刚刚在拉斯维加斯最近的采矿会议上发现了一些有趣的事情。有位投资负责人 Ekin Ober，她一直在做令人着迷的工作：探讨人工智能究竟如何实际重塑关键金属领域。吸引我注意的，不只是技术角度——更在于她如何看待创新、可持续性以及采矿中真实的运营挑战之间的交汇。

所以问题是这样的：采矿业传统上对新技术的采用一直比较慢，对吧？但 Ekin Ober 认为，随着生成式 AI 的发展，这种情况正在迅速改变。不过真正的瓶颈是什么？让行业利益相关者真正理解价值主张。正如她所说，人们不需要成为技术专家，但需要有人向他们展示这些工具如何运作，并回应他们的担忧。看起来，甚至连比较保守的市场也正在投入相当多的讨论时间来谈论这些，这意味着变化是真实发生的。

在现场到底发生了什么，还是挺令人信服的。勘探公司正在使用机器学习来分析地质数据，从而大幅缩短勘探时间。可以这样想——传统钻探每个孔要消耗 3000 升柴油。如果你用计算机视觉去扫描岩心，并减少不必要的钻探，那么谈的就是成千上万小时的能源节省。与此同时，像 Rio Tinto、BHP 和 Freeport-McMoRan 这样的龙头企业已经部署了自动驾驶运输卡车以及预测性维护系统，使停机时间和燃料消耗降低 15%，同时提升产能。据报道，BHP 的 Escondida 矿自 2022 年以来已节省超过 3 吉立方水和 118 吉瓦时的能源。

这时，Ekin Ober 的视角就变得特别有意思：人们担心 AI 的能源足迹。这个担忧很合理。但可以考虑一下——每天有 10 亿次 AI 提示使用 340 兆瓦时的电力，而单个采矿场的用电可能在 1000-5000 兆瓦时之间。因此，如果 AI 能帮助优化运营，并减少像 grinding (which accounts for 70 percent of mine electricity use) 这样的不必要的高能耗流程——它占矿山用电的 70%——那么这项技术实际上会降低整体能耗强度。

不仅是运营方面，政府也在参与其中。DARPA 的 CriticalMAAS 计划，以及与美国地质调查局的合作，正在使用 AI 来自动化地质地图处理——把原本需要数年才能完成的工作压缩到几天。五角大楼甚至已经有一个由 AI 驱动的金属预测项目：它为稀土、镍和钴等关键矿产建模供应链以及政策情景。

但有一件事是从 Ekin Ober 在 Kinterra Capital 的工作中真正让我印象深刻的：审批（permitting）。采矿项目之所以会停滞数年，并不是因为技术问题，而是因为没有人有足够的精力去处理成山的文件。Kinterra 构建了一个闭环系统，使用在其自有标准上训练的生成式语言模型——涵盖审批阶段、与原住民的沟通、社区情绪。该系统会从申报材料、新闻和电子邮件中筛出成千上万的数据点，然后把特定辖区的最新动态直接汇总到 Teams 中。实时、可操作的情报。

安全性担忧？这是个合理的问题，但 Ekin Ober 提出了一个很扎实的观点——我们每天都已经在用 Google、Microsoft 和 Apple 处理敏感数据。有了合规的工具和严格的政策，这都是可控的。此外，Kinterra 设计的系统是可追溯的：你可以点进去查看原始文件，并核实引用内容。这种透明度对监管机构和资本提供方都很重要，因为他们需要对决策时间表充满信心。

更广泛的洞察是：AI 不会取代人，但它可以加速缓慢的政府流程，并让利益相关者更快进入决策节点。在一个审批延误可能会造成数年甚至数十亿美元损失的行业中，这确实非常有价值。值得继续关注它在整个采矿领域如何演进。