【智能找矿】行业被改写:中美两国在AI找矿领域的博弈

传统勘探成功率不足1%，人工智能将这一数字改写为20%乃至更高。中美两国正以截然不同的模式——一方是资本驱动的硅谷独角兽，另一方是政府主导的多级平台体系——在同一片非洲大陆上展开竞争。矿产发现能力，正在成为一种新的国家能力。

一、行业正在被改写

2026年4月，赞比亚铜带省。美国公司KoBold Metals的钻机正在Mingomba矿区向地下1500米深处推进。该巨型铜矿由KoBold在2024年2月发现。钻探数据显示，核心区域铜品位超过5%，而全球铜矿平均开采品位仅为0.6%。按品位换算，同等工程投入下，这座矿的产出将是普通铜矿的八倍以上。

KoBold总裁Josh Goldman将其形容为“目前尚未开采的、世界上品位最高的大型铜矿床”。该公司已向赞比亚投入逾2亿美元，成为该国最大的美国投资企业。

这场发现的核心不是地质锤，而是算法。KoBold的AI模型在不到两年时间内完成了从数据筛选到钻探验证的全流程——传统方法通常需要五到七年。

2022年，该公司在加拿大魁北克的一个镍矿项目中打出10个钻孔、8个命中硫化镍矿化，命中率约为行业平均水平（不足1%）的十倍。

关键数据：KoBold Metals成立于2018年，估值约30亿美元（2025年1月C轮融资5.37亿美元后），累计融资超10亿美元。投资人包括比尔·盖茨、杰夫·贝索斯、马云、马克·扎克伯格、山姆·奥特曼，以及必和必拓等矿业巨头。目前在四大洲拥有约60个勘探项目，覆盖铜、钴、锂、镍等关键矿种。

这不是硅谷的孤立事件。2026年3月，太平洋对岸。

2026年3月，四川正式发布地质矿产人工智能大模型产品集群，集中推出三项自主研发的标志性成果：“矿山大模型”“人工智能找矿平台”和“地震诱发地质灾害智能识别与预测模型”。

2025年，四川省地质大数据中心将全栈自主研发的AI找矿平台投入生产，首次运用大数据及人工智能方法，研究编制了《四川省成矿区划报告（2025年度）》。

作为全国首份基于AI找矿的区划成果，该报告通过构建人工智能找矿预测模型，在四川境内初步划分出161个成矿远景区，圈定36处找矿预测区。截至2026年5月已成功出让9宗矿业权，成交总额9167万元。其中首宗勘查区块溢价率高达1572.22%。

太平洋两岸几乎同步的动作宣告了一个事实：AI找矿已从学术论文走向钻探现场，从实验室走向工程化部署。

二、为什么是现在：三条曲线的交汇

AI矿产勘探并非新概念。机器学习在矿产预测中的研究已持续二十余年，但真正的产业化爆发集中在最近两年。原因在于三条曲线在2024—2025年同时抵达临界点。

第一条曲线：地表矿藏正在枯竭。过去140年间，人类已将地球表面可辨识的矿床基本找完。传统探矿的成功率长期徘徊在1%以下——KoBold方面引用的数据显示，超过99%的传统勘探项目最终未能成为矿山。过去三十年，传统探矿的投资回报缩水了九成。矿业必须从地表转向地下500—2000米的“第二找矿空间”，而那里人眼无法直接判读，物理采样极为昂贵。一个深孔的钻探成本动辄数十万至百万元，勘查预算只能支撑有限孔位。在100平方公里的矿权范围内，传统方法需要地质人员用三到五年时间将目标区域从全域缩小到数平方公里，才能开展钻探验证。

第二条曲线：关键矿产需求爆发。国际能源署预测，在净零排放路径下，关键矿产市场规模到2040年将达7700亿美元。从青铜时代至今，人类总共生产了约7亿吨铜，而实现2050年净零排放还需额外14亿吨——相当于人类有史以来全部铜产量的两倍。一个美国人一生铜消耗量约595公斤，中国约100公斤，印度仅30公斤。当14亿印度人迈向现代化、14亿中国人追求更高生活水平时，铜的需求缺口是一个硬约束。与此同时，全球AI数据中心的扩张正在进一步推高铜和稀土需求。

第三条曲线：AI技术跨越式提升。空天遥感技术（高光谱卫星、商业遥感星座）提供了前所未有的数据源；全球地质资料的加速数字化使历史勘探报告、钻孔记录和地质图件进入可计算状态；深度学习和多模态模型使算法能够同时处理遥感、地球物理、地球化学和文本数据。2025年，全球AI探矿行业市场规模突破千亿元人民币，大模型在矿产勘探全环节渗透率达12.7%，预计2030年将跃升至58.3%。

“矿产竞争正在从储量竞争走向发现能力竞争。”

三、AI究竟做了什么：四种智能的递进

AI找矿中的“AI”并非营销口号。四川省地质大数据中心将其拆解为四个递进层面，每层均有可验证的判据。

第一层：感知智能——在高维空间中发现模式。地质学家判读图件时能同时权衡的变量数量受限于人脑工作记忆，而成矿系统的复杂性分布在岩性、构造、重磁电异常、多种化探元素和矿物组合、多个高光谱波段构成的高维空间里。AI可以在这种人类无法想象的高维空间中开展模式识别，捕捉“断裂交汇形态+弱磁异常+元素组合+重砂矿物组合”等传统手段难以归纳的复合特征。对于深部找矿而言，在新型探测设备成功研发之前，AI几乎是唯一能穿透覆盖层的“眼睛”。

第二层：认知智能——将隐性经验显性化。一位资深地质学家穷其一生看过的矿床案例是有限的，且这些经验往往随专家退休而流失。四川省地质大数据中心的AI找矿平台将数百位地质学家的找矿模型数字化为可调用的“集体记忆”；大语言模型则开始“阅读”海量沉睡的地质文献，从中提取结构化知识。认知智能的核心价值在于知识的民主化：它不创造新知识，但让无法以传统方式传承的经验实现了复用。

第三层：决策智能——在不确定性中算出最优一钻。这是AI找矿最接近“智能”本质的层面。模型不仅输出“何处概率高”，还输出“何处最无把握”——信息论告诉人们，打在模型最不确定的位置，一钻带来的信息增益最大。KoBold在魁北克10钻8中的案例，本质上是把传统勘探中的“概率博弈”变成了运筹学问题。技术内核是不确定性量化与主动学习，部分借鉴了斯坦福智能系统实验室的自主决策算法——与自动驾驶和机器人共享同一套数学基础。

第四层：进化智能——闭环中的自我迭代。每一次钻探验证，无论见矿与否，都作为最昂贵也最诚实的“标注数据”回流训练集，模型随勘查进程持续进化。打得越多，模型越会打——这是传统方法不具备的性质：专家团队会解散，经验会流失，而模型的能力单调递增。没有数据闭环的系统，本质上只是传统地质作业中的“电脑作图”。

这四层智能之上还有一个关键约束：AI找矿必须遵守成矿系统理论的框定。全球可供训练的已知矿床以万计而非以亿计，纯数据驱动必然陷入过拟合。成熟的AI找矿系统均采取“理论约束下的机器学习”——算法在理论划定的疆域内搜索，这正是四川省平台明确“成矿理论为基本遵循”的原因。演绎（从理论推演）与归纳（从数据涌现模式）的融合，而非替代，才是这场范式转移的真正内核。

四、优势：数据驱动效率跃升

将AI找矿的效率数据与行业基准对比，差距显而易见。

指标	传统勘探	AI勘探（代表案例）
找矿成功率	低于1%	KoBold魁北克项目80%（8/10命中）；深脉控股自有矿权从<1%提升至50%
勘探周期	3-7年	深脉控股从5年压缩至6个月；中国地质调查局系统提升效率超三分之一
综合成本	基准线	KoBold宣称降低75%（降至传统四分之一）；深脉控股降低约75%
勘查效率	基准线	KoBold宣称提升10倍
精度	较大误差	矿脉定位误差仅数米级
品位突破	全球铜矿平均0.6%	Mingomba核心区超5%；产出同等铜量时，矿石搬运量仅为低品位矿的十分之一

除勘探效率外，AI还解决了几个传统模式无法逾越的障碍。

其一，高危环境替代人工。深脉控股的“深瞳勘探”系统由搭载多光谱、磁法传感器的无人机与可自主采样的机器狗组成，机器狗单次可采集30—50份岩石样本，将传统数周的人工踏勘压缩至数小时，全流程无须人工干预。

其二，标准化数据采集。机器人作业消除了不同地质人员的操作差异，保证了初始数据质量。

其三，实时闭环优化。加拿大公司GeologicAI的机器人岩芯扫描仪将实验室搬至钻探现场，24至48小时内返回高精度分析结果，已部署在全球10多个国家、累计扫描岩芯超210万米，客户包括力拓、必和必拓、自由港麦克莫兰等全球矿业巨头。

五、短板：数据的裂缝

AI找矿的优势数据多为企业自行披露，缺乏独立审计验证。将KoBold“效率提升10倍、成本降低75%”等表述视为“显著优于传统勘探”而非精确审计数字，是更为审慎的态度。在此基础上，AI找矿面临三个结构性短板。

样本稀缺与偏差。全球可供训练的大型矿床样本以万计，而非深度学习通常需要的数以亿计。模型天然“善找已知类型的矿床”，对人类尚未认知的新类型矿床系统性失明——因为训练数据集中根本不存在这类样本。批评者指出，KoBold的Mingomba发现可能只是邻区已知铜矿带的延伸，而非AI独立发现的“新类型”矿床。

数据壁垒。地质数据涉密与商业利益制约训练集扩大。中国勘探、钻井、采集各环节标准不一，难以实现全链条数据贯通。国内即便有露天矿，也因矿权溢价而成本高企，迫使企业转向非洲——那里还存在可直接观测的地表矿化。AI找矿的命门不在算法，而在数据地基。

硬件与泛化瓶颈。国产传感器在极端环境稳定性上仍需突破。现有AI模型多基于特定地质条件训练，在面对深水或非常规油气等复杂地层时，预测精度明显下降。此外，AI目前无法产出“板块构造”量级的新理论，挖掘的是相关性而非因果链；模型输出的是概率而非真理，钻与不钻的决断、对模型盲区的警觉，仍系于地质工作者的判断力。正如四川省地质大数据中心所指出的：AI找矿的智能是“解题”而非“出题”的智能。

六、中美竞争：截然不同的路径

中美两国在AI找矿领域的竞争，本质上是两种制度逻辑的碰撞。这种差异贯穿于驱动主体、技术路线、产业闭环和全球化策略的每个层面。

维度	中国模式	美国模式
驱动主体	政府/科研机构主导，形成国家级—央企—省级—企业四级平台体系	商业资本主导，硅谷风投驱动独角兽崛起
核心驱动力	国家战略资源安全保障（矿产资源对外依存度高，部分矿种保障程度低）	商业回报与矿权增值（"AI探矿+资产持有"逻辑）
技术路线	"知识+数据"双轮驱动，以成矿系统理论为基本遵循，强调可解释性	"数据+算法"驱动，强调效率与精度优先
核心场景	政府决策支持、探矿权精准估值、省级区划	企业自主勘探、绿地发现、矿权持有与转让
产业化闭环	政府投入→平台建设→探矿权出让→财政收益	资本投入→技术研发→矿产发现→矿权增值
专利占比（2025年全球采掘业AI相关）	28%（中国）	23%（美国，澳大利亚15%）
大模型应用市场	中美合计占全球66.8%

中国：四级平台体系全面铺开

国家级层面，中国地质调查局“大数据智能找矿预测系统”于2026年3月上线，集成地质大数据管理、知识管理、信息提取及“伏羲”找矿大模型等核心模块，内置算法逾200个，已在秦岭成矿带、西秦岭寨上—李坝、胶东等区域示范应用。中国地质科学院矿产资源研究所则明确提出“加快建设专业型地质大模型，打造新一代矿产智能预测平台”，计划整合全国矿产资源潜力评价、国情调查、矿产地质志等海量权威数据。

央企层面，中国冶金地质总局的“寻宝大模型 AI+找矿预测平台”于2025年7月发布，创新提出SSCNN深度学习架构，以“全尺度预测、全流程赋能、全矿种覆盖”为目标，同步推出基于RAG技术与DeepSeek大语言模型的“小冶”地勘知识智能助理。

省级平台遍地开花。河南“豫见矿”平台构建了省内规模化矿产专业知识图谱，整合全省26大类、2万余项地质资料，已在鲁山勘查区、新疆重点成矿带以及海外赞比亚、莫桑比克等项目落地。山东地矿局第七地质大队完成DeepSeek R1大模型本地化部署，在新疆青河县甘泉沟铜金矿普查中，不到一周精准筛选出3个靶区，野外验证全部显示明显矿化，节省了两个多月的野外工作量。山东地调院还建立了焦家金成矿带地下3000米以浅综合找矿模型和深部矿体预测模型。内蒙古“大数据驱动的智能化矿产资源预测”项目由毛景文院士担任首席科学家，研发百亿参数级多模态大模型，优先在大兴安岭中南段示范应用。广西启动了首个离子吸附型重稀土矿AI找矿项目。

企业层面，深脉控股（追觅科技生态企业）在纳米比亚、津巴布韦、莫桑比克、尼日利亚、坦桑尼亚等5国拥有核心矿区，全球7个矿区总估值超100亿元人民币。其机器狗+无人机协同作业体系在自有矿权中将找矿成功率从不足1%提升至50%，勘探周期从5年压缩至6个月。2026年初，斯坦福前研究科学家尹振创办Oxus公司（注册于新加坡），以“证伪法”为核心——首先生成上千万个可能的地下结构模型，再通过数据证据逐一排除错误答案，选择中亚和蒙古作为主战场，已获得哈萨克斯坦政府层面的直接支持。

美国：独角兽引领，国家战略跟进

KoBold Metals是AI探矿赛道的绝对领跑者。其技术栈围绕三大核心构建：传感器（采集地球数据的硬件）、TerraShed数据库（整合卫星图像、历史地质报告、岩芯样本、地球物理和地球化学数据），以及多类AI模型协同的Machine Prospector系统。算法基础部分源于斯坦福Mineral-X研究中心——该中心是全球最早也是最核心的AI探矿学术机构，从这里孵化的企业还包括TerraAI、Fleet Space Technologies、ExploreTech和Ideon Technologies。

在KoBold之外，一批新兴技术公司形成了差异化竞争。澳大利亚/美国公司Earth AI宣称项目发现率达75%（行业平均不足1%），在澳大利亚北领地发现铜、钴和金矿，已完成2000万美元B轮融资。加拿大公司GeologicAI的机器人岩芯扫描仪已在全球部署21台，2025年完成4400万美元B轮。Xcalibur Smart Mapping运营全球最大的航空地球物理机队（超40架飞机），其AI驱动的地球智能平台XENAI在非洲15国提供矿产资源测绘服务。印度Pixxel公司则从高光谱卫星星座切入矿物遥感识别。

国家层面，美国地质调查局（USGS）于2026年2月发布《AI战略报告》，明确提出建设“地球系统基础模型”，将矿产预测列为AI的重要应用方向。USGS长期建设的光谱数据库覆盖0.2-200微米波段，为矿物识别与高光谱分析提供了基础数据基础设施。报告的核心结论是：矿产资源预测正在成为一种国家能力。

特斯拉的关键矿产战略是这一生态的延伸。特斯拉自建德州锂精炼厂、与Albemarle合作开发内华达锂矿、与嘉能可签订刚果钴矿长期协议、直接投资莫桑比克石墨矿（Syrah Resources），并在内华达建设电池回收工厂。KoBold在其中的角色是“勘探加速器”——用AI快速发现新矿源，特斯拉通过直接采购协议锁定，避开中国主导的冶炼加工环节。

七、非洲：共同的战场

非洲大陆正在成为中美AI探矿企业共同的核心战场，原因直接明了。

从供给侧看，中国的锂矿多处于西藏、新疆、四川等海拔4000米以上区域，低温、低氧、强紫外线的极端环境使有效作业时间短、建设和运营成本极高。“国内能找的、好找的矿，已经被找得差不多了。国内现在已经在找影子矿，要找下面的东西了。”四川省综合地质调查研究所教授级高级工程师付小方对第一财经记者表示，“非洲还有露天矿。我们能用AI找到露天的、直接在地表就能看到的矿。”

从需求侧看，非洲拥有全球最丰富的未勘探矿产资源。KoBold在赞比亚的Mingomba项目是其旗舰资产——2022年12月出资近1.5亿美元买下多数股权，仅一年多就发现巨型铜矿，开发投资预计超20亿美元，计划2030年后首次产出，达产后年产铜30万吨。2025年5月，KoBold收购AVZ Minerals在刚果（金）马诺诺锂矿权益，投资超10亿美元，旨在将锂资源引入西方市场。同年年初，KoBold将锂、镍勘探范围进一步扩大至纳米比亚。

深脉控股的布局类似但更侧重实际操作。其在纳米比亚的铜银矿和巴基斯坦金矿已进入开采阶段；津巴布韦铬铁矿选厂、莫桑比克钽铌矿选厂、尼日利亚独居石和锡矿选厂正在全力生产；坦桑尼亚和印度尼西亚已锁定超过20个金矿探矿权。深脉的策略是选择社会相对稳定的国家，有意识地避开安全风险较高的西非和刚果（金）。