在地熱發電的領域中，最昂貴的成本往往不是建造發電廠，而是找錯地點。地熱發電不僅需要高溫，還需要地下岩層具備天然的水分與裂縫，才能將熱能帶出地表。過去許多業者因為找不到完美的天然地點，只好採取增強型地熱系統的做法，亦即在鑽探後利用高壓水流震裂地底乾燥的岩層，硬是注入水源來打造出人造熱水庫。這種做法雖然可行，但成本極高且工法複雜。
根據AXIOS及 MIT Technology Review 報導，美國地熱新創 Zanskar 採取了截然不同的路徑。他們不花大錢改造地質，而是利用先進的 AI 模型與演算法，在沒有任何地表跡象的荒漠深處，來找出那些地底下原本就充滿熱水與裂縫的天然寶藏。
三十年來首次突破隱藏地熱探索瓶頸
地熱產業長期面臨一個棘手難題，地球上絕大多數的高溫熱源都屬於盲地熱的形式，意即在地表上完全看不出任何端倪。傳統地質學家依靠直覺與有限資料進行推測，導致鑽探失敗率極高，動輒浪費數百萬美元的鑽井成本。
Zanskar 近期宣布了一項受到業界高度關注的重大突破，他們在內華達州發現了一個名為 Big Blind 的地熱系統。這是美國地熱產業三十年來，首度在沒有地表特徵的情況下，成功發現具有商業開發潛力的隱藏地熱源。這項成就證實了 AI 確實能看見人類地質學家看不見的訊號。
Zanskar 官方網站新聞稿網頁截圖
用大數據與機率模型降低不確定性
Zanskar 的核心技術在於一套自行開發的隨機預測模型。這套系統並不依賴單一指標，而是整合了海量的地質資料，包括重力場分析、地震波資料、磁場變化、電磁測量以及衛星空照圖。
透過機器學習演算法，Zanskar 能夠在電腦中模擬數百萬種地下的地質情境，並計算出每一塊土地下方蘊藏地熱的機率密度，以此推估地下岩層的熱流分佈與裂縫結構。換言之，Zanskar 將原本依賴運氣的探勘過程，轉化為精密計算的資料科學問題。該公司的技術長 Joel Edwards 指出，利用軟體模型進行預測的成本，遠低於實際鑽探一口測試井。透過這種軟體先行硬體驗證的模式，有助於降低前期探勘的成本與不確定性。
收購電廠驗證模型
為了校正與驗證這套 AI 模型，Zanskar 在 2024 年收購了位於新墨西哥州的 Lightning Dock 地熱發電廠。這項收購案並非為了當下的發電營收，而是為了取得該地點數十年來累積的真實地下資料。
工程團隊利用 Lightning Dock 的歷史運作資料來校正他們的 AI 模型，隨後再利用修正後的模型去預測新的鑽探點。初步測試，AI 推薦的新井位產能顯著高於舊有的井位，這直接證實了演算法在判斷地下透水性與熱源位置上的準確度。
投資市場看好低成本綠能潛力
Zanskar 的技術吸引了包括 Obvious Ventures 與 Union Square Ventures 等知名創投的目光，並已完成 B 輪 3000 萬美元的募資。對於致力於能源轉型的科技大廠而言，Zanskar 提供的願景相當誘人，若能有效降低風險與探勘成本，傳統水熱型地熱的成本將有機會低於太陽能發電與風力發電，且具備 24 小時基載電力的優勢。目前 Zanskar 正計畫在內華達州與加州展開更多探勘計畫，若能持續複製 Big Blind 的成功模式，這家公司極有可能掌握開啟地球無限熱能庫的關鍵鑰匙。
本文首圖 Nano Banana Pro AI 生成
