Ciência · Tecnologia & Geologia
A China acaba de colocar em operação dois softwares que prometem substituir décadas de trabalho de campo geológico por modelos preditivos. Batizados de AI-GeoMapping e AI-OreSeeking, os sistemas foram apresentados pelo Serviço Geológico da China, vinculado ao Ministério de Recursos Naturais, durante a 28ª Conferência e Exposição de Mineração da China, em Tianjin. A promessa é simples de enunciar e complexa de executar: usar inteligência artificial para ler o subsolo com mais precisão e velocidade do que geólogos conseguiriam sozinhos, justamente no momento em que a disputa mundial por minerais críticos entra em nova fase.
O que os dois sistemas fazem
O primeiro, AI-GeoMapping, ataca a etapa mais básica da cadeia mineral: o mapeamento geológico, que descreve como estratos, estruturas e rochas se distribuem no subsolo. Segundo Li Fengdan, responsável pelo projeto no órgão chinês, o sistema combina imagens de satélite, levantamentos geofísicos aéreos e observações de campo, superando obstáculos clássicos da geologia de campo, como terrenos acidentados, cobertura vegetal densa e áreas de difícil acesso. Depois de uma década de desenvolvimento, a ferramenta já identifica feições geológicas com 90% de acurácia e reduz o tempo de processamento de dados em mais da metade, na comparação com métodos convencionais.
O segundo sistema, AI-OreSeeking, vai além do mapa e tenta prever onde os depósitos minerais realmente estão. Desenvolvido ao longo de três anos, reúne cinco módulos centrais e mais de 200 algoritmos, cobrindo todo o fluxo de trabalho, da gestão de dados à geração de relatórios. No centro do sistema está um modelo de prospecção de grande escala combinado a um grafo de conhecimento que integra milhões de registros geológicos, o que, segundo Wang Bin, responsável pelo projeto, ajuda a manter as previsões alinhadas a princípios de mineralização já consolidados na literatura científica.
O caso mais citado pela equipe chinesa é o distrito de Zhaishang-Liba, no oeste da cordilheira de Qinling. Ali, o sistema processou dados e gerou previsões para 32 folhas cartográficas na escala 1:50.000 em apenas cinco dias, um trabalho que normalmente levaria meses. Duas novas áreas de prospecção identificadas pelo algoritmo foram depois confirmadas por sondagem. Em testes que já somam mais de 100 projetos em mais de dez províncias chinesas, incluindo as cordilheiras de Qinling, a península de Jiaodong e os montes Wuyi, o ganho médio de eficiência declarado é superior a 60%, com destaque para alvos de ouro, cobre, ferro e chumbo-zinco.
O AI-GeoMapping já foi testado em quase 100 folhas de levantamento regional na escala 1:50.000, em províncias como Yunnan, Anhui e Qinghai, e, segundo o governo chinês, começou a ser exportado para Marrocos, Laos e Ruanda, com suporte a múltiplos idiomas. Os dois sistemas fazem parte de uma campanha nacional chinesa para localizar novas jazidas exploráveis até 2030, com foco em ouro, cobre, lítio e outros minerais considerados estratégicos.
Uma corrida que já não é só chinesa
A China não está sozinha nessa aposta. Durante o SIMEXMIN 2026, principal encontro de exploração mineral da América Latina, a diretora executiva do Serviço Geológico do Canadá, Geneviève Marquis, defendeu publicamente o uso de dados avançados e mapeamento preditivo para reduzir o risco da exploração mineral, além de reforçar a cooperação técnica entre Canadá e Brasil na prospecção. No mercado privado, startups como a norte-americana Terra AI já captam recursos para desenvolver modelos próprios de mapeamento de recursos subterrâneos, apostando que a inteligência artificial vai reescrever as regras da indústria mineral global.
Um relatório da consultoria PwC sobre o setor, o Global Mine 2026, resume o cenário: a disponibilidade de reservas minerais não garante, por si só, sucesso na corrida pelos minerais críticos; o diferencial está na capacidade de integrar inteligência artificial, dados e inovação à cadeia de decisão, do licenciamento ao processamento. O documento nota ainda que, mesmo com queda de 20% no volume global de fusões e aquisições do setor em 2025, o valor total das transações superou US$ 70 bilhões, com ouro, prata, cobre e lítio respondendo por 70% desse montante.
O que isso significa para o Brasil
O momento é particularmente sensível para o Brasil. O país concentra a segunda maior reserva mundial de terras raras, algo como 21 milhões de toneladas, a segunda maior reserva de grafita natural, cerca de 74 milhões de toneladas, e reservas de lítio próximas de 540 mil toneladas, com produção crescente no Vale do Jequitinhonha, em Minas Gerais. Em julho, o Ministério de Minas e Energia apresentou ao presidente Luiz Inácio Lula da Silva um plano para elevar a participação brasileira na produção mundial de minerais críticos de 8,3% para 12,2% até 2050.
Nos últimos dias, esse esforço ganhou um marco institucional: o Senado aprovou, em 2 de setembro, o Projeto de Lei 2.780/2024, que institui a Política Nacional de Minerais Críticos e Estratégicos e cria um Fundo Garantidor da Atividade Mineral, com aporte de até R$ 2 bilhões da União para cobrir riscos de crédito e atrair capital privado. O texto também prevê crédito fiscal de até 20% para o beneficiamento desses minerais no país. Como parte do Novo PAC, R$ 307 milhões já foram destinados a levantamentos geológicos e à avaliação de depósitos, tarefa que é justamente onde sistemas como o AI-GeoMapping entrariam em jogo.
O interesse internacional já é concreto: em agosto, o Departamento de Guerra dos Estados Unidos anunciou um pacote de US$ 750 milhões para aquisição de minerais críticos do projeto Pela Ema, em Serra Verde, dentro de um investimento total de US$ 1,55 bilhão, com compromisso de compra de pelo menos US$ 300 milhões em produtos de terras raras nos próximos cinco anos. O Serviço Geológico do Brasil, historicamente responsável pelo mapeamento geológico básico do país, segue apoiado em métodos majoritariamente tradicionais, o que torna a experiência chinesa uma referência técnica a observar, ainda que sob um regime político e institucional muito diferente.
Contraponto
Nem tudo é ganho automático de eficiência. Especialistas em mineração alertam que reservas geológicas de classe mundial não se traduzem em valor econômico sem planejamento tributário, industrial e regulatório consistente, um ponto central nas críticas ao próprio PL 2.780/2024, acusado por parte da sociedade civil de favorecer isenções e capital estrangeiro sem contrapartidas suficientes em processamento local, emprego e conteúdo nacional. Há também uma dimensão territorial sensível: as reservas brasileiras de minerais críticos concentram-se sobretudo no Centro-Oeste e no Norte, próximas a terras indígenas, à Floresta Amazônica e ao Cerrado, o que exige que qualquer aceleração via inteligência artificial venha acompanhada de salvaguardas socioambientais, não apenas de ganhos de velocidade na prospecção.
Perguntas frequentes
O que são o AI-GeoMapping e o AI-OreSeeking?
São dois sistemas de inteligência artificial lançados pelo Serviço Geológico da China para automatizar, respectivamente, o mapeamento geológico e a previsão de locais com potencial mineral, reduzindo a dependência de trabalho de campo tradicional.
Qual é a precisão declarada pela China para esses sistemas?
O governo chinês afirma que o AI-GeoMapping identifica feições geológicas com 90% de acurácia e que o AI-OreSeeking elevou em mais de 60% a eficiência da prospecção mineral em testes realizados em mais de cem projetos.
Por que isso importa para o Brasil?
O Brasil detém grandes reservas de lítio, terras raras e grafita e acaba de sancionar uma política nacional de minerais críticos. Tecnologias de mapeamento preditivo por IA são vistas como um diferencial competitivo para transformar potencial geológico em projetos financiáveis com mais rapidez.
A inteligência artificial substitui o trabalho de campo em geologia?
Não por completo. Os próprios sistemas chineses combinam dados de satélite e geofísica aérea com observações de campo, e descobertas ainda precisam ser confirmadas por sondagem física antes de qualquer decisão de investimento.