Silver North Resources Ltd (TSXV:SNAG, OTCQB:TARSF)
「下一代銀礦發現」——Silver North在加拿大育空地區久負盛名的Keno Hill礦區取得了重大白銀勘探突破。該公司目前天時地利人和，可進一步驗證和擴大這些新發現區。根據礦業開發曲線規律，這一階段通常是采礦項目價值增長潛力最大的時期。
麥肯錫追蹤的 19 家主要礦業公司中，截至 9 月 11 日的第三季度，有 15 家報告 AI 帶來財務收益，上一季度僅 4 家。這家紐約諮詢公司估計，AI 可通過約 5% 的增產和 10% 的直接 C1 現金成本削減將礦企 EBITDA 抬升 10% 至 15%。
加工環節走在前面，19 家公司中有 10 家報告工廠端 AI 已產生盈利影響。但麥肯錫將該統計稱為 “已實現價值主張”，未披露礦企名單與具體金額。駐聖地亞哥的麥肯錫合夥人 Ferran Pujol 在美洲礦業論壇上表示，這一不完整季度的數據點仍需確認，真正考驗是收益能否持續、能否與商品價格及常規經營變化剝離，並在不同礦山間複製。
麥肯錫將礦業 AI 應用分為四級證據：最高級 “損益表中證實” 要求工具投產且財務數據已在財報或監管文件披露；“已證實” 要求已部署並量化效果；“湧現” 僅滿足其一；“願景” 尚未進入生產。
加工端，利用 AI 調整磨機和浮選設定是唯一進入最高級的應用；計算機視覺、礦石配礦與堆場優化為 “已證實”，浸出及水和藥劑優化仍屬 “湧現”。維護端，計劃與檢修優化進入最高級，礦用車隊與工廠預測性維護列為 “已證實”—— 但 Pujol 指出，大部分價值實際來自前者而非聲量更大的預測性維護。Freeport-McMoRan（NYSE: FCX）數據與 AI 高級顧問 Ravi Malladi 提醒，按設備狀態維修雖在兌現收益，但油樣若沒進實驗室、數據若沒進記錄系統，AI“很難推動指針移動”。
工廠之外證據迅速變薄。礦山與工廠數字孿生為 “已證實”，排產、鑿岩爆破、調度、防撞、電動車隊充電、混合車隊自動駕駛等八項礦山應用均停留在 “湧現” 或 “願景”；勘探端三項應用亦全部 “湧現”微軟行業顧問 Akilan Kapilan 表示，模型應推薦選項而非自主決策，專家須設定邊界並保留控制權。Ivanhoe Mines（TSX: IVN；US-OTC: IVPAF）創始人 Robert Friedland 則把討論拉向需求側：無論礦企自身採用快慢，AI 競賽都會拉動電力、銅和關鍵礦產需求，“因為它是一項軍事技術”。
麥肯錫對 1719 名受訪者的更廣泛調查解釋了這一躍升為何關鍵：全行業 89% 的組織今年已在至少一個業務職能中常規使用 AI，但僅 44% 實現企業級規模化。能源與材料受訪者中，僅 7% 在製造環節規模化了 AI 智能體；高級合夥人 Richard Sellschop 表示，電力行業採用率更強抬高了板塊均值，礦業實際比例可能更低。
Pujol 稱，走出試點的公司往往遵循 “70-70-70” 法則：70% 技術人才留在內、團隊中 70% 為構建者而非協調者、70% 來自資深梯隊；技術團隊直接對接運營，由一名高管統管預算與財務結果。描述的混合模型中，中央團隊提供數據系統與可複用工具，礦山因礦體與工況不同而自擁價值與預算。麥肯錫建議 CEO 任命負責人、COO 推廣成功工具、CFO 剝離 AI 貢獻；Malladi 則呼籲將技術團隊嵌入礦山現場，而非從總部遠程管理。
