韩国35亿美元造AI：囤3.9万张GPU，对标中国开源大模型

一边往仓库里囤最先进的显卡，一边悄悄把对标坐标从硅谷挪到了中国。

口袋里塞满硬件，软件生态那一课，是不是就躲过去了？

这步棋走得急，背后的账却未必那么好算。

2026年10月5日，韩国科技情报通信部把媒体召到发布厅，亮出一份国家级前沿AI模型的盘子。据新浪财经援引，这笔资金以股权方式投向一个前沿大模型项目，规模为4.7万亿韩元，约合35亿美元。

“股权”两个字值得停一下：这不是撒钱式的补贴，而是政府以股东身份把钱压进项目里。绑得更深，押得也更重。撒钱式补贴，企业拿了钱、风险还是自己担；以股东身份压进去，政府和项目绑在同一条船上，成了一起赚、败了一起担。

这种绑法，也解释了为什么官方要把时间表卡得这么死——钱一旦以股权押进去，就容不得慢慢磨。

这个数字是什么量级？按发布会上的生活化换算，差不多够在韩国境内连建几座大型智算中心。钱数不小，阵势也摆得足，但有一句分寸得先点明：这是政府公布的投资计划，不等于已经建成的算力。

算力这一头，官方手里也在张罗。据Korea Herald，眼下由政府统筹调配的，是已经采购或正在上线的约2.9万张GPU，年底前才会出分配方案。这批卡如何分配、投向哪里，还处在协调阶段，并不是已经焊进机房的存量。

两笔账要分开看。官宣的4.7万亿是增量的决心，手头那2.9万张才是眼下能动用的老本。据路透社（及公开报道转引），新计划里还拟采购约1万张英伟达Vera Rubin GPU；

这批拟购的卡一旦到位，与手头约2.9万张存量合在一起，盘子约为3.9万张，标题口径由此成立。其中约1万张是新计划拟购、尚未落地，不能和存量混为一谈。

定位上的转向，比钱数更耐读。第二次官柳济明在会上说得直白：以韩国当下的底子，跟美国头部AI公司正面硬拼，并不现实。把这句话拆开看，等于官方亲口承认——那个够得着的对标靶子，已经悄悄换了位置。

时间表也排得明白。按程序，这笔预算要先过国会12月这一关；过了关，牵头项目的主导机构还要走一轮竞争性招标，最早要到2027年2月才定得下来；中标机构落定后，项目最早到2027年3月才正式启动。

从官宣到真正动起来，中间还隔着一个冬天的审批和一轮招标，前期几乎没有缓冲。

审批这道关不过，数字再漂亮也还停在纸面上。把这几件事摞在一起：一笔大额股权投入，一批正在统筹的存量显卡，一次从美国转向的对标，外加一个要等国会点头、等招标落锤的开工日。官宣的是野心，没说破的是节奏。

美国收紧对华芯片管制之后，硅谷那些大模型对韩国高端算力的调用，开始变得不那么稳当。高端接口说变就变，韩国这才生出攒一套“自己的”主权模型的念头。

接口一旦收紧，自家的关键应用就像被人捏着开关。这种不踏实，正是“主权AI”四个字冒出来的土壤。

自己造，此前不是没试过。据Korea Herald，韩国之前独立推进的大模型项目反响平平：Dokpamo独立基座模型项目跑下来，没能拉开差距。

更说明问题的是旧体制——LG AI Research、SK Telecom、Upstage三队各干各的，资源分散，谁也形不成合力。据Korea Herald，这套打法正是官方要另起炉灶的由头。

据路透社（及公开报道转引），官宣这笔钱的去向大致拆成两块：4.7万亿韩元里，约3.9万亿用于采购约1万张英伟达Vera Rubin GPU，剩下约8000亿投向语料和训练数据。

新盘子里买卡仍是大头，但头一回专门切出一笔钱投给语料和训练数据本身——这正是冲着前面说的数据短板去的。

硬件家底其实不薄。韩国手里攥着英伟达的采购通道，身后还有SK海力士和三星的HBM产能撑腰。存储这一环，在全球分工里站得住脚。

可大模型这道坎，早就不在算力上了。行业里越来越清楚，真正卡人的是算法够不够省、数据积累厚不厚、人才够不够密这三样。显卡堆得再高，这三样跟不上，模型也跑不出水平。

算力这张门票算是买到了，可进门之后拼的是内功，光有门票不够。

反过来看，也有一派底气十足。有人认为，韩国的HBM全球领先，硬件底座一旦搭好，软件生态自然会跟着长出来。这套逻辑很顺：存储是大模型的粮食，韩国握着粮源，模型总不至于差到哪去。

三星和SK的技术转化能力，在这套说法里被反复提起，分量不轻。

两派各执一词：一派盯着HBM这张王牌，觉得硬件到位生态自来；另一派盯着算法和语料，觉得显卡替代不了数据。同一份家底，读出两种结论。

表面看，这是一笔装备拉满、挥师入场的故事；往里剥一层，它更像一面切片——照出AI竞争的重心，正从比谁算力大，转向比谁的国家能力厚。

韩国攥着HBM进场，可赛场早就不比谁的马力更足。一个现成的参照是中国：在芯片同样被卡的处境下，靠架构层面的优化，把开源模型推到了全球第一梯队。

同样被卡，路径却拧着。中国走的是“用软件补硬件”，把架构效率一点一点压榨出来；韩国现在的牌面，是“用硬件补软件”，方向恰好倒了过来。这条路说明，硬件受限并不必然等于模型落后。

可中国那条靠压榨算法效率突围的路，韩国短期内也学不来：它选的是举国攒算力的另一条道，两条路要的家底完全不同。

旧体制的账，柳济明自己算过。据Korea Herald，三队每队能攥在手里的高端GPU只有约1000张，他直言这个量级根本追不上前沿。三队加起来才三千张出头，资源还互相不打通；

前沿大模型训练是吞卡的黑洞，这点家底摊薄在三队身上，谁也冲不上去。这也是为什么官方这次不再把钱平摊给老队伍，而是另开一条前沿赛道、集中成一笔股权投入。

反观韩国要补的课，却不是砸钱一两年就能见效的。韩语语料的体量、算法人才的密度、开源社区的厚度，这三样都属于慢功夫，堆显卡堆不出来。

语料是模型的教材，人才是写书的人，开源社区是互相改作业的班级——这三样，哪一样都得靠日子慢慢攒。

要是光堆显卡、不在算法上出新，韩语这层语料生态，短时间内恐怕还是长不出来。这笔钱能买来最先进的卡，买不来十年攒下的开源社区，也买不来一批已经跑通的人才梯队。

这正是“工程代差”最实在的地方：它不是某张卡、某笔钱的差距，而是算法、语料、人才多年累积出来的纵深。硬件可以一口气氪金，软件这一课，只能一页一页补。