韓国のAI投資計画、設備と運用技術を共に見据える必要があります

大規模な設備投資とともに確認すべきこと

過去2回のニュースレターで、私は同じ問いを二つの国に投げかけました。

日本編では、Sakana AIが既存のモデルを組み合わせて性能を高めるアプローチを取り上げました。小規模な調整モデルであっても、すでに開発された大型モデルの強みを活かせるという考え方でした。この手法は、自前で大型モデルを開発する道以外にも選択肢があることを示しています。

9,000億ウォンを手にして去った研究者、東京に残った138人既存モデルの組み合わせと改良に注目した研究所letter.inlevel9.com

韓国編では、国内におけるAI活用への高い関心が開発力へとどう結びつくかを論じました。独自モデルを自前で開発することと、海外モデルを巧みに使いこなすことの間で、投資の優先順位をどう考えるべきかという考察でした。

チャットボットに四柱推命を尋ねる国、AI第3位になるには？AI活用への関心を産業競争力へ結びつけるにはletter.inlevel9.com

その後、6月29日に韓国の産業通商資源部が関係省庁とともに「大韓民国大跳躍3大メガプロジェクト」を発表しました。南西圏における800兆ウォン規模の半導体生産拠点構想、企業による第1段階550兆ウォンのAIデータセンター投資、そしてフィジカルAIの育成計画が盛り込まれました。これは韓国のAI政策全体を代替する単一の戦略ではなく、半導体・製造・データセンターを軸に据えた計画です。

本日は、前2作に続いてこの計画を読み解いていきます。DeepSeekやSakana AIが開発効率を高めている手法も併せて見ていきます。両社の戦略をそのまま中国や日本全体の戦略として一般化することは避けつつも、韓国が参考にできる選択肢を比較検討してみたいと思います。

開発効率、モデルの組み合わせ、製造インフラの比較

AI事業には、モデルの学習、実行コストの削減、複数モデルの組み合わせ、半導体やデータセンターの運用など、多様な取り組みが必要です。互いに代替し合う部分もありますが、同時に改善していかなければならない領域も多く存在します。

🇨🇳 DeepSeekが追求する開発・実行効率

DeepSeekは、計算効率を高める手法で注目を集めました。2024年末のV3技術レポートには、H800を2,048基用いて学習した構成が示されています。これは2025年1月に公開された推論モデルR1の全開発リソースと同義の数値ではありません。2026年4月には100万トークンのコンテキストに対応したV4を公開し、6月には応答生成を高速化するDSparkを発表しました。最大85%とされる改善幅も、特定の比較条件下での結果です。¹

DeepSeek、Qwen、GLMなどがモデルの重み公開と安価なAPIによって利用者を増やしている姿も見られます。推論コストが実際のサービス普及において重要になった事例です。一方で、中国の一部のデータセンターで需要不足と低い稼働率が報告されました。² これを、中国全体が学習投資を中断した、あるいはデータセンターの80%が稼働していないという意味に解釈すべきではありません。

[アン・グァンソプ（安光涉）AIジンテーゼ] 米国企業が中国AI企業にお金を送る理由Uber（ウーバー）が今年AIコーディングツールの予算をわずか4カ月ですべて使い果たした。約5,000人のエンジニアがエージェンティック・コーディングツールを使い始め、月額利用料がエンジニア1人あたり150ドルから多くは…zdnet.co.kr

🇯🇵 Sakana AIが開発したモデル組み合わせサービス

Sakana AIは、すでに学習されたモデルを改良し組み合わせるポストトレーニング³に注目してきました。6月22日には、複数のモデルを選択して接続するFuguサービスをリリースしました。これはSakana AIの事業戦略であって、日本がモデルの直接開発を諦めたという意味ではありません。

Fuguはリクエストに合ったモデルを選択し、Fugu Ultraは複雑な作業を複数のモデルに分散して任せた後、結果を検証・統合します。Sakana AIが公開した評価では、主要なコーディング・推論ベンチマークで高い性能を示しました。ただし自社評価であり、比較モデルのスコアには各プロバイダーが発表した数値も含まれています。Fable 5とMythos Previewは実際に呼び出すモデルリストには含まれていませんでした。⁴

呼び出すモデルを変更できれば、特定のプロバイダーへの依存を減らすのに役立ちます。ただし、別のモデルに変更した後も同じ性能とコストを維持できるかは改めて検証する必要があります。複数のプロバイダーが同時にアクセスを制限する可能性までなくなるわけでもありません。モデルを組み合わせる能力は、運用の自律性を高める一つの方法と見ることができます。

🇰🇷 韓国の半導体・フィジカルAI・データセンター計画

6月29日の発表は、韓国が強みを持つ半導体と製造業の基盤を拡大することに焦点を当てています。ハードウェアにとどまらず、フィジカルAIモデルの開発やクラウド技術への支援も網羅されています。

• 半導体： 南西圏に800兆ウォン規模のファブ4基と協力企業のエコシステムを造成し、首都圏の生産拠点を早期に完成させることで、5年以内にメモリー半導体の生産能力を2倍に拡大する計画です。
• フィジカルAI： 製造現場向けロボット、学習データ、中核部品、ファウンデーションモデルの開発と国内技術の実証を一体で支援します。
• AIデータセンター： SK、GS、NAVERが第1段階として550兆ウォンを投資して8.4GWを構築し、その後の拡張を通じて総計18.4GWを目指します。企業の投資計画は政府予算と区別して見る必要があります。

私が韓国編で提案したのも、半導体プロセスの最適化やバッテリーの品質管理のように競争力のある分野にAIを深く適用しようということでした。今回の発表の製造業AI転換（M.AX）やデータファクトリー構想は、その方向性と重なっていると見ています。