融合，是两个方面

上一篇说了地质行业的本质是“统计、预测”；AI 的本质也是“统计、预测”。但是“两种统计和预测的底层逻辑完全不一样，甚至相反。” 

一、AI 和地质，它们的底层逻辑是什么

我们先将两个“统计、预测”分开来看。

AI 的“统计”，用推理理论的话说，叫归纳：从海量的"情况+结果"里总结出规律来。

大模型把人类写过的文本全压了一遍，它是归纳的极限形态。而“预测”是它根据人类的要求，输出概率最大的结果。

它不懂“因果”。

地质的“统计、预测”就很复杂了，它的“统计”和 AI 一样，是归纳。但是它的预测，核心是溯因：依靠地表的异常结果，倒推地下看不见的成因。

物化探扫面发现一个异常，地质学家要回答的是"这可能是什么"，岩浆热液？矽卡岩？然后演绎出数亿年前的古地理环境，数亿年间的成矿过程等等。

地质必须懂得“因果”。

一个从数据走向规律，一个从结果倒推原因。方向正好相反。

这个"相反"落在实际工作中，是三个无法调和的死结。

二、三个死节

1、 第一个死结，数据稀疏，而且有偏。

2024 年全国地质勘查投入一千一百多亿，在全国 960 万平方公里的土地上平均 每平方公里投入 1 万多块钱。

《2024年全国非油气地质勘查统计年报》（自然资源部）里，2024年当年汇交量（部省两级合计）成果地质资料2.59万档，原始地质资料0.47万档，岩心：20.88万米。

截至2024年底累计馆藏：成果地质资料101.52万档，原始地质资料：6.70万档，岩心373.14万米。

服务量： 全年接待用户10.83万人次，成果资料利用10.78万档次。另外开发了20个战略性矿产重点调查区数据包，累计数据量仅107GB。

作为对比，浙江省馆全部馆藏（成果1.35万档+原始1179档），推断总数据量约25TB。

很多人可能对这些数据量没有概念，再作个对比，目前小红书单平台一天发布的文章数量是 300 万篇（来源： 2024 年公开数据），抖音生活服务条目（对，单个板块）一天的数量是 730 万条（来源： 2025 抖音生活服务创作者报告）。据自媒体从业者沈帅波统计，全国自媒体每天发布的文章数量大概是 1.3 亿条。

豆包就是在这些海量数据的基础上训练了几年，才达到现在这个水平。

那是不是数据量上来了就行呢？不好意思，也不行。

现在的地质勘探，各环节工作全在“人”觉得有矿的地方完成，产生数据从来不是地下的随机抽样，是一堆带着强烈主观选择的数据。拿这种数据喂模型，模型学到的第一件事就是"哪儿都有矿"。这就是“因果”的力量。

2、 第二个死结，极端外推。

AI 擅长的是内插，见过一百万张人脸，给张侧脸能补出正脸，因为正脸侧脸在同一个分布里。

地质要预测的是地下几百米到几千米、形成于几亿年前的东西，从来没出现在任何训练数据里，也没有第二个地球给我们做对照实验。

AI 没办法做到这种极端外推。专家研究一处地质现象，可能会发现“喜山期”中原来还有这么个构造运动。这种外推，将看起来差距巨大的、风马牛不相及的东西连接在一起，让人觉得理所当然。

这是“溯因”的力量。

3、 第三个死结，相关性和因果链，验证成本昂贵。

AI 翻完数据可能发现，某个构造上的地方总是有矿，这个规律可能还真存在，砂矿确实有类似的富集规律。总结的是相关性。

地质学家要回答的是为什么，是断裂带通过来了，还是岩体接触带在这儿，蚀变带往哪边延伸，需要因果链，因果链走通了，才会拿出来指导生产。

因为下一步动作是钻探，一个孔打下去几百万。钻孔方位偏 5 度，听着微不足道。数据量不足的时候，这会是 AI 预测结果的家常便饭。往下钻进 1000 米，孔底就偏离近百米，一个矿体的规模可能也就几十米到几百米，这一偏，几百万直接打水漂。

所以 AI 给个 60% 的概率说"此处可能成矿"，在地质这里没法用。你没法拿 60% 去给钻机下指令，更没法拿 60% 去估算储量。

而地质，在这个预测中加上了因果链，极大的降低了不确定性。没有因果链支撑的相关性，谁敢拿它定孔位？谁敢在报告上签字？

没有因果链，没办法建立信任。

三、有人会反驳：AI 能造病毒、能解数学难题

这几年 AI 确实造出了能感染细菌的病毒基因组，也在数学家几十年没有进展的问题上给出了更好的答案。这难道不是创造？难道不是溯因？

但是这类突破用的是同一个思路：模型生成海量候选，验证器负责筛选。关键在于，这些领域的验证是免费的，或者便宜的。

你让它生成一篇文章，一个图片，发现错了自己也就改了，或者重新生成（AI 视频生成需要“抽卡”就是这个道理）；数学证明有形式化验证器，对错瞬时判定；蛋白质设计背后是几十亿条序列的稠密数据，湿实验筛一批候选，很快就能出结果。

这类预测验证的金钱成本、时间成本都很低。

找矿的验证器是什么？是钻孔。一个孔几百万，几个月。

溯因的瓶颈从来不在提出假说，在筛选假说。筛选免费的地方，归纳加搜索就能冒充溯因；筛选一次几百万的地方，冒充不了。

所以 AI 在数学和蛋白质领域封神的新闻越多，越说明边界在哪儿。

说句题外话，怎么判断你的工作会不会被 AI 取代，去寻找这个因果链，当这个因果链不可取代，且极其重要，那你的工作就大概率不会被取代。

四、总结

地质日常工作中的不融合，更多是人和机制的问题。虽然慢，但会一直渗透进去，会逐渐融合，会深度融合。

但是找矿底层逻辑上，是没办法融合的，它们是两种推理方向相反的问题。

在现有的数据获取方式下，这个冲突不可调和。

能改变它的不是更聪明的算法，而是数据获取方式本身的革命：哪天三维地质填图全覆盖、航空物探白菜价，稀疏变稠密，甚至 AI 懂因果了，这个死结才会解开。

在那之前，指望"更大的找矿大模型"去硬碰硬，方向就错了。

那是不是在地质行业这件事，AI 就彻底帮不上忙了？

不是，它能帮很大的忙，而且需要它尽快的帮忙。