其中，CEO相子恒博士毕业于剑桥大学，曾担任多个欧洲航天局项目的负责人，长期从事遥感与AI相关研究，专注于高不确定性条件下的系统建模与推演。CTO方飞博士曾主导英国金融机构的AI转型工作，擅长模型能力嵌入业务流程。CSO/CFO Jesse Huang则来自国际投行体系，长期负责矿业并购与投融资工作。

　　Deep Optica的方向是构建一个“矿业世界模型”系统，试图将传统依赖人力和经验的矿业判断工作，通过AI实现自动化与规模化。

　　该系统整合了知识图谱与地质、地球物理、地球化学、遥感、钻孔等12类数据模态，总数据规模超过20TB，目标是推演成矿背后的条件逻辑，为工程与经济判断提供基础。

　　Deep Optica的首个产品为Resource Connect（简称RC），面向矿业交易流程的“案头判断”场景，提升项目从筛选、评估到决策的效率。用户只需输入目标区域PG电子模拟器 PG电子网站位置，RC便可调用当地多源数据，对区域成矿条件进行系统化建模，辅助圈定潜在成矿靶区，并在条件允许下，生成地下矿体的三维分布预测。

　　RC平台中的AI智能体体系被划分为多个职能模块，分别从地质合理性、工程可行性和经济可行性角度协同工作。例如，部分智能体用于资产初筛和横向比较，部分负责解析技术文件和历史数据，部分则负责结合市场与成本评估。

　　在实际应用中，RC已在蒙古南戈壁项目中完成一次高效测试。面对当地历史数据不足的情况，Deep Optica利用其数据清洗能力pipeline，在一周内抓取并对齐了7倍于原有规模的数据，形成矿体预测并提出4个钻探建议，其中3个与浅层矿体相符，将评估周期缩短了90%以上。

　　此外，Deep Optica还获得了UCL（伦敦大学）教授、RL China发起人汪军的支持，其在决策智能领域的经验提供了向“世界模型”演进的技术方向。