美国国内制造业如今受到广泛关注,但在曾在特斯拉工作近十年的特纳·考德威尔看来,位于供应链最底层的矿产与金属资源,并没有得到应有的重视。
正是出于这一判断,他于2024年离开特斯拉,创办了Mariana Minerals。这家初创公司的定位是打造一个面向未来增长的现代化采矿与冶炼企业,考德威尔的核心目标只有一个:向产业生态系统输送更多精炼金属。为此,公司正致力于将矿山运营的几乎每一个环节都实现自动化。
最新的突破发生在车辆领域。本周四,Mariana Minerals宣布与Pronto达成合作。Pronto是一家专为建筑和采矿现场的运输卡车及越野车辆开发自动驾驶系统的初创企业。
这也是Pronto被Atoms收购后达成的首笔合作协议。Atoms是由Uber联合创始人特拉维斯·卡拉尼克主导的新型机器人创投公司。此次收购让卡拉尼克与Pronto创始人安东尼·莱万多夫斯基重新携手——后者曾是谷歌自动驾驶项目的明星工程师,也是颇具争议的创业者,其创办的Otto公司于2016年被Uber收购。
根据合作协议,自动驾驶运输卡车最快将于下周开始在Copper One铜矿投入运营。Copper One是位于犹他州的一座此前停产的铜矿,Mariana于去年将其收购。双方未披露具体合作条款。
但考德威尔在接受TechCrunch独家专访时表示,这次合作的意义远不止于在矿区部署几辆自动驾驶卡车。Pronto的自动驾驶系统将与Mariana自主研发的矿山运营软件"MineOS"深度集成,从而实现对卡车的自主调度和路线协调,无需人工干预。
这一举措是考德威尔对未来矿山运营模式更宏观构想的组成部分。他设想通过多个运营系统,利用强化学习逐步实现整个矿山各环节的自动化运转,并最终走向全局协同。
"西方大型矿业公司现在的样子,和特斯拉出现之前的福特、通用如出一辙。就像SpaceX出现之前的NASA,就像Anduril出现之前的传统国防巨头,"他说,"软件和技术在这个领域的渗透速度,从根本上取决于运营团队——而他们几乎没有动力去改变既有的运营方式。只要能完成KPI,电子表格、对讲机、纸质报告,一切都运转得好好的。"
在考德威尔看来,这种状态不仅制约了矿山的产出效率,留下了大量显而易见的优化空间,更是一个关乎生死存亡的问题。
"因为西方矿业公司新建基础设施的步伐停滞不前,这个行业对人才的吸引力越来越弱,劳动力也在持续萎缩,"他说。这意味着矿山将不得不面对以更少的人手完成更多工作的困境。考德威尔认为,Mariana以软件为核心的经营理念,正是破解这一难题的关键。
这种模式对Mariana自身自然大有裨益,但若能证明其可行性,也可能惠及其他矿山。考德威尔表示,一旦Mariana的协调软件通过实践验证,向外授权出售也不是没有可能。
不过,他强调自己从一开始就无意将此作为起点。他说,"公司的核心业务应该是卖金属"。
"公司本身就是那个协调层。既然如此,还不如一步到位,垂直整合,直接做金属,而不是只卖软件,"他说,"我觉得,如果SpaceX只是向NASA销售火箭回收软件,它不可能成长为今天这样体量的公司。"
此外,考德威尔还指出,拥有并运营矿山对于强化学习的闭环至关重要——不仅因为这能带来更强的管控能力和更高质量的数据,更因为随着数据积累,系统有望逐步辅助人类做出目前难以独立判断的决策。他将此类比于DeepMind十年前开发的围棋软件AlphaGo:在积累了足够的训练数据后,AlphaGo开始落出人类从未想到过的棋步。
尽管自动化的话题贯穿始终,考德威尔仍强调,他并不是要把人从采矿作业中彻底清除。与许多在该领域创业的创始人一样,他相信Mariana实际上将为这个本已萎缩的人才池注入新的活力。
"降低劳动力成本固然是其中一个因素,但这并不是真正的目标,"他说,"真正的目标是在现有有限的劳动力条件下,实现更高的生产效率。自动化和自主运营将创造更多就业机会,因为届时会有更多矿山投入运营。"
Q&A
Q1:Mariana Minerals是一家什么样的公司,它的核心目标是什么?
A:Mariana Minerals由前特斯拉工程师特纳·考德威尔于2024年创立,定位为现代化采矿与冶炼企业。公司的核心目标是向产业生态系统输送更多精炼金属,并通过自主研发的软件系统"MineOS",结合强化学习技术,实现矿山运营各环节的全面自动化,以软件驱动提升矿山整体效率和产出能力。
Q2:Pronto的自动驾驶系统在铜矿中具体如何应用?
A:Pronto开发的自动驾驶系统将与Mariana自研的矿山运营软件"MineOS"深度集成。系统部署后,自动驾驶运输卡车可在无人工干预的情况下,由系统自主完成调度和路线协调,在犹他州的Copper One铜矿中执行运输任务,最快将于合作公告发布后一周内投入实际运营。
Q3:矿山自动化会导致采矿行业大规模裁员吗?
A:考德威尔认为不会。他表示,自动化的核心目标并非降低劳动力成本,而是在现有劳动力规模有限的前提下提升生产效率。由于自动化能够激活更多此前停产或低效运营的矿山,实际上将为行业创造更多就业机会,从而扩大而非压缩采矿业的整体人才需求。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。