关税和经济不确定性将影响美国矿产市场

    目前，美国对精炼镍产品和电池级硫酸锰的需求完全依赖进口，其国内生产的石墨不到需求的5%，精炼钴与稀土元素不到需求的25%。因此美国关键矿产高度依赖进口，其中许多关键矿产目前都免征关税。铜、锂、镍、钴、锰、天然石墨、硅、稀土元素和石油焦都被宣布免征关税，在大多数情况下，这种豁免包括从矿石到精炼金属和硫酸盐的所有形式的进口。2025年4月，美国启动了对关键矿产征收关税必要性的调查，如果调查发现进口加工过的关键矿产（包括衍生产品）会损害国家安全，可能征收特定关税。

    尽管关税的直接影响暂时有限，但关键矿产市场仍可能受到两方面因素的冲击：一是更广泛的经济不确定性，二是可能削弱美国消费者对电动汽车和电池需求的相关政策。目前，我国生产的电池约占全球电池产量的80%，如果对我国制造电池所需的矿产施加关税， 美国电池价格将上涨，制造成本上升，锂、镍、钴和石墨等的需求将下降。同时，2024年，在美国部署的锂离子电池存储单元中，超过90%来自中国。这类电池几乎全部是磷酸铁锂电池，而其他任何地方都无法实现大规模生产。

    随着美国新关税政策的实施，如果磷酸铁锂电池的价格受到关税影响而上涨，那么美国相关公用事业的成本将提高，相关设施的部署也将被迫推迟甚至取消。此外，如果铜的需求随电池需求下降，那么针对新铜矿的投资也将受到阻碍或被迫推迟，进而影响到建筑业与工业设备。这也可能导致中国电池和能源技术产品转向欧洲和东南亚等其他市场。

    制度缺憾阻碍深海矿产开发

    全球对镍、钴、铜等关键矿产的需求持续攀升，加之陆地资源存在供应地域集中的风险，使得深海矿产资源开发日益受到关注。这些蕴藏在200米以深海底的矿藏不仅储量丰富，其金属品位也普遍高于陆地矿床。然而深海矿产开发面临一个根本性问题，即大多数深海矿产资源位于国家管辖范围外的国际海域。

    根据1982年《联合国海洋法公约》及1994年关于执行该公约的协定，国际海底管理局被赋予管理这些区域矿产资源开发的职责。作为公约缔约方共同建立的专门机构，国际海底管理局具体负责组织并管控区域内的一切矿产资源活动。截至目前，国际海底管理局已签发30余份深海矿藏的勘探合同，覆盖海域面积超过150万平方公里，合同持有者包括国家机构、国有企业和私营公司三方主体。

    尽管勘探工作取得显著进展，积累了丰富的地质与环境基础数据，但商业开采尚未启动。国际海底管理局当前正在制定管理这些资源开采的条例，这些条例将成为《采矿法》的一部分，统筹解决环境保护、利益分配、责任认定、合规监管等核心问题，其立法进程直接关系到深海采矿的商业化前景。

    截至2025年4月，已有32个国家支持禁止、暂停或预防性暂停深海采矿，其理由是缺乏强有力的监管框架，以及对深海采矿的环境影响缺乏足够的科学认识。当前，国际海底管理局仍面临多个有待解决的关键问题，具体包括：财务条款和特许权使用费制度的协议尚未达成；深海采矿可能造成的环境损害缺乏明确定义和评估方法；相关法律法规的遵守和执行机制尚未建立；环境标准与准则的最终版本仍未确定。

    在这些悬而未决的问题中，核心争议聚焦于在法规尚未商定的情况下，采矿申请的法律地位应当如何认定。这一争议自2021年瑙鲁援引《联合国海洋法公约》“两年规则”条款后更显紧迫。根据该条款规定，国际海底管理局必须依据现行公约条款及任何临时通过的规则来审议开采申请，即便最终规章尚未确定。值得注意的是，国际海底管理局理事会当前决定，在完整监管框架出台前禁止商业开发，这实际上与《联合国海洋法公约》的约束性条款存在冲突。

    近日，瑙鲁海洋资源公司宣布将在瑙鲁政府的担保下，向国际海底管理局提交商业开采申请。与此同时，美国TMC金属公司基于美国非《联合国海洋法公约》缔约国的情况，已依据美国国内法启动海底采矿许可申请程序。因此，将于下个月召开的国际海底管理局会议的成果至关重要。如果成员国能就开发规章草案的关键要素达成一致，国际海底管理局就可以着手建立监管框架，为评估未来的申请提供法律依据。否则，理事会将需要决定是否以及如何在没有完整规则的情况下审议开发申请。

    人工智能进一步发掘地质勘探潜力

    赞比亚的明贡巴铜矿床是世界上最大的铜矿床之一。该铜矿蕴藏量约为900万吨，品位为3.6%，约为普通铜矿床平均品位的七倍。该铜矿床最初发现于20世纪70年代，当时计划作为赞比亚卢班贝铜矿带的延伸部分。依靠高品位矿体，该地区铜矿的商业开采已经持续了一个多世纪，但该矿床矿体深度位于地下约1~2公里处，相对较深，导致成本高昂，给开采带来了挑战。2022年，专门从事人工智能（AI）驱动矿产勘探研究的美国企业KoBold收购了明贡巴项目的部分股份，并开始尝试将机器学习等方法应用于该矿床的勘探和开发。2024年，KoBold开始运用该矿床的遗留数据集，包括地震勘测和历史钻芯记录等来训练其AI模型。

    在AI模型的建议下，成本高昂的高密度钻探正逐步减少，勘测工作更多集中在能够获得最有用数据的区域。这就使地质学家能够改进对该矿产蕴藏量的估算，并最大限度降低成本和环境影响。同时，通过对地球物理、高光谱和钻探等方面数据进行集中训练，AI模型可以对已开采矿区进行重新评估，以发现传统勘探方法无法发现的新资源。此外，AI模型还被用于优化冶金工作流程，降低能耗，提高回收率。通过分析加工厂的实时传感器数据，AI系统可以动态调整温度、试剂用量和研磨粒度等参数，最大限度地提高效率，减少浪费，降低矿体深度对开采的影响。

    不过，目前大多数人工智能模型都是利用现有数据，针对特定地质进行训练，这限制了它们在未勘探地区发现重要新资源的能力。KoBold表示，人工智能将成为地质学家与相关勘探人员的有力助手，在充分挖掘已发现矿床潜力方面发挥最大作用，该公司将进一步改进其AI模型，为更多关键矿产提供勘探开采服务。