Nature Communications | 人工智能投资降低关键矿物供应风险

文摘   财经   2024-09-25 08:15   湖北  

人工智能投资降低关键矿物供应风险

PART1
原文信息

原文信息:

Vespignani, J., Smyth, R. Artificial intelligence investments reduce risks to critical mineral supply. Nat Commun 15, 7304 (2024).

原文链接:

https://doi.org/10.1038/s41467-024-51661-7.


PART2
原文摘要
论文结合地球科学的见解,探讨了项目开发中的金融风险,并提出了一种关于关键矿产的经济理论。理论认为,未解决技术和非技术障碍的后端关键矿产项目(如锂和钴)对投资者存在额外的风险,这种风险被称为“后端风险溢价”。研究表明,后端风险溢价会提高资本成本,从而可能减少该领域的投资。此外,后端风险溢价可能会降低人工智能(AI)技术在矿业部门预期的生产力提升。然而,AI的进步可能通过缩短矿业项目的工期和降低所需的投资回报率,从而减轻后端风险溢价。论文最后指出,减少能源转型相关成本的最佳方法是政府大力投资于AI智能采矿技术和研究


PART3
主要观点
(1)“后端风险溢价”(back-ended risk premium)概念化

与传统能源(如石油、煤炭和天然气)不同,清洁能源的生产和储存依赖于铜、锂、镍、钴、稀土等关键矿物。随着全球在2050年前实现净零排放目标的呼声日益高涨,关键矿物供应的短缺问题已引起广泛关注。国际能源署(IEA)预计,为在2050年前实现净零目标,2022年至2030年间,关键矿物的投资缺口将达到1800亿至2300亿美元。

关键矿产项目与传统矿产项目不同,尤其在后期阶段(勘探开始后六到八年)面临更大的技术和非技术风险。技术风险包括开采和提炼技术不成熟、成本高昂、分离难度大等因素;非技术风险则包括资源集中在政治不稳定地区,受到政策变动、社会动荡、腐败和社会责任要求等多重影响。因此,在项目开发的初期,投资者对关键矿产项目的早期估值普遍较低,要求更高的投资回报率以弥补潜在风险,这种额外回报被称为后端风险溢价(BRP),在图1a中以灰度区域表示。相比之下,传统矿产(如黄金、煤炭和铁矿石)项目则存在前端风险,投资者在早期阶段对项目进行高估值,从而降低资本成本。

图1  图a垂直轴代表投资者对矿产项目的估值。水平轴代表项目的不同发展阶段(勘探、范围界定、可行性研究、开发和开采)。图b说明了前端和后端矿物对投资者要求的回报率的差异,即定义为后端风险溢价。

(2)关键矿物的风险溢价
与前端非关键矿物基准(如煤炭、黄金、铁矿石)相比,每种关键矿物都表现出非技术风险溢价,范围从稀土(30.6%)到镍(2.9%),平均为15.7%。非技术风险的差异主要反映了关键矿物的地理分布,那些表现出更高风险的矿物集中在投资环境较差的国家。稀土、锡、锰、钨和锌的总风险溢价最高,而铜是唯一显示总风险溢价折扣的矿物。根据IEA的既定政策情景(STEPS)和可持续发展情景(SDS),我们预计到2035年,累计后端风险溢价在STEPS情景下和SDS情景下分别将介于6600亿至6780亿美元之间。
图2 主要关键矿物的总风险溢价
(3)使用人工智能来解决关键矿物的短缺问题

面对关键矿产项目高企的“后端风险溢价”,AI技术为破解投资困局带来了新的希望。AI可以应用于采矿的各个阶段,利用人工智能和数据驱动的方法提高生产力,从而有效降低后端风险溢价,吸引更多投资进入关键矿产领域。

图3a采用生产可能性前沿(PPF)模型,展示了后端风险溢价如何影响通过人工智能提升关键矿物生产力的潜力。初始PPF曲线显示了在不考虑技术进步的情况下,企业或经济体为最大化矿物生产所需的资本和劳动力组合。随着AI技术的应用,PPF曲线向外扩展,但后端风险溢价的影响抵消了部分生产力提升。

然而,人工智能可以通过缩短项目工期和降低所需的投资回报率来降低后端风险溢价。AI对项目回报率和工期的潜在影响分别如图3b和图3c所示。AI通过多种方式缩短矿业项目从勘探到开采的时间,包括改善矿物映射以提高预测准确性、降低供应链风险、准确计算开采时间和提供可靠的地质描绘。此外,AI还提升了采矿生产力,例如通过预测岩石碎裂和优化钻探效率。AI能够通过两种主要方式降低所需的投资回报率。首先,它减少成本不确定性,例如通过预测露天采矿项目的资本成本和优化设备选择,从而降低与成本剧增相关的风险。其次,AI有助于降低环境风险,特别是在开采关键后端矿物(如钴和锂)时,通过有效管理和预测来减少灾害和环境危害。

图3 (a)后端风险溢价对AI提高生产率的影响;(b)AI技术进步导致的所需回报率变化对后端风险溢价的影响;(c) AI技术进步导致的采矿项目工期缩短对后端风险溢价的影响


PART4

政策启示
人工智能在开发和勘探阶段的改进可以通过缩短项目工期和降低所需的投资回报率来降低后端风险溢价。为减少后端风险溢价,最重要的投资阶段是从勘探到开发的过程中。建议政府、私营部门和全球资助机构加大对这一阶段人工智能(AI)的投入,尤其是在数据驱动的勘探模型、矿物绘图、矿床品位预测以及从采矿废料中回收关键矿物等方面。同时,利用AI技术进行环境监测有助于减少如锂和钴等矿物的开采对环境的影响。最后,公开的矿物数据集可以加速AI在采矿业的应用,政府和国际金融机构应对此加大支持。

撰稿齐潇红
稿沈一帆

封面图片来源:https://zhuanlan.zhihu.com/p/422687589)

国际能源转型学会(ISETS)在澳大利亚注册,是面向全球政、产、学、研、用等领域专业人员和机构的公益性、开放式的对话平台,成员来自80多个国家以及十余个国际组织。ISETS致力于促进能源及其相关行业向着公平、公正、包容性的低碳未来转型,欢迎关注!

更多信息,请参见ISETS官网:www.isets.org;活动请联系events@isets.org;出版请联系publications@isets.org;其他事宜请联系isets@isets.org。

国际能源转型学会
International Society for Energy Transition Studies (ISETS)
 最新文章