韩国正在把人工智能基础设施提升到国家级工程的高度。
今年 7 月，韩国公布了一项规模约 9190 亿美元的投资计划：到 2029 年建设 8.4GW 数据中心，到 2035 年进一步扩张至 18.4GW。第一阶段由 SK 集团、GS 集团和 Naver 分别建设 5GW、2.4GW 和 1GW，SK 集团还将负责第二阶段剩余的 10GW。
这个数字不只是数据中心行业的扩产计划。它意味着，韩国正在为一件更大的事情准备基础设施：在本国训练、部署和控制自己的大模型。
先用一场“国家联赛”筛选模型
韩国政府在 2025 年 6 月启动“独立 AI 基础模型”项目，没有直接指定一家企业成为国家队，而是组织了一场淘汰赛。
最初有 15 个联盟报名，经过材料审核后，Naver Cloud、LG AI Research、SK Telecom、NC AI 和 Upstage 五支队伍进入首轮。政府为参赛者提供三类资源：算力、数据和研究人员。每隔大约 6 个月评估一次，落后的队伍出局，资源则向胜者集中。
首轮中，政府从 SK Telecom 和 Naver 租用了约 3000 张 H100 等效 GPU，再分配给其他队伍；同时投入约 4500 万美元购买书籍、新闻、视频和政府记录等训练数据，每家公司还获得约 200 万美元自主采购数据。政府也提供了每家约 140 万美元的海外人才招聘预算，但最终只有 Upstage 使用了这笔钱。
项目总预算约 3.5 亿美元。和美国头部实验室相比，这并不是一个庞大的数字，却足以说明一个变化：从零开始训练一套有竞争力的模型，可能没有市场想象中那么昂贵。
首轮还出现了争议。NC AI 以综合评分垫底，原本应由其他四队晋级，但 Naver 也因使用了阿里 Qwen 系列的视觉和音频编码器而被取消资格。Naver 解释称，这些编码器只是接在主语言模型之前的辅助网络，而且自己已经开发了替代方案；韩国政府最终仍坚持，所有技术组件都必须在允许范围内自主训练和开发。
补位进入的 Motif Technologies，后来成为整个项目里最值得关注的变量。
小团队训练出韩国最强模型，却被淘汰
Motif 是一家不到 30 人的初创公司，融资约 1700 万美元，目前可使用的算力约为 768 张 B200，规模不到 2MW。它训练 Motif 3 的总计算成本，SemiAnalysis 估算约为 1500 万美元，包括实验过程在内。
从模型规模看，Motif 和 Upstage 的模型不到大型财团队伍的一半；但在 Artificial Analysis 的 Intelligence Index 上，Motif 3 比 Upstage 高出约 10 分，也领先当时美国表现最好的两款开源模型。
按通常的经验，这样的分差往往对应明显的能力差异。但在最新一轮评审中，Motif 反而被淘汰。
项目评分由三部分构成：基准测试占 40%，专家评审占 35%，用户测试占 25%。Motif 在基准测试中排名第一，却在专家评审和用户测试中排名最后。报告认为，后两项的具体方法并不透明：用户测试没有盲测，专家评审也包含“发展战略”“未来规划”“生态影响”等容易偏向大公司的主观指标。
这件事暴露了主权 AI 项目的一个矛盾：国家希望集中资源打造本土能力，但如果评选标准更偏向企业规模、既有生态和资源整合能力，最有技术突破的小团队反而可能最先失去支持。Motif 甚至可能为了获得新的资本和算力而迁出韩国，这与主权 AI 的初衷形成了反差。
9190 亿美元，未必都用来训练韩国模型
韩国这轮数据中心投资不会全部服务于本土模型。相当一部分容量很可能出租给 Anthropic、OpenAI 等美国公司。
但这并不削弱它的战略价值。只要算力、能源和机房掌握在本国，韩国就拥有随时扩大主权 AI 项目的选择权。总统李在明把这项工程比作上世纪 90 年代的宽带建设：当年韩国凭借低价、高速互联网，发展出了本土搜索、电商和电竞产业；现在，它希望用同样的基础设施思路，换取 AI 时代的产业自主权。
问题在于，建机房相对容易，获得最先进的 AI 加速器则困难得多。
韩国本土的 Rebellions、FuriosaAI 正在推进自研芯片，但在部署规模、软件成熟度和商业可获得性上，仍落后于 Nvidia 和 AMD。Google TPU、AWS Trainium 等替代方案，也不属于韩国本土控制的供应体系。
因此，韩国需要的并不只是向 Nvidia 下订单，而是更深的合作：对产品路线有更强的可见性，能够稳定获得新平台，并把三星、海力士和本土软件生态一起接入 AI 基础设施。
Nvidia 是这场投资最大的直接受益者
韩国的主权 AI 投资，首先会转化为 Nvidia 的 GPU 需求。
SK 集团已经承诺在 5GW 建设计划中部署 2GW 的 Rubin，Naver 也签下了 200MW。三星据报道计划建设一座使用超过 5 万张 Nvidia GPU 的 AI 工厂，SK Telecom 的 2GW DSX AI 工厂则预计采用搭载 SK 海力士 HBM4 的 Vera Rubin 系统。
对 Nvidia 来说，这不仅是卖出一批 GPU，更重要的是扩大客户基础。
如果未来新增数据中心容量越来越多地被 Anthropic 和 OpenAI 买走，Nvidia 的客户集中度会不断上升；与此同时，云厂商和大型科技公司都在开发自研 XPU。推动开源模型、企业自建模型和主权 AI，等于把 GPU 的需求扩散到更多国家、公司和应用层。
这也是 Nvidia 强调开放模型生态的商业原因：模型和应用是 GPU 的“互补品”，模型越多、部署越分散，算力需求就越不容易集中在少数几家客户手里。
海力士可能用利润换算力
股东需要核算的，是 SK 集团内部的利益分配。
SemiAnalysis 推测，Nvidia 可能通过优先分配 GPU，帮助 SK 集团推进数据中心建设；作为交换，SK 海力士向 Nvidia 提供更优惠的 HBM4 价格和更大的 2027 年供货承诺。报告给出的估算是：2027 年 SK 海力士向 Nvidia 供应的 HBM4 价格约为 3.0-3.3 美元/Gb，而其他一级客户可能支付 3.7-4.1 美元/Gb。
如果这一估算成立，Nvidia 的 HBM 成本同比仍会上升约 70%，但明显低于三星约 98%、美光约 89% 的涨幅。对海力士而言，问题不在于 HBM 需求是否强，而在于最重要客户是否拿走了过多折扣。
HBM 供给紧张时，供应商本来拥有更强议价权。Broadcom、Google、AMD 和 Amazon 都可能吸收新增产能。如果海力士为了 SK 集团的整体 AI 战略而给 Nvidia 更低价格，就相当于把一部分利润让给了集团的数据中心业务。
产品路线也会影响价格。报告认为，三星 HBM4 使用 1c DRAM 和 SF4 逻辑基底，性能更强但成本更高；海力士采用 1b DRAM 和台积电 N12 逻辑基底，成本较低，却可能在性能上处于劣势。随着三星良率改善，海力士过去在 HBM 上的利润优势可能收窄。
报告据此判断，2027 年海力士与三星面向 Nvidia 的 HBM 利润率差距，可能从两位数百分点收窄至个位数。两家公司依然可能产生强劲现金流，但现金更多用于回购、分红，还是继续投入下一代存储和基础设施，取决于最终价格和集团内部的资源安排。
韩国模式会被复制，但账要算清楚
韩国正在做的事情，其他美国、中国之外的国家很可能跟进：用国家预算支持模型，用大型数据中心锁定算力，再通过本土企业和国际供应商拼出一套可控的 AI 基础设施。
这条路的门槛已经比几年前低了。Motif 3 的案例说明，训练一款接近顶尖水平的开源模型，不一定需要数十亿美元；但“把模型训练出来”和“让模型持续迭代、落地并形成生态”是两回事。国家项目如果只看大公司资源，可能错过效率最高的小团队；如果只看单次基准分数，也可能忽视真实用户体验和长期工程能力。
对投资者而言，韩国这笔近万亿美元级别的基础设施计划，最清晰的受益者是 Nvidia；对三星和 SK 海力士，则不能只看 GPU 订单和 HBM 出货量，还要继续追踪定价、良率、资本开支以及集团内部的算力交换条件。
主权 AI 的竞争，表面上是模型能力之争，落到财务报表上，最终仍然是算力成本、芯片议价权和现金流分配的较量。
