提醒我的事。

图 1 里，它取 $k_l = 0.6mathrm{W/(mcdot K)}$；图 3 里，它取 $k_l = 0.680mathrm{W/(mcdot K)}$。

两个值都不算错——$0.6$ 接近常温水的导热系数，$0.68$ 是 $100^circmathrm{C}$ 饱和水的值。但如果按图 3 那套物性去算图 1 的 50 μm，结果不是 12000，而是 13600，差 13%。

图 1 里 AI 没有交代它用的是哪个温度下的水。这个不影响结论（12000 和 13600 都在 5000–15000 区间内），但它说明一件事：

同一个 AI，在不同轮次里可能悄悄换了一套物性、一套假设。你不逐行看它写的物性值，就发现不了。

这一点比「AI 会不会算错」更值得警惕。因为算错你能一眼看出量级不对；换了假设却算得对，你是看不出来的。

七、提问的四个层级

把这四轮对话抽出来，其实是四个层级。层级越高，要求你的底子越厚。

提问的四级

层级	问法	你得到什么	你需要先知道
一	算个大概，差多少	数量级直觉	这件事的主要变量是什么（这里是 $delta$）
二	这两件事是不是一回事	概念边界与可用的类比	这两个量各自的定义
三	用公式算准，别定性	可复核的数字	有个叫 Nusselt 的解析解存在
四	你说的原因，是唯一原因吗	机理清单与它的边界	这行里哪些问题还没解决

第三层是分水岭。 大多数人问 AI，停在前两层——因为前两层不需要任何前置知识，AI 主动就会给你。第三层你得自己开口要，而你能不能开这个口，取决于你知不知道那个公式存在。

这也是为什么「AI 时代基础要更扎实」不是一句空话：不是 AI 让你需要基础，是 AI 把你的基础水平暴露得更快。

八、基础扎实，具体扎实在哪三条

不是「多读书」这种话。就三条，都能落到操作上。

第一，知道有哪些工具存在

第三问之所以问得出来，是因为我知道膜状凝结有 Nusselt 解析解。不知道它存在的人，只能接受「珠状比膜状好」这个定性结论，然后回去跟同事吵。AI 没有义务告诉你「这里其实有个公式可以算」——它默认你要什么给什么。

第二，知道数量级的合理区间

图 1 里 AI 说「正好落在 5000–15000 的典型区间」。这句话如果你心里没有那个区间，你就无法判断 12000 和 13600 谁更对，也不知道 88 μm 是不是离谱。区间感是判断力，公式是工具，两样都要。

第三，知道这个领域哪里还没有答案

第四问的价值就在这里。珠状凝结没有通用解析解，这不是缺陷，是这个物理过程本身的性质——它是随机的、离散的、多尺度的。知道这一点，你就不会去要求 AI 给你一个不存在的唯一解，也不会被一个漂亮但唯一的数字骗过去。

九、三个动作，把 AI 的话变成自己的

四轮对话结束之后，我做了三件事。这三件事，我建议每次都做。

动作一：把关键数字自己代一遍。 哪怕只是用计算器。上表的 0.00% 不是 AI 自己报的，是我算的。如果它算错了，你只有自己算过才知道。

动作二：把每个假设拎出来问一句「现实成立吗」。 $10mathrm{nm}$ 的液膜假设、$10^7$ 量级的 $h$、$L=1.0mathrm{m}$ 的竖板——这些都不完全成立。AI 自己标出了其中一部分，剩下的要你标。

动作三：问一句「这是唯一原因吗」。 这句话能逼出机理清单，也能逼出「有争议」「还在探讨」这类诚实的话。不问，你拿到的就是一句干净利落的简化结论。

十、结语

题目的物理其实很简单：膜状凝结被几十微米厚的水膜卡住，$h$ 锁死在一万；珠状凝结没有这层连续膜，热阻的主项消失，$h$ 跳一个数量级以上。潜热两边一样，差的全在热阻上。

真正值得记下来的，是这四轮对话的形状：

第一问定方向，第二问拆概念，第三问逼硬核，第四问查漏洞。

AI 在这四轮里表现得相当好——数算对了，假设标明了，有争议的地方也说有争议。但它表现好，恰恰是因为我每一轮都在往更硬的地方逼它。

如果第一轮我问的是「珠状凝结为什么比膜状好」，我大概会拿到一段流畅的、正确的、但对我毫无用处的科普。

AI 是放大器。它放大的，是你提问时脑子里那点东西。

参见

本文涉及的传热学基础，可延伸阅读：

• 热学 —— 热学板块

• 3DIC芯片堆叠热分析的多尺度工作流——arXiv:2602.06999 深度解读 —— 从单相换热到多尺度热分析的工作流

• 封装热设计 —— 封装级热设计中的对流与相变换热