敢把AI判断直接交给钻机验证,这家珀斯的AI-native探矿公司正在动真格

2026 年 4 月，凌云智矿发布 AI4Earth 地球科学推理平台，并启动西澳 Malcolm Gold Project 约 3,300 米 RC 钻探计划。几个月后再看，这个节点的意义已经超出一次平台发布或单个项目开钻。

更关键的是，MiningClaw 第一次把 AI Agent 形成的矿权判断链，推入真实钻探验证现场。

在 Malcolm 项目中，MiningClaw AI Agent 曾以一次端到端实战演练，在 72 小时内完成公开资料解析、矿区认知重建、构造与蚀变识别、岩性预测、成矿概率建模和靶区建议。随着 RC 钻探推进，这套判断链不再停留于屏幕上的热图和报告，而开始接受钻机、样品、品位结果和现场反馈的检验。

对凌云智矿而言，这才是产品化最重要的一步：让 AI 找矿从“能判断”，走向“能被验证、能被复盘、能持续进化”。

图 1｜从 72 小时 AI 判断到 3,300 米 RC 钻探：MiningClaw 的产品验证节点

矿业不是一个靠演示视频就能完成技术证明的行业。

一张成矿潜力图可以很漂亮，一份 AI 报告可以很完整，一个 Agent 流程也可以很流畅。但最终，矿业只认一件事：这些判断能不能进入现场，能不能指导下一步投入，能不能在钻探、采样和品位结果中被验证。

Malcolm 的意义就在这里。

它不是一次单纯的“平台发布配套项目”，而是 MiningClaw 产品化路径中的一个验证节点：AI Agent 先完成矿权判断，专家团队再复核判断链，随后把靶区建议推入真实钻探计划。这个过程把“AI 能分析项目”推进到“AI 判断可以被现场检验”。

这一步很重要。因为矿业 AI 过去最容易停在两个层面：一个是 PPT 式能力展示，一个是静态热图输出。前者缺少项目验证，后者缺少决策闭环。MiningClaw 要做的不是再多生成一张图，而是把数据、模型、专家和现场验证接入同一条判断链。

在 Malcolm 项目中，MiningClaw AI Agent 做的第一件事，不是直接跑模型，而是重建矿区认知。

它先读取公开资料、区域地质图、矿点分布、断层线和矿权边界，把分散信息整理成一个可继续推理的结构化底座。随后，系统进一步识别构造与蚀变线索，分析岩性空间关系，并结合成矿模型生成概率热图和靶区建议。

这条链条的关键，不在于“AI 三天做完了多少图”，而在于它把原本依赖人工逐步整理的工作，转化为一套可以被专家复核、被现场团队理解、被后续钻探追问的判断过程。

换句话说，MiningClaw 的价值不是替地质师拍板，而是让地质判断更快抵达可验证状态。

在传统流程里，一个矿权项目从资料收集、地质解读、靶区收敛到验证部署，往往需要数周甚至更久。MiningClaw 的 72 小时实战，并不是要证明 AI 可以替代这个过程，而是证明 AI 可以把前端判断链压缩、结构化、可复核化，让专家把更多时间放在真正关键的问题上：成矿逻辑是否成立？靶区优先级是否合理？下一口钻孔应不应该打在那里？

图 2｜MiningClaw 的判断链：从屏幕上的热图走向现场验证闭环

矿业公司和投资机构真正关心的，不是一个 AI 系统有多少功能，而是它能不能改善项目判断效率。

一个矿权是否值得继续投入？哪些靶区应该优先验证？有限钻探预算应该打在哪里？一个项目的风险到底来自数据不足、地质逻辑不清，还是靶区排序错误？

这些问题，才是矿业项目最昂贵的问题。

MiningClaw 面向的正是这一层需求。它不是单一的 SaaS 工具，也不是一个只负责问答和制图的通用 Agent。它要进入的是矿权评估、靶区生成、尽调判断、钻探设计和项目复盘这些高价值环节，把分散的数据和专家经验转化为可执行的项目判断。

在 Malcolm 项目中，这一逻辑已经开始被放到现场检验中。AI Agent 完成判断链，专家团队进行复核，钻探计划进入执行，后续结果再反馈给数据底座和模型体系。这个闭环一旦跑通，MiningClaw 的价值就不再停留于“提升工作效率”，而是进入更核心的问题：能否提高优质靶区被识别和验证的概率。

这也是为什么 Malcolm 不只是一个项目案例，而是 MiningClaw 产品化路径上的关键样本。它让外界看到：凌云智矿不是只在讲 AI 找矿，而是在把 AI 判断推入真实矿权、真实钻探和真实项目回报的链条中。

AI4Earth 提供的是地球科学推理底座，MiningClaw 则是面向项目和客户的产品化入口。

二者的关系，可以理解为底层能力与业务界面的关系。AI4Earth 负责组织地学知识、多源数据和空间推理能力；MiningClaw 则把这些能力推向真实工作流，让矿业公司、投资机构和项目团队能够围绕具体矿权发起分析、生成判断、复核证据并推进验证。

这也是凌云智矿近期技术进展中最值得关注的变化：从“平台能力”走向“项目能力”，从“模型输出”走向“判断链输出”，从“内部研发”走向“现场验证”。

支撑这一变化的，不只是算法，而是持续积累的数据、项目和工程化能力。凌云智矿已形成大规模多源地学数据底座，覆盖多个全球重点成矿带，数据类型包括遥感影像、航磁航放、地球化学、钻孔剖面和三维矿体结构等。更重要的是，这些数据并不是静态存放，而是持续进入模型训练、项目判断和现场反馈过程。

与此同时，ANT 被动源地震等智能终端能力，也在为深部结构约束提供增量数据。对矿业 AI 来说，单靠历史图件和公开资料远远不够。真正形成差距的，是能否把已有数据、现场新数据、专家判断和项目反馈持续接起来。

MiningClaw 正在承担这个入口角色。

MiningClaw 的产品化，不应被简单理解为卖一个软件账号。

矿业项目的价值创造周期长、不确定性高，传统工具型服务很难与项目结果形成深度绑定。凌云智矿更看重的是成果导向的合作模式：围绕真实矿权，交付可验证的靶区判断、项目评估和资产形成路径，并在长期项目推进中与合作伙伴共享价值。

在此基础上，凌云智矿正在推动 Results-as-a-Service（RaaS，结果即服务）商业闭环。它的核心不是出售一个脱离业务现场的软件工具，而是通过 MiningClaw 交付经得起现场验证、命中概率更高的找矿靶区、可复核的项目判断和资产形成（Asset Formation）成果，与矿业伙伴建立更深度的长期合作关系。

Tech-for-Equity 是这一模式的重要路径之一。对早期勘探项目，凌云可以用 AI 找矿能力换取项目权益，让技术能力与勘查结果直接绑定；对成熟矿业公司，MiningClaw 则可以进入其内部项目筛选、尽调和靶区生成流程，帮助其降低前端判断成本、提高项目推进效率。

这套模式成立的前提，是技术必须进入验证闭环。否则，RaaS 只是一个商业概念；只有当 AI 判断链能够被钻探、采样和项目结果持续检验，结果即服务才真正具备矿业语境下的可信度。

Malcolm 的意义正在这里。它不是终点，而是一个样本：AI 判断进入项目现场，现场结果反馈模型体系，项目推进反过来沉淀数据与经验，最终形成可复制的产品和商业闭环。

对外界来说，Malcolm 是一个金矿项目。对凌云智矿来说，它更像是一块产品试金石。

它检验的不只是一个靶区判断是否准确，也检验 MiningClaw 是否能够完成更复杂的任务：快速理解矿权、组织多源证据、生成可复核判断、进入现场验证，并把结果反馈回系统。

这正是 A 轮融资前，市场最需要看到的东西。

投资人不只想听一个技术故事。他们想看到这家公司是否拥有真实项目，是否具备把 AI 能力放入矿业现场的能力，是否形成数据和验证闭环，是否能够从工具销售走向更高价值的资产形成路径。

矿业公司也不只想看一张热图。他们真正关心的是：这套系统能不能帮我更快筛项目、更早排风险、更清楚地知道下一步该打哪里。

Malcolm 给出了一个正在发生的答案。

MiningClaw 正从 AI Agent 的演示能力，走向矿权项目的验证能力；从单次分析，走向持续反馈；从工具，走向结果闭环。这也是凌云智矿希望市场理解的核心：我们不是在做一个矿业版聊天机器人，而是在构建一套 AI-native 的矿产发现系统。

图 3｜为什么 Malcolm 这个节点重要：它验证的是 MiningClaw 的产品化路径

从 4 月的 AI4Earth 发布，到 Malcolm 3,300 米 RC 钻探进入执行，再到 MiningClaw 产品化路径持续推进，凌云智矿正在完成一件更重要的事：把 AI 找矿从概念、演示和报告，推向项目现场。

这不是一场单点技术展示，而是一条正在形成的产业路径。

AI 负责快速处理大范围、多维度、跨尺度信息；地质专家负责审视成矿逻辑是否成立；现场工程负责把判断变成可验证事实；项目结果再反向进入系统，成为下一轮判断的底座。

这就是 MiningClaw 要进入的世界。

过去，每一个矿权都依赖少数专家长时间判断。未来，每一个矿权都应该拥有一条可以被追问、被复核、被验证、被持续进化的 AI 判断链。

Malcolm 只是开始。真正的目标，是把这种能力复制到更多矿种、更多成矿带和更多项目现场。