韩国主权 AI 战略分为双轨，其模型竞赛前景蒙上阴影

韩国的主权 AI 战略如今面临代价高昂的分化。首尔计划推出一项规模达 4.7 万亿韩元的前沿项目，而现有的模型竞赛尚未结束。

政府表示，这两个项目将服务于不同目标。然而，两者都需要稀缺的芯片、数据、研究人员和公共资金，也都旨在打造能够接近全球前沿水平的模型。

这种重叠让 LG AI Research、SK Telecom 和 Upstage 陷入尴尬境地。它们用了一年多时间竞逐成为国家级模型冠军，如今却必须考虑，下一场竞赛是否会凌驾于它们仍在努力赢得的这场竞赛之上。

这场争议的规模超过了一场预算之争。它检验的是，主权 AI 应优先追求技术领先，还是可靠的国内部署。韩国希望两者兼得，但尚未清晰划分两项任务。

韩国尚未完成第一场竞赛，便开启了第二场

眼下的变化并非取消韩国现有的模型项目，而是在其旁边再设立一场规模更大的竞赛。

科学与信息通信技术部计划于 2027 年 3 月启动前沿 AI 项目。该项目将集中公共和私人资源，支持一个旨在与领先国际系统竞争的模型。

据报道中的政府计划，参与方可包括单个企业、联盟、大学、初创公司、研究人员或特殊目的实体。项目将通过竞争性流程选出牵头开发方。

拟议预算总额为 4.7 万亿韩元。国会必须首先批准相关的 2027 年资金，预计将在 12 月的国家预算流程中作出决定。

政府最快可能在 2027 年 2 月选出牵头开发方，恰好紧接在计划于 3 月启动项目之前。

与此同时，现有的主权 AI 基础模型项目将继续推进。其第三轮评估预计将在 2 月把剩余的三支团队缩减为两名决赛入围者。

这三支团队分别是 LG AI Research、SK Telecom 和 Upstage。政府于 2026 年 8 月公布第二阶段结果后，它们得以晋级。

两条时间线并行具有重要意义。韩国将从一场竞赛中选出两名获胜者，同时还可能为一个更具雄心的项目选出另一家牵头机构。

这一安排立即带来了地位上的不确定性。一家公司可能成为主权模型竞赛的决赛入围者，却在该国规模最大的前沿项目中失去影响力。

第一个项目最初选出了五支团队，原始阵容包括 Naver Cloud、Upstage、SK Telecom、NC AI 和 LG AI Research。

政府先将 15 名申请者筛选至 10 名进行展示，随后选定这些团队。其初始遴选确立了一项分阶段竞赛，旨在加强韩国本土模型生态系统。

Naver Cloud 和 NC AI 后来退出了竞赛。Motif Technologies 通过补充遴选流程加入，但未能通过第二阶段评估。

剩余团队已经训练模型、发布权重、建立联盟，并构建了国内基础设施合作关系。这些投入无法在不同项目之间轻易转移，否则将带来合同和技术层面的后果。

科学部长 Bae Kyung-hoon 否认了首个项目正被放弃的说法。他表示，该项目将继续开发面向产业和公共部门应用的模型。

他的区分听起来很直接：现有项目将支持全国范围的部署，而新项目将追逐前沿能力，并解决困难的科学或安全问题。

然而，前沿模型同样也是基础模型。如果它成为韩国能力最强的本土系统，公共机构和企业自然会问，为什么还要使用较弱的替代方案。

这正是双轨计划的核心冲突。政府一面维持原有竞赛，一面重新定义了最初赋予其合理性的奖项。

韩国主权 AI 战略为何此时分化

全球模型的进步速度超过了政策基准，使原先对成功的定义被削弱。

据报道，韩国首个项目的目标是达到领先全球模型约 95% 的性能。竞赛启动时，这一目标提供了可衡量的终点。

问题在于，前沿性能并非一成不变。一个模型或许能接近昨日的领先者，却会与最新系统拉开更大差距。

韩国官员如今承认，竞争格局已经改变。更大型的国际开发者持续提升推理、编程、多模态处理、工具使用和长上下文性能。

这种变化令百分比目标变得不稳定。达到 95% 取决于由哪一个模型、基准、任务和发布日期来界定比较对象。

因此，政府面临两种相反的风险：它可以保留原有架构，并接受不断扩大的能力差距；或者，它可以重新分配资源，并削弱外界对既有承诺的信任。

新的韩国前沿 AI 项目代表了第二种回应。它将芯片、数据、研究人员和投资集中于一项更具雄心的技术领先尝试。

政府还将前沿项目与科学挑战和网络安全威胁联系起来。这些任务所需的不只是对话流畅度或出色的韩语表现。

科学模型必须处理专业数据、复杂推理，并依据领域证据进行验证。网络安全系统则必须在严格的访问、评估和部署控制下运行。

然而，这些要求并不会自动证明有必要从零开始构建通用前沿模型。专用模型、检索系统和受控工具可以解决许多领域任务。

这一差异很重要，因为通用前沿开发会消耗极其庞大的资源。训练只是其中一项开支，持续评估、后训练、安全测试、推理基础设施和模型更新都会带来持续需求。

韩国有多项理由接受这些投入。本土模型能力可以减少对外国平台的依赖，保留对敏感数据的控制，并支持韩国机构。

它还可以增强谈判能力。拥有可信模型、基础设施和研究人员的国家，能够以更强的地位与全球供应商谈判。

然而，主权并不意味着孤立。它可以指对数据、基础设施、采购、部署或模型适配的控制，而不要求一个国家系统在每项基准上都领先。

OpenAI 发布的一份经济蓝图主张，在战略领域保持国内控制，同时在其他领域开展国际合作。这一建议服务于 OpenAI 的利益，但其中的政策区分依然具有参考意义。

韩国面临的挑战，是决定哪些能力必须保留在国内。它还必须确定，在何处获取国际系统能带来更高价值。

该国并非毫无基础。它拥有大型半导体企业、云服务商、电信集团、软件开发者、大学，以及活跃的 AI 初创企业生态。

政府还计划大幅扩充算力。科学部的 2026 年工作计划目标是，通过采购和国家计算基础设施累计获得 37,000 块 GPU。

这些资产支撑着雄心勃勃的战略，但并不能消除将相同资源投入相互重叠的公共项目所带来的机会成本。

因此，韩国主权 AI 战略的分化反映了一项真实的政策困境。首尔希望广泛吸纳国内参与者，但也希望有一项努力能够挑战规模大得多的实验室。

现有竞赛承诺的是一个生态系统，而非单一赢家

韩国的主权 AI 模型项目旨在分散能力，而前沿项目则旨在集中能力。

这种差异构成政府维持两条轨道的最有力论据。第一场竞赛可以培育多家模型供应商，而前沿项目则可以追求一个单一且要求极高的目标。

主权项目已经鼓励了多种技术路径。LG AI Research、SK Telecom 和 Upstage 拥有不同的企业结构、产品目标和联盟伙伴。

LG AI Research 将模型开发与一个庞大的产业集团连接起来。这将带来覆盖制造、材料、电子和企业运营的潜在应用。

SK Telecom 将模型开发与电信基础设施和消费者服务相结合。其定位使其能够获得分发渠道、运营数据和大规模服务经验。

Upstage 则代表一家更专注于模型的公司。它的参与为专业型初创企业提供了进入该项目的路径，而该项目原本主要由大型企业集团主导。

这些差异很重要，因为模型生态系统需要的不只是基准榜单上的领先者。它们还需要可部署的系统、推理工具、集成商、领域数据、评估方法，以及愿意测试它们的客户。

政府的评估流程反映了这一更广泛的视角。第二阶段除考察基准性能外，还考虑了专家评审、公众评估、产业适用性、成本效益和生态系统规划。

这一设计产生了颇具争议的结果。据报道，Motif 在一项外部基准比较中领先，却在政府综合评分中位列第四。

该部后来公布了详细结果。SK Telecom 获得 70.6 分，Upstage 以 69.9 分紧随其后，LG AI Research 为 69.0 分。Motif 获得 65.8 分。

这些分数表明，原始智能并非唯一目标。公众评估者和专家小组影响了最终排名。

政府可以合理地认为，国家政策不应照搬单一私人基准。可靠性、韩国本土应用场景、运营成本和国内普及同样具有公共价值。

然而，这一评估也说明了即将到来的碰撞。如果前沿项目的目标是匹配领先国际模型，它将主要按能力进行评判。

广泛的产业评分卡可以奖励符合韩国部署需求的模型。前沿竞赛则会偏向于能够聚集最大规模有效算力、数据和人才的组织。

企业如今必须为两种成功定义做好准备。它们既需要为当前竞赛打造实用产品，也需要为下一场竞赛提出可信的扩展战略。

这一负担将主要落在规模较小的参与者身上。初创企业难以像大型企业集团那样，轻易地将资深研究人员分配到多个国家项目中。

政府可以通过将现有入围团队视为前沿项目的供应方来缓解这种压力。它们的模型、数据集、评测工具和工程团队都可成为可复用的组成部分。

据报道，官员正考虑为加入新项目的入围团队提供激励或优先权。这种做法或可保留一定的连续性。

不过，优先权并不等同于获得保证性的角色。企业需要了解由谁拥有产生的知识产权、如何评估各方贡献，以及谁掌控后续商业化。

它们还需要明确算力分配。若同一批硬件又被调配至更受瞩目的项目，承诺提供的 GPU 资源池价值就十分有限。

从这一视角看，主权 AI 模型项目不只是模型竞赛，而是一项在韩国各类组织之间扩散经验的能力建设计划。

前沿项目遵循另一套逻辑：它认为，集中资源能够比分散式支持更快打造出具有全球影响力的系统。

两种理论都可能成立。不确定性来自于同时推进两者，却未公开界定其投入、产出和用户之间的边界。

两条路径争夺同样稀缺的投入

核心权衡在于多元化与集中化之间，而非国产 AI 与对外依赖之间。

多元化项目能让韩国拥有多家模型供应商。这可降低对单一厂商的依赖，并支持适配不同行业的系统。

集中化项目则让一个团队获得更多算力和人才。这可能提升其达到小型、分散项目难以实现的性能水平的机会。

由于两个项目都从同一个国家级人才市场吸纳资源，矛盾变得更加尖锐。韩国无法立即再造一批具备经验的模型研究人员。

高质量训练数据同样受到这一限制。国内数据集必须经过收集、清洗、授权、筛选和治理，才能支持大规模训练。

重复开展这项工作会浪费资金；共享数据则会引发有关隐私、知识产权和竞争优势的棘手问题。

算力分配又带来另一项难题。韩国前沿 AI 项目计划将先进芯片集中配置给其主导开发者。

现有主权模型团队同样需要大量算力，用于训练、后训练、测试和面向公众的部署。模型即使完成发布，仍需要推理算力。

政府的公共服务计划进一步推高了这项需求。其独立的 AI for All 倡议，旨在主要使用国产模型打造通用聊天机器人和公共智能体。

根据该项目已公布的要求，入选服务至少一半的模型使用量必须来自符合条件的国产模型，同时还必须至少使用其他韩国开发者模型的 30%。

该部门表示，将在 2026 年提供 512 枚 Nvidia B200 GPU，以支持服务早期上线。它还设想提供不设使用上限的免费访问。

这为现有模型生态提供了明确用途。即使在全球基准测试中并不领先，韩国系统仍可支持面向公民的服务、公共行政和专业工业工具。

轻量级国产模型还可提供更低的延迟和运营成本。它可以运行在受控云环境、私有数据中心、工厂、医院或设备环境中。

前沿模型适用于不同场景。当任务需要最强可用的推理、编程、规划、多模态分析或科学能力时，它们便具有价值。

嘉泉大学的崔京镇认为，韩国需要多种模型类别。他的观点将前沿系统与轻量级、行业专用模型区分开来。

这种模型组合的论点颇具说服力，但它需要明确的架构设计。各机构需要制定规则，在不同模型类别之间分配任务。

例如，公共智能体可以使用较小的韩国模型处理日常请求，将前沿系统留给困难的规划任务或复杂文档分析。

制造商可以将行业模型部署在专有数据附近。研究人员则可通过受控的国家级计算环境访问前沿模型。

如果没有这些运行规则，最强模型将吸引大部分需求。高丽大学教授李成烨警告称，如果前沿模型表现更好，公共机构和企业将倾向于选择它。

这种行为并不代表用户层面的政策失败。采购方会基于性能、成本、合规性、可靠性和集成要求选择系统。

因此，政府不能仅靠标签来维持两条路径。它必须建立反映可衡量用户需求的不同使命和采购规则。

它也必须避免无限期保护较弱的模型。如果公共机构为了满足国产内容目标而不得不接受较差性能，主权就会变得昂贵。

反过来，前沿性能也不应抹杀高效模型的价值。许多实际工作负载并不需要可用的最大系统。

最理想的情况是形成分层的国内市场：多款韩国模型处理常规和专业任务，而一套前沿系统应对最困难的问题。

最糟糕的情况则是制度性重复：两个项目训练相似的通用模型、争夺相同的研究人员，并通过重叠的公共补贴争取用户。

预算规模庞大，但使命仍不明确

前沿项目提案已有资金数字和启动日期，但仍缺乏持久且公开的成功定义。

已公布的 4.7 万亿韩元项目代表一项重大投入。Reuters 报道称，政府计划将国家股权投资与私人资金结合起来。

前沿项目提案 将在选定的主导开发者旗下整合芯片、数据和人才。这种结构更像产业联盟，而非传统科研资助。

集中化可以加快决策。但如果一名参与者同时控制基础设施、模型方向和商业访问，它也会带来治理风险。

政府必须在选择开发者之前明确“前沿”的含义。否则，各团队将针对不同理解进行优化。

一种定义可能强调基准测试中的智能水平；另一种则可能优先考虑科学发现、网络安全、韩语能力或多模态工业系统。

这些目标需要不同的数据集和评测方法。针对全球编程基准进行优化的模型，未必会成为韩国公共服务的最佳平台。

时间表也带来另一层不确定性。项目计划于 2027 年 3 月启动，但此前前沿性能还会发生变化。

崔指出了这一问题：今天的前沿标准与明年的并不相同。固定的比较目标可能在训练结束前就已过时。

更可信的项目应采用能力里程碑，而非单一排行榜名次。这些里程碑可涵盖推理能力、可靠性、效率、安全性和部署。

独立评测同样重要。开发者不应同时控制模型声明，以及用于证明其应继续获得资助的测试。

现有项目的评分争议已提供警示。当政策制定者在技术表现之外衡量公共价值时，基准测试领先者与总体评估获胜者可能并不相同。

这种分歧并不必然意味着不当行为。但当评分权重与项目既定使命缺乏明确联系时，它就会造成损害。

前沿项目需要在招标开始前公布透明标准。参与者应了解政府将如何评判技术进展、成本纪律、开放性和公共访问。

政策制定者还必须说明退出条件。国家项目应界定何时继续扩大规模不再提供合理价值。

这一点尤为重要，因为国际实验室可能在一个政府采购周期内多次更新模型。韩国不能假定一次大规模训练就能确保持久地位。

前沿系统在上线后也会产生持续成本。它必须获得更新、安全测试、基础设施支持和开发者工具。

因此，拟议金额应被理解为项目承诺，而非韩国必然获得全球领先模型的证明。

其中还存在集中化风险。选择一名主导开发者可以减少重复支出，却可能让过多影响力集中于单一企业网络。

联盟或可分散这种控制权，但联盟治理往往会拖慢技术决策，并使所有权问题更复杂。

特殊目的实体或可提供更清晰的管理方式，但仍需要制定涵盖数据权利、模型许可、研究人员流动和下游收入的规则。

政府尚未公开解决这些问题。在此之前，企业无法评估参与的商业价值。

这种不确定性还可能扭曲当前竞争。团队可能会在前沿项目招标前优先争取曝光度，而非改善面向现有用户的产品。

这些问题都不能证明新项目应当停止。它们说明，资金公告不能替代技术和制度设计。

韩国模型开发者下一步面临什么

LG AI Research、SK Telecom 和 Upstage 如今正在争夺两个入围席位，同时为一场可能规模更大的竞争做准备。

第一个信号将来自第三阶段评估。政府预计将在 2027 年 2 月选出两家主权模型入围者。

这一决定将揭示该部门是否仍重视生态系统扩张，还是愈发偏向原始能力。公布的标准和评分细目将与获胜者同样重要。

透明的评估将增强人们对现有项目的信心。评分方式若突然改变，则意味着前沿议程已改变其目标。

第二个信号将是 2027 年预算决定。韩国国会必须批准资金，韩国前沿 AI 项目才能以宣布的规模推进。

预算获批将强化双轨承诺。大幅削减资金或附加新条件，则会削弱集中式前沿项目将按计划启动的预期。

立法者应询问有多少资金用于训练、基础设施、运营和商业化。他们还应审查，已在其他地方承诺的资源是否被重复计算。

第三个信号将是招标设计。资格规则将决定现有主权模型入围者是否会获得实质性优势。

偏向一家大型企业的招标，将表明政策转向集中化。要求组建联盟可以保留更广泛的参与，但也会带来更缓慢的治理。

对现有模型的处理尤其具有启示意义。重新利用它们将连接两个项目，并保护早期公共投资。

从头开始则意味着官员不再将现有模型视为可信的技术基础，也会增加重复建设的风险。

团队将密切关注知识产权条款。它们必须了解自身贡献是否仍归自己所有、是否成为共享资产，或是否转移给国家实体。

开发者和企业采购方应关注部署证据，而不是宣传性排名。最有力的证明将来自在真实组织中可靠运行的系统。

公共智能体是一项检验。制造业、物流、电信和科研领域的工业部署则提供了其他检验。

采用数据应区分试用与持续使用。获得补贴的试点项目并不能证明某个模型在大规模部署下具备经济性或可靠性。

韩国也应公布可比较的运营指标。延迟、推理成本、正常运行时间、安全事件及任务完成率，能够揭示宽泛基准测试所掩盖的价值。

对其余三支团队而言，战略选择已近在眼前。它们都必须决定是捍卫独立平台、加入联盟，还是双线并行。

LG 可以将其模型接入集团旗下的工业应用。SK Telecom 可以利用消费者分发渠道和网络基础设施。Upstage 则可强调专业化能力与模型聚焦。

只有当政府明确国内采用如何服务于前沿使命时，这些优势才会真正发挥作用。

真正的考验在于双轨是否能产生两种不同结果

韩国无需在自主权与前沿性能之间二选一，但必须停止将两者视为可互换的目标。

现有计划已经创造了价值。它推动韩国企业训练模型、公布技术成果、组建合作伙伴关系，并在共同评估体系下展开竞争。

新计划回应的是另一种担忧：韩国不希望全球模型能力的发展超出本国机构所能掌控的范围。

如果第一条轨道成为采用与专业化平台，同时第二条轨道聚焦于现有模型无法以经济方式提供的能力，那么保留两条轨道便可行。

这种分工应体现在预算、数据集、算力分配、评估和采购规则中。仅靠口头区分，无法经受稀缺资源竞争的考验。

政府还应让这些计划共享基础设施，而不强迫它们开发相同的模型。共同的评估系统和安全数据服务可以减少重复建设。

前沿开发者可以通过受控接口，向国内模型团队开放能力。较小的模型可处理常规工作负载，并将困难任务逐级上交。

这种安排既能保留多个供应商，也能将最昂贵的研究集中起来。当某一系统失效时，它还可为公共机构提供替代方案。

然而，若两个计划都为同一批买家训练相似的通用系统，该战略将失去可信度。企业会追随预算更大的项目，最初的入围者则会沦为配套承包商。

这种结果将使主权竞赛沦为一项后来才宣布项目的昂贵资格筛选轮次。

韩国的主权 AI 战略如今需要的是一套公开的架构，而非又一个口号。其成功取决于能否界定哪些模型服务哪些用户，以及由谁控制由此产生的能力。

接下来的三项决定将给出答案：2 月的入围者选定、议会拨款，以及前沿项目招标。

开发者、企业买家和研究人员应将这些决定结合起来评判。它们是否在仅集中最艰难研究的同时，保留了多个有用的国产模型？

如果答案是肯定的，韩国的双轨政策便可成为一个投资组合，而非重复建设。否则，前沿计划将悄然取代为其奠定起点的那场竞争。