韩国这次，真准备掏家底了。

计划投入4.7万亿韩元，约合35亿美元，采购1万张英伟达Vera Rubin GPU，冲击前沿人工智能模型。

更有意思的是，韩国给自己找的追赶标杆，正是中国顶尖开放模型。中国采购先进芯片面临美国出口限制，韩国则加码算力投入，这场竞争越来越有看头了。

但韩国为什么突然这么急？答案藏在它自己的产业焦虑里。

一、喊着自主研发，却被中国模型上了一课

今年1月，韩国的自主AI基础模型项目出现了一场颇为尴尬的风波。

参与竞争的Naver Cloud团队，因为使用阿里巴巴Qwen模型的视觉编码器及已经训练好的权重，在独立性评估中遭遇问题，最终没能进入下一阶段。

Naver方面认为，相关组件在整个项目中的占比较低，公司也拥有自己的编码器。

但评审对自主研发的要求，显然比“主体是自己做的”更严格。

这件事有意思的地方在于：韩国希望摆脱对外国模型的依赖，开发过程中，却已经用上了中国模型的技术成果。

我认为，这足以让韩国意识到，先进模型的影响力，早已超出了聊天软件的范围。

它可以成为别人开发产品时直接调用的底座，也能影响后续的技术路线。

谁掌握底座，谁就更有机会掌握生态。

对于一个拥有大型科技企业和成熟制造业的国家来说，如果未来工厂、汽车、通信和公共服务越来越依赖AI，核心能力却长期握在别人手里，这种焦虑很好理解。

因此，韩国急着争取的，是自己能够持续开发、升级和支配模型的能力。

二、4.7万亿韩元，买的是追赶的时间

这轮计划中，最抢眼的当然是芯片。

韩国准备拿出约3.9万亿韩元，采购1万张Vera Rubin GPU；另安排约8000亿韩元用于训练数据。

与此同时，政府还规划把面向自主模型及其他AI项目的算力基础设施，扩充到约2.9万张B200等效规模。

一边购买新一代硬件，一边扩充整个生态的算力支持，韩国是在给前沿研发和产业应用同时铺路。

但我觉得，比采购数量更值得关注的是投资方式。

韩国准备采用政府出资、结合民间投资的安排，希望吸引企业投入更多资源，并让项目成果能够回馈公共利益。

这意味着，政府想用财政投入撬动更大的研发盘子。

道理并不复杂：前沿模型的研发，需要不断试验。一次训练效果不好，就要调整数据、方法和系统，再来一轮。算力不足，很多想法只能停留在纸面上。

韩国花钱买设备，也是在争取更多试错机会。

不过，追赶有个难处：当你忙着建设机房、组织团队时，领先者还在继续升级。

AI赛道上的标杆，随时都可能往前挪。

三、选择对标中国，是一笔清醒的账

韩国科学技术信息通信部第二次官柳济明的判断，其实很现实。

面对美国顶级AI企业的资本实力，现阶段设定同等竞争目标并不现实；如果政府投入叠加民间投资，韩国可以争取达到中国上游开放模型的水平。

这里有两个值得琢磨的信号。

首先，韩国开始按照资源条件设定目标。

资金、人才和研发体系能支撑多大的项目，就决定了它首先应该跨过哪一道门槛。

其次，中国开放模型已经成了其他国家衡量自身能力的重要标尺。

今年8月，中国规模以上制造业企业的人工智能技术应用普及率已超过30%，生成式人工智能用户规模突破6亿人。

这些数字背后，是大量真实的使用场景。

模型进入企业和日常生活，用户不断提出问题，开发者根据反馈改进产品，再吸引更多人使用。这种循环，是技术能力持续增长的重要条件。

在我看来，韩国对标中国，说明它已经注意到了中国从研发走向应用的整体竞争力。

开放模型尤其有吸引力：开发者能够在许可范围内下载、部署和改造，企业也更容易围绕它开发自己的服务。

当越来越多人使用同一套技术底座，它的影响力就会沿着产品和服务扩散。

韩国想追上的，也包括这种带动产业的能力。

四、韩国有实力，难点在于把实力接起来

韩国的优势，确实不能小看。

三星、SK集团、现代汽车等大型企业，拥有明确的制造和研发需求。

去年英伟达与韩国公布的合作，就覆盖了半导体制造、工业云、机器人、汽车等领域。

这给韩国AI提供了一条很有价值的路线：让模型进入自己最熟悉的产业。

例如，把AI用于生产流程优化、设备管理和研发辅助，企业愿意投入，技术也有机会获得长期使用反馈。

但硬件采购到位之后，考验才真正开始。

大规模GPU集群需要网络、存储、电力、冷却和软件协同。设备能开机，距离稳定、高效地完成模型训练，中间还有不少工程难题。

韩国在训练数据之外，还准备安排资金吸引海外优秀研究人员，也说明它知道人才的重要性。

显卡可以下订单，成熟团队的经验却需要积累。

怎样挑选数据、判断训练问题、控制成本，这些能力很难靠一次采购直接获得。

另外，自主模型与进口硬件之间，也存在一层现实关系。

韩国可以在英伟达平台上训练自己的模型，但上游设备供应、产品升级和软件生态，仍会影响它的投入节奏。

自主能力需要一层层建立，花钱只是其中一步。

五、真正的胜负，要到产业里去看

韩国这次采取双轨安排：集中资源冲击前沿模型，同时推动已有自主模型进入产业和公共服务。

我认为，这个思路有它的合理性。

前沿研发负责提高能力上限，产业应用负责找到持续投入的理由。两者能够互相支撑，项目才更容易走下去。

否则，模型发布时热热闹闹，企业实际使用时发现成本太高、效果不稳定，后续投入就容易失去动力。

对中国来说，韩国加码也是一个提醒：芯片采购受到限制，确实会增加研发难度，但技术竞争最终还要综合比较算法、工程效率、人才和应用生态。

中国需要继续补齐算力短板，也要把已有的模型优势，转化成更多企业愿意长期使用的产品。

我更愿意把韩国这笔投入理解为一次争取未来产业位置的行动。它既想提高本国技术能力，也想让制造业在AI时代继续拥有竞争力。

韩国已经准备入场，能走多远，要看它怎样把资金、设备和人才组织起来。

几万张GPU很有分量，但决定这笔钱值不值的，终究是这些设备能够创造多少持续被需要的成果。