摘要

DeepOptica 押注的不是“下一钻打哪”，而是提前回答地下有多少铜、多少黄金，以及一个矿究竟值多少钱。 相子恒希望把地质、地球物理、遥感和钻孔等数据收敛成地下三维结构，用更少钻孔把资源量与经济价值判断前置；终局是“用 AI 驱动，把地球透明化”，再由技术服务延伸至矿权、权益金和矿业金融。
DeepOptica 已跨过纯概念阶段，但离支撑完整愿景的 AI 能力仍“的确还差一点”。 公司下半年完成百度风投领投的种子轮，已签约约 550 万元人民币订单、收入接近 100 万元，并在蒙古、中东、巴西取得验证案例；计划今年覆盖澳大利亚、南美和非洲核心成矿区，预计明年上半年推出第一版可泛化的矿业世界模型。
模型的关键是解决地表测量到地下矿体的“多解性”，而不是给传统流程套一层大语言模型。 相子恒要把地质、地球物理和遥感等知识结合起来，让结果同时符合当地成矿规律与实际物理测量；训练数据目前约 50% 为合成数据，下一步还要扩充合成引擎覆盖的矿体类型。
原文称作 Cobalt、KoBold 或 Cobot 的 AI for mining startup 已验证 AI 可以优化钻孔决策，DeepOptica 则试图向资产定价再走一层。 相子恒概括该公司的输出为：下一钻怎样最大概率命中矿体，或怎样消除最多不确定性；他的判断是，这仍不能回答地下有多少吨铜、多少盎司黄金，因此 DeepOptica 要构建的是“矿业里面的世界模型”。
市场入口不是少数矿业巨头，而是数千家缺少先进技术能力的上市矿企与 junior miners。 这些小公司往往只有几个人，难以获得强 AI 系统或强数据解决方案，而矿业又不是垄断行业；DeepOptica 因而选择先产品化服务客户，再视区域理解和项目机会，以技术入股、联合取得周边矿权或参与矿业经营。
真正的护城河被定义为数据，以及能搭建从矿业合成数据到矿业世界模型整套体系的交叉团队，而非调用开源模型的工程能力。 相子恒认为区域模型投入小得多，但真正的“地球大模型”资金需求巨大；公司希望用 AI 放大十几到二十名核心成员，成为一家“体量虽然不大，但是特别酷，而且拥有很深勘探科技”的技术矿业公司。
相子恒认为公司最可能败在节奏，而不是愿景不够大。 团队用三年长期、18 个月中期和每三个月短期规划同步技术、商业化与融资；他从剑桥赛艇队带来的方法是目标拆解、无授权领导和以行动建立信任——“领导和别人喜不喜欢你，它的 correlation 不是决定性的”。
五年愿景是把 DeepOptica 做成技术、矿业运营与矿业金融的结合体，而早期人才窗口是眼下最稀缺的杠杆。 相子恒设想推出“AlphaFold 级别”的基础开源版与商用版模型，并用估值系统投资矿业权益金和矿权；柯记的提醒是，创业公司能用“希望”吸引大公司招不到的人，但这一杠杆到了第三、第四年“可能瞬间就没了”。

精读

1. 矿业的本质是用技术和金融探索地底世界

相子恒给矿业换了一个坐标系：“马斯克在探索太空，那么矿业就是在探索地球，而且是探索地底世界。”国际矿业公司的领导者往往来自技术或金融，而非外界想象中的“矿老板”。
他的行业判断是，矿产不可再生，而算力中心、新能源和机器人都需要大量金属，人类需求还在持续上升；因此，找矿不仅是资源生意，也构成新能源与可持续发展的上游支撑。
DeepOptica 的一句话定位是“用 AI 驱动的、要把地球透明化的一家企业”：先更快、更准地发现并评估有经济价值的矿体，长期再把能力扩展至全球资源认知。

2. 传统找矿从地表线索出发，最终必须接受钻孔验证

相子恒还原的第一步，是地质学家现场踏勘和地质填图：寻找岩浆活动、成矿事件及矿物露头。所谓露头，是地下矿物经长期风化来到地表，成为肉眼可见的线索。
第二层信息来自地球物理与遥感。铁、铜等元素含量较高时，可能扭曲磁场、重力场、电磁或电阻率；蚀变矿物则会在地表留下可由卫星读取的光谱反应。
这些信号只能形成“这个地方能不能成矿、可能成什么矿”的模糊认识。企业最终仍要打钻，确认地下不同深度的岩性和金属含量。节目开场将矿业概括为一次决策可能付出几亿美元，而且很可能开工后没有回头路。
主持人的追问抓住了产品边界：既然“让整个地球透明”听起来近乎疯狂，DeepOptica 实际仍要从切片做起。相子恒承认路径是先处理有经济价值的矿体，但全球透明化不是单纯的宣传比喻。

3. AI 的核心任务是把无数地下解收敛成可用结构

单一模态模型无法吸收完整找矿知识。DeepOptica 试图把地质、磁场、重力、电磁、电阻率、遥感及钻孔等数据结合到一起，让模型理解某种物理异常在当地地质条件下意味着什么。
难点在于反演的多解性：同一组地表磁场数据，可能对应大量不同的地下三维矿体。模型必须约束出一个结构，使其既符合当地成矿特征，也满足真实测得的物理量。
相子恒把目标分成两层：第一层是地下哪里可能有矿，第二层是矿体的三维形态、资源量和潜在经济价值。“用更少的钻孔和更强大的数据”，比竞争者更早知道地下有多少铜、多少黄金，才会改变矿企决策。

4. 世界模型与合成数据共同补足稀缺的地下真值

世界模型带来的启发，是把规律和时间过程纳入预测。矿并非静态图像：板块交界为岩浆活动创造条件，岩浆带着高温高压冲向地表，与周围岩石和土壤反应，金属离子发生置换，形成矿体。
相子恒认为，这种地球科学中的物理规律与世界模型预测物体演化的思路“是一个比较近的技术栈”。但他明确说，现有通用架构与矿业世界模型差异很大，公司只会借用部分小模块，勘探模型本身由团队搭建。
训练数据目前约 50% 是合成数据。团队先用已有矿体结构与合成出的地下三维地质状态比对，增强模型泛化；其合成引擎可能已在典型火山成矿、斑岩型矿带上表现较好，但铁氧化物型、矽卡岩型、沉积岩型等仍需持续投入。

5. 该 AI for mining startup 验证了选钻孔，DeepOptica 要进一步估值矿体

相子恒引用的行业标杆是一个 AI for mining startup（原文对其名称有多种写法，见 Verification Notes）。其典型方法是用已有钻孔匹配地表测量值，再以贝叶斯决策确定下一钻的位置和角度。
这套系统有两个输出：一是以最大概率命中矿体，二是消除最多不确定性。两者结合，可以用更低成本确认区域成矿潜力；相子恒举出的代表案例，是该公司在赞比亚已有矿区附近发现大型世界级铜矿。
主持人的 pushback 值得保留：既然这条路线已经领先传统技术一个代际，为什么 DeepOptica 不直接复制？相子恒的回答是，决策智能也在产品线中，但“下一钻打在哪里”不能告诉矿企地下有多少吨铜、多少盎司黄金。
因此，两家公司解决的问题层级不同：该公司的案例侧重钻孔决策与矿权机会，DeepOptica 想揭示可用于资源量估算和经济评估的三维结构，“不是单单地给矿企一个下一钻孔地点”。

6. “地球 CT”比医学 CT 更难，因为只能从一侧观测

相子恒把找矿与蛋白质、材料设计归入同类逆问题：现实中的复杂三维系统通常只留下二维或 n 维测量数据，AI 要从这些观测反推最可能产生目标性质的结构。
医学影像提供了最直观的类比：二维器官图像要与三维器官结构匹配，团队也吸收了医学背景成员，并使用 ViT、多模态特征提取等方法，让模型判断某种信号对应的潜在深度。
但主持人提出的 CT 类比仍不完整。人体可以围着一个人拍照，地球却只能在地表测量；解决办法只能是扩大地表采样的空间范围，以横向信息换取对地下深度的理解。
语言模型和 agent 可以处理资源量、储量及对应价值判断的材料，承担部分 analyst 工作。真正决定勘探模型上限的，仍是地球科学数据与物理约束，而不是文本生成能力。

7. 创始团队以“懂需求、懂勘探、懂 AI”回应行业资历质疑

DeepOptica 的三人组合跨界：相子恒做过遥感卫星项目，并曾任欧洲航天局、英国航天局相关项目 PI 或技术负责人；CTO 方博与他共同做过遥感 startup，此前是英国大型金融机构的 AI leader；CFO Jesse 曾任赤峰黄金副总裁，也有投行和大中华区矿业经历。
相子恒从量子光学转向矿业并非彻底跳跃。他研究过量子传感，其重要应用包括量子重力与量子磁力计；地球物理同样处理重力、磁场和偏微分方程，分析方法与量子物理、波动光学存在相通之处。
融资中最常见的质疑是：Jesse 有十几年矿业经验，但相子恒与方博合计行业打磨约五六年，凭什么改造传统行业？他的回答不是否认短板，而是让 Jesse 定义用户要什么，由自己负责勘探技术、方博负责 AI。
相子恒承认这并非唯一可行团队，却认为工作 50 年的地质学家可能受既有思路限制，外部视角能带来数据驱动的新解法。一个有趣参照是，该 AI 团队的 profile 同样包含量子计算、地球科学和金融背景。

8. 商业验证靠小型 POC 打开海外大客户

公司下半年完成百度风投领投的种子轮，总共签下约 550 万元人民币订单，收入接近 100 万元。已有验证和商单分布在蒙古、中东、巴西，客户通常先通过 proof of concept 检验模型和数据处理能力。
相子恒称，巴西的 G一twenty one 是南美最大的地质咨询公司，也是 DeepOptica 最大客户之一；双方已经在数据和产品层面合作。对一家种子轮华人团队而言，这种关系本身就是早期技术可信度的证明。
海外信任首先来自交付。中东客户提出需求后，团队迅速完成初步分析，项目经理对合作伙伴说：“See, I told you, this team can manage a lot of stuff.” 相子恒首先强调的底线是“靠谱”。
他的跨文化方法不是急于证明自己，而是在一分钟内理解对方是谁、要什么、为什么愿意聊，再通过 warm introduction 给出方案。“先和他产生一个 heart to heart”，具体生意才会变得 smooth；他还认为，AI 的发展让大家意识到“AI 领域里的华人是最靠谱的”。

9. Junior miners 提供产品入口，矿权与权益金构成远期上行

主持人问这是拥挤赛道还是蓝海，相子恒给出双重答案：团队内部会按拥挤赛道给自己压力，但跳出来看，全球仍有大量问题和客户未被覆盖。
全球有数千家上市矿企，许多 junior miners 只有几个人，远远接触不到正在开发的强大 AI 系统或数据解决方案。大型企业虽在研发高效勘探手段，但矿业并不垄断，分散客户由此给产品化解决方案留下空间。
主持人把战略岔路明确为“卖软件”还是“自己成为矿主”。相子恒的顺序是先把模型和产品做好；当团队理解某一区域后，可以继续服务客户，也可与客户联合取得周边矿权，以技术入股参与矿业企业。
这种转化不必等待全球泛化模型成熟。客户现有矿区周围一旦出现高潜力靶区，DeepOptica 就可能借项目数据“以占山头的方式”，合作取得周边矿权，把技术优势变成资产权益。

10. 区域模型可以精益推进，地球大模型仍需要重资本

公司的短期北极星不是模型规模，而是两件事：技术在什么条件下解决客户问题、准确度有多少；产品是否真正深入客户内心。相子恒对商业化较有信心，因为模型达到一定能力后即可服务很多地区和不同规模的矿业企业。
路线图是今年在澳大利亚、南美和非洲的核心成矿区完成验证，预计明年上半年推出第一版泛化矿业世界模型。矿权合作则按项目机会推进，不必等待模型实现很强的泛化能力。
对“最终会不会 commodity”的追问，相子恒判断“比较难”：资金和人才会限制参与者，更深的鸿沟则是地球科学与计算机科学尚未像物理—计算机、生物—计算机那样形成成熟交叉体系，几个工程师加一家矿企的少量数据并不足够。
他区分了两种资本强度：地区泛化模型投入小得多，真正的地球大模型则“投入一定是巨大的”。理想仍是做一家像 DeepMind 的企业，把这项技术应用到矿业领域，而非停在项目制咨询。

11. 小团队假设依赖 AI 放大生产力，而非回避现场工作

相子恒理想中的公司“体量虽然不大，但是特别酷”，核心可能只需十几到二十人；他还认为整体上 20、30 个人的团队或许就已经够了。重点不是人数，而是找到最需要的人，用 AI 把生产力推到最大，并让成员 enjoy 每天所做的事情。
主持人的质疑很现实：大客户通常需要逐个服务，矿业似乎天然劳动密集。相子恒以中东的大型服务订单回应，结合 AI 带来的生产力加成，单项目无需传统规模的人力；必须做 field work 时，只派人完成明确任务，再集中分析带回的数据。
他的推论是，这种工作方式可能替代一部分传统咨询服务。但团队仍在招聘地球科学、AI 合成数据和大模型三个方向的人才，精益组织并不意味着忽略领域专家。

12. 无授权领导、执行节奏与人才窗口共同决定终局

相子恒在剑桥用四年从男二队队员升至男一队、副队长，再成为学院赛艇队主席和大队长；个人成绩约在学院第二、第三，但他对训练组织和提升团队成绩的理解更深。他把这种风格概括为“一个很淡定的领导力”。
赛艇的管理约束极端具体：读 PhD 期间每天训练两次，任何一人缺席整条船都无法下水；春季五点在群里确认起床，没回应就上门敲门，五点半集合，争取成为第一艘进入河道的船。训练前明确目标，按月拆解每个人 2,000 米成绩要提升多少秒，结束后再一起吃饭。
华人队长身份和并非最强的体能都曾引发质疑。他通过争取更好的教练与设备、把船运到约 100 公里外参加原本不会参加的比赛，并最终赢得剑桥赛事优胜来建立合法性；面对不喜欢自己的俄罗斯队员，他只把对方视为“需要去帮他提升”的成员。“领导和别人喜不喜欢你，它的 correlation 不是决定性的。”
对 DeepOptica 最大问题的回答是“很可能出在节奏上面”：融资、客户和技术任务都必须卡在时间窗口。团队以三年规划统领 18 个月规划，再拆成每三个月可执行目标；面对主持人“小镇做题家”的调侃，他坚持这更像由长期 vision 驱动的 “well-organized vehicle”。
五年成功图景是一个“AlphaFold 级别”的矿业模型，既有基础开源版，也有商用版，并与全球最大的几家矿业公司深度合作；随后用模型和估值系统投资矿业权益金、入股矿权，形成技术、矿业运营与矿业金融的结合。“我觉得五年内我们是一定能做到的。”
这种确定性并非来自一路顺风。相子恒提到 PhD 实验受挫、同伴研究更有影响力的失落，以及 2021 年一次“就一点都不成功”的创业；失败没有让他保守，因为他焦虑的不是钱少或生活水平停滞，而是“没有做自己想做的事情”。
他的更远理想仍是探索地球与太空：从遥感、低轨卫星推进器到矿业，再延伸至太空采矿、海底探矿和“更 crazy 的事情”。相子恒把早期创业者的重要特质归纳为 resilient、leadership 和无授权领导力。
柯记最后给出的建议具有明确时效：创业公司可以用“希望”招到大公司很难招到的人，但第三、第四年后，这一杠杆可能因失败或规模化而消失。因此早期要“非常充满野心”，甚至去接触看似挖不到的人——对方或许正处于职业焦虑期，愿意试一次。

Verification Notes

原文对被引用的 AI for mining startup 出现 “Cobalt Metals”“Cobot Metal” 与 “KoBold Metals” 多种写法，无法仅凭 transcript 唯一确定名称；正文以“该公司”处理。

Monday.com CEO谈SaaS是否已死：一切都会被Vibe Coding吗 | Eran Zinman Brian Armstrong：华盛顿曾试图杀死 Coinbase