地下有金。
AI 先看见。

从一条成矿带，到一个钻孔。

01 定靶

只选一条带，
只找一种矿。

成矿带、矿床类型、已知矿点。题目定错，模型救不回来。

02 聚数

把所有线索，
叠成一张图。

遥感、地质、化探、磁法、重力。同一坐标，逐格对齐。

03 建模

每一格，
算一个概率。

从已知矿点学规律，给未知区域打分。

04 盲测

遮住答案，
再考一次。

按区块留出已知矿点。找不回来，就不下钻。

05 透视

从地表，
看进地下。

物探三维反演，让靶区有了深度和体积。

06 钻探

打空，
也是数据。

第一孔落空，模型立刻更新。第二孔，见矿。

07 闭环

一孔一更新，
越打越准。

步进钻探圈定矿体，再由合资格人员估算资源量。

模拟演示 · 合成数据

约一千个项目，
一座矿。

找矿不是挖掘问题，是概率问题。

行业经验值，不同统计口径从数百分之一到万分之一不等。

10–15 年一座矿投产的常见周期
钻孔最贵，也是唯一的硬验证
更少的空孔这才是 AI 的价值

每一步，缩小十倍。

10,000km²

成矿带 · 区域地质与公开数据

示意尺度，以实际矿权范围为准

六种数据。
一个地下。

先有数据底座，才有模型。

卫星遥感

蚀变矿物、线性构造。

化探

水系与土壤元素异常。

物探

磁、重、电，看向深部。

历史报告

大模型读扫描件，抽取结构化事实。

岩芯光谱

把岩芯库变成像素数据。

钻孔记录

见矿与空孔都留下。空孔同样是训练数据。

四个模型，各管一段。

读

文档智能

报告、图件 → 结构化知识

判

成矿预测

梯度提升、PU 学习 → 概率图

透

三维反演

物探数据 → 地下体模型

选

钻孔决策

贝叶斯更新 → 下一孔打哪

24 个月。
六道闸门。

不过闸，不花下一笔钱。

  1. 定题

    选区、矿型、数据摸底、矿权路径。

    已知矿点 ≥ 30，且有合法进场路径

  2. 数据底座

    数字化、统一坐标、建特征库。

    目标区数据覆盖 ≥ 80%

  3. 模型盲测

    基线模型，分区块留出验证。

    10% 面积捕获 ≥ 70% 已知矿点

  4. 野外验证

    踏勘、采样、地面物探剖面。

    至少 1 个靶区获得独立佐证

  5. 首轮钻探

    3–5 孔，每孔后更新模型。

    见矿，或模型发生实质修正

  6. 闭环扩张

    加密钻探，推进资源量估算。

    形成可披露的资源量报告

周期与门槛为建议值，按矿种、地形和审批调整。

最小团队

  • 首席地质师
  • 物探工程师
  • 数据工程师
  • 算法工程师
  • 野外与合规

地质师主导，算法辅助。反过来，大概率失败。

五个坑。

每一个都能让漂亮的 AUC 变成空孔。

样本太少

矿点极稀疏。
用 PU 学习和迁移学习。

空间泄漏

相邻格子高度相似。
必须按区块验证。

勘查偏差

矿点多在路边。
模型学到的可能是路。

深部失明

地表信号随深度衰减。
要靠物探补位。

黑箱决策

解释不了就别打。
每个靶区要过地质评审。

别人走到哪了。

AI 的贡献多为公司自述，尚无独立量化。

进入建矿

KoBold · Mingomba

赞比亚铜矿。投资约 23 亿美元，规划年产超 30 万吨铜。

 新发现 · 待钻探验证

Equinox · Minotaur

加拿大金矿。AI 引导至主构造带外，拣块样最高 650 g/t。

 学术验证

Committee Bay

深度网络预测造山型金，并与钻孔化验对比。

 启示 · 非 AI

Goldcorp Challenge

2000 年开放全部数据，征得 110 个靶区，超八成见金。

四周，
一个决定。

盲测过关，再谈钻机。