向聊天機器人問四柱的國家，要成為 AI 三強該怎麼辦？ · 第 127 期

前言

各位訂閱者，MIT 科技評論在 2026 年 6 月 15 日刊登了一篇很有趣的文章，標題是「為什麼韓國人這麼愛 AI？」

文章從記者在首爾中央市場的大排檔喝著燒酒啤酒（소맥），用 ChatGPT 問自己四柱八字的場景開始。他那 29 歲的保險業務員表弟，不僅向聊天機器人尋求戀愛建議，也請教股票投資技巧。等於把 AI 當成通靈者兼理財顧問在用。 根據韓國蓋洛普的調查，20 多歲族群中有 46% 曾經用聊天機器人看過運勢。此外，多項調查都顯示，韓國大多數的「AI 使用」停留在表面層面——問問新聞、摘要一下內容、看看運勢、聊聊天而已。而「AI 強國」這個稱號，恐怕是全世界話題聲量最高的了。

說這是狂熱，一點也不為過。皮尤研究中心對 25 個國家的調查中，對 AI 感到憂慮比例最低的國家就是韓國。但狂熱等於競爭力嗎？先說結論：韓國自封的「AI 三強」成績單，華麗的封面之下藏著結構性的漏洞。

🌡️ 全世界最不怕 AI 的國家

皮尤研究中心 2025 年對 25 個國家的調查顯示，對 AI 回答「憂慮大於期待」的比例最低的國家是韓國，僅 16%。與美國（50%）、義大利（50%）、澳洲（49%）相比，差距非常懸殊。

這種樂觀的根源很深。韓國是從戰爭廢墟中，沿著鋼鐵 → 半導體 → 高速網路 → 智慧型手機的技術階梯一路爬上來的國家。「技術 = 生存」的信念已深深植根於國民情懷之中。 韓國科技院（KAIST）科技政策學系的全智亨教授在接受 MIT 科技評論採訪時說：「韓國政府一直不知疲倦地告訴國民，AI 能創造更美好的未來。」

實際上，政府的動作非常積極。李在明總統上任後新設了總統府直屬 AI 戰略委員會，2026 年 AI 預算編列 9.9 兆韓元（約 67 億美元）。150 兆韓元的國民成長基金中也有 6 兆韓元投入 AI 領域。計畫在 2028 年前確保 52,000 張高效能 GPU，獨立的基礎模型¹開發專案也已經啟動。（就是大家常說的「獨基模」專案）

史丹佛 AI 指數 2026 也顯示，70% 的韓國人認為「AI 推動的科學與醫療發展比監管更重要」。能達成這種程度國家共識的國家並不多。

不過，狂熱並非沒有陰影。今年初，現代汽車宣布將 Atlas 人形機器人投入工廠時，現代汽車工會強烈反對，表示「沒有勞資協議，一台機器人都不能進廠」。韓國 64% 的人擔心 AI 取代工作，但 52% 也期待生產力提升。這是一個既愛 AI 又怕 AI 的矛盾國家。

📊 撕開「三強」的成績單

同樣在史丹佛 AI 指數 2026 中，韓國有兩個令人印象深刻的數字。

第一，值得關注的 AI 模型數量全球第三。美國有 50 個、中國有 30 個，韓國以 5 個位列第三。 與加拿大、法國、英國各只有 1 個相比，這是有意義的成就。從前一年的第四名上升了一個名次。

第二，人均 AI 專利數全球第一。每 10 萬人口 14.31 件，連續兩年蟬聯第一。 單看這些數字，「三強」似乎不是空話。但同一份報告再深入看，其他數字就浮現了。

先看模型效能差距。韓國代表模型 K-Exaone（LG AI 研究院）在 2026 年 1 月的 Artificial Analysis 智能指數²中，以開放權重模型基準拿下全球第七。這是韓國模型中唯一進入全球前十的成績。分數大約在 44～45 分。同一指數中，Google Gemini 和 OpenAI ChatGPT 是 73 分。差距約 40%。

韓國 5 個主要模型（EXAONE、HyperCLOVA X、Solar Pro、A.X、VARCO）大多在 300 億參數規模，以成本效益和韓語特化為勝負手。以小型模型逼近大型模型效能這一點，技術力本身是獲得認可的，但在絕對效能上，與美國、中國的邊際模型³ 之間有明顯的級別差距。

我去參加主權 AI 相關的研討會、座談會時，每次都說：國內對「主權 AI」這個關鍵字的理解，往往停留在軟體模型的層面。但實際上，無論美國、中國、歐洲、台灣、日本——這些我們視為競爭對手的國家——主權 AI 都不只是模型競爭，而是涵蓋從供應鏈到「直接製造、自主營運」的整體過程。我們現在專注在努力開發，但這屬於採購的範疇，不是真正擁有自己的東西。而且，我真的不太理解為什麼要把蒸餾其他模型當成問題。現實上並沒有所謂的法律問題，目前 OpenAI、xAI、Anthropic、DeepSeek、MiniMax 等所有邊際級模型的開發公司，都已公開或半公開地表示他們使用了蒸餾技術，而我們卻異常地堅持從零開始⁴。

更扎心的數字在人才方面。AI 人才淨流入方面，韓國在 OECD 38 個國家中排名第 35。每 1 萬人口 -0.36 人，意思是出去的人比進來的人多。原因很簡單：AI 領域博士起薪，美國是 114,000 美元，韓國民營企業約 4,100 萬韓元（約 30,000 美元），差距 3.8 倍。計畫移居海外的理工博士人數也逐年增加：2023 年 592 人 → 2024 年 658 人 → 2025 年 709 人。還有統計顯示，首爾大學理工科研究生名額的 75% 未滿額。

總結來說：AI 的製造能力（專利）是全球第一，但製造 AI 的人（人才）正在流失。Pebblous AI 的分析精準地指出了這個矛盾：「如果這個差距無法縮小，專利數量就永遠無法轉化為模型品質。」（當然，這些專利如果一個一個拆開來看……）

🏝️ Cyworld 留下的教訓

其實這種模式對韓國來說並不陌生。

1999 年推出的 Cyworld 是虛擬形象社交網路的鼻祖，比 Facebook（2004 年）早了 5 年。Naver 知識 iN（2002 年）比 Yahoo Answers（2005 年）早 3 年開啟了 Q&A 平台。韓國是全世界最早鋪設高速網路的國家，在網際網路服務領域也是先發者。

結果呢？Cyworld 進軍 8 個國家但大多撤出，在行動化轉型上失敗，把位置讓給了 Facebook。Naver 在全球搜尋市場被 Google 超越。政府主導的 ActiveX 強制化讓韓國網頁生態圈被 Internet Explorer 困了將近 10 年。這件事有元兇，但沒有人負責。

這些失敗案例有共同點：在國內市場快速成功後，被自己的成功公式困住，在全球擴展上失敗。技術能力是有的，但沒有建立與全球標準相容的開放生態圈。這就是所謂的「加拉帕戈斯症候群⁵」。

AI 領域也出現了類似的跡象。2026 年 1 月，政府獨立 AI 基礎模型專案出了意外。最有力的候選者 Naver Cloud 落選了。原因很有趣：Naver 的模型是對海外開源模型進行微調（fine-tuning）的產物，不符合政府定義的「獨立模型⁶」——即初始化權重後，以自有數據和演算法訓練的模型——這一標準。也就是說，韓國投資 AI 最久、最多的企業，竟然沒有「從零開始打造的模型」。但前面也說了，這話有點……像是不知道現在 AI 產業怎麼運轉才說得出口。

最終 LG AI 研究院、SK 電信、Upstage 存活了，但這個事件提出了韓國 AI 生態圈的結構性問題：專注於「獨立模型」是韓國真正能贏的遊戲，還是像網際網路時代的 ActiveX 一樣，把自己與全球生態圈隔離的路？

🔑 狂熱要轉化為競爭力的話

那麼，韓國的 AI 競爭力應該從哪裡來？

先冷靜地看看已經擁有的。三星電子和 SK 海力士幾乎壟斷了 AI 訓練必備的高頻寬記憶體（HBM）⁷市場。NVIDIA 最尖端的 GPU 要運作，必須依賴這些晶片。2025 年韓國半導體出口額 1,734 億美元，創歷史新高，三星和 SK 海力士的市值分別突破 1 兆美元。韓國握有 AI 的實體基礎，這是確定的。

導入速度也是一項資產。韓國是全世界最積極接受 AI 的市場。過半數國民在日常或工作中使用 AI，政府機關也爭相實驗 AI 教科書、AI 照護機器人、AI 公車站等。這個「早期採用者國家」的特質，作為 AI 服務的測試平台⁸具有充分的價值。

但這兩項資產要真正成為競爭力，需要連結。HBM 壟斷意味著韓國嵌入了美國 AI 企業的供應鏈，而不是佔據了 AI 價值鏈的上游。導入速度快，也可能意味著韓國企業不是在做 AI，而是在最快消費 OpenAI 和 Google 的服務。

在基礎模型競爭中正面擊敗美國和中國，現實上很難。美國民間 AI 投資就有 2,859 億美元，是韓國整體 AI 預算（67 億美元）的 42 倍。韓國應該專注的，是成為在特定產業中最會「用」AI 的國家。在韓國已具備全球競爭力的領域——半導體製程優化、電池品質管理、K-內容製作——將 AI 最深層地結合，這才是策略。

奧茲的視角

老實說，我認為韓國的「AI 三強」宣言是一個危險的框架。

在制定 GTM 策略時，我反覆看到一個模式：市場定位中最危險的時刻，就是執著於「我們排第幾」的時候。排名是當下的快照，不代表競爭力的方向。史丹佛把韓國列為模型數第三，但美國 50 個對韓國 5 個的絕對數字擺在一起，很難說是在同一個聯賽。

我更關注的是，韓國 AI 企業普遍以「韓語特化」和「成本效益」作為差異化賣點。這在 GTM 中是典型的利基定位。利基策略本身完全有效，但一旦把它叫做「三強」，策略判斷就會模糊。利基和主流需要完全不同的策略手冊。

我認為韓國真正的選擇，是在「製造的國家」和「最會用的國家」之間。兩者都是有價值的定位，但資源配置完全不同。像現在這樣同時跑兩條線，模型品質可能停在中等，應用生態圈也可能停在中等。就像 Cyworld 沉醉於國內成功而錯過了行動化轉型，AI 領域的「三強自豪感」也可能成為阻礙冷靜策略選擇的障礙。

結語

總結來說：

韓國擁有對 AI 的狂熱、政府的投資意志、半導體供應鏈這三項資產。但同時也背負著邊際模型效能差距（40%）、人才外流（OECD 第 35 名）、加拉帕戈斯化的前科這三項風險。

與其安於「AI 第三」的排名，不如冷靜地選擇韓國真正能贏的戰場。

MIT 科技評論那篇文章中，那位 29 歲保險業務員的話最精確地概括了韓國 AI 的現狀：「AI 讓人害怕，但現在真的太有用了。」在狂熱與不安之間，如何將這個差距轉化為策略，才是關鍵。

💬 各位訂閱者認為韓國在 AI 領域應該專注於「製造的國家」還是「最會用的國家」？歡迎留言分享您的看法。

參考資料 & 延伸閱讀

核心來源

Yun Chee, “Why Do South Koreans Love AI So Much?”, MIT Technology Review, 2026.06.15. : 本封新聞通訊的起點文章。從首爾大排檔開始的開頭特別令人印象深刻。
Stanford HAI, AI Index Report 2026, 2026.04.14. : 驗證韓國 AI 三強主張最系統化的數據。推薦第二章（技術效能）和第六章（政策）。
Pew Research Center, “How People Around the World View AI”, 2025.10.15. : 25 國 AI 認知調查。可以查看韓國 16% 這個數字的原文脈絡。
Pebblous AI, “Patent Leader, Talent Rank 35th — K-AI’s Paradox in Stanford HAI AI Index 2026”, 2026. : 以韓國脈絡分析史丹佛數據的深度報告。很好地整理了專利第一 vs 人才第 35 的結構性矛盾。

背景知識

The Korea Herald, “LG’s K-Exaone breaks into global top 10 AI rankings”, 2026.01.11. : 韓國模型全球排名的最新現況。
The Korea Herald, “[Inside K-AI] How benchmarks shape AI battlefield — and where Korea’s models stand”, 2025.08.14. : 綜合比較韓國 AI 模型基準測試成績的文章。
保安全訊, “科技部「獨立 AI 模型專案」LG、SKT、Upstage 存活……Naver 落選「意外」”, 2026.01.15. : 詳細報導了 Naver 落選的背景和「獨立模型」的定義標準。
Seoul Economic Daily, “Korea Faces Worst AI Brain Drain”, 2026.03.09. : 人才外流數據的原文。

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

基礎模型（Foundation Model）：以大量數據預訓練的通用 AI 模型。GPT、Gemini、Claude 等大型語言模型是典型代表。在此模型之上，可以針對特定用途進行額外訓練，打造各種服務。 ↩
智能指數（Intelligence Index）：AI 評估機構 Artificial Analysis 以 10 個數據集綜合評估 AI 模型的推理、知識、數學、編程能力的分數。滿分 100 分，用於比較模型間的效能。 ↩
邊際模型（Frontier Model）：指現存 AI 模型中效能最高的最尖端模型。主要由美國的 OpenAI、Google、Anthropic 和中國的 DeepSeek 等開發。 ↩
從零開始（From scratch）：指不重用或參考任何既有的程式碼、數據、模型，從基礎（白紙）階段開始全新建構一切的方法論。簡單說就是從 0 開始、不參考任何東西來打造。 ↩
加拉帕戈斯症候群（Galapagos Syndrome）：如同加拉帕戈斯群島的生物因與本島隔離而獨立演化，特定國家的技術僅最適化於國內市場，與全球標準不相容的現象。日本的功能機、韓國的 ActiveX 是典型例子。 ↩
微調（Fine-tuning）：對已訓練的 AI 模型額外輸入特定領域數據進行訓練的方法。比從零打造模型成本低得多，但可能產生對基礎模型的技術依賴。 ↩
HBM（High Bandwidth Memory，高頻寬記憶體）：用於 AI 模型訓練與推理的超高速記憶體晶片。數據傳輸速度比一般記憶體快數倍，三星電子和 SK 海力士佔據全球供應的大部分。 ↩
測試平台（Testbed）：指可以在實際環境中測試新技術或服務的平台。像韓國這樣積極導入 AI 的市場，是全球 AI 企業驗證新產品的理想環境。 ↩