韓國正在把人工智慧基礎設施提升到國家級工程的高度。
今年 7 月，韓國公佈了一項規模約 9190 億美元的投資計畫：到 2029 年建設 8.4GW 資料中心，到 2035 年進一步擴張至 18.4GW。第一階段由 SK 集團、GS 集團和 Naver 分別建設 5GW、2.4GW 和 1GW，SK 集團還將負責第二階段剩餘的 10GW。
這個數字不只是資料中心行業的擴產計畫。它意味著，韓國正在為一件更大的事情準備基礎設施：在本國訓練、部署和控制自己的大模型。
先用一場“國家聯賽”篩選模型
韓國政府在 2025 年 6 月啟動“獨立 AI 基礎模型”項目，沒有直接指定一家企業成為國家隊，而是組織了一場淘汰賽。
最初有 15 個聯盟報名，經過材料稽核後，Naver Cloud、LG AI Research、SK Telecom、NC AI 和 Upstage 五支隊伍進入首輪。政府為參賽者提供三類資源：算力、資料和研究人員。每隔大約 6 個月評估一次，落後的隊伍出局，資源則向勝者集中。
首輪中，政府從 SK Telecom 和 Naver 租用了約 3000 張 H100 等效 GPU，再分配給其他隊伍；同時投入約 4500 萬美元購買書籍、新聞、視訊和政府記錄等訓練資料，每家公司還獲得約 200 萬美元自主採購資料。政府也提供了每家約 140 萬美元的海外人才招聘預算，但最終只有 Upstage 使用了這筆錢。
項目總預算約 3.5 億美元。和美國頭部實驗室相比，這並不是一個龐大的數字，卻足以說明一個變化：從零開始訓練一套有競爭力的模型，可能沒有市場想像中那麼昂貴。
首輪還出現了爭議。NC AI 以綜合評分墊底，原本應由其他四隊晉級，但 Naver 也因使用了阿里 Qwen 系列的視覺和音訊編碼器而被取消資格。Naver 解釋稱，這些編碼器只是接在主語言模型之前的輔助網路，而且自己已經開發了替代方案；韓國政府最終仍堅持，所有技術元件都必須在允許範圍內自主訓練和開發。
補位進入的 Motif Technologies，後來成為整個項目裡最值得關注的變數。
小團隊訓練出韓國最強模型，卻被淘汰
Motif 是一家不到 30 人的初創公司，融資約 1700 萬美元，目前可使用的算力約為 768 張 B200，規模不到 2MW。它訓練 Motif 3 的總計算成本，SemiAnalysis 估算約為 1500 萬美元，包括實驗過程在內。
從模型規模看，Motif 和 Upstage 的模型不到大型財團隊伍的一半；但在 Artificial Analysis 的 Intelligence Index 上，Motif 3 比 Upstage 高出約 10 分，也領先當時美國表現最好的兩款開源模型。
按通常的經驗，這樣的分差往往對應明顯的能力差異。但在最新一輪評審中，Motif 反而被淘汰。
項目評分由三部分構成：基準測試佔 40%，專家評審佔 35%，使用者測試佔 25%。Motif 在基準測試中排名第一，卻在專家評審和使用者測試中排名最後。報告認為，後兩項的具體方法並不透明：使用者測試沒有盲測，專家評審也包含“發展戰略”“未來規劃”“生態影響”等容易偏向大公司的主觀指標。
這件事暴露了主權 AI 項目的一個矛盾：國家希望集中資源打造本土能力，但如果評選標準更偏向企業規模、既有生態和資源整合能力，最有技術突破的小團隊反而可能最先失去支援。Motif 甚至可能為了獲得新的資本和算力而遷出韓國，這與主權 AI 的初衷形成了反差。
9190 億美元，未必都用來訓練韓國模型
韓國這輪資料中心投資不會全部服務於本土模型。相當一部分容量很可能出租給 Anthropic、OpenAI 等美國公司。
但這並不削弱它的戰略價值。只要算力、能源和機房掌握在本國，韓國就擁有隨時擴大主權 AI 項目的選擇權。總統李在明把這項工程比作上世紀 90 年代的寬頻建設：當年韓國憑藉低價、高速網際網路，發展出了本土搜尋、電商和電競產業；現在，它希望用同樣的基礎設施思路，換取 AI 時代的產業自主權。
問題在於，建機房相對容易，獲得最先進的 AI 加速器則困難得多。
韓國本土的 Rebellions、FuriosaAI 正在推進自研晶片，但在部署規模、軟體成熟度和商業可獲得性上，仍落後於 Nvidia 和 AMD。Google TPU、AWS Trainium 等替代方案，也不屬於韓國本土控制的供應體系。
因此，韓國需要的並不只是向 Nvidia 下訂單，而是更深的合作：對產品路線有更強的可見性，能夠穩定獲得新平台，並把三星、海力士和本土軟體生態一起接入 AI 基礎設施。
Nvidia 是這場投資最大的直接受益者
韓國的主權 AI 投資，首先會轉化為 Nvidia 的 GPU 需求。
SK 集團已經承諾在 5GW 建設計畫中部署 2GW 的 Rubin，Naver 也簽下了 200MW。三星據報導計畫建設一座使用超過 5 萬張 Nvidia GPU 的 AI 工廠，SK Telecom 的 2GW DSX AI 工廠則預計採用搭載 SK 海力士 HBM4 的 Vera Rubin 系統。
對 Nvidia 來說，這不僅是賣出一批 GPU，更重要的是擴大客戶基礎。
如果未來新增資料中心容量越來越多地被 Anthropic 和 OpenAI 買走，Nvidia 的客戶集中度會不斷上升；與此同時，雲廠商和大型科技公司都在開發自研 XPU。推動開源模型、企業自建模型和主權 AI，等於把 GPU 的需求擴散到更多國家、公司和應用層。
這也是 Nvidia 強調開放模型生態的商業原因：模型和應用是 GPU 的“互補品”，模型越多、部署越分散，算力需求就越不容易集中在少數幾家客戶手裡。
海力士可能用利潤換算力
股東需要核算的，是 SK 集團內部的利益分配。
SemiAnalysis 推測，Nvidia 可能通過優先分配 GPU，幫助 SK 集團推進資料中心建設；作為交換，SK 海力士向 Nvidia 提供更優惠的 HBM4 價格和更大的 2027 年供貨承諾。報告給出的估算是：2027 年 SK 海力士向 Nvidia 供應的 HBM4 價格約為 3.0-3.3 美元/Gb，而其他一級客戶可能支付 3.7-4.1 美元/Gb。
如果這一估算成立，Nvidia 的 HBM 成本同比仍會上升約 70%，但明顯低於三星約 98%、美光約 89% 的漲幅。對海力士而言，問題不在於 HBM 需求是否強，而在於最重要客戶是否拿走了過多折扣。
HBM 供給緊張時，供應商本來擁有更強議價權。Broadcom、Google、AMD 和 Amazon 都可能吸收新增產能。如果海力士為了 SK 集團的整體 AI 戰略而給 Nvidia 更低價格，就相當於把一部分利潤讓給了集團的資料中心業務。
產品路線也會影響價格。報告認為，三星 HBM4 使用 1c DRAM 和 SF4 邏輯基底，性能更強但成本更高；海力士採用 1b DRAM 和台積電 N12 邏輯基底，成本較低，卻可能在性能上處於劣勢。隨著三星良率改善，海力士過去在 HBM 上的利潤優勢可能縮小。
報告據此判斷，2027 年海力士與三星面向 Nvidia 的 HBM 利潤率差距，可能從兩位數百分點縮小至個位數。兩家公司依然可能產生強勁現金流，但現金更多用於回購、分紅，還是繼續投入下一代記憶體和基礎設施，取決於最終價格和集團內部的資源安排。
韓國模式會被覆制，但帳要算清楚
韓國正在做的事情，其他美國、中國之外的國家很可能跟進：用國家預算支援模型，用大型資料中心鎖定算力，再通過本土企業和國際供應商拼出一套可控的 AI 基礎設施。
這條路的門檻已經比幾年前低了。Motif 3 的案例說明，訓練一款接近頂尖水平的開源模型，不一定需要數十億美元；但“把模型訓練出來”和“讓模型持續迭代、落地並形成生態”是兩回事。國家項目如果只看大公司資源，可能錯過效率最高的小團隊；如果只看單次基準分數，也可能忽視真實使用者體驗和長期工程能力。
對投資者而言，韓國這筆近兆美元等級的基礎設施計畫，最清晰的受益者是 Nvidia；對三星和 SK 海力士，則不能只看 GPU 訂單和 HBM 出貨量，還要繼續追蹤定價、良率、資本開支以及集團內部的算力交換條件。
主權 AI 的競爭，表面上是模型能力之爭，落到財務報表上，最終仍然是算力成本、晶片議價權和現金流分配的較量。(傅里葉的貓)