韩国前沿 AI 投资将 4.7 万亿韩元集中押注于一个国家级模型

韩国计划向一项前沿 AI 项目投入 4.7 万亿韩元，以对单一具备全球竞争力的模型进行集中式国家押注，取代分散支持模式。这项韩国前沿 AI 投资将纳入科学部拟议的 2027 年 AI 预算。不过，官员承认该项目的最终架构尚未确定。

该提案表明，首尔希望参与竞争的方式将发生显著变化。其现有的主权 AI 计划将算力资源、数据和人才支持分配给多个国内团队。新计划则会将这些要素集中到一家独立的前沿 AI 公司或联盟中。

这一选择构成了核心张力。集中资源能让模型开发者获得挑战 Anthropic、OpenAI、Google 和中国领先实验室所需的规模；但在政府尚未披露所有权规则、访问条款或可衡量交付里程碑之前，它也集中了承担技术、财务和治理风险。

4.7 万亿韩元计划改变韩国的 AI 战略

首尔不再将前沿模型研发视为多个受支持团队之间的竞争，而是在筹备一个规模更大、集中程度更高的平台。

韩国科学技术信息通信部计划向一个旨在开发本土前沿 AI 模型的项目投资 4.7 万亿韩元。前沿模型是指在当前可用 AI 能力中处于最高水平附近的通用系统。

根据最初的融资计划，该部预计将为项目设立独立基金。这笔资金被列入其更广泛的 2027 年预算申请中，但议员仍须审议该提案。

该部申请的 2027 年总支出为 29.6 万亿韩元。其中 AI 预算达 9.4 万亿韩元，较本年度相应预算增加 84%。

这意味着，前沿计划将吸收拟议 AI 预算的大约一半。它并非又一个小型资助计划或有限的算力补贴，而是一次国家级尝试，旨在为单一模型开发项目整合足够的资本与基础设施。

政府官方的2027 年 AI 预算将先进计算、训练数据和前沿级本土模型列为重点优先事项。预算还涵盖 AI 数据中心、具身 AI、半导体、网络安全、公共服务和大学项目。

公开细节仍不完整。一名科学部官员向 Yonhap 表示，具体安排尚未确定。政府尚未公布公司的参与方、董事会结构、模型许可方式或发布时间表。

韩国其他报道披露了一种可能的融资结构。据报道，企划预算部将从未来应对基金向科学部划拨资金，随后科学部将把这笔资本交由国有的 Korea Development Bank 管理。

该银行将通过一家新成立的前沿 AI 公司发行的可转换债券进行投资。可转换债券起初为债务，但可在约定条件下转为股权。若项目发展为具有商业价值的公司，这一结构将为国家提供获得所有权的途径。

据报道，私人联盟成员将提供配套投资和贷款。因此，公司最终可获得的资本可能超过政府的初始承诺。这一结果取决于投资者参与情况以及公共融资附带的条款。

拟议支出将重点投向计算基础设施。报道称，政府希望获得约 10,000 枚 Nvidia Vera Rubin GPU，以及训练数据和专业人员。

Vera Rubin 是 Nvidia 面向大规模模型训练和推理的最新一体化计算平台。它将 Rubin GPU、Vera CPU、网络、存储和数据处理组件整合进高度互联的系统中。

Nvidia 表示，Rubin 平台支持预训练、后训练、测试时计算和基于智能体的推理。但仅拥有加速器并不能产出前沿模型。运营方还必须协调网络、存储、电力、散热、数据管线、分布式训练、评估和故障恢复。

因此，这项提案不仅仅是采购硬件。韩国正在考虑设立一个专门机构，使这些资源在统一运营计划下运作。模型项目将拥有公司主体、融资结构、集中式基础设施和招募而来的研究团队。

这一制度转变引出了本文真正的问题。首尔已经证明自己能够支持多家有实力的国内 AI 开发商。如今，它需要证明，集中公共资源能够弥合剩余的能力差距，同时不削弱更广泛的市场。

韩国为何此时需要前沿 AI 模型

政府将对外国前沿模型的依赖视为经济和地缘政治风险，而不只是采购软件的决定。

科学技术信息通信部长裴庆勋多次表示，韩国需要能够在全球最高水平竞争的模型。他担心，没有此类模型的国家会在关键数字基础设施方面依赖外国供应商。

这种依赖包含多个层面。外国公司控制模型访问、使用政策、技术接口和升级节奏。随着商业和地缘政治条件变化，它们可以改变可用性或产品条款。

一个国家仍然可以在外国模型之上开发有价值的应用。韩国公司已经在编程、内容生成、客户服务和办公自动化中使用全球系统。战略问题在于，当底层模型仍由外部掌控时，仅有应用层专业能力是否足以提供充分控制权。

首尔的答案愈发明确。它希望同时拥有应用层和基础模型层的国内能力，也希望具备足够的计算能力，在韩国境内训练、评估和运行这些系统。

这一目标反映出美国与中国之间日益激烈的竞争。美国企业主导了许多广泛使用的商业模型以及最重要的 AI 计算技术栈。中国实验室也已打造出强劲替代方案，其中包括能力不断提升的开放权重系统。

韩国处于不同的位置。它拥有在半导体、存储、通信、制造和消费平台领域具有全球重要性的企业。然而，尚无韩国实验室获得 OpenAI、Anthropic、Google DeepMind、Meta 或中国最大开发商所拥有的国际使用规模或商业影响力。

政府早期的政策试图通过竞争缩小这一差距。其主权 AI 基础模型项目遴选国内团队，并提供 GPU、数据和人才支持。

最初的参与者包括由 Naver Cloud、Upstage、SK Telecom、NC AI 和 LG AI Research 牵头的团队。它们预计从零开始构建模型，同时将关键成果作为开源项目发布。

该计划采用分阶段评估制度。团队围绕基准测试结果、韩语表现、安全性、易用性和实际应用计划展开竞争。随着项目推进，表现较弱的团队会被淘汰。

到 2026 年 8 月，由 Upstage、SK Telecom 和 LG AI Research 领衔的三支团队已从第二阶段晋级。科学部表示，受评系统在推理、编程、智能体和韩语任务方面均取得了实质性进展。

官方公布的第二阶段结果也揭示了仍然存在的差距。该部表示，韩国最高的 Artificial Analysis Intelligence Index 得分为 47，而其引用的前沿参照得分为 63。

科学部提醒，评估标准在不同评审轮次之间有所变化。这一限定很重要，因为不同测试版本之间的基准改进并不能构成完美的时间序列。

尽管如此，这些结果仍支持两项结论。韩国团队已成为可信的模型开发者，但其领先系统在该部选择的评估中仍落后于最强的全球参照。

新的前沿提案正是直接回应这一差距。它不再向竞争团队分配数百枚 GPU，而是寻求将数千枚下一代加速器投入一项协调一致的工作。

裴庆勋将其描述为双轨策略。现有主权计划将继续为公共和商业用途开发易于获取的国内模型；另一项独立的前沿项目则将以大得多的资源追求极致能力。

这一区分很重要，因为两项目标并不相同。实用的主权模型可能优先考虑韩语、本地合规、高效部署和开放可用性。前沿模型则优先追求可实现的最高通用能力，即使训练成本会大幅上升。

韩国希望两者兼得。分散式计划可以服务本地开发者和机构，而集中式公司则试图抵达全球前沿。难点在于，防止更大型项目从它原本应强化的生态系统中吸走人才和资源。

韩国前沿 AI 投资让集中化与竞争正面交锋

主要的较量并非韩国与某一家外国公司之间的竞争，而是集中化的国家执行力与竞争性的国内模型生态系统之间的较量。

前沿训练会奖励规模效应。一次训练运行需要一个能够在较长时间内可靠运作的大型集群。将同样数量的加速器分配给彼此无关的团队可以支持实验，但无法复制一个高度同步的集群。

数据也面临类似问题。具备竞争力的模型需要大规模、经过严格筛选的数据集，以及面向编程、数学、科学、智能体、安全和韩语表现的专业材料。分散采购可能导致重复投入和质量不一致。

人才同样会自然集中。前沿实验室会将研究人员、基础设施工程师、数据专家、评估人员和产品团队汇集在一个技术组织中。他们每天的协作可能与任何一位研究人员的个人资历同样重要。

韩国前沿 AI 投资试图复制这种运营密度。其支持者有理由认为，若向许多彼此脱节的项目分配有限资源，韩国将无法抵达前沿。

早期主权计划说明了这一局限。其原始框架计划为每个团队分配约 500 枚 GPU，并根据评估结果增加至超过 1,000 枚。这一规模帮助多个团队开发出强大的开放模型，但官员如今认为，对于其最高能力目标而言，这仍然不足。

政府此前的主权 AI 计划设定的目标是达到近期领先模型至少 95% 的性能。该计划还要求分阶段竞争，并动态调整评估目标。

这种模式为国内行业创造了更多机会。不同团队可以测试不同的架构、数据策略、部署方式和行业应用。一支团队的失败不会决定整个计划的结果。

一家集中式前沿公司会改变这些激励机制。参与企业必须决定将贡献哪些知识产权、研究人员和基础设施。它们还必须确定：如果公司开发出商业成功的模型，价值应如何分配。

潜在参与者包括电信集团、互联网平台、云服务商、AI 实验室和基础设施运营商。这些企业在现有市场中彼此竞争。因此，在模型层面的合作将需要就许可、客户准入、治理和未来产品达成协议。

政府的可转换债券结构能够提供一定的财务约束。债务条款会形成义务，而转换权则赋予政府潜在的股权地位。不过，这一结构并不能解决最棘手的运营问题。

谁来决定模型的研究方向？谁拥有源自共享工作的改进成果？联盟成员能否以平等条件使用模型？较小企业能否获得使用权？如果某一参与者贡献的数据、人才或基础设施多于其他参与者，会发生什么？

这些并非行政细节。它们决定这家公司究竟会作为统一实验室运作，还是成为谨慎既有企业之间经协商形成的联盟。

10,000 块 GPU 的目标也需要谨慎解读。芯片数量并不能说明可用的训练能力。实际性能取决于加速器配置、互连、内存、存储吞吐量、软件效率和集群可用性。

前沿训练可能因硬件故障、网络中断、优化不稳定、数据质量差或实验设计薄弱而失败。更大的集群可能会放大这些问题。因此，国家采购目标衡量的是投入，而不是结果。

韩国确实具备相关优势。Samsung Electronics 和 SK hynix 是先进内存的核心供应商。国内电信和云服务企业运营着大型基础设施。韩国研究团队已经训练出基础模型，并发布了具备有竞争力韩语能力的系统。

政府还可以充当耐心的投资者。前沿研究往往需要在尚未出现明确商业回报之前投入资金。公共资本可以在私人投资者可能拒绝的周期中持续支持研发。

但集中化也存在机会成本。每一块被专门分配给一家公司的加速器，都会使另一支研究团队无法使用。每一位被招募的专家，都可能减少初创企业、大学或现有模型开发者可获得的人才储备。

如果这家前沿公司保持封闭，这种权衡就尤其重要。原有的主权计划将公共支持与开源发布和公共访问计划挂钩。政府尚未确认新公司是否会遵循同样的政策。

开放权重发布可以帮助韩国开发者构建产品并开展独立测试。但这也可能削弱前沿公司通过独占访问收回成本的能力。

封闭式商业模型或许能形成更具防御力的业务。但它会引发疑问：为何纳税人要为仅惠及有限所有者和客户群体的基础设施提供资金。

政府不必公开每一个组成部分。前沿实验室会保护训练方法、数据管线和运营细节。但政府需要明确界定：公众为承担大部分早期风险，将获得什么回报。

可能的公共收益包括研究访问、透明评估、国内服务可用性、安全测试、面向公共机构的优惠条款，或发布规模较小的衍生模型。这项计划尚未确认其中任何一项。

在这些条件明确之前，集中化策略仍是一项财务和组织层面的假设。它假定，将足够的规模集中于同一屋檐下，能够克服分散支持无法解决的弱点。

该计划仍取决于芯片、治理与证据

该项目的预算很具体，但问责框架并不明确。这种失衡是保持谨慎的最有力理由。

政府已披露总体金额和战略目标，但尚未公布性能目标、开发时间表、采购进度、所有权模式或持续资助的条件。

在早期阶段，这种缺口可以理解。但它也使独立评估变得困难。没有明确的参考集和可重复的评估流程，就无法判断一个模型是否属于“前沿”。

基准变化很快。一个模型在训练开始时看似具备竞争力，其发布时可能已显得普通。首尔现有的主权计划通过不断变化的参考模型和定期更新的测试来应对这一问题。

新公司也需要类似的动态目标。它还应衡量的不只是基准分数。可靠性、幻觉率、推理成本、韩语质量、工具使用、网络安全、安全性以及现实任务完成能力，都会影响模型是否真正有用。

公开报告应将开发者声明与独立结果区分开来。该部现有的评估结合了外部基准、国内测试、专家审查和用户评估。这种更广泛的结构为前沿项目提供了起点。

采购时间表带来另一项不确定性。Vera Rubin 系统并不只是订购单独的 GPU。Nvidia 的平台整合了 CPU、GPU、交换机、网络、数据处理单元和存储组件。

大规模部署还需要适宜的供电和冷却条件。最新机架面向高密度数据中心环境设计，因此设施就绪情况也是开发时间表的一部分。

如果系统到货延迟或数据中心建设滞后，研究团队就会失去宝贵时间。前沿竞争对手将在这段延误期间继续发布新模型。

韩国在追求模型主权的同时，仍依赖美国的计算平台。对模型的国内所有权可以带来对权重、运营和部署的控制，但并不能消除对 Nvidia 硬件、CUDA 软件、网络设备或全球供应链的依赖。

这并不意味着该项目自相矛盾。任何国家都不必实现完全的技术自给自足，才能获得对重要层级的战略控制。但这意味着，“主权”需要被精确定义。

模型主权可以意味着本地所有权、国内数据治理、可靠的国家级访问、独立部署能力，或修改系统的能力。它并不自动意味着每一块芯片和每一个软件组件都源自国内。

财务治理同样值得关注。通过可转换债券进行公共投资，若公司成功，可能产生回报；但它也可能模糊产业政策与支持特定企业之间的界限。

一旦协议完成，政府应披露转换条款、估值方法、偿还义务和损失分担规则。政府还应说明企业将如何被选定，以及利益冲突将如何管理。

竞争规则很重要，因为潜在参与者已在电信、云服务、互联网平台或企业软件领域占据重要地位。优先获得由公共资金支持的前沿模型，可能会强化这些地位。

较小开发者需要一条可预期的访问路径。否则，该项目可能在打造有能力的国家模型的同时，缩小围绕其上层应用的国内竞争。

此前的计划提供了有益对照。它要求参与者说明其模型将如何改善公众访问，并支持全社会范围内的采用。它还将开发与安全验证及开源计划挂钩。

新计划应在投入大规模资本之前公布类似义务。否则，其规模将超过适用于较小计划的透明度标准。

该项目还需要设定停止条件。前沿研究具有不确定性，失败应仍是可以接受的研究结果。没有技术关卡的开放式支持会带来另一种问题。

里程碑可涵盖集群就绪、数据准备、训练稳定性、经独立评估的能力、推理效率、安全性和下游采用情况。这样，资金就可以分阶段推进，而不是一次性作出无条件承诺。

韩国提出的结构赋予 Korea Development Bank 核心角色。该机构可以评估财务可行性，但前沿模型性能需要独立的技术审查。

因此，一个独立评估机构应同时评估能力和公共价值。结果应足够详细，以便比较进展，同时不泄露敏感训练数据或安全信息。

政府还必须避免仅通过国家排名来定义成功。国家排名往往取决于被选中的最佳模型、所选基准以及测量日期。一次海外模型发布就可能改变排名。

持久的成果将包括可重复的模型开发能力、可运行的训练集群、保留的研究人才、有用的国内应用以及具有竞争力的运营成本。即使另一家实验室登上排行榜首位，这些能力依然有价值。

韩国的前沿 AI 投资可以建立这样的基础。但金额本身无法保证这一点。执行、访问规则和独立证据将决定该项目最终成为基础设施，还是一场昂贵的展示。

三个信号将显示这场国家押注是否奏效

下一阶段应按制度承诺、基础设施交付和经独立验证的模型性能来评判，且顺序应如此。

第一个信号是前沿公司的最终治理结构。政府需要明确参与组织、资本出资、所有权权利以及 Korea Development Bank 的角色。

治理结构将揭示该组织能否迅速作出研究决策。一家由多家既有企业谈判主导的公司，可能难以像专注的前沿实验室那样运作。

最理想的版本应具备明确的技术领导层、清晰的知识产权规则和可衡量的公共义务。它还应为国内开发者和研究机构公布公平的访问原则。

如果这些条款在融资完成前出台，对集中化策略的信心应会增强。如果所有权仍不透明，该项目的公共价值论证将被削弱。

第二个信号是可用 Vera Rubin 集群的交付。相关里程碑不是订单公告或 GPU 数量，而是一套具备网络、存储、供电、冷却、调度软件和受训人员、能够全面运行的系统。

政府应报告该集群何时可用于持续的模型训练。它应区分已采购加速器总数与分配给前沿公司的数量。

它还应说明这笔新增拨款与此前宣布的国家 GPU 采购之间的关系。韩国正并行推进多项计算计划，重叠的头条数字可能让算力规模难以追踪。

一套建成的集群将增强政府的说法：集中资源可以消除资源瓶颈。即使全部预算仍获承诺，采购延误或利用率有限也会削弱这一说法。

第三个信号是针对当代系统开展独立模型评估。测试必须将韩国模型与接近其发布日期时可用的系统进行比较，而不是与项目启动时处于领先地位的模型比较。

评估应涵盖智能体、编程、科学推理、韩语任务、安全性以及真实用户工作流。同时还应公布推理所需条件，因为需要异常昂贵硬件的模型，其实际应用范围可能有限。

透明地展示性能，并不要求公开所有训练秘密。独立评估机构可以在保护敏感细节的同时，发布测试方法、汇总得分、局限性和可复现性信息。

有说服力的结果应在多个类别中缩小差距，而不只是赢得某一项基准测试。它还应表明，韩国机构能够在模型首次发布后继续改进它。

读者不应期待首个系统在全球范围内取代 ChatGPT、Claude 或 Gemini。更相关的检验是，韩国开发者是否能获得一款可被可靠访问、适配和部署的有竞争力模型。

企业采购方应关注许可和数据治理条款。当组织能够了解数据流向、输出如何处理，以及在外部中断期间服务访问是否能够持续时，国产模型才具有战略价值。

开发者应关注 API、模型权重、更小型的衍生模型以及研究访问权限。这些选择将决定该项目是支持广泛的软件市场，还是仅限于联盟成员。

知识工作者应关注公共服务层。对大多数用户而言，前沿模型的重要性不如围绕它构建的应用，包括研究助手、行政智能体、编程工具和多语言系统。

韩国并行推进的 AI 项目可能在这方面发挥作用。首尔也在支持公众广泛接入国产 AI 服务，并持续推进其竞争性的主权模型计划。这些项目结合起来，可能将前沿研究与实际部署连接起来。

它们也可能争夺资源与关注。政府需要说明每条路径如何服务于不同的目标。

分布式路径应保留实验空间、开放开发和专业化模型。前沿公司则应追求最高能力，同时共享足够的成果，以证明其公共融资的合理性。

这种平衡才是韩国前沿 AI 投资的真正考验。当训练前沿模型需要规模时，集中资源是合理的；但国家能力并不取决于单一实验室。

韩国已为其雄心标出了一个具体数字：4.7 万亿韩元。下一个问题是，它是否会为这笔资金附加同样具体的条件。

关注公司章程、运营中的集群以及独立评估。这些信号将共同表明，首尔究竟是在建设持久的 AI 能力，还是仅仅买了一张昂贵的入场券，进入一场永不停歇的竞赛。