面向铀矿与采矿业的人工智能

哈萨克斯坦的铀产量约占全球 40%，且全部采用地浸开采（ISR）法。然而，全球几乎没有厂商提供面向地浸开采的“开箱即用”AI 解决方案：C3.ai、Honeywell、AspenTech 都没有针对这一工艺的产品。

与此同时，行业的痛点已上升到董事会层面：由于硫酸短缺，哈萨克斯坦国家原子能公司（Kazatomprom）将 2025 年产量计划削减了 17%，2026 年产量指引也正式以硫酸供应为前提。C1 成本同比上涨 34%。这是一种罕见的情形：AI 优化直接释放收入，而不只是“降低成本”。

酸化工况（浓度、注液量、井组连接方案）目前依据规程和地浸工艺工程师的经验选择。而采区的日度参数——溶液量与酸度、浸出液中的铀含量——几十年来一直在矿山的台账系统中积累。这是独一无二的训练语料：数百个采区的开采历史。

采区“响应”模型学习预测铀浓度和矿层酸化对工况的反应。在其之上运行优化器：如何在各采区和矿山之间分配紧缺的硫酸，使每吨酸产出的铀公斤数最大化——这是短缺时代的新目标函数。建议以顾问模式每周提供给矿山的地浸工艺工程师。

欧亚资源集团（ERG）通过自有团队在 2025 年实现了 557 亿坚戈的 AI 效益：顿斯科伊采选公司的“数字顾问”（铬损失降低 2.4% ≈ 单台设备每年 1.23 亿坚戈）、SBM 机器视觉系统、阿克苏铁合金厂矿热炉的 AI 控制。Tau-Ken Samruk 应用 AI 岩芯分析；Samruk-Kazyna Ondeu 在斯捷普诺戈尔斯克部署了硫酸厂数字孪生，成本降低 5–8%。

对于内部没有自有 IT 公司的企业（这是行业中的大多数），我们以交钥匙方式提供同一级别的解决方案——用数月时间，而不是花数年组建内部团队。