ИИ выходит в геологию: Lithosquare получила $25 млн, чтобы искать металлы для батарей и дата-центров

Парижская Lithosquare привлекла €22 млн — примерно $25 млн — на разработку платформы Geology AI для поиска критически важных металлов. Раунд совместно возглавили World Fund и Kindred Capital, также участвовали Daphni, Omnes Capital и Ovni Capital. Компания заявляет, что будет использовать деньги для расширения команды, развития платформы и работы с горнодобывающими партнёрами в США, Европе, Африке и Латинской Америке.

На первый взгляд это обычная венчурная заметка: стартап, seed-раунд, красивые слова про AI. Но сюжет шире. Lithosquare пытается применить искусственный интеллект не к рекламе, презентациям или кодингу, а к одному из самых приземлённых ограничений AI-эпохи: миру нужно больше металлов, а новые месторождения находятся медленно, дорого и с высоким риском ошибки.

Если электромобили, батареи, энергосети, чипы и дата-центры растут быстрее, чем добыча меди, лития, никеля и редкоземельных элементов, то цифровая экономика внезапно упирается в геологию. Вот здесь AI перестаёт быть «приложением для текста» и становится инструментом промышленного поиска.

Что делает Lithosquare

Lithosquare основана в 2024 году горным инженером Аймериком Превераль-Эчеверри; вскоре к компании присоединился Саймон Леклер. Стартап описывает свою систему как сочетание foundational AI, геологической экспертизы и полевых данных. По словам компании, платформа помогает геологам собирать разрозненные данные в единую картину, строить сценарии подземной структуры, выбирать более перспективные цели для разведки и быстрее принимать решение, где бурить.

Важная деталь: Lithosquare старается отстроиться от простого «AI нашёл паттерн на карте». На своём сайте компания подчёркивает, что не хочет полагаться только на статистические аномалии, а моделирует физико-химическую логику образования месторождений. В человеческом переводе: система должна не просто сказать «здесь похоже на прошлый успех», а объяснить, почему руда могла сформироваться именно в такой геологической системе.

Это принципиально для отрасли. Ошибка в геологоразведке — не неудачный ответ чат-бота. Это месяцы работы, дорогие буровые кампании, техника, разрешения, люди и экологический след. Поэтому Lithosquare говорит не о замене геологов, а об ускорении их работы: AI генерирует и проверяет гипотезы, а специалисты принимают финальное решение.

Почему металлы стали AI-темой

Международное энергетическое агентство в Global Critical Minerals Outlook 2025 пишет, что спрос на ключевые энергетические минералы продолжит расти во всех сценариях. В сценарии действующих политик к 2040 году спрос на литий вырастает в пять раз, на графит и никель — примерно вдвое, на кобальт и редкоземельные элементы — на 50–60%, а на медь — примерно на 30%.

Медь особенно важна, потому что она нужна не только батареям, но и электросетям, промышленному оборудованию, строительству и дата-центрам. IEA отдельно предупреждает: ожидаемая добыча из существующих и объявленных проектов может не закрыть спрос на медь и литий к 2035 году. Для меди проблема осложняется снижением качества руды, ростом затрат и замедлением новых открытий.

Именно поэтому геологоразведка снова становится стратегической темой. У мира есть много планов — электрификация транспорта, накопители энергии, солнечные и ветровые станции, локализация полупроводников, строительство AI-инфраструктуры. Но все эти планы требуют физической базы. Серверные фермы не строятся из презентаций, а батареи не собираются из оптимизма.

Что обещает AI в разведке

EU-Startups пишет, что Lithosquare обещает сокращать анализ с месяцев до дней и повышать эффективность разведки до 10 раз. Tech Funding News уточняет модель бизнеса: компания работает рядом с exploration и mining-компаниями, а не просто продаёт софт по подписке; в отдельных случаях речь идёт об outcome-based модели, где стартап получает долю результата, если найденное месторождение превращается в работающий проект.

Это важный сигнал. Если AI-инструмент действительно влияет на выбор участков и последовательность бурения, он может быть ближе к промышленной инфраструктуре, чем к SaaS-виджету. Ценность появляется не в красивом интерфейсе, а в том, что компания тратит меньше денег на тупиковые гипотезы и быстрее доходит до проверяемых целей.

При этом обещания нужно читать трезво. Геология — не шахматная доска с полными правилами. Данные неполные, местность сложная, разрешения и политика могут тормозить проект сильнее алгоритма, а открытие месторождения ещё не означает его добычу. Между «нашли перспективную цель» и «металл попал в батарею» проходят годы.

Но даже частичное ускорение имеет значение. Если AI помогает быстрее отсекать слабые площадки, уменьшает лишнее бурение и лучше расставляет приоритеты, он снижает риск в самой дорогой ранней части цепочки.

Где здесь геополитика

Критические минералы давно перестали быть темой только для горных инженеров. Это вопрос промышленной независимости. Производство и переработка многих материалов сосредоточены в небольшом числе стран, а редкоземельные элементы особенно чувствительны к концентрации цепочек поставок. Lithosquare прямо позиционирует себя как европейскую технологию, которая может помочь Западу снизить зависимость от узких мест в поставках.

Здесь легко скатиться в лозунги, но базовая логика проста. Если Европа, США и их партнёры хотят больше своих батарей, сетей, оборонной электроники, чипов и дата-центров, им нужно лучше понимать, где брать сырьё. Переработка важна, но в ближайшие десятилетия она не закроет весь рост спроса. Значит, новые месторождения всё равно нужны.

AI в такой картине становится не магической кнопкой, а ускорителем разведывательной воронки. Он не отменяет геологию, экологические ограничения и общественные споры вокруг добычи. Но он может изменить экономику первого шага: где искать, какие данные собрать, какую гипотезу проверить раньше.

Почему это полезно обычному читателю

Эта новость объясняет один из парадоксов AI-эпохи. Чем больше индустрия говорит о нематериальном интеллекте, тем сильнее она зависит от очень материальных вещей: электричества, меди, лития, никеля, воды, земли, логистики и разрешений. Ускорить модель можно кодом, но построить инфраструктуру без металлов нельзя.

Поэтому такие компании, как Lithosquare, показывают более взрослый слой AI-рынка. Не очередной бот, который пересказывает PDF, а инструмент для отрасли, где ошибка стоит дорого, а хороший прогноз может сэкономить годы. Это менее зрелищно, чем генератор видео или новый чат, зато ближе к реальным узким местам экономики.

Для компаний практический вывод тоже понятен: AI будет проникать туда, где есть сложные данные, дорогие решения и проверяемый результат. Геологоразведка подходит идеально. Там много исторических карт, геофизики, химии, буровых данных и экспертных интерпретаций; но финальная проверка всё равно происходит в земле.

Что смотреть дальше

Главный вопрос к Lithosquare — не сможет ли она красиво описать платформу. Главный вопрос — сможет ли она показать повторяемые открытия и экономику на реальных проектах: меньше лишнего бурения, быстрее верификация, выше шанс найти промышленно значимый ресурс. Если такие показатели появятся, AI для геологии станет не модным ярлыком, а частью новой сырьевой инфраструктуры.

И это уже тренд шире одного стартапа. AI начинает заходить в физические отрасли через узкие, проверяемые задачи: оптимизировать маршруты, находить молекулы, проектировать материалы, улучшать алгоритмы, снижать энергопотребление, выбирать места для бурения. Там меньше места для болтовни и больше места для метрики.