Episode Details

🚥 本周「十字路口」的嘉宾是相子恒，DeepOptica 的创始人兼 CEO。

在剑桥读博的四年里，他划了四年赛艇，成为学院史上首位华人大队长。毕业后，他没有去投行，没有去大厂，而是选择去挖矿——用 AI。

矿业，是一个一次决策就要押上几亿美金、开工没有回头路的行业。它古老、昂贵、极端不确定——而相子恒，一个剑桥量子光学博士、前英国航天局项目负责人，选择用 AI 闯入这里。

DeepOptica 正在做的事，是构建一个矿业世界模型——整合地球物理、遥感卫星、地质化学等多模态数据，让 AI 真正「看透」地下三维矿体结构，不只告诉矿企「下一钻打哪里」，而是直接回答「这里有多少吨铜、多少盎司黄金」的概率分布与置信区间。

🚥 在这期节目里，我们聊了：

• 探矿这件事到底有多难？从地质学家的实地踏勘，到地球物理遥感，再到 AI 世界模型，一百多年的行业演进是如何被一个新的技术范式所重写的；为什么合成数据在矿业 AI 里至关重要，目前占比已达 50%，并且还在持续深挖；DeepOptica 和 Kobold Metals 这类先行者的本质差异——从「决策优化」到「价值评估」，是截然不同的产品逻辑；以及，一个纯华人团队，如何拿下南美最大地质咨询公司 GE21 的合作，并在蒙古、中东、巴西完成早期验证。
• 我们还聊了那段在剑桥做赛艇队长经历背后的故事——如何让一支对你存疑的队伍心服口服，如何在没有授权的情况下建立领导力，以及这些经历如何直接映射到今天的创业之路。
• 掌握 AI 的人，成了门口的野蛮人。贯穿这期节目的一个判断是：颠覆传统行业的，往往不是行业内部生长出来的人，而是那些掌握了新工具、带着新视角闯进来的门外汉。地球科学和计算机科学之间，存在一道巨大的鸿沟——而填补这道鸿沟的团队，正是站在这个交叉学科十字路口上的人。

如果你正在关注 AI for Science 这个方向，或者你也在思考「AI 能在哪些极端高风险的传统行业里创造真实价值」，这期节目值得认真听。

🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台。

📒 文字版将发布于 @十字路口Crossing 公众号。

🟢 00:02 快问快答：年龄、毕业院校、MBTI 与星座、一句话介绍 DeepOptica、融资情况、收入与订单规模、创业前经历

🟢 03:24 剑桥赛艇队的第一位华人大队长

欧洲人占比 90% 的队伍，成绩不是最好，他凭什么当队长？

• 四年路径：男二队 → 男一队 → 副队长 → 大队长，每一步都是争来的，不是熬来的
• 领导力的来源到底是什么？
• 「赛艇是集体项目，只要有一个人没来，这艘船就出不了」
• 凌晨五点半集合，第一艘下河的船面前是一望无际的水道——怎么让一群傲气的本科生心甘情愿爬起来？
• 有个俄罗斯队员一开始根本不愿意跟他讲话，后来怎么了？

🟢 05:10 马斯克探索太空，他要探索地底

矿业不是土老板的生意。

• 「矿业就是在探索地球」——一次决策押上几亿美金，开工没有回头路，这个行业的决策成本决定了 AI 介入的价值密度
• 算力中心、新能源、机器人——所有你认为代表未来的行业，都需要大量金属。矿业，是所有科技叙事的地基
• DeepOptica 不只想找到矿在哪里，而是要直接回答：这里有多少吨铜、多少盎司黄金

🟢 06:55 把大象塞进冰箱

AI 探矿的三个关键步骤。

• 地质学家踏勘 → 地球物理遥感 → 打钻验证，一百多年的行业流程，AI 要从哪一步切入？
• 地下铁和铜含量高时，会对磁场和重力场产生扭曲——AI 要做的，是从这个「扭曲」反推出三维矿体结构
• 同一个地表磁场信号，可能对应地下十万种矿体结构：这就是「多解性繁衍」问题，也是 DeepOptica 核心技术栈要解决的事
• 合成数据目前占训练比例 50%，还在持续深挖——为什么真实数据不够用？

🟢 14:06 量子光学博士为什么去挖矿？

• 量子传感的两个最大应用方向是量子重力和量子磁力计——而这两个，恰好是矿业和油气勘探最需要的技术
• 「只要涉及物理层面，不管是地球物理还是量子物理，很多原理是相通的」——这不是转行，是同一套数学语言换了一个战场
• 这个路径和 Kobold Metals 的创始团队高度相似：一位量子计算科学家、一位地球科学家、一位金融背景——创业基因不谋而合

🟢 16:38 20 个人，够了

AI 时代，咨询公司的商业模式正在被重写。

• 矿业项目听起来劳动密集，但结合 AI 生产力加成，每个服务项目不再需要庞大人力——「field work 做完带回来，我们一起分析」
• 护城河是两点：数据，以及能支撑「合成数据 → 矿业世界模型」这套体系的团队——缺一不可
• 为什么地球科学 + 计算机的结合，比生物 + 计算机难得多？地质统计学这个学科，诞生没有多久

🟢 30:48 这个赛道，其实没有你想的那么拥挤

• 全球矿业上市公司几千家，大量是几个人的 junior miner——他们根本接触不到顶尖 AI 系统
• 大公司在研发自己的高效勘探手段，但行业不垄断，大量区域没有人涉足
• 未来路径不止一条：卖软件给中小矿企，或者技术入股直接成为矿主——「先把模型做好，顺理成章」

🟢 37:01 赛艇队长教会他的领导力

领导力不等于别人喜不喜欢你。

• 「我的成绩不是最好的」——那些身体比你好、成绩比你快的队员，凭什么服你？
• 无授权领导力的本质：不是让所有人喜欢你，而是让他们感受到跟你在一起能成长
• 创业三要素从赛艇里来：能卷的经历、淡定的领导力、不把个人凌驾于团队之上的全局观

🟢 44:23 如果 DeepOptica 失败了，最可能是因为什么？

• 「小镇做题家只关注解法；我们是有一个长线 vision，领导中线 vision，再拆解成每个人能 take action 的小目标」——与其说是做题家，更像是一辆 well-organized vehicle
• 最大的风险不是技术，是节奏——融资节奏、拿客户节奏，某个时间点没有 manage 好，企业就开始走下坡路

🟢 46:12