韩国科学技术信息通信部于 16 日在青瓦台迎宾馆（Cheong Wa Dae Yeongbinguan）的总统简报会上宣布三项国家级超级项目。AI 数据中心投资总额达 55 万亿韩元，并提出 Physical AI 和 K-semiconductor 的发展举措。政府目标是在 2029 年起分阶段部署 8.4GW 的 AI 数据中心产能，到 2027 年开发本土 Physical AI 世界模型，并在 12 月前建立 1 纳米半导体技术路线图，以确保国家技术领先地位。该举措回应全球对 AI 基础设施需求的加速增长，并计划通过一体化解决方案包推动国内设备与零部件产业转型为出口产业。
SK、GS 和 Naver 将在 2029 年前建成 8.4GW AI 数据中心
根据该部计划，SK 将在包括蔚山在内的五个地区建设 5 吉瓦产能，GS 将在东海建设 2.4GW，而 Naver 将在多个地区开发 1GW，重点围绕世宗。此类吉瓦级设施将从 2029 年起开始分阶段运营。政府设立由三条支撑轴构成的支持体系，包括跨部门特别工作组、公私联盟以及专门支持团队，以解决电力供应、场地获取和许可办理流程中的瓶颈。从 2027 年起，该部将支持核心数据中心解决方案、IT 设备（包括服务器）以及电力与制冷设施的本土化与升级，并在运营中的数据中心进行验证，以做好出口就绪。该部一名官员表示，鉴于全球数据中心建设增长，政府将把解决方案与设备产业培育为出口部门，并指出 HBM 和 IT 设备、变压器及制冷系统已实现出口。政府计划通过打包式解决方案来扩大产能与出口能力，而非仅销售单独设备。
政府拨款 340 亿韩元用于 Physical AI 世界模型开发
政府将于 2026 年至 2027 年投入 340 亿韩元，支持 10 个企业与机构财团开发本土 Physical AI 世界模型，目标是在 2030 年实现世界领先。世界模型技术将在虚拟环境中模拟真实世界的运动与物理定律，从而为机器人和自动化机器学习生成合成数据。从 2027 年起，该部将建立通过世界模型生成大规模合成数据的体系，并搭建学习与训练框架。在此基础上，政府计划开发能够像人类一样感知并在环境中行动的 Physical AI 基础模型，并建设涵盖芯片、数据基础设施与服务的国内全栈。Physical AI 项目的财团遴选将依据在全北与庆南两省开展的预验证项目，对参与方进行评估，以构建以国内技术为中心的生态系统。该部一名官员强调，尽管外国公司也可能参与财团，但目标是实现 Physical AI 技术的本土化，凭借国内能力落地。已开发的技术将首先在区域制造基地展示，然后扩展至国防、护理、农业与公共安全等应用领域，培育为出口产业。
部计划在 12 月前制定 1 纳米半导体路线图
政府将建立由国内技术构成的“K-AI 半导体全套（Full Package）”生态系统，覆盖 AI 加速器、基础设施与网络、软件以及 AI 服务。该部将通过将国内 AI 半导体应用于大型企业的主要产品与服务、扩大示范、指定为创新公共采购产品以及牵头采购，来支持国内 AI 半导体初期市场建立。同时，也将同步推进下一代核心技术开发，以突破半导体的物理极限。今年下半年将先行规划，预计到 12 月形成 1 纳米级器件以及堆叠式下一代 HBM 技术的路线图，并从 2027 年起启动大规模研发。该部一名官员解释称，目标是借助 1 纳米以下的下一代材料，实现相较现有技术超过 10 倍的性能提升；并指出不同于民间企业开发的简单堆叠内存，该路径将以异构方式堆叠计算器件与内存，以同时提升性能与能效。
韩国将于年末完成 5G 专网建设
为支撑 AI 数据中心的通信基础设施，政府将于年末完成 5G 专用网络建设，并扩大智能基站。6G 技术示范与低轨卫星通信网络的开发也将并行推进，以确保数据中心与 Physical AI 所需的超高速、超低时延网络基础设施。
常见问题
韩国 AI 数据中心项目的总投资规模是多少？
总投资为 55 万亿韩元，其中包括吸引外资。SK 将在五个地区建设 5GW，其中包括蔚山；GS 将在东海建设 2.4GW；Naver 将在以世宗为中心的多个地区开发 1GW；产能合计 8.4GW，并从 2029 年起开始分阶段运营。
韩国 Physical AI 世界模型开发何时开始？
政府将于 2026 年至 2027 年投入 340 亿韩元，支持 10 个企业与机构财团开发本土 Physical AI 世界模型。从 2027 年起，该部将建立生成大规模合成数据的系统，并创建学习框架，力争在三年内开发基础模型与国内全栈解决方案。
韩国 1 纳米半导体技术开发的时间表是什么？
该部将于今年下半年开展前期规划，并在 12 月前建立 1 纳米级器件以及堆叠式下一代 HBM 技术的路线图。从 2027 年起启动大规模研究与开发，目标是通过下一代材料以及计算器件与内存的异构堆叠，实现超过 10 倍的性能提升。
