如何用AI找矿？AI找矿为何能获得比尔·盖茨等富豪高度关注

来源：i自然全媒体

AI找矿的热潮正在持续涌动。

近日，新疆首个AI地质找矿专用大模型完成本地化部署，广西启动基于人工智能的离子吸附型重稀土矿找矿预测研究与勘查示范项目，河南“豫见矿“AI找矿平台在国内外多个勘查项目落地应用……

大数据、人工智能、云计算等新一代信息技术加速融入矿产勘查领域，为地质找矿装上“超级大脑”，让曾经大海捞针般的探矿工作，告别了靠经验、耗时长的传统模式，加快迈入精准化、高效化的智能新时代。

这场由AI掀起的找矿热浪，不仅破解了深部探测、数据分散、效率低下等行业难点痛点，更为新一轮找矿突破战略行动按下了“加速键”。

今年7月，“基于地质世界模型驱动的AI探矿体系”在世界人工智能大会上发布。

用AI高效探寻深部隐伏矿

找矿的成败，依赖于对地下信息的精细捕捉和精准研判。过去，地质工作者依靠野外踏勘、手工描图、经验判断找矿。当前，找矿空间由浅表转向深部、找矿对象由露头转为隐伏，勘查难度显著加大，传统勘查技术方法效果不佳、效率较低。

如何在复杂地质条件下快速锁定找矿靶区、提升勘查效率，成为行业亟待解决的核心难题。

“早期传统勘查阶段，单一矿区完整预测周期长达3年。而且，受地形地貌、环境条件及个人经验等因素影响，难以实现深部与隐伏矿产的有效探测。”中国地质科学院矿产资源研究所（以下简称资源所）首席科学家肖克炎介绍。

肖克炎早在20世纪90年代的找矿预测研究工作中，就深刻感受到传统找矿方法的局限性，并下定决心要通过技术创新破解行业痛点。

为此，肖克炎带领团队从推进成矿远景区划计算机化起步，逐步从二维平面预测转向三维空间立体预测，创立了基于找矿模型构建、多尺度三维地质建模、三维定量预测的“三位一体”深部隐伏矿定量预测方法，解决了深部成矿系统三维结构重建及定位预测关键科学问题。

2020年起，肖克炎团队全面推进大数据智能找矿，形成“数据驱动+知识驱动”双轮驱动技术体系，研发出新一代大数据找矿系统，一步步朝着“让找矿更高效、更精准”的目标迈进，走出了一条“成矿区划→潜力评价→深部智能找矿预测”的持续演进之路。

长期以来，在地学领域，地球物理、地球化学、遥感调查工作的开展，以及各类传感器的广泛应用，积累产生了海量数据。“对于复杂多源、异构分布的地质数据，传统研究方法很难实现高效提取与深层次理解，而AI技术具备强大的多源数据融合与智能分析能力，可快速处理复杂地质信息、精准识别成矿异常、定量预测找矿靶区，这不仅让勘查周期大幅缩短，同时还降低了勘查成本与风险。”肖克炎解释说。

肖克炎团队研发的新一代大数据找矿系统，具备深部三维精准定位、模型智能生成与复用、全流程覆盖和全链自主国产化的突出特性。利用自主研发技术，团队完成了全国25种重要矿产潜力评价，厘定了26个重要找矿部署区带，并在山东、甘肃、四川、贵州、湖南和西藏选取6个示范区，开展金、铜、锰等3000米以浅智能找矿预测示范，推动了多处大中型矿产地的发现，充分证实了AI技术破解深部找矿、隐伏矿勘查的有效性。

“这不仅是对前人成果的继承，更是研究团队基于数十年实战积累的自我演进与迭代升级，实现了我国地质找矿从二维平面预测到三维空间智能预测、从经验驱动到数据驱动的跨越。”中国工程院院士毛景文评价。中国科学院院士邓军认为，肖克炎团队在全国AI找矿领域开展的一系列开创性实战探索，为智能找矿技术的产业化落地奠定了坚实基础。

AI找矿预测试点——新疆绿源金矿

智能找矿逐步走向实战应用

人工智能赋能行业发展带来更多可能性。

近几年，在国家“人工智能+”行动与新一轮找矿突破战略行动的双重推动下，大数据、人工智能等前沿技术与地质勘查领域的融合加速推进，智能找矿正从理论构想走向实战应用。

内蒙古浩尧尔忽洞金矿东邻世界闻名的白云鄂博铁—稀土—铌多金属矿区，成矿过程和机制极为复杂，具体成矿流体来源、运移路径和沉淀机制长期存在争议。

随着矿山开采的持续推进，浩尧尔忽洞金矿浅部资源逐步消耗，找矿工作重点向深部和外围转移，但深部矿体定位成为制约资源增储的瓶颈。

资源所承担内蒙古乌拉特中旗浩尧尔忽洞金矿成矿规律与找矿预测研究成果转化项目后，在肖克炎带领下，组建了成矿研究与构造解析组和成矿三维预测组，进行科技攻关。

通过对典型矿床的详细解剖研究，项目组确定该矿床属晚二叠世造山型金矿床，指出中元古界白云鄂博群比鲁特组下部黑色岩系和脆—韧剪切带是主要的控矿因素。在前期矿床地质模型研究成果基础上，三维预测组运用大数据科学研究新范式思维，通过综合信息三维定位预测优选深部靶区，实现了大数据智能化技术与传统地质找矿知识的创新融合，提交了4个深部预测靶区和1个外围找矿靶区。经钻探验证，矿山企业在该矿东矿段西部找矿靶区发现金矿体，单钻孔揭露矿体累计真厚度40米～51米，平均品位0.63～0.82克/吨，实现了深边部找矿新突破。

此外，甘肃、四川、内蒙古、河南等省（区）在AI探矿领域的探索也初见成效。

内蒙古达茂旗某金矿的岩心

在甘肃，随着大数据找矿技术日益成熟，地质工作已进入“数据驱动、智能勘探”新阶段。甘肃省地质调查院地学大数据中心主任王怀涛介绍，该院历时十年攻关，从小比例尺地学数据入手，依靠自主研发的核心技术，实现多图幅、多元素数据的高效智能处理，大幅提高了预测靶区的见矿率，并通过创新地学信息扩维技术，破解了定性地质要素难以量化建模的难题，提升深部找矿预测能力。

目前，应用大数据找矿技术，该院在甘肃西秦岭、祁连—龙首山、北山地区等重要成矿区带，累计预测找矿靶区超1000个，完成查证靶区超110个，新发现金、铜、锑等矿化线索40余处，靶区见矿率较传统方法提高30%以上。值得一提的是，该院自主研发的大数据找矿靶区定量预测技术已连续三届入选自然资源部先进适用技术目录。

四川省地质调查研究院构建了国内首个省级人工智能找矿平台，推动找矿工作从“经验找矿”迈向“数据智能找矿”。

今年4月成立的内蒙古地学大数据产业技术工程化中心，立足自治区地学资源禀赋与产业需求，进行全域地学数据统一归集、标准治理系统集成，以期打造集数据治理、智能分析、预测、预警于一体的智能化创新平台，打通地学大数据无法共享的壁垒，为自治区地质行业数据创新应用树立标杆、探索路径。

今年6月，基于河南省地质局建成的省级地质大数据底座——“豫见矿”AI找矿平台落地应用。该平台整合全省26大类、2万余项地质资料，融合知识图谱、人工智能大模型等前沿技术，构建了智能化成矿预测算法体系，实现成矿靶区自动化运算研判和隐蔽成矿异常信息的高效提取。

AI赋能找矿需产学研融通创新

尽管我国智能找矿已取得阶段性成果，但作为新兴交叉领域，其发展仍面临着数据基础薄弱、跨界融合不足、人才短缺、创新生态不完善等多重挑战。肖克炎直言，与国际先进水平相比，目前我国在智能找矿领域仍存在明显差距。

一是数据样本基础较差。我国地质数据存量巨大，但分散在部、局、省、企多个主体，存在标准不一、良莠不齐、体系化差等问题，大量历史地质资料尚未完成数字化，可用于AI训练的有效数据样本不足。目前在智能找矿预测中，已知矿床样本在全部数据中的占比通常不到1%。

二是数据管理体系尚未建立。国际上已形成较为成熟的地质数据分层开放机制，政府资助的勘探项目数据到期后向社会公开，探矿权到期后的企业勘探数据也进入公共领域，为技术研发提供了充足的数据“粮食”。而我国地质数据分层管理体系尚未确立，数据孤岛问题突出，跨机构共享面临行政、法律、技术多重壁垒。

三是跨界融合不够。我国地质界还一定程度上存在对人工智能的“技术恐惧”与“技术神化”两种极端认知，而人工智能领域对地质科学的专业性认识不足。两个领域话语体系差异大，沟通成本高，既懂成矿理论又懂 AI算法的复合型人才极度稀缺。

四是智能化设备研发起步较晚。国外在探矿设备智能化方面已走在前列，例如，加拿大GeologicAI公司开发的智能岩心扫描仪可实现岩心数据的自动采集与AI分析，随钻测井技术已在固体矿产勘查中推广应用。而我国传感器技术虽处于行业领先水平，但与地质勘探设备的融合度不高，“硬件+AI”的智能勘探装备研发仍处于起步阶段。

五是创新生态存在差异。国外资本、技术、人才在产学研之间的高效循环，使得地质AI技术能够快速迭代，并迅速接受市场检验。而我国地勘行业的产业化进程相对较慢，矿业金融市场尚在培育之中，社会资本进入矿产勘查领域的渠道和信心仍显不足，智能找矿领域的“独角兽”企业尚未破土。

值得注意的是，AI找矿已获资本市场高度关注。比如，美国有比尔·盖茨和贝佐斯投资的Ko-bold Metal公司，加拿大有艾芬豪矿业公司创始人投资的Earth Dynamic AI公司等，致力于应用AI技术来勘探和开发矿产资源。在国内，近年来也涌现了几家由行业资深专家或机器人企业创办的AI探矿公司，例如新元纪智矿科技、深脉矿业等。

肖克炎表示，资本愿意投资AI探矿赛道可以推动矿产勘探行业从“养不起AI人才”到“用市场化机制集聚复合型团队”，进而促进科研成果实现产业化推广、产品化迭代。

不仅如此，各地在智能找矿预测方面的探索也在进一步深化。

围绕更智能、更精准、更通用、更闭环四大方向，四川省地质调查研究院将继续完善“知识—数据—模型”三重驱动体系，提升地质复杂区与隐伏矿预测能力。同时，推进数据共享、模型共建、工具共用，打造政产学研用协同平台。

甘肃省地学大数据中心则着眼研发高效、精准的智能找矿预测技术系统平台，推动找矿预测模式向“知识+数据”双驱动转型升级，提高预测靶区的精度与见矿率，推动找矿预测向深部找矿发展。

新疆计划在金矿“试验田”的基础上，逐步把AI找矿技术推广到铜、镍等更多战略性矿种，覆盖更多成矿区带，用科技赋能新一轮找矿突破战略行动。

工作人员在新疆某金矿进行AI找矿预测交流

AI技术赋能，地质勘查的底层逻辑正在被重塑。这条路并非坦途，但方向已然清晰。当知识驱动与数据驱动深度融合，当产学研用真正形成闭环，AI赋能的“超级大脑”将走向更广袤的山川大地，为国家矿产资源安全保障提供更强劲的科技动力。

（图片由受访者提供）

短评

数据筑基，让AI找矿释放更大动能

高慧丽

新一轮找矿突破战略行动肩负着保障国家矿产资源安全的重任。AI技术凭借其强大的多源数据融合与智能分析能力，为深部找矿、隐伏矿勘查带来了强有力的技术支撑。

然而，在推进AI找矿过程中，一个不容回避的现实是，数据短板已成为制约行业发展的瓶颈。当前，我国地质数据体量虽大，但大量珍贵的历史地质资料长期“沉睡”存档，散落在不同机构中，标准不一、格式各异、条块分割。这直接导致AI找矿模型训练面临样本总量不足、数据质量参差不齐、有效数据利用率低等困境，不利于提升AI找矿预测的精准度与普适性。

数据是AI的“粮食”。没有标准化、高质量的数据支撑，再先进的算法也难为“无米之炊”。在新一轮找矿加速推进之时，当务之急要盘活地质数据资源、破除数据壁垒、构建高质量数据体系。一方面，要加快推进地质资料的数字化和地质数据的标准化，为智能模型训练提供优质数据支撑。另一方面，要加快打通行业数据壁垒，搭建互联互通的地质大数据共享平台，实现地质数据共建共享。同时，还要深化产学研用协同创新，持续优化智能找矿算法模型，健全行业数据应用与技术规范，推动地质数据高效开发利用。

只有把数据这个“地基”打牢、打实，AI找矿才能从试点示范走向规模化应用，才能持续释放发展新动能。