向聊天机器人问八字的国家，要跻身AI三强需要什么？

开篇

订阅者朋友，MIT科技评论在2026年6月15日刊登了一篇有趣的文章，题为“Why Do South Koreans Love AI So Much?”

文章以记者的表亲在首尔中央市场的小酒馆里边喝烧啤边向ChatGPT询问自己八字的场景开篇。这位29岁的保险规划师还向聊天机器人寻求恋爱建议，获取股票投资技巧。AI俨然被当成了算命先生兼理财顾问。据韩国盖洛普调查，20多岁人群中有46%曾用聊天机器人算过运势。除此之外，多项调查显示，韩国大部分的“AI使用”都停留在表面层次——不过是问问新闻、总结点什么、看运势、做咨询而已。可正是这样，“AI强国”这个说法的舆论热度却比任何国家都高。

这种程度称之为“热情”并不为过。在Pew Research针对25个国家的调查中，对AI担忧程度最低的国家也是韩国。那么，热情是否等同于竞争力呢？先说结论：韩国自诩的“AI G3”成绩单，在华丽封面之下藏着结构性的漏洞。

🌡️ 世界上最不畏惧AI的国家

Pew Research Center在2025年对25个国家进行的调查显示，回答对AI“更担忧”的比例最低的国家就是韩国，仅为16%。相比之下，美国（50%）、意大利（50%）、澳大利亚（49%），差距悬殊。

这种乐观情绪根源很深。韩国是一个从战争废墟中，沿着钢铁 → 半导体 → 高速互联网 → 智能手机这一技术阶梯一路攀升上来的国家。**“技术=生存”这一信念，早已深深烙印在国民情绪之中。**KAIST科学技术政策学系Jeon Chi-hyeong（音译）教授在接受MIT科技评论采访时表示：“韩国政府一贯地、不知疲倦地向国民传达AI能够创造更美好未来的信息。”

实际上，政府的行动相当积极。李在明总统就任后新设了总统直属AI战略委员会，并为2026年AI预算划拨了9.9万亿韩元（约67亿美元）。在规模达150万亿韩元的国民成长基金中，也有6万亿韩元投入AI领域。目标是到2028年确保52,000台高性能GPU，并同步推进自主基础模型¹​开发项目（俗称“独破模”项目）。

在Stanford AI Index 2026中，70%的韩国人回答“通过AI推动科学与医疗发展比监管更重要”。能形成如此程度国民共识的国家并不多。

不过，热情之下也并非没有阴影。今年初，现代汽车宣布将Atlas人形机器人投入工厂使用时，现代汽车工会强烈反对，称“未经劳资协商，一台机器人也不会进入生产现场”。韩国人中有64%担忧AI导致的工作岗位替代，但同时也有52%期待AI带来生产率提升。可以说这是一个既热爱AI又畏惧AI的矛盾国家。

📊 拆解“G3”这份成绩单

在同一份Stanford AI Index 2026中，韩国还创下了两个令人印象深刻的数字。

第一，值得关注的AI模型数量位居世界第三。在美国推出50个、中国推出30个的情况下，韩国以5个的数量位列第三。相比加拿大、法国、英国各仅有1个，这是一项颇具意义的成绩，也比前一年的第4名上升了一位。

第二，人均AI专利数世界第一。每10万人14.31件，连续两年蝉联第一。仅看这些数字，“G3”似乎并非虚言。但若再深入这份报告，其他一些数字也会映入眼帘。

先看模型性能差距。韩国代表性模型K-Exaone（LG AI研究院）在2026年1月的Artificial Analysis智能指数²​中，在开放权重模型范畴内位列全球第7，是韩国模型中唯一进入全球前10的成绩，得分约在44至45分区间。而在同一指数中，谷歌Gemini与OpenAI ChatGPT得分为73分，差距约达40%。

韩国五大主要模型（EXAONE、HyperCLOVA X、Solar Pro、A.X、VARCO）大多在300亿参数规模，靠成本效率与韩语专项化取胜。虽然凭借小模型逼近大模型性能而在技术实力上得到认可，但在绝对性能上，与美中前沿模型³​之间的量级差距十分明显。

我在参加与主权AI相关的研讨会、座谈会时，总会提到一点：**国内有一种氛围，把“主权AI”这个关键词简单地理解为软件模型本身。但实际上，即便是美国、中国、欧洲、台湾地区、日本等我们视为竞争对手的国家或地区，其主权AI也从来不只是单纯的模型竞争，而是包含从供应链层面“亲自制造并运营到底”这整个过程。**我们现在正拼命地在“出售”这件事上下功夫，但这属于交付的范畴，并不等于拥有属于自己的东西。而且我实在不太理解，为什么要把蒸馏其他模型当成问题来看待。现实中并不存在法律障碍，而且目前OpenAI、Xai、Anthropic、Deepseek、MiniMax等所有打造出前沿级模型的公司，都已官方或非官方地承认自己用了蒸馏方法，唯独我们异常执着于“从零开始”⁴​。

更令人痛心的数字在人才方面。**在AI人才净流入排名中，韩国在OECD 38个成员国中位列第35名，每万人为-0.36人，也就是说流出的人比流入的人更多。原因很简单：AI领域博士起薪，美国是11.4万美元，而韩国民营企业约为4,100万韩元（约3万美元），差距达3.8倍。**计划移居海外的理工科博士人数也逐年增加，从2023年的592人 → 2024年的658人 → 2025年的709人。还有统计显示，首尔大学研究生院理工科招生名额缺口达75%。

总结来看：制造AI的能力（专利）位居世界第一，但制造AI的人（人才）却在不断流失。Pebblous AI的分析精准指出了这一矛盾：“如果这一差距得不到弥合，专利数量将永远无法转化为模型质量。”（当然，如果逐条拆解这些专利……）

🏝️ Cyworld留下的教训

其实，这种模式对韩国来说并非第一次出现。

1999年上线的Cyworld是基于虚拟形象的社交网络鼻祖，比Facebook（2004年）早了5年。Naver知识iN（2002年）比Yahoo Answers（2005年）早3年开启了问答平台服务。韩国是世界上最早铺设高速互联网的国家之一，在互联网服务领域也一直是先行者。

结果如何呢？Cyworld曾进军8个国家，但大多以撤退告终，因未能实现向移动端的转型，最终把市场拱手让给了Facebook。Naver也在全球搜索市场上败给了谷歌。政府主导的ActiveX强制推行，则让韩国网络生态被困在Internet Explorer中长达近10年。这里明明有罪魁祸首，却没人为此负责。

这些失败案例有一个共同点：先在国内市场迅速取得成功，随后却被这套成功公式所束缚，最终未能实现全球化扩张。技术实力是有的，但没能打造出与全球标准兼容的开放型生态系统。这就是所谓的“加拉帕戈斯综合征⁵​”。

在AI领域，也出现了类似的苗头。2026年1月，政府主导的自主AI基础模型项目爆出意外——最有力的候选者Naver Cloud竟然落选了。原因颇为耐人寻味：由于Naver的模型是对海外开源模型进行微调而来，未能满足政府所定义的“自主模型⁶​”标准，即权重需初始化后再以自有数据和算法重新训练。结果发现，韩国投入AI时间最长、投入最多的企业，居然并未拥有一个真正“从头打造的模型”。不过正如前面所说，这种判断标准……多少显得对当下AI行业的运作方式缺乏了解。

最终，LG AI研究院、SK电讯、Upstage存活了下来，但这一插曲抛出了韩国AI生态系统的结构性问题：专注于“自主模型”，究竟是韩国真正能赢的一场比赛，还是会像互联网时代的ActiveX一样，让韩国从全球生态系统中被孤立出来？

🔑 热情要转化为竞争力，需要什么

那么，韩国的AI竞争力究竟应该从何而来？

首先要冷静审视已经拥有的东西。三星电子与SK海力士事实上主导着AI训练所必需的高带宽内存（HBM）⁷​市场。英伟达最尖端的GPU若要运转，必须依赖这种芯片。2025年韩国半导体出口达1,734亿美元，创历史新高，三星与SK海力士的市值也各自突破了1万亿美元大关。可以肯定，AI的物理基础掌握在韩国手中。

此外，还有“采用速度”这项资产。韩国是全球最积极拥抱AI的市场之一。过半国民已在日常生活或工作中使用AI，政府机构也争相进行各种实验——从AI教科书，到AI照护机器人，再到AI公交站台。这种“早期采用者国家”的特性，作为AI服务的试验场⁸​，具有充分的价值。

但是，这两项资产要真正转化为竞争力，还需要一条连接的纽带。HBM垄断意味着韩国嵌入了美国AI企业的供应链之中，并不意味着韩国占据了AI价值链的上游位置。采用速度快，也很可能意味着——被最快消费的并非韩国企业的AI，而是OpenAI和谷歌的服务。

在基础模型的竞争中，正面击败美国和中国在现实中相当困难。仅美国民间AI投资就达2,859亿美元，是韩国全国AI预算（67亿美元）的42倍。韩国应该集中发力的地方，是成为在特定产业中把AI“用得最好”的国家。将AI最深度地融入韩国已经确立全球竞争力的领域——比如半导体工艺优化、电池品质管理、K-内容制作——这才是应有的策略。

Oswarld视角

坦白说，我认为韩国宣称的“AI G3”是一种危险的框架设定。

在制定GTM战略的过程中，我反复见到一种模式：市场定位中最危险的时刻，就是陷入“我们排第几”这种名次执念的时候。名次只是当下的一张快照，并不能展示竞争力的走向。Stanford将韩国评为模型数量第三，但若看美国50个对韩国5个这一绝对数字对比，很难说这是同一个量级的比赛。

我更关注的是，韩国AI企业普遍把“韩语专项化”和“成本效率”当作差异化卖点。这在GTM语境中是典型的利基（niche）定位。利基战略本身完全可以有效，但一旦把它称为“G3”，战略判断就会被搅浑。利基与主流需要完全不同的打法。

我认为，韩国真正的选择在于“制造的国家”与“用得最好的国家”之间。这两者都是有价值的定位，但资源配置方式截然不同。如果像现在这样同时铺开两条战线，很可能在模型质量上不上不下，在应用生态上也不上不下。就像Cyworld沉醉于国内成功而错失了移动端转型一样，在AI领域，“G3的自豪感”也可能成为阻碍冷静战略抉择的绊脚石。

结语

总结来说：

韩国拥有对AI的热情、政府的投资意愿、半导体供应链这三项资产。但同时也背负着前沿模型性能差距（40%）、人才外流（OECD第35名）、加拉帕戈斯化的历史前科这三项风险。

与其安于“AI第三”这一排名表，现在正是韩国该冷静挑选出真正能赢的赛场的时候。

MIT科技评论文章中那位29岁保险规划师的话，最精准地概括了韩国AI的现状：“虽然AI也令人害怕，但现在它实在太有用了。”热情与不安之间，如何将这道缝隙转化为战略，才是关键所在。

💬 订阅者朋友，您认为韩国在AI领域应该专注于成为“制造的国家”还是“用得最好的国家”？欢迎在评论区留下您的看法。

参考资料与延伸阅读

核心来源

• Yun Chee，“Why Do South Koreans Love AI So Much?”，MIT Technology Review，2026.06.15。：这是今天这期新闻信的起点文章，从首尔小酒馆开始的开篇尤其令人印象深刻。
• Stanford HAI，AI Index Report 2026，2026.04.14。：这是能够验证韩国AI“G3”说法最系统的数据来源，推荐第2章（技术性能）和第6章（政策）。
• Pew Research Center，“How People Around the World View AI”，2025.10.15。：25个国家的AI认知调查，可查证韩国16%这一数字的原始语境。
• Pebblous AI，“Patent Leader, Talent Rank 35th — K-AI’s Paradox in Stanford HAI AI Index 2026”，2026。：在韩国语境下分析Stanford数据的深度报告，很好地梳理了专利第一与人才第35名之间的结构性矛盾。

背景知识

• The Korea Herald，“LG’s K-Exaone breaks into global top 10 AI rankings”，2026.01.11。：韩国模型全球排名的最新现状。
• The Korea Herald，“[Inside K-AI] How benchmarks shape AI battlefield — and where Korea’s models stand”，2025.08.14。：综合比较韩国AI模型基准测试成绩的文章。
• 保安新闻，“科技情通部“自主AI模型项目”LG、SKT、Upstage存活……Naver落选“意外””，2026.01.15。：详细报道了Naver落选的背景及“自主模型”的判定标准。
• Seoul Economic Daily，“Korea Faces Worst AI Brain Drain”，2026.03.09。：人才外流数据的原始来源。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 基础模型（Foundation Model）：以大规模数据预先训练而成的通用AI模型，GPT、Gemini、Claude等大型语言模型是其代表。可在此模型之上叠加针对特定用途的额外训练，从而打造出各种服务。 ↩

2. 智能指数（Intelligence Index）：由名为Artificial Analysis的AI评估机构，通过10个数据集综合评估AI模型的推理、知识、数学、编程能力所得出的分数，满分100分，用于比较模型间的性能。 ↩

3. 前沿模型（Frontier Model）：指现存AI模型中性能最尖端、最顶尖的模型，主要由美国的OpenAI、Google、Anthropic以及中国的DeepSeek等机构开发。 ↩

4. 从零开始（From scratch）：指不重复使用或参考既有的代码、数据、模型等，而是从基础（空白）阶段起全新构建一切的方法论。简单来说，就是完全不参照任何已有内容，从0开始打造的方法。 ↩

5. 加拉帕戈斯综合征（Galapagos Syndrome）：就像加拉帕戈斯群岛上的生物因与大陆隔绝而独自演化一样，指某个国家的技术仅针对国内市场进行优化，从而无法与全球标准兼容的现象。日本的功能手机、韩国的ActiveX是其代表性案例。 ↩

6. 微调（Fine-tuning）：指在已训练完成的AI模型基础上，追加学习特定领域数据的方法。相比从零打造模型，成本要低得多，但可能对基础模型产生技术上的依赖。 ↩

7. HBM（High Bandwidth Memory，高带宽内存）：用于AI模型训练与推理的超高速内存芯片，数据传输速度比普通内存快数倍，三星电子与SK海力士占据全球供应的绝大部分份额。 ↩

8. 试验场（Testbed）：指能够在实际环境中试验新技术或新服务的舞台。像韩国这样积极采用AI的市场，是全球AI企业验证新产品的良好环境。 ↩