摘要

矿产勘探具备风投级回报潜力——数百万美元投入可能带来100–1000倍回报，但行业生产率在过去30年下降了约10倍：每投入10亿美元，优质发现数量已从约8个降至不到1个。 Josh Goldman 表示，KoBold 将单个发现的目标成本设定为5000万–1亿美元，并把矿产供应视为一个信息问题：矿床虽然分布在许多地方，但放眼整个地球仍属稀缺，“真正稀缺的资源，是矿床所在位置的信息”。
KoBold 位于赞比亚的 Mingomba 矿床说明，矿石品位能够同时改变经济性与环境影响。 其核心区域铜品位超过5%，而在产矿山平均约为0.6%；与0.5%品位的矿床相比，5%品位意味着“需要从地下运出的东西少10倍”，厂区更小、废料更少、资本强度更低。
数据优势来自整合不可替代但高度碎片化的证据，而不是掌握某个神奇数据集。 数万个公共数据库涵盖卫星影像、地球物理数据、样本、监管文件，以及近一个世纪前手绘在亚麻布上的赞比亚地图：“岩石没有移动，所以数据不存在有效期。”
KoBold 将传感器、统一数据系统和数十个模型结合成主动学习闭环，专门调查不确定性最高的区域。 外业团队在模型最不确定的地方采集地面真实数据，每日重新训练模型并获得更新后的预测；其专有机载系统可捕捉600种颜色。Goldman 反对“银弹”叙事：“不可能把 AI 与 HI 分开。”
制约新增矿业供应的是高质量矿床，而不是融资。 Goldman 反驳 Elad Gil 关于 ESG 资本假说的判断：“好项目不愁融资”，但产权不安全、税费或特许权使用费条款不稳定，或缺少社会许可，仍可能让一次技术上成功的发现无法成为成功矿山。
稀土“并没有那么稀有”；真正的战略问题，是中国在冶炼及下游产能上的集中。 中国加工商在争夺原料时可以接受更低利润，使新的私人设施在没有担保或补贴的情况下难以融资，并将后续制造环节进一步吸引到同一地理区域。
由于稀疏的地质证据允许存在许多种地下世界，KoBold 将可证伪性与竞争性假说制度化。 其“勘探认识论”要求以纪律化方式降低不确定性。Goldman 另行描述了一个历史级别的需求情景：到本世纪中叶，人类将在未来25年开采出超过人类历史上迄今开采总量的铜，锂产量则需较当前提高约10倍。

精读

1. 勘探最稀缺的投入是信息，而非金属

Goldman 将 KoBold 定义为一家以勘探为先的公司，因为技术在这一环节最能形成差异化，也最有可能创造“多得多的价值”。数百万美元投入可能带来100–1000倍回报，但前提是公司能够改善一个因矿床越来越隐蔽而持续恶化的成功率。
在普通地壳中，铜或锂的含量可能只有几十ppm。矿石形成于地质过程将巨量岩石中的物质汇聚，再以约1%或更高的品位重新沉积之处。这样的矿床并不少，但放眼整个地球仍然稀有；因此 Goldman 得出相反结论：矿床位置的可靠信息才是稀缺资源。
Elad 追问：美国看似稀缺的矿产，是否是监管而非地质造成的？Goldman 对此部分认同。KoBold 会考虑许可、产权，以及税费和特许权使用费条款能否在数十年内保持可靠，但在启动时不能把筛选条件收得过窄，仍需以“最佳先验”判断地质成功概率。
矿山开发最终高度本地化。Goldman 提到美国的州级监管机构、单个社区和原住民群体，以及赞比亚约50个酋长领地：“技术成功并没有太大帮助”，除非矿床具备经济性，运营方也已投入建立获得社会许可所需的关系。

2. KoBold 通过主动学习叠加混乱数据

勘探需要跨越多个尺度：大陆碰撞和卫星影像用于缩小地图范围；机载传感器测量磁性、密度和导电性；外业团队采集并测量岩石与土壤样本。大量证据公开可得，却散落在数万个数据库中，既有结构化数据，也有非结构化数据，需要科学判断其含义及是否适合当前用途。
Goldman 最喜欢的样本，是一组近一个世纪前绘制的赞比亚地图。原件手绘在亚麻布上，一位年长地质学家确认了正确的档案抽屉后，团队才找到它们。这些观测无法在如今的农田和聚落之间重新创造，却能提供地面真实数据，因为“岩石没有移动”。
KoBold 的全栈体系分为3层：专有传感器、覆盖结构化与非结构化证据的统一系统，以及数十个预测模型。LLM 可帮助检索整个数据语料库；模型则预测地表岩石类型，或地下导电层的深度、厚度，以及其中可能含有的镍、铜、钴和硫含量。
团队并不只去高置信度地点取样，而是在不确定性最高的地方采样，每日重新训练模型，再把修正后的预测送回外业现场——这就是地质学家与技术人员之间的“二重奏”。KoBold 还在不到1年内自建了一套轻型飞机高光谱系统，以比现有服务更低的成本、更快的速度捕捉600种颜色。

3. Mingomba 说明品位如何决定利润率与占地

节目介绍称，KoBold 每年在70个项目上投资超过1亿美元；Goldman 后来则称，公司在北美、欧洲、澳大利亚和非洲拥有超过60个项目。大多数仍处于发现前的“种子期”，目标矿种包括铜、锂、镍和钴，项目基于自有或合资勘探权。
Mingomba 的核心区域铜品位超过5%，而在产矿山约为0.6%。在铜产量相同的情况下，5%而非0.5%的品位，意味着至少少移动10倍的矿石、废料和处理厂规模，从而降低资本开支与运营成本，并缩小项目占地；在大宗商品市场上，每个生产商获得的铜价却相同。
Goldman 认为，矿山估值相对直接：以可知的处理量、品位、商品价格、资本需求和运营成本，对未来产量进行折现。回收率可能为90%，92%会“更有吸引力”，88%则会稀释价值；项目可以按20年周期进行承销，即使资源扩展可能让矿山运营50–70年。

4. 好矿床，而非资本，是行业瓶颈

过去30年，勘探表现恶化了10倍。Goldman 更倾向以投入资本作为分母：过去每投入10亿美元，在数百次失败中大约能找到8个高质量矿床；如今不到1个。KoBold 的目标是每投入5000万–1亿美元发现一个矿床，Mingomba 是第一个需要复制的验证点。
Elad 追问，ESG 压力是否让西方矿山买家失去了资本。Goldman 否定这一诊断：“好项目不管归谁，都不愁融资。”有吸引力的矿床会吸引多个潜在买家；真正稀缺的是高品位、低成本且具备开发条件的资产储备。
铜的成熟产区仍有大量未充分勘探的区域，包括赞比亚一些没有地表露头、但更深部存在矿化的盆地。如今投产的大型硬岩锂矿床，最初是在1980年代勘探钽、寻找电容器材料时发现的；Goldman 称，锂矿床形成科学仍处于“初始阶段”，因此哪怕有限的洞见也可能形成显著差异化。
对稀土的担忧混淆了地质稀缺与产业集中。钕和镝对永磁体至关重要，但战略问题在于中国已经建立的加工体系：愿意接受更低利润的加工商可以向新炼厂竞购原料，令没有补贴的进入者望而却步，并使下游制造链围绕到岸原料进一步集中。

5. KoBold 将有纪律的怀疑变成操作系统

Goldman 形容 KoBold 是“某种认识论项目”：稀疏的观测数据允许对应多种地下地质结构，但行业惯例通常只选择一个最佳模型，因为管理1万个彼此不一致的模型过于困难。KoBold 则认为，数据只有在审慎降低这些可能性之间的不确定性时才有用。
公司内部的“勘探认识论”要求团队在新证据出现前，先记录明确且可证伪的预测：什么观测结果会迫使团队放弃当前假说？这种纪律可以对抗确认偏误，即为了容纳新数据、证明继续投入合理，而不断修改假说。
团队必须维护多个备选假说，并设计数据采集方案来区分它们；其中至少一个假说必须具备经济意义，因为“我们是一家企业，不是科学项目”。首席哲学家 Michael Shrevens 是《知识机器》的作者，他帮助公司将这种文化与量化不确定性的技术连接起来。
Goldman 与联合创始人 Kurt House 在能源和私募股权领域工作后，于2018年决定停止化石燃料相关业务，随后从电池和 AI 所需材料出发推演。他们的结论是：建设由电池和 AI 驱动的未来，将要求人类在未来25年开采超过历史总量的铜，而锂产量需要提高约10倍；这样的规模让更好的发现既是商业机会，也是产业必需。

为什么这位亿万富豪要让恐狼、猛犸象等重返世间？与 Ben Lamm & Salim 对谈 | 165 Lemkin与O'Driscoll：为何种子期投资是给傻瓜玩的