Estratégia de IA Soberana da Coreia do Sul se Divide em Duas Frentes, Colocando em Dúvida Sua Competição de Modelos

A estratégia de IA soberana da Coreia do Sul agora enfrenta uma divisão custosa. Seul planeja um programa de fronteira de 4,7 trilhões de won, enquanto sua atual competição de modelos permanece inacabada.

O governo afirma que os dois programas terão finalidades distintas. Ainda assim, ambos exigem chips, dados, pesquisadores e financiamento público escassos. Ambos também buscam modelos capazes de competir perto da fronteira global.

Essa sobreposição coloca LG AI Research, SK Telecom e Upstage em uma posição delicada. Elas passaram mais de um ano competindo para se tornar campeãs nacionais de modelos. Agora, precisam considerar se a próxima competição terá mais peso do que aquela que ainda tentam vencer.

A disputa vai além de uma briga por orçamento. Ela testa se a IA soberana deve priorizar liderança técnica ou implantação doméstica confiável. A Coreia quer ambos, mas não separou claramente as missões.

A Coreia Criou uma Segunda Corrida Antes de Concluir a Primeira

A mudança imediata não é o cancelamento do programa de modelos existente na Coreia. É a criação de uma corrida maior ao seu lado.

O Ministério da Ciência e TIC planeja iniciar um programa de IA de fronteira em março de 2027. O programa concentraria recursos públicos e privados em um modelo destinado a competir com os principais sistemas internacionais.

Segundo o plano divulgado pelo governo, a participação poderá incluir empresas individuais, consórcios, universidades, startups, pesquisadores ou uma entidade de propósito específico. Um processo competitivo selecionará um desenvolvedor líder.

O orçamento proposto totaliza 4,7 trilhões de won. O Parlamento precisa primeiro aprovar o financiamento relevante para 2027, com uma decisão esperada durante o processo orçamentário nacional em dezembro.

O governo poderá selecionar o desenvolvedor líder já em fevereiro de 2027. Isso colocaria a seleção imediatamente antes do lançamento previsto para março.

Enquanto isso, o atual projeto de modelos fundacionais de IA soberana continuará. Espera-se que sua terceira avaliação reduza o grupo restante de três equipes para dois finalistas em fevereiro.

Essas três equipes são LG AI Research, SK Telecom e Upstage. Elas avançaram depois que o governo anunciou seus resultados da segunda fase em agosto de 2026.

Os cronogramas simultâneos importam. A Coreia escolherá dois vencedores em uma competição enquanto possivelmente seleciona outra organização líder para um programa mais ambicioso.

Essa sequência cria incerteza imediata sobre o status. Uma empresa pode se tornar finalista na competição de modelos soberanos, mas perder influência sobre o maior esforço de IA de fronteira do país.

O primeiro programa começou com cinco equipes selecionadas. O grupo original incluía Naver Cloud, Upstage, SK Telecom, NC AI e LG AI Research.

O governo escolheu essas equipes após reduzir 15 candidatos a 10 para apresentações. Sua seleção inicial estabeleceu uma competição em etapas projetada para fortalecer o ecossistema doméstico de modelos da Coreia.

Naver Cloud e NC AI deixaram posteriormente a competição. Motif Technologies entrou por meio de um processo adicional de seleção, mas não sobreviveu à avaliação da segunda etapa.

As equipes restantes já treinaram modelos, liberaram pesos, estabeleceram consórcios e construíram relações com infraestrutura doméstica. Esses investimentos não podem simplesmente migrar entre programas sem consequências contratuais e técnicas.

O ministro da Ciência, Bae Kyung-hoon, rejeitou sugestões de que o primeiro projeto esteja sendo abandonado. Ele afirma que o projeto continuará desenvolvendo modelos para adoção industrial e pelo setor público.

Sua distinção parece simples. O projeto existente apoiaria a implantação nacional, enquanto o novo programa buscaria capacidades de fronteira e problemas científicos ou de segurança complexos.

No entanto, um modelo de fronteira também é um modelo fundacional. Se ele se tornar o sistema doméstico mais capaz da Coreia, órgãos públicos e empresas naturalmente perguntarão por que deveriam usar uma alternativa mais fraca.

Esse é o conflito no centro do plano de duas frentes. O governo mantém viva sua competição original enquanto redefine o prêmio que inicialmente a justificava.

Por Que a Estratégia de IA Soberana da Coreia do Sul se Divide Agora

O avanço global dos modelos foi mais rápido do que a referência de política pública, enfraquecendo a definição original de sucesso.

O primeiro programa da Coreia teria como meta aproximadamente 95% do desempenho alcançado pelos principais modelos globais. Esse objetivo oferecia um destino mensurável quando a competição começou.

O problema é que o desempenho de fronteira não permanece fixo. Um modelo pode se aproximar do líder de ontem enquanto fica ainda mais atrás dos sistemas mais recentes.

Autoridades coreanas agora reconhecem que o cenário competitivo mudou. Desenvolvedores internacionais maiores continuam aprimorando raciocínio, programação, processamento multimodal, uso de ferramentas e desempenho em contextos longos.

Esse movimento torna instável uma meta percentual. Alcançar 95% depende de qual modelo, benchmark, tarefa e data de lançamento definem a comparação.

O governo, portanto, enfrenta dois riscos opostos. Pode preservar a estrutura original e aceitar uma lacuna crescente de capacidades. Alternativamente, pode redirecionar recursos e enfraquecer a confiança em seus compromissos existentes.

O novo projeto coreano de IA de fronteira representa a segunda resposta. Ele concentra chips, dados, pesquisadores e investimentos em uma tentativa mais ambiciosa de liderança técnica.

O governo também conecta o programa de fronteira a desafios científicos e ameaças de cibersegurança. Essas missões exigem mais do que fluência conversacional ou forte desempenho em língua coreana.

Modelos científicos precisam lidar com dados especializados, raciocínio complexo e validação com base em evidências do domínio. Sistemas de cibersegurança precisam operar sob controles rigorosos de acesso, avaliação e implantação.

No entanto, esses requisitos não justificam automaticamente a construção de um modelo de fronteira de uso geral do zero. Modelos especializados, sistemas de recuperação e ferramentas controladas podem resolver muitas tarefas de domínio.

Essa distinção importa porque o desenvolvimento geral na fronteira consome recursos extraordinários. O treinamento é apenas uma despesa. Avaliação contínua, pós-treinamento, testes de segurança, infraestrutura de inferência e atualizações de modelos geram demandas recorrentes.

A Coreia tem vários motivos para aceitar essas demandas. A capacidade doméstica de modelos pode reduzir a dependência de plataformas estrangeiras, preservar o controle sobre dados sensíveis e apoiar instituições coreanas.

Ela também pode fortalecer o poder de negociação. Um país com modelos, infraestrutura e pesquisadores confiáveis negocia com provedores globais a partir de uma posição mais forte.

Ainda assim, soberania não exige isolamento. Ela pode descrever controle sobre dados, infraestrutura, compras, implantação ou adaptação de modelos sem exigir que um sistema nacional lidere todos os benchmarks.

Um plano econômico publicado pela OpenAI defendeu a combinação de controle doméstico em domínios estratégicos com parcerias internacionais em outras áreas. Essa recomendação atende aos interesses da OpenAI, mas a distinção de política pública permanece relevante.

O desafio da Coreia é decidir quais capacidades devem permanecer domésticas. Também precisa determinar onde o acesso a sistemas internacionais oferece melhor valor.

O país não parte sem ativos. Possui grandes empresas de semicondutores, provedores de nuvem, grupos de telecomunicações, desenvolvedores de software, universidades e um setor ativo de startups de IA.

Seu governo também planeja uma expansão substancial de capacidade computacional. O plano de trabalho do ministério da Ciência para 2026 tinha como meta um total acumulado de 37.000 GPUs por meio de aquisições e infraestrutura nacional de computação.

Esses ativos sustentam uma estratégia ambiciosa. Eles não eliminam o custo de oportunidade de destinar os mesmos recursos a programas públicos sobrepostos.

A divisão da estratégia de IA soberana da Coreia do Sul, portanto, reflete um dilema político real. Seul quer ampla participação doméstica, mas também deseja um esforço capaz de desafiar laboratórios muito maiores.

A Competição Existente Prometia um Ecossistema, Não um Único Vencedor

O projeto coreano de modelos de IA soberana foi concebido para distribuir capacidade, enquanto o programa de fronteira foi concebido para concentrá-la.

Essa diferença oferece ao governo seu argumento mais forte para manter ambas as frentes. A primeira competição pode cultivar múltiplos provedores de modelos, enquanto o esforço de fronteira pode perseguir um único objetivo exigente.

O projeto soberano já incentivou várias abordagens técnicas. LG AI Research, SK Telecom e Upstage trazem diferentes estruturas corporativas, objetivos de produto e parceiros de consórcio.

LG AI Research conecta o desenvolvimento de modelos a um amplo grupo industrial. Isso cria aplicações potenciais em manufatura, materiais, eletrônicos e operações empresariais.

SK Telecom combina desenvolvimento de modelos com infraestrutura de telecomunicações e serviços ao consumidor. Sua posição oferece acesso à distribuição, dados operacionais e experiência com serviços em larga escala.

Upstage representa uma empresa de modelos mais focada. Sua participação oferece a uma startup especializada uma rota para um programa que, de outra forma, seria dominado por grandes grupos corporativos.

Essas diferenças importam porque ecossistemas de modelos precisam de mais do que líderes em benchmarks. Precisam de sistemas implantáveis, ferramentas de inferência, integradores, dados de domínio, métodos de avaliação e clientes dispostos a testá-los.

O processo de avaliação do governo reflete essa visão mais ampla. A segunda etapa considerou o desempenho em benchmarks juntamente com análises de especialistas, avaliações de cidadãos, aplicabilidade industrial, relação custo-benefício e planos para o ecossistema.

Esse desenho produziu um resultado controverso. A Motif teria liderado uma comparação de benchmark externo, mas terminou em quarto lugar na pontuação combinada do governo.

O ministério posteriormente publicou resultados detalhados. A SK Telecom recebeu 70,6 pontos, seguida pela Upstage com 69,9 e pela LG AI Research com 69,0. A Motif recebeu 65,8.

Essas pontuações mostram que inteligência bruta não era o único objetivo. Avaliadores públicos e painéis de especialistas influenciaram a classificação final.

O governo pode argumentar razoavelmente que a política nacional não deve copiar um único benchmark privado. Confiabilidade, casos de uso coreanos, custo operacional e difusão doméstica também têm valor público.

No entanto, a avaliação também ilustra a colisão que se aproxima. Um programa de fronteira será julgado principalmente pela capacidade, especialmente se seu propósito for igualar os principais modelos internacionais.

Um quadro de avaliação industrial amplo pode recompensar um modelo que atende às necessidades de implantação da Coreia. Uma competição de fronteira favorecerá a organização capaz de reunir a maior concentração efetiva de computação, dados e talento.

As empresas agora precisam se preparar para ambas as definições de sucesso. Elas precisam de produtos práticos para a competição atual e de uma estratégia de escala crível para a próxima.

Esse peso recairá com mais força sobre participantes menores. Uma startup não consegue dividir pesquisadores seniores entre vários projetos nacionais com a mesma facilidade que um conglomerado.

O Estado poderia reduzir essa pressão ao tratar os finalistas existentes como fornecedores do esforço de fronteira. Seus modelos, conjuntos de dados, ferramentas de avaliação e equipes de engenharia poderiam se tornar componentes reutilizáveis.

Segundo relatos, autoridades consideram incentivos ou prioridade para os finalistas que aderirem ao novo programa. Essa abordagem poderia preservar parte da continuidade.

Ainda assim, prioridade não é o mesmo que um papel garantido. As empresas precisam saber quem deterá a propriedade intelectual resultante, como as contribuições serão valorizadas e quem controlará a comercialização posterior.

Elas também precisam de clareza sobre as alocações de capacidade computacional. Um conjunto prometido de GPUs tem pouco valor se o mesmo hardware acabar comprometido com um projeto de maior visibilidade.

Visto por essa lente, o projeto de modelo de IA soberana não é meramente uma competição entre modelos. É um programa de desenvolvimento de capacidades que distribui experiência entre organizações coreanas.

A iniciativa de fronteira segue uma lógica diferente. Ela pressupõe que recursos concentrados podem produzir mais rapidamente um sistema globalmente relevante do que o apoio distribuído.

Ambas as teorias podem ser válidas. A incerteza decorre de executá-las simultaneamente sem uma fronteira publicada entre seus insumos, resultados e usuários.

Duas Frentes Competem pelos Mesmos Recursos Escassos

A principal escolha envolve diversificação versus concentração, e não IA doméstica versus dependência estrangeira.

Um programa diversificado oferece à Coreia vários fornecedores de modelos. Isso reduz a dependência de um único fornecedor e apoia sistemas adaptados a diferentes setores.

Um programa concentrado oferece a uma equipe mais capacidade computacional e talento. Isso pode aumentar suas chances de atingir níveis de desempenho inacessíveis a esforços menores e fragmentados.

A tensão se torna mais aguda porque ambos os programas recorrem ao mesmo mercado nacional de trabalho. A Coreia não pode criar instantaneamente outro grupo de pesquisadores experientes em modelos.

A mesma restrição se aplica a dados de treinamento de alta qualidade. Conjuntos de dados domésticos exigem coleta, limpeza, licenciamento, filtragem e governança antes de poderem sustentar grandes ciclos de treinamento.

Duplicar esse trabalho desperdiçaria dinheiro. Compartilhá-lo cria questões difíceis sobre privacidade, propriedade intelectual e vantagem competitiva.

A alocação de capacidade computacional apresenta outro problema. O projeto coreano de IA de fronteira pretende concentrar chips avançados sob o desenvolvedor líder.

As equipes soberanas existentes também precisam de capacidade computacional substancial para treinamento, pós-treinamento, testes e implantação pública. Um modelo que chega ao lançamento ainda exige capacidade de inferência.

Os planos governamentais para serviços públicos ampliam essa demanda. Sua iniciativa separada AI for All busca chatbots de uso geral e agentes públicos criados principalmente com modelos domésticos.

Segundo os requisitos publicados pelo programa, os serviços selecionados devem usar modelos domésticos qualificados em pelo menos metade de seu uso de modelos. Eles também devem usar modelos de outros desenvolvedores coreanos em pelo menos 30%.

O ministério afirmou que forneceria 512 GPUs Nvidia B200 durante 2026 para apoiar o lançamento inicial dos serviços. Também previu acesso gratuito sem limites de uso.

Isso cria uma finalidade concreta para o ecossistema de modelos existente. Sistemas coreanos podem dar suporte a serviços para cidadãos, administração pública e ferramentas industriais especializadas, mesmo sem liderar os benchmarks globais.

Um modelo doméstico leve também pode oferecer menor latência e custos operacionais. Ele pode funcionar em uma nuvem controlada, data center privado, fábrica, hospital ou ambiente de dispositivo.

Modelos de fronteira atendem a casos diferentes. Tornam-se valiosos quando uma tarefa exige o raciocínio, programação, planejamento, análise multimodal ou capacidade científica mais avançados disponíveis.

Choi Kyoung-jin, da Gachon University, argumentou que a Coreia precisa de várias classes de modelos. Seu ponto separa sistemas de fronteira de modelos leves e específicos para cada setor.

Esse argumento de portfólio é persuasivo, mas exige uma arquitetura explícita. As agências precisam de regras para direcionar tarefas entre classes de modelos.

Por exemplo, um agente público poderia usar um modelo coreano menor para solicitações rotineiras. Poderia reservar um sistema de fronteira para planejamentos difíceis ou análises complexas de documentos.

Um fabricante poderia implantar um modelo setorial próximo a dados proprietários. Pesquisadores poderiam acessar o modelo de fronteira por meio de um ambiente nacional de computação controlado.

Sem essas regras operacionais, o modelo mais forte atrairá a maior parte da demanda. O professor Lee Seong-yeob, da Korea University, alertou que instituições públicas e empresas favoreceriam o modelo de fronteira se ele tiver melhor desempenho.

Esse comportamento não representaria uma falha de política por parte dos usuários. Compradores escolhem sistemas com base em desempenho, custo, conformidade, confiabilidade e requisitos de integração.

Portanto, o governo não pode preservar duas frentes apenas por meio de rótulos. Deve criar missões e regras de aquisição separadas que reflitam necessidades mensuráveis dos usuários.

Também deve evitar proteger indefinidamente modelos mais fracos. A soberania se torna cara quando instituições públicas precisam aceitar baixo desempenho apenas para cumprir metas de conteúdo doméstico.

Por outro lado, o desempenho de fronteira não deve eliminar o valor de modelos eficientes. Muitas cargas de trabalho reais não exigem o maior sistema disponível.

O melhor cenário é um mercado doméstico em camadas. Vários modelos coreanos lidam com tarefas rotineiras e especializadas, enquanto um sistema de fronteira enfrenta os problemas mais difíceis.

O pior cenário é a duplicação institucional. Dois programas treinam modelos gerais semelhantes, competem pelos mesmos pesquisadores e buscam usuários por meio de subsídios públicos sobrepostos.

O Orçamento É Grande, mas a Missão Continua Vaga

A proposta de fronteira tem um valor de financiamento e uma data de lançamento, mas ainda carece de uma definição pública duradoura de sucesso.

O programa anunciado de 4,7 trilhões de won representa um grande compromisso. A Reuters informou que o governo planeja combinar investimento estatal em participação acionária com financiamento privado.

A proposta de fronteira reuniria chips, dados e talento sob o desenvolvedor líder selecionado. Essa estrutura se assemelha mais a um consórcio industrial do que a uma bolsa convencional de pesquisa.

A concentração pode acelerar decisões. Também pode criar riscos de governança caso um participante controle a infraestrutura, a direção do modelo e o acesso comercial.

O governo precisa especificar o que “fronteira” significa antes de selecionar um desenvolvedor. Caso contrário, as equipes otimizarão para interpretações diferentes.

Uma definição poderia enfatizar inteligência em benchmarks. Outra poderia priorizar descoberta científica, cibersegurança, capacidade em língua coreana ou sistemas industriais multimodais.

Esses objetivos exigem conjuntos de dados e avaliações diferentes. Um modelo otimizado para benchmarks globais de programação pode não se tornar a melhor plataforma para serviços públicos coreanos.

O cronograma cria outra fonte de incerteza. O projeto está programado para começar em março de 2027, mas o desempenho de fronteira mudará até lá.

Choi captou esse problema ao observar que a fronteira de hoje é diferente da do próximo ano. Um alvo fixo de comparação pode se tornar obsoleto antes do fim do treinamento.

Um programa mais crível usaria marcos de capacidade em vez de uma única posição em um ranking. Esses marcos poderiam abranger raciocínio, confiabilidade, eficiência, segurança e implantação.

A avaliação independente também importa. O desenvolvedor não deveria controlar simultaneamente as alegações sobre o modelo e os testes usados para justificar a continuidade do financiamento.

A controvérsia sobre a pontuação do projeto existente oferece um alerta. Líderes em benchmarks e vencedores da avaliação geral podem diferir quando formuladores de políticas ponderam o valor público ao lado do desempenho técnico.

Essa divergência não é automaticamente inadequada. Torna-se prejudicial quando a ponderação não tem uma conexão clara com a missão declarada do programa.

O esforço de fronteira precisa de critérios transparentes antes do início das propostas. Os participantes devem saber como o governo avaliará o progresso técnico, a disciplina de custos, a abertura e o acesso público.

Os formuladores de políticas também devem explicar as condições de saída. Um programa nacional deve definir quando a expansão contínua deixa de oferecer valor razoável.

Isso é especialmente importante porque laboratórios internacionais podem atualizar modelos várias vezes durante um único ciclo de compras governamentais. A Coreia não pode presumir que um grande ciclo de treinamento garantirá uma posição duradoura.

Um sistema de fronteira também gera custos recorrentes após o lançamento. Ele precisa receber atualizações, testes de segurança, suporte de infraestrutura e ferramentas para desenvolvedores.

Portanto, o valor proposto deve ser entendido como um compromisso de programa, não como prova de que a Coreia obterá um modelo líder global.

Há também um risco de concentração. Selecionar um único desenvolvedor líder pode reduzir gastos duplicados, mas pode colocar influência demais dentro de uma única rede corporativa.

Um consórcio pode distribuir esse controle. Ainda assim, a governança de consórcios frequentemente desacelera escolhas técnicas e complica a propriedade.

Uma entidade de propósito específico poderia oferecer gestão mais clara. Ainda precisaria de regras que abranjam direitos sobre dados, licenças de modelos, mobilidade de pesquisadores e receitas posteriores.

O governo não resolveu publicamente essas questões. Até que o faça, as empresas não poderão avaliar o valor comercial de participar.

Essa incerteza também pode distorcer a competição atual. As equipes poderiam priorizar visibilidade antes da licitação de fronteira em vez de aprimorar produtos para usuários existentes.

Nada disso prova que o novo programa deva parar. Mostra por que um anúncio de financiamento não pode substituir o desenho técnico e institucional.

O Que os Criadores de Modelos da Coreia Enfrentam a Seguir

LG AI Research, SK Telecom e Upstage agora competem por duas posições de finalistas enquanto se preparam para uma disputa potencialmente maior.

O primeiro sinal será a avaliação da terceira fase. O governo espera escolher dois finalistas de modelos soberanos em fevereiro de 2027.

Essa decisão revelará se o ministério ainda valoriza a expansão do ecossistema ou se favorece cada vez mais a capacidade bruta. Os critérios publicados e a divisão de pontuação importarão tanto quanto os vencedores.

Uma avaliação transparente fortaleceria a confiança no programa existente. Uma mudança repentina na pontuação sugeriria que a agenda de fronteira já alterou seu propósito.

O segundo sinal será a decisão orçamentária de 2027. O Parlamento deve autorizar o financiamento antes que o projeto coreano de IA de fronteira possa avançar na escala anunciada.

A aprovação do orçamento reforçaria o compromisso com as duas frentes. Reduções materiais ou novas condições enfraqueceriam a suposição de que um esforço concentrado de fronteira será lançado conforme planejado.

Os legisladores devem perguntar quanto financiamento apoia treinamento, infraestrutura, operações e comercialização. Também devem examinar se recursos já prometidos em outros lugares estão sendo contabilizados duas vezes.

O terceiro sinal será o desenho da licitação. As regras de elegibilidade determinarão se os atuais finalistas soberanos receberão uma vantagem significativa.

Uma licitação que favoreça uma grande empresa sinalizaria uma guinada em direção à concentração. Uma exigência de consórcio poderia preservar uma participação mais ampla, mas introduzir uma governança mais lenta.

O tratamento dos modelos existentes será especialmente revelador. Reutilizá-los conectaria os projetos e protegeria o investimento público anterior.

Começar do zero sugeriria que as autoridades já não veem os modelos existentes como uma base técnica crível. Isso também aumentaria os riscos de duplicação.

As equipes acompanharão de perto as disposições sobre propriedade intelectual. Precisam entender se suas contribuições permanecerão delas, se tornarão ativos compartilhados ou serão transferidas para uma entidade nacional.

Desenvolvedores e compradores empresariais devem observar evidências de implantação em vez de rankings promocionais. A prova mais forte virá de sistemas que operam de forma confiável em organizações reais.

Agentes públicos oferecem um teste. Implantações industriais em manufatura, logística, telecomunicações e pesquisa oferecem outros.

Os dados de adoção devem distinguir testes de uso sustentado. Um projeto-piloto subsidiado não prova que um modelo seja econômico ou confiável em escala.

A Coreia também deveria publicar métricas operacionais comparáveis. Latência, custo de inferência, disponibilidade, incidentes de segurança e taxas de conclusão de tarefas podem revelar valor oculto por benchmarks amplos.

Para as três equipes restantes, escolhas estratégicas se aproximam. Cada uma deve decidir se defende sua plataforma independente, adere a um consórcio ou segue ambas as rotas.

A LG pode conectar seu modelo a aplicações industriais em todo o seu grupo corporativo. A SK Telecom pode usar a distribuição para consumidores e a infraestrutura de rede. A Upstage pode enfatizar especialização e foco no modelo.

Essas vantagens só importarão se o governo definir como a adoção doméstica contribui para a missão de vanguarda.

O Verdadeiro Teste É Se Duas Frentes Produzem Dois Resultados Distintos

A Coreia do Sul não precisa escolher entre soberania e desempenho de vanguarda, mas deve deixar de tratá-los como objetivos intercambiáveis.

O programa existente já criou valor. Ele levou empresas coreanas a treinar modelos, publicar resultados técnicos, reunir parceiros e competir sob avaliações compartilhadas.

O novo programa responde a um receio diferente. A Coreia não quer que as capacidades globais de modelos avancem além do alcance de suas instituições nacionais.

Manter ambas as frentes pode funcionar se a primeira se tornar uma plataforma de adoção e especialização. A segunda deve então concentrar-se em capacidades que os modelos existentes não conseguem oferecer de forma econômica.

Essa divisão deve aparecer nos orçamentos, conjuntos de dados, alocações de computação, avaliações e regras de contratação. Uma distinção verbal não sobreviverá à competição por recursos escassos.

O governo também deveria permitir que os programas compartilhassem infraestrutura sem impor modelos idênticos. Sistemas comuns de avaliação e serviços seguros de dados poderiam reduzir duplicações.

O desenvolvedor de vanguarda poderia disponibilizar capacidades às equipes domésticas de modelos por meio de interfaces controladas. Modelos menores poderiam lidar com cargas de trabalho rotineiras e escalar tarefas difíceis.

Tal arranjo preservaria múltiplos fornecedores enquanto concentraria a pesquisa mais cara. Também daria às agências públicas alternativas quando um sistema falhar.

No entanto, a estratégia perderá credibilidade se ambos os programas treinarem sistemas de propósito geral semelhantes para os mesmos compradores. As empresas seguirão o maior orçamento, e os finalistas originais se tornarão contratados de apoio.

Esse resultado transformaria a competição soberana em uma cara rodada de qualificação para um projeto anunciado posteriormente.

A estratégia de IA soberana da Coreia do Sul agora precisa de uma arquitetura pública, não de outro slogan. Seu sucesso depende de definir quais modelos atendem quais usuários e quem controla as capacidades resultantes.

As próximas três decisões fornecerão a resposta: a seleção dos finalistas em fevereiro, o financiamento parlamentar e a licitação de vanguarda.

Desenvolvedores, compradores empresariais e pesquisadores devem avaliar essas decisões em conjunto. Elas preservam vários modelos domésticos úteis enquanto concentram apenas a pesquisa mais difícil?

Se a resposta for sim, a política de duas frentes da Coreia poderá se tornar um portfólio, em vez de uma duplicação. Caso contrário, o programa de vanguarda substituirá discretamente a competição que construiu seu ponto de partida.