Strategia suwerennej AI Korei Południowej dzieli się na dwa tory, podając w wątpliwość jej konkurs modeli
Strategia suwerennej AI Korei Południowej stoi obecnie przed kosztownym podziałem. Seul planuje program frontier o wartości 4,7 bln wonów, podczas gdy jego dotychczasowy konkurs modeli wciąż nie został zakończony.
Rząd twierdzi, że oba programy będą służyć różnym celom. Oba wymagają jednak ograniczonej liczby chipów, danych, badaczy i środków publicznych. Oba zmierzają również do stworzenia modeli zdolnych konkurować blisko światowej czołówki.
Ta nakładka stawia LG AI Research, SK Telecom i Upstage w niezręcznej sytuacji. Firmy te przez ponad rok rywalizowały o status krajowych czempionów modeli. Teraz muszą rozważyć, czy kolejny konkurs nie zepchnie na dalszy plan tego, który wciąż próbują wygrać.
Spór wykracza poza walkę o budżet. Sprawdza, czy suwerenna AI powinna priorytetowo traktować przywództwo technologiczne, czy niezawodne krajowe wdrożenia. Korea chce obu tych rzeczy, ale nie rozdzieliła wyraźnie tych misji.
Korea uruchomiła drugi wyścig przed zakończeniem pierwszego
Bezpośrednią zmianą nie jest anulowanie istniejącego koreańskiego programu modeli. Jest nią stworzenie obok niego większego wyścigu.
Ministerstwo Nauki i ICT planuje rozpocząć program frontier AI w marcu 2027 roku. Program miałby skoncentrować zasoby publiczne i prywatne wokół modelu, który ma konkurować z czołowymi systemami międzynarodowymi.
Według relacjonowanego planu rządu uczestnikami mogą być pojedyncze firmy, konsorcja, uniwersytety, startupy, badacze lub podmiot celowy. W drodze konkurencyjnego procesu zostanie wybrany główny deweloper.
Proponowany budżet wynosi łącznie 4,7 bln wonów. Parlament musi najpierw zatwierdzić odpowiednie finansowanie na 2027 rok, a decyzji oczekuje się w trakcie grudniowego procesu budżetowego.
Rząd może wybrać głównego dewelopera już w lutym 2027 roku. Oznaczałoby to wybór bezpośrednio przed planowanym rozpoczęciem programu w marcu.
Tymczasem istniejący projekt suwerennych modeli bazowych AI będzie kontynuowany. Oczekuje się, że jego trzecia ocena zmniejszy liczbę pozostałych zespołów z trzech do dwóch finalistów w lutym.
Te trzy zespoły to LG AI Research, SK Telecom i Upstage. Awansowały po tym, jak rząd ogłosił swoje wyniki drugiego etapu w sierpniu 2026 roku.
Równoległe harmonogramy mają znaczenie. Korea wybierze dwóch zwycięzców jednego konkursu, jednocześnie potencjalnie wskazując inną organizację jako lidera ambitniejszego programu.
Ta sekwencja natychmiast rodzi niepewność co do statusu. Firma może zostać finalistą konkursu suwerennych modeli, a jednocześnie stracić wpływ na największe krajowe przedsięwzięcie frontier.
Pierwszy program rozpoczął się z pięcioma wybranymi zespołami. Pierwotna grupa obejmowała Naver Cloud, Upstage, SK Telecom, NC AI i LG AI Research.
Rząd wybrał te zespoły po zawężeniu grona 15 kandydatów do 10, którzy mieli przedstawić prezentacje. Jego początkowy wybór ustanowił etapowy konkurs zaprojektowany w celu wzmocnienia krajowego ekosystemu modeli.
Naver Cloud i NC AI później opuściły konkurs. Motif Technologies dołączyło w dodatkowym procesie selekcji, lecz nie przeszło oceny drugiego etapu.
Pozostałe zespoły już wytrenowały modele, udostępniły wagi, utworzyły konsorcja i zbudowały relacje z krajową infrastrukturą. Inwestycji tych nie można po prostu przenosić między programami bez konsekwencji kontraktowych i technicznych.
Minister nauki Bae Kyung-hoon odrzucił sugestie, że pierwszy projekt jest porzucany. Twierdzi, że będzie on nadal rozwijał modele przeznaczone do wdrażania w przemyśle i sektorze publicznym.
Jego rozróżnienie brzmi prosto. Istniejący projekt miałby wspierać krajowe wdrożenia, podczas gdy nowy program miałby dążyć do możliwości frontier oraz rozwiązywania trudnych problemów naukowych i bezpieczeństwa.
Model frontier jest jednak również modelem bazowym. Jeśli stanie się najpotężniejszym krajowym systemem Korei, agencje publiczne i firmy naturalnie zapytają, dlaczego miałyby korzystać ze słabszej alternatywy.
To konflikt leżący w centrum planu dwutorowego. Rząd utrzymuje przy życiu pierwotny konkurs, jednocześnie redefiniując nagrodę, która początkowo go uzasadniała.
Dlaczego strategia suwerennej AI Korei Południowej dzieli się właśnie teraz
Globalny postęp w dziedzinie modeli przyspieszył bardziej niż polityczny punkt odniesienia, osłabiając pierwotną definicję sukcesu.
Pierwszy program Korei miał podobno osiągnąć około 95 procent wydajności wiodących modeli globalnych. Cel ten wyznaczał mierzalny kierunek, gdy konkurs się rozpoczął.
Problem polega na tym, że wydajność frontier nie pozostaje stała. Model może zbliżyć się do wczorajszego lidera, jednocześnie coraz bardziej odstając od najnowszych systemów.
Koreańscy urzędnicy przyznają obecnie, że krajobraz konkurencyjny się zmienił. Więksi międzynarodowi deweloperzy nadal poprawiają rozumowanie, programowanie, przetwarzanie multimodalne, użycie narzędzi oraz działanie w kontekstach o dużej długości.
Ten ruch sprawia, że cel procentowy jest niestabilny. Osiągnięcie 95 procent zależy od tego, który model, benchmark, zadanie i data wydania definiują porównanie.
Rząd stoi zatem przed dwoma przeciwstawnymi ryzykami. Może zachować pierwotną strukturę i zaakceptować rosnącą lukę w możliwościach. Alternatywnie może przekierować zasoby i osłabić zaufanie do istniejących zobowiązań.
Nowy koreański projekt frontier AI stanowi drugą odpowiedź. Koncentruje chipy, dane, badaczy i inwestycje wokół ambitniejszej próby zdobycia przywództwa technologicznego.
Rząd łączy również program frontier z wyzwaniami naukowymi i zagrożeniami cyberbezpieczeństwa. Te misje wymagają czegoś więcej niż płynności konwersacyjnej lub wysokiej jakości języka koreańskiego.
Modele naukowe muszą radzić sobie ze specjalistycznymi danymi, trudnym rozumowaniem i walidacją względem dowodów z danej dziedziny. Systemy cyberbezpieczeństwa muszą działać w ramach ścisłej kontroli dostępu, oceny i wdrażania.
Wymagania te nie uzasadniają jednak automatycznie budowania od podstaw uniwersalnego modelu frontier. Wyspecjalizowane modele, systemy wyszukiwania i kontrolowane narzędzia mogą obsłużyć wiele zadań domenowych.
To rozróżnienie ma znaczenie, ponieważ rozwój ogólnych modeli frontier pochłania nadzwyczajne zasoby. Trening jest tylko jednym z wydatków. Ciągła ocena, trening po wstępny, testy bezpieczeństwa, infrastruktura inferencyjna i aktualizacje modeli generują powtarzające się potrzeby.
Korea ma kilka powodów, by zaakceptować te wymagania. Krajowe możliwości modelowe mogą zmniejszyć zależność od zagranicznych platform, zachować kontrolę nad wrażliwymi danymi i wspierać koreańskie instytucje.
Mogą też wzmocnić pozycję negocjacyjną. Kraj dysponujący wiarygodnymi modelami, infrastrukturą i badaczami negocjuje z globalnymi dostawcami z silniejszej pozycji.
Suwerenność nie wymaga jednak izolacji. Może oznaczać kontrolę nad danymi, infrastrukturą, zamówieniami, wdrożeniami lub adaptacją modeli, bez konieczności prowadzenia przez jeden krajowy system w każdym benchmarku.
Plan gospodarczy opublikowany przez OpenAI opowiadał się za połączeniem krajowej kontroli w strategicznych dziedzinach z międzynarodowymi partnerstwami w innych obszarach. Ta rekomendacja służy interesom OpenAI, ale rozróżnienie polityczne pozostaje istotne.
Wyzwanie Korei polega na zdecydowaniu, które możliwości muszą pozostać krajowe. Musi też określić, gdzie dostęp do systemów międzynarodowych oferuje lepszą wartość.
Kraj nie zaczyna bez zasobów. Ma duże firmy półprzewodnikowe, dostawców chmurowych, grupy telekomunikacyjne, twórców oprogramowania, uniwersytety i aktywny sektor startupów AI.
Rząd planuje również znaczną rozbudowę mocy obliczeniowej. Plan prac ministerstwa nauki na 2026 rok zakładał łącznie 37 000 GPU poprzez zamówienia i krajową infrastrukturę obliczeniową.
Te zasoby wspierają ambitną strategię. Nie eliminują kosztu alternatywnego związanego z przydzielaniem tych samych zasobów do nakładających się programów publicznych.
Podział strategii suwerennej AI Korei Południowej odzwierciedla więc rzeczywisty dylemat polityczny. Seul chce szerokiego krajowego uczestnictwa, ale pragnie też jednego wysiłku zdolnego rzucić wyzwanie znacznie większym laboratoriom.
Istniejący konkurs obiecywał ekosystem, a nie jednego zwycięzcę
Koreański projekt suwerennych modeli AI został zaprojektowany z myślą o rozproszeniu możliwości, podczas gdy program frontier ma je skoncentrować.
Ta różnica stanowi najsilniejszy argument rządu za utrzymaniem obu torów. Pierwszy konkurs może rozwijać wielu dostawców modeli, podczas gdy przedsięwzięcie frontier może realizować jeden wymagający cel.
Suwerenny projekt już zachęcił do kilku podejść technicznych. LG AI Research, SK Telecom i Upstage wnoszą odmienne struktury korporacyjne, cele produktowe i partnerów konsorcjalnych.
LG AI Research łączy rozwój modeli z szeroką grupą przemysłową. Tworzy to potencjalne zastosowania w produkcji, materiałoznawstwie, elektronice i operacjach przedsiębiorstw.
SK Telecom łączy rozwój modeli z infrastrukturą telekomunikacyjną i usługami konsumenckimi. Jego pozycja zapewnia dostęp do dystrybucji, danych operacyjnych i doświadczenia w świadczeniu usług na dużą skalę.
Upstage reprezentuje bardziej wyspecjalizowaną firmę modelową. Jej uczestnictwo daje wyspecjalizowanemu startupowi drogę do programu zdominowanego skądinąd przez duże grupy korporacyjne.
Różnice te są ważne, ponieważ ekosystemy modeli potrzebują czegoś więcej niż liderów benchmarków. Potrzebują systemów gotowych do wdrożenia, narzędzi inferencyjnych, integratorów, danych domenowych, metod oceny i klientów gotowych je testować.
Proces oceny rządu odzwierciedla tę szerszą perspektywę. Drugi etap uwzględniał wyniki benchmarków wraz z ocenami ekspertów, ocenami obywateli, przydatnością przemysłową, efektywnością kosztową i planami ekosystemowymi.
Ten model doprowadził do kontrowersyjnego wyniku. Motif podobno prowadził w jednym zewnętrznym porównaniu benchmarkowym, ale zajął czwarte miejsce w łącznej punktacji rządu.
Ministerstwo opublikowało później szczegółowe wyniki. SK Telecom otrzymał 70,6 punktu, następnie Upstage z 69,9 i LG AI Research z 69,0. Motif otrzymał 65,8.
Te wyniki pokazują, że surowa inteligencja nie była jedynym celem. Na końcowy ranking wpłynęli publiczni ewaluatorzy i panele ekspertów.
Rząd może zasadnie argumentować, że polityka krajowa nie powinna kopiować jednego prywatnego benchmarku. Niezawodność, koreańskie zastosowania, koszty operacyjne i krajowa dyfuzja również mają wartość publiczną.
Ocena ilustruje jednak także nadchodzące zderzenie. Program frontier będzie oceniany przede wszystkim pod kątem możliwości, zwłaszcza jeśli jego celem jest dorównanie wiodącym modelom międzynarodowym.
Szeroka karta wyników dla przemysłu może nagradzać model odpowiadający potrzebom koreańskich wdrożeń. Konkurs frontier będzie faworyzował organizację zdolną zgromadzić największą efektywną koncentrację mocy obliczeniowej, danych i talentów.
Firmy muszą teraz przygotować się na obie definicje sukcesu. Potrzebują praktycznych produktów na potrzeby obecnego konkursu oraz wiarygodnej strategii skalowania na następny.
To obciążenie najmocniej dotknie mniejszych uczestników. Startup nie może tak łatwo jak konglomerat podzielić doświadczonych badaczy między kilka krajowych projektów.
Państwo mogłoby zmniejszyć tę presję, traktując obecnych finalistów jako dostawców dla inicjatywy frontier. Ich modele, zbiory danych, narzędzia ewaluacyjne i zespoły inżynieryjne mogłyby stać się komponentami wielokrotnego użytku.
Urzędnicy podobno rozważają zachęty lub pierwszeństwo dla finalistów, którzy dołączą do nowego programu. Takie podejście mogłoby zachować pewną ciągłość.
Mimo to pierwszeństwo nie jest równoznaczne z gwarantowaną rolą. Firmy muszą wiedzieć, kto będzie właścicielem powstałej własności intelektualnej, jak będą wyceniane wkłady i kto będzie kontrolował późniejszą komercjalizację.
Potrzebują również jasności w sprawie przydziałów mocy obliczeniowej. Obiecana pula GPU ma niewielką wartość, jeśli ten sam sprzęt zostanie przeznaczony na projekt o wyższym priorytecie.
Projekt suwerennego modelu AI, rozpatrywany z tej perspektywy, nie jest jedynie konkursem modeli. To program budowania potencjału, który rozpowszechnia doświadczenie wśród koreańskich organizacji.
Inicjatywa frontier kieruje się inną logiką. Zakłada, że skoncentrowane zasoby mogą szybciej stworzyć system o globalnym znaczeniu niż rozproszone wsparcie.
Obie teorie mogą być słuszne. Niepewność wynika z równoczesnego prowadzenia ich bez opublikowanej granicy między ich nakładami, rezultatami i użytkownikami.
Dwa tory konkurują o te same ograniczone zasoby
Kluczowym kompromisem jest dywersyfikacja kontra koncentracja, a nie krajowa AI kontra zależność od zagranicy.
Zdywersyfikowany program zapewnia Korei kilku dostawców modeli. Zmniejsza to zależność od jednego dostawcy i wspiera systemy dostosowane do różnych branż.
Skoncentrowany program daje jednemu zespołowi więcej mocy obliczeniowej i talentów. Może to zwiększyć jego szanse na osiągnięcie poziomu wydajności niedostępnego dla mniejszych, rozproszonych inicjatyw.
Napięcie staje się wyraźniejsze, ponieważ oba programy korzystają z tego samego krajowego rynku pracy. Korea nie może natychmiast stworzyć kolejnej puli doświadczonych badaczy modeli.
To samo ograniczenie dotyczy wysokiej jakości danych treningowych. Krajowe zbiory danych wymagają gromadzenia, czyszczenia, licencjonowania, filtrowania i zarządzania, zanim będą mogły wesprzeć duże cykle treningowe.
Powielanie tej pracy byłoby marnowaniem pieniędzy. Dzielenie się nią rodzi trudne pytania dotyczące prywatności, własności intelektualnej i przewagi konkurencyjnej.
Przydział mocy obliczeniowej stanowi kolejny problem. Koreański projekt frontier AI zamierza skoncentrować zaawansowane chipy wokół głównego dewelopera.
Obecne zespoły pracujące nad suwerennymi modelami również potrzebują znacznej mocy obliczeniowej do treningu, post-treningu, testów i wdrażania publicznego. Model, który trafia do publikacji, nadal wymaga mocy do inferencji.
Rządowe plany dotyczące usług publicznych zwiększają to zapotrzebowanie. Odrębna inicjatywa AI dla wszystkich ma na celu stworzenie chatbotów ogólnego przeznaczenia i agentów publicznych opartych przede wszystkim na krajowych modelach.
Zgodnie z opublikowanymi wymogami tego programu wybrane usługi muszą wykorzystywać kwalifikujące się krajowe modele w co najmniej połowie użycia modeli. Muszą też korzystać z modeli innych koreańskich deweloperów w co najmniej 30 procentach.
Ministerstwo poinformowało, że w 2026 roku udostępni 512 GPU Nvidia B200, aby wesprzeć wczesne uruchomienie usług. Przewidywało również bezpłatny dostęp bez limitów użytkowania.
Tworzy to konkretny cel dla istniejącego ekosystemu modeli. Koreańskie systemy mogą wspierać usługi dla obywateli, administrację publiczną i wyspecjalizowane narzędzia przemysłowe nawet bez czołowych wyników w globalnych benchmarkach.
Lekki model krajowy może również oferować niższe opóźnienia i koszty operacyjne. Może działać w kontrolowanej chmurze, prywatnym centrum danych, fabryce, szpitalu lub środowisku urządzenia.
Modele frontier służą innym zastosowaniom. Stają się wartościowe, gdy zadanie wymaga najsilniejszych dostępnych zdolności rozumowania, programowania, planowania, analizy multimodalnej lub naukowej.
Choi Kyoung-jin z Gachon University argumentował, że Korea potrzebuje kilku klas modeli. Jego stanowisko rozróżnia systemy frontier od lekkich modeli i modeli specyficznych dla branży.
Argument za takim portfelem jest przekonujący, ale wymaga wyraźnej architektury. Agencje potrzebują zasad kierowania zadań między klasami modeli.
Na przykład agent publiczny mógłby używać mniejszego koreańskiego modelu do rutynowych zapytań. Mógłby zarezerwować system frontier dla trudnego planowania lub złożonej analizy dokumentów.
Producent mógłby wdrożyć model branżowy blisko zastrzeżonych danych. Badacze mogliby uzyskać dostęp do modelu frontier przez kontrolowane krajowe środowisko obliczeniowe.
Bez tych zasad operacyjnych najsilniejszy model przyciągnie większość popytu. Profesor Lee Seong-yeob z Korea University ostrzegł, że instytucje publiczne i firmy będą faworyzować model frontier, jeśli będzie działał lepiej.
Takie zachowanie nie będzie oznaczać porażki polityki po stronie użytkowników. Nabywcy wybierają systemy na podstawie wydajności, kosztów, zgodności, niezawodności i wymogów integracyjnych.
Rząd nie może więc utrzymać dwóch torów wyłącznie za pomocą etykiet. Musi stworzyć odrębne misje i zasady zamówień, które odzwierciedlają mierzalne potrzeby użytkowników.
Musi również unikać bezterminowej ochrony słabszych modeli. Suwerenność staje się kosztowna, gdy instytucje publiczne muszą akceptować słabą wydajność wyłącznie po to, by spełnić cele dotyczące udziału krajowych rozwiązań.
Z drugiej strony wydajność frontier nie powinna przekreślać wartości efektywnych modeli. Wiele rzeczywistych obciążeń nie wymaga największego dostępnego systemu.
Najlepszym scenariuszem jest warstwowy rynek krajowy. Kilka koreańskich modeli obsługuje rutynowe i wyspecjalizowane zadania, podczas gdy system frontier podejmuje najtrudniejsze problemy.
Najgorszym scenariuszem jest powielanie instytucjonalne. Dwa programy trenują podobne modele ogólnego przeznaczenia, konkurują o tych samych badaczy i zabiegają o użytkowników poprzez nakładające się subsydia publiczne.
Budżet jest duży, ale misja pozostaje niejasna
Propozycja frontier ma kwotę finansowania i datę uruchomienia, ale nadal brakuje jej trwałej publicznej definicji sukcesu.
Ogłoszony program o wartości 4,7 biliona wonów stanowi poważne zobowiązanie. Reuters podał, że rząd planuje połączyć państwowe inwestycje kapitałowe z finansowaniem prywatnym.
Propozycja frontier zakłada połączenie chipów, danych i talentów pod kierownictwem wybranego głównego dewelopera. Taka struktura bardziej przypomina konsorcjum przemysłowe niż konwencjonalny grant badawczy.
Koncentracja może przyspieszać podejmowanie decyzji. Może też tworzyć ryzyka w zakresie zarządzania, jeśli jeden uczestnik kontroluje infrastrukturę, kierunek rozwoju modelu i dostęp komercyjny.
Rząd musi określić, co oznacza „frontier”, zanim wybierze dewelopera. W przeciwnym razie zespoły będą optymalizować pod kątem różnych interpretacji.
Jedna definicja mogłaby kłaść nacisk na inteligencję mierzoną benchmarkami. Inna mogłaby priorytetowo traktować odkrycia naukowe, cyberbezpieczeństwo, możliwości w języku koreańskim lub multimodalne systemy przemysłowe.
Te cele wymagają różnych zbiorów danych i ewaluacji. Model zoptymalizowany pod kątem globalnych benchmarków programistycznych może nie stać się najlepszą platformą dla koreańskich usług publicznych.
Harmonogram tworzy kolejne źródło niepewności. Projekt ma rozpocząć się w marcu 2027 roku, ale wydajność frontier zmieni się przed tą datą.
Choi uchwycił ten problem, zauważając, że dzisiejszy frontier różni się od przyszłorocznego. Stały cel porównawczy może stać się przestarzały przed zakończeniem treningu.
Bardziej wiarygodny program wykorzystywałby kamienie milowe zdolności zamiast jednej pozycji w rankingu. Mogłyby one obejmować rozumowanie, niezawodność, efektywność, bezpieczeństwo i wdrożenie.
Znaczenie ma również niezależna ewaluacja. Deweloper nie powinien kontrolować zarówno deklaracji dotyczących modelu, jak i testów wykorzystywanych do uzasadnienia dalszego finansowania.
Kontrowersje wokół punktacji w istniejącym projekcie stanowią ostrzeżenie. Liderzy benchmarków i zwycięzcy ogólnej ewaluacji mogą się różnić, gdy decydenci uwzględniają wartość publiczną obok wyników technicznych.
Taka rozbieżność nie jest automatycznie niewłaściwa. Staje się szkodliwa, gdy sposób ważenia nie ma jasnego związku z deklarowaną misją programu.
Inicjatywa frontier potrzebuje przejrzystych kryteriów przed rozpoczęciem ofert. Uczestnicy powinni wiedzieć, jak rząd będzie oceniać postęp techniczny, dyscyplinę kosztową, otwartość i dostęp publiczny.
Decydenci muszą również wyjaśnić warunki zakończenia. Program krajowy powinien określać, kiedy dalsze skalowanie przestaje oferować rozsądną wartość.
Jest to szczególnie ważne, ponieważ międzynarodowe laboratoria mogą aktualizować modele kilka razy podczas jednego cyklu zamówień publicznych. Korea nie może zakładać, że jeden duży cykl treningowy zapewni trwałą pozycję.
System frontier tworzy również stałe koszty po uruchomieniu. Musi otrzymywać aktualizacje, testy bezpieczeństwa, wsparcie infrastrukturalne i narzędzia dla deweloperów.
Proponowaną kwotę należy więc rozumieć jako zobowiązanie programowe, a nie dowód, że Korea uzyska model o globalnie czołowej pozycji.
Istnieje także ryzyko koncentracji. Wybór jednego głównego dewelopera może ograniczyć powielone wydatki, ale może umieścić zbyt duży wpływ w ramach jednej sieci korporacyjnej.
Konsorcjum może rozproszyć tę kontrolę. Zarządzanie konsorcjum często jednak spowalnia wybory techniczne i komplikuje własność.
Spółka celowa mogłaby zapewnić jaśniejsze zarządzanie. Nadal potrzebowałaby zasad obejmujących prawa do danych, licencje modeli, mobilność badaczy i przychody z dalszych zastosowań.
Rząd nie rozstrzygnął publicznie tych kwestii. Dopóki tego nie zrobi, firmy nie mogą ocenić komercyjnej wartości dołączenia.
Ta niepewność może również zniekształcać obecną konkurencję. Zespoły mogą priorytetowo traktować widoczność przed przetargiem frontier zamiast ulepszać produkty dla obecnych użytkowników.
Nic z tego nie dowodzi, że nowy program powinien zostać wstrzymany. Pokazuje natomiast, dlaczego ogłoszenie finansowania nie może zastąpić projektu technicznego i instytucjonalnego.
Co czeka następnie koreańskich twórców modeli
LG AI Research, SK Telecom i Upstage konkurują teraz o dwa miejsca finalistów, przygotowując się jednocześnie do potencjalnie większego konkursu.
Pierwszym sygnałem będzie ewaluacja trzeciego etapu. Rząd spodziewa się wybrać dwóch finalistów suwerennych modeli w lutym 2027 roku.
Decyzja ta pokaże, czy ministerstwo nadal ceni rozwój ekosystemu, czy coraz bardziej faworyzuje czystą zdolność techniczną. Opublikowane kryteria i szczegółowy rozkład punktów będą równie ważne jak zwycięzcy.
Przejrzysta ewaluacja wzmocniłaby zaufanie do istniejącego programu. Nagła zmiana punktacji sugerowałaby, że agenda frontier już zmieniła jego cel.
Drugim sygnałem będzie decyzja budżetowa na 2027 rok. Parlament musi zatwierdzić finansowanie, zanim koreański projekt frontier AI będzie mógł ruszyć w ogłoszonej skali.
Zatwierdzenie budżetu wzmocniłoby zobowiązanie do dwóch torów. Istotne cięcia lub nowe warunki osłabiłyby założenie, że skoncentrowana inicjatywa frontier zostanie uruchomiona zgodnie z planem.
Ustawodawcy powinni zapytać, jaka część finansowania wspiera trening, infrastrukturę, działalność operacyjną i komercjalizację. Powinni również zbadać, czy zasoby obiecane już gdzie indziej nie są liczone podwójnie.
Trzecim sygnałem będzie projekt przetargu. Zasady kwalifikowalności określą, czy obecni finaliści suwerennych modeli otrzymają znaczącą przewagę.
Przetarg faworyzujący jedną dużą firmę sygnalizowałby zwrot ku koncentracji. Wymóg konsorcjum mógłby zachować szersze uczestnictwo, lecz wprowadzić wolniejsze zarządzanie.
Sposób traktowania istniejących modeli będzie szczególnie wymowny. Ich ponowne wykorzystanie połączyłoby projekty i chroniło wcześniejsze inwestycje publiczne.
Rozpoczęcie od zera sugerowałoby, że urzędnicy nie postrzegają już istniejących modeli jako wiarygodnej bazy technicznej. Zwiększyłoby również ryzyko powielania.
Zespoły będą uważnie obserwować zapisy dotyczące własności intelektualnej. Muszą zrozumieć, czy wkłady pozostają ich własnością, stają się wspólnymi aktywami, czy przechodzą na podmiot krajowy.
Deweloperzy i nabywcy korporacyjni powinni obserwować dowody wdrożenia, a nie rankingi promocyjne. Najmocniejszy dowód będzie pochodzić z systemów działających niezawodnie w rzeczywistych organizacjach.
Agenci publiczni oferują jeden test. Wdrożenia przemysłowe w produkcji, logistyce, telekomunikacji i badaniach oferują kolejne.
Dane dotyczące wdrożeń powinny odróżniać testy od trwałego wykorzystania. Subsydiowany pilotaż nie dowodzi, że model jest ekonomiczny lub niezawodny na dużą skalę.
Korea powinna również publikować porównywalne wskaźniki operacyjne. Opóźnienia, koszt inferencji, dostępność, incydenty bezpieczeństwa i wskaźniki realizacji zadań mogą ujawnić wartość ukrytą przez szerokie benchmarki.
Dla trzech pozostałych zespołów zbliżają się strategiczne wybory. Każdy z nich musi zdecydować, czy bronić niezależnej platformy, dołączyć do konsorcjum, czy realizować obie ścieżki.
LG może połączyć swój model z zastosowaniami przemysłowymi w całej grupie kapitałowej. SK Telecom może wykorzystać dystrybucję konsumencką i infrastrukturę sieciową. Upstage może podkreślać specjalizację i koncentrację na modelach.
Te przewagi będą miały znaczenie tylko wtedy, gdy rząd określi, w jaki sposób krajowe wdrożenia wspierają misję rozwoju technologii granicznych.
Prawdziwym testem jest to, czy dwie ścieżki przyniosą dwa odrębne rezultaty
Korea Południowa nie musi wybierać między suwerennością a wynikami na światowym poziomie, ale musi przestać traktować je jako cele wymienne.
Obecny program już stworzył wartość. Skłonił koreańskie firmy do trenowania modeli, publikowania wyników technicznych, budowania partnerstw i konkurowania w ramach wspólnych ewaluacji.
Nowy program odpowiada na inną obawę. Korea nie chce, aby globalne możliwości modeli rozwijały się poza zasięgiem jej krajowych instytucji.
Utrzymanie obu ścieżek może zadziałać, jeśli pierwsza stanie się platformą wdrożeń i specjalizacji. Druga musi wówczas koncentrować się na możliwościach, których istniejące modele nie potrafią zapewnić w sposób ekonomicznie uzasadniony.
Ten podział powinien być widoczny w budżetach, zbiorach danych, przydziałach mocy obliczeniowej, ewaluacjach i zasadach zamówień. Ustne rozróżnienie nie przetrwa rywalizacji o ograniczone zasoby.
Rząd powinien również pozwolić programom współdzielić infrastrukturę, nie wymuszając identycznych modeli. Wspólne systemy ewaluacji i bezpieczne usługi danych mogłyby ograniczyć dublowanie działań.
Twórca modelu granicznego mógłby udostępniać możliwości krajowym zespołom rozwijającym modele za pośrednictwem kontrolowanych interfejsów. Mniejsze modele mogłyby obsługiwać rutynowe obciążenia i eskalować trudne zadania.
Taki układ zachowałby wielu dostawców, jednocześnie koncentrując najdroższe badania. Zapewniłby też instytucjom publicznym alternatywy, gdy jeden system zawiedzie.
Strategia straci jednak wiarygodność, jeśli oba programy będą trenować podobne systemy ogólnego przeznaczenia dla tych samych odbiorców. Firmy podążą za większym budżetem, a pierwotni finaliści staną się wykonawcami wspierającymi.
Taki rezultat przekształciłby konkurs na suwerenną AI w kosztowną rundę kwalifikacyjną do projektu ogłoszonego później.
Strategia Korei Południowej dotycząca suwerennej AI potrzebuje teraz publicznej architektury, a nie kolejnego hasła. Jej powodzenie zależy od określenia, które modele służą którym użytkownikom i kto kontroluje wynikające z nich możliwości.
Odpowiedź przyniosą trzy najbliższe decyzje: wybór finalistów w lutym, finansowanie parlamentarne oraz przetarg dotyczący technologii granicznych.
Twórcy, nabywcy korporacyjni i badacze powinni oceniać te decyzje łącznie. Czy zachowują one kilka użytecznych krajowych modeli, jednocześnie koncentrując wyłącznie najtrudniejsze badania?
Jeśli tak, dwutorowa polityka Korei może stać się portfelem, a nie dublowaniem działań. Jeśli nie, program dotyczący technologii granicznych po cichu zastąpi konkurencję, która stworzyła jego punkt wyjścia.
