导语
当大多数AI初创公司聚焦于虚拟世界时,相子恒和DeepOptica团队却选择将目光投向脚下,致力于用AI技术“透视”地球。矿业,这个关乎人类未来的古老行业,其单次钻探决策动辄数亿美金且不可逆。DeepOptica的愿景是构建一个矿业“世界模型”,通过整合地质、地球物理和遥感数据,让地下矿体结构及其经济价值变得“透明”,从而在降低风险的同时,更早、更准地发现资源。这不仅是一场技术革新,也是一次交叉学科在传统行业的深度探索。
DeepOptica创始人相子恒分享其公司愿景:利用AI技术实现‘地球透明化’,通过整合地质学、地球物理和遥感数据,构建矿业‘世界模型’,以更少、更精准的钻探,提前评估矿产资源的经济价值。文章探讨了AI如何解决勘探中的‘多解性’难题,以及一个华人团队如何在传统矿业领域建立技术信任,并分享了从剑桥赛艇队长到科技创业者的领导力心得。

当大多数AI初创公司聚焦于虚拟世界时,相子恒和DeepOptica团队却选择将目光投向脚下,致力于用AI技术“透视”地球。矿业,这个关乎人类未来的古老行业,其单次钻探决策动辄数亿美金且不可逆。DeepOptica的愿景是构建一个矿业“世界模型”,通过整合地质、地球物理和遥感数据,让地下矿体结构及其经济价值变得“透明”,从而在降低风险的同时,更早、更准地发现资源。这不仅是一场技术革新,也是一次交叉学科在传统行业的深度探索。
展开「深读」看每一段讨论的问题与论据。
讨论的问题:AI如何具体赋能矿业勘探,实现“地球透明化”?
论据 / 案例:传统勘探流程:地质学家踏勘 -> 地球物理/遥感数据分析 -> 钻孔验证。AI作用:用大量数据(含50%合成数据)训练模型,整合地质知识、地球物理量和遥感信息,收敛反演多解性,构建三维地质模型并揭示经济价值。
讨论的问题:Deep Optica的技术路线与主要竞争对手有何不同?
论据 / 案例:竞争对手KoBold Metals主要使用贝叶斯决策优化钻孔位置,已在赞比亚发现世界级铜矿。Deep Optica目标更高:构建矿业世界模型,用更少钻孔提前知道地下铜、黄金的具体储量,评估经济价值。合成数据目前占比50%。
讨论的问题:量子光学背景如何与矿业勘探结合?团队如何构建?
论据 / 案例:量子传感(量子重力、磁力计)是矿业和油气勘探的重要探测手段。偏微分方程等数学工具在量子物理和地球物理中相通。团队CFO有十几年矿业金融背景,CTO有AI背景,向子恒负责勘探技术,形成“用户-技术-AI”三角。
讨论的问题:作为华人初创团队,如何获得国际矿业巨头的信任?
论据 / 案例:已与南美最大的地质咨询公司巴西G1集团在数据和产品层面合作。建立信任的方法:早期通过proof of concept验证能力;快速用英语理解客户需求;避免害羞或急于表达,注重建立真诚的人际连接。
讨论的问题:Deep Optica的技术护城河是什么?五年愿景是怎样的?
论据 / 案例:壁垒是地球科学与AI交叉领域的深度积累。技术逻辑类似DeepMind解析蛋白质结构:将二维测量数据(地表物理场/CT影像)反演为三维结构(地下矿体/蛋白质),AI通过学习大量数据收敛多解性。五年目标:模型如AlphaFold般有影响力,结合矿业运营与金融。
讨论的问题:从剑桥赛艇队长到创业者,领导力有何共通之处?创业最大风险是什么?
论据 / 案例:赛艇队管理:每天训练两次,需早起凝聚团队,拆解2000米成绩等小目标。领导力:用行动感化,带队取得优胜。创业风险:融资和商业化节奏失控。应对:制定了详细的三年规划和每季度短期目标。
讨论的问题:给早期创业者有什么核心建议?个人长期理想是什么?
论据 / 案例:建议:创业公司早期拥有吸引顶尖人才的“希望”杠杆,需极好利用。个人理想:探索太空、地球、海底,享受探索地底世界的旅程,并希望将其变为成功经历分享给团队。