难道AI 才是真正的“黄金矿工”

　　之昂

　　采矿业也需要AI“爆破”

　　法国作家兼飞行员圣埃克苏佩里曾在《风沙星辰》中探究过人类对先进技术莫名排斥的原因，“那些对技术发展之所以会心存恐惧的人，是因为他们混淆了目的与手段的区别。”如今，AI 作为最先进的技术手段之一，早已经在生物医药、新材料等领域越来越常见，但在最传统的行业，AI 的工具实用性才刚刚崭露头角。

　　长久以来，采矿业一直被视为耗时耗力的工作，智能化、自动化虽然推广多年，但勘探技术却几乎停步不前。业内人士透露，现在的采矿勘探在每100个可能的地点中，通常只会找到一个可开采的矿场，“而且这个准确率还在逐年降低。相较上世纪90 年代，如今矿业公司得花上6 倍的时间、资本才能获得同样的矿产”。

　　尤其是传统的铜、黄金以及钴等矿石的勘探，已经非常艰难，如今勘探出新矿产的成功率只有0.5%。99% 以上的常规勘探项目都是试采后也没能找到所需矿产，白白浪费成本和时间。

　　这是因为在过去的30 年间，地表浅层比较容易被发现、被挖掘的矿产资源已经接近枯竭，而传统矿业参与者在深入地表的勘探技术上的投资并不多。当低处的果实被摘完后，新技术进入的最佳时机也来了。

　　不久前，美国初创科技企业KoBoldMetals 宣布在赞比亚发现一座巨大的铜矿（Mingomba），据探测，该铜矿含有2.47 亿吨矿石，平均铜品位为3.64%。所谓矿石品位指的是在一定重量或体积的矿石中，目标开采矿物所占的比例，矿石品位的高低通常决定了矿石的开采和加工是否具有经济意义。而Mingomba 的铜品位数据，比世界上最大铜生产国智利的铜品位还要高出约六倍，AI 探矿这一精彩大秀到底是如何实现的？

　　机器绘制藏宝图

　　在启动矿山开采调查项目之前，为探测地下是否存在要开采的矿产，技术人员通常要试采数十至数百个孔，说是盲人摸象也不为过。但是AI 不同，当某地试采出的土壤、矿物黏度、磁力、成分、断层结构和标高等数据信息输入到专用的AI模型后，AI 就会通过与以往发现的类型对照，判断此地是否埋藏着重要矿产，与矿脉误差只有几米。

　　其实AI 探矿模型和ChatGPT 诞生的原理非常相似：都要求海量的数据、精致的算法以及强大的算力支持。根据KoBold Metals 公开信息，其联合斯坦福大学地球资源预测中心开发建立了名为TerraShedSM 的数据平台，预测模型“Machine Prospector”通过学习大量历史材料、地球卫星拍摄的地质图片、激光地球扫描数据，以及全球的地震波数据，来辅助勘探决策。

　　这些数据中甚至还有许多超过百年、早已被人遗忘的手绘地形图、矿产交易文件、地质数据等等，经过清洗、筛选、数字化后，统统喂给AI 预测模型。利用AI 工程师们创建、精调的算法，预测模型可以快速、精确地处理并分析大量数据，自动进行数据抽取、集成、分析建模，大幅提升勘探效率、缩小勘探范围、降低勘探成本。

　　效果也的确不错，仅用了一年时间，KoBold Metals 就已经重新绘制了一张全球地壳矿藏的分布图，根据这张“藏宝图”，再利用搭载探测器的无人机进行勘探，通过仪器探测土地的密度、磁场，最终找出最佳开采点。除了前述的巨量铜矿，这家公司还在加拿大、格陵兰岛等地同时探宝，目的是找到铜、钴、镍和锂这些锂电池最需要的原材料。

　　尽管有不同声音认为，这次发现的Mingomba 铜矿其实附近就已经有过铜矿开采，只能说扩大了开采范围，但这么多年都没能发现是否也能说明，引入AI 等新技术在这一行业的重要性？矿业咨询分析公司CRU 曾预计，铜矿业需要投资1000 亿美元建设新矿，才能满足到2030 年每年470 万吨的供应缺口。在这泼天的富贵面前，谁有技术谁才能抓住主导权。