在人类开采地下资源长达数千年后，地球的地下世界对我们仍然基本不透明。一口价值数千万美元的钻井，从决策到开钻，往往基于地质学家对模糊数据的”最优猜测”。这不是因为地质科学不够先进，而是因为地下的复杂性本质上就是一个高维不确定性问题——地球化学、地球物理、地质结构、钻探历史……每一类数据都提供了一个局部视角，但没有任何单一模型能整合所有维度并给出可靠的概率答案。
全球每年因低效勘探、错误决策和钻探失败造成的损失，估计高达数百亿美元。而在能源转型的背景下，锂、铜、钴、镍等关键矿产的需求正在爆炸性增长——这一矛盾让勘探效率的提升变得比以往任何时候都更加紧迫。
Terra AI 于2026年6月完成了2000万美元 Series A 融资。本轮由 Khosla Ventures 领投，BHP Ventures（全球最大矿业公司必和必拓旗下的风险投资部门）参与。这一投资组合，将顶级科技 VC 与世界最大矿业公司的战略资本结合在一起，极具信号意义。
地下勘探的”黑盒”困境
矿产和能源勘探行业长期面临一个根本性挑战：地下信息天然不完整。每一口钻井、每一次地震勘测、每一个岩心样品，都只能提供局部的地下信息切片。将这些离散的片段拼合成对整个地下区块的准确认知，是一个高度依赖专家经验判断的复杂过程。
传统工作流的局限体现在三个层面：
数据整合难度：一个典型的勘探项目需要整合地球物理数据（地震、重力、磁法）、地球化学数据（土壤、水体、岩石样品）、钻探记录和地质图件——这些数据来自不同时期、不同精度、不同格式的采集系统，手动整合极为耗时且容易引入人为错误。
不确定性量化缺失：传统建模给出的往往是”最可能的地质模型”，但对”这个模型的可信度有多高”、”有哪些替代地质场景”等关键问题，缺乏系统性的概率量化。这导致决策者在高度不确定的情况下，仍然用单一确定性模型做出高风险决策。
人力依赖与效率瓶颈：每个新项目都需要重新构建地质模型，而高水平地质学家的稀缺性严重制约了并行勘探的规模。
关键数据：全球矿产勘探年度投资约达150亿美元，但成功发现商业级矿藏的概率通常低于1%——大量资本消耗在证伪过程中。
Terra AI 的核心技术：概率地质建模的AI平台
Terra AI 的解决方案，是构建一个将所有类型勘探数据融合输入、输出”地下不确定性概率分布”而非单一最优模型的 AI 平台。
公司由 CEO John Mern 领导，核心技术路线包括：
多源数据融合架构：平台能够摄入几乎所有类型的勘探数据——地震波形数据、重力异常、航磁测量、土壤地球化学、钻孔岩芯记录、水文数据等——并在统一的数据框架内进行时空对齐和融合处理。
概率地质模型生成：这是 Terra AI 的核心差异化能力。不同于传统软件生成单一”最优”地质解释，Terra AI 利用专有的贝叶斯推断和生成式 AI 技术，生成数百万个地下地质场景的集合，每个场景都有对应的概率权重。这让勘探团队能够评估完整的地质不确定性空间，而非仅依赖一个点估计。
决策优化工具：基于概率地质模型，平台进一步提供钻探方案优化、地球物理测量策略优化和项目经济评估等决策支持功能，回答”在现有信息基础上，下一步做什么能最大化信息获取并降低关键不确定性？”的问题。
关键数据：Terra AI 声称，其平台通过整合近乎所有类型的勘探数据、生成百万级地质模型，帮助勘探团队更早评估项目经济性，并识别最优钻探和地球物理方案以降低关键不确定性。
市场定位：能源转型下的关键矿产机遇
Terra AI 的应用场景横跨两大战略领域：
关键矿产勘探：电动汽车电池所需的锂、铜、钴和镍，以及半导体制造所需的稀土元素，需求预测在未来20年将翻倍乃至数倍增长。而现有矿藏已被深度开采，新矿藏的发现难度越来越大，深埋于地下数百米的”隐蔽矿藏（Blind Deposits）”成为主要勘探目标——这类目标对地球物理和地球化学数据的综合解析能力要求极高，恰好是 Terra AI 的主战场。
油气勘探与开发：传统油气行业在提高储量回收率和降低勘探风险方面有着数十年的数字化需求，是 Terra AI 技术路线的天然第二市场。
竞争格局：颠覆传统地质软件的挑战
地质勘探软件是一个高度专业化的细分市场，长期由少数传统玩家主导。
| 竞争对手 | 核心定位 | 对 Terra AI 的威胁 |
|---|---|---|
| Schlumberger（Petrel） | 油气储层建模软件行业标准 | 深度嵌入大型油气公司工作流，替换成本高 |
| Seequent（Leapfrog） | 三维地质建模软件，矿业主流 | 矿业地质师高度依赖，生态成熟 |
| Emerson（OptiCom） | 储层表征与地震解释 | 大型企业客户，关系壁垒强 |
| Minalyze AI | 岩芯分析 AI，矿业细分 | 专注岩芯分析，比 Terra AI 更垂直 |
| Earth AI | AI 驱动的矿产目标识别 | 竞争方向相似，但重点在目标生成而非概率建模 |
Terra AI 的核心差异在于：概率化的不确定性量化，而非传统的确定性地质建模。这是一个哲学层面的转变——从”给出答案”到”量化答案的可信度范围”。对于高风险、高成本决策，这种转变有巨大价值。
投资人逻辑：Khosla + BHP 的战略组合
Khosla Ventures 是硅谷最知名的深科技风险投资机构之一，长期专注于能源、材料、生命科学等硬科技领域的早期投资。领投 Terra AI，是其在能源转型和气候科技布局中的一环。
BHP Ventures 的参与是最关键的信号：必和必拓（BHP）是全球最大的矿业公司，年矿产开采量和勘探投资均居行业顶端。BHP Ventures 投资 Terra AI，既有战略协同的考量（为自身勘探业务寻找技术升级路径），也代表了矿业行业对 AI 驱动地下智能这一技术方向的认可。
风险与挑战
⚠️ 风险一：数据质量与异质性挑战 Terra AI 的核心价值在于多源数据融合，但现实中的勘探数据往往质量参差不齐、格式不统一、历史记录不完整。数据清洗和格式标准化本身就是巨大的工程挑战，可能严重拖慢部署速度。
⚠️ 风险二：矿业客户的采购保守性 矿业公司是典型的”大规模、慢决策”型客户，引入新软件需要经过漫长的评估、试点、合规审查和整合测试过程。企业 SaaS 的规模化，在矿业领域可能比在 IT 领域慢10倍以上。
⚠️ 风险三：AI模型在极端地质场景下的可靠性 AI 地质模型的可靠性高度依赖训练数据的质量和覆盖范围。对于前所未见的新型地质场景（如深海热液矿床、极地地质环境），模型是否仍能给出可靠的概率分布，是一个尚需验证的关键问题。
⚠️ 风险四：商业模式验证周期漫长 一个勘探决策的对错，往往需要数年时间（从决策到钻探到分析结果）才能得到验证。这使得 Terra AI 的产品价值主张很难在短期内得到快速迭代和市场验证。
结语：把地下世界变成可计算的概率空间
人类几千年来对地下资源的开采，本质上是一场在黑暗中摸索的概率游戏。Terra AI 试图做的，是给这场游戏安装一套更聪明的”地下探测仪”——不是告诉你”答案是什么”，而是告诉你”各种可能答案的概率分布”，以及”如何用最少的投入把不确定性降到最低”。
在关键矿产争夺成为国家战略的时代，谁能更快、更准地找到下一个大矿，不仅关乎企业利润，更关乎全球能源转型的速度。Khosla Ventures 和 BHP Ventures 的联合下注，是对这一命题最有力的市场验证。