SK Telecom正在加快自研基础模型升级，并计划将制造、半导体、电池等产业一线的专业知识融入模型，推动AI向更具执行能力的“工作型AI”演进，以增强自主技术能力。

9月29日，SK Telecom基础模型负责人（副总裁）Kim Tae-yoon在首尔COEX举行的“Digital Insight 2026”大会上表示，若能把产业现场积累的细分知识转化为模型能力，本土模型或企业可自主掌控的模型将具备明显优势。

Kim Tae-yoon认为，AI模型的发展正迅速转向以智能体为核心的“工作型AI”。他预计，AI能力将在简单问答和代码生成基础上继续演进，并在2027年后逐步进入多智能体阶段，即由多个AI协同分工完成任务。

在他看来，智能体的性能根本上取决于基础模型。SK Telecom的基础模型在完成大规模数据预训练后，还会通过监督微调（SFT）和强化学习（RL）提升实际任务执行能力。其中，SFT阶段主要学习标准答案和行动方式，强化学习阶段则依据任务结果的奖惩机制，持续优化模型的判断与执行能力。

他强调，进入智能体化AI阶段后，模型在真实环境中执行任务所产生的结果重新回流至训练环节，这一过程将变得尤为关键。与以文本生成为主的大语言模型（LLM）相比，面向智能体的基础模型将进一步朝着在数字环境中直接作出判断并采取行动的方向演进。

Kim Tae-yoon还表示，企业需要掌握自主选择AI核心技术、并结合产业特性持续优化模型的能力。目前，SK Telecom正以A.X K2为核心，布局推理、智能体以及视觉、语音等模型矩阵。独立AI基础模型项目也已进入第三阶段开发；在第二阶段评估中，该模型在国际数学奥林匹克题目求解任务中达到“金牌水平”。

在模型建设方向上，SK Telecom正把重点放在将产业一线的专业知识导入自有模型。公司认为，要充分吸收现场产生的数据和业务语境，必须依托能够理解本国产业特征的本土AI。Kim Tae-yoon表示，三年前公司开始做基础模型时，最常被问到的问题是“为什么要自己做”，而核心原因就在于让本国在AI时代掌握关键技术的选择权。

他进一步指出，除了语言文字所承载的文化主权，半导体、电池等传统产业知识也需要被纳入模型体系之中。由于相关知识并不容易完整导入外部模型，因此，具备自研并持续优化模型的能力更为重要。

不过，SK Telecom并无意卷入单纯的绝对性能竞争。Kim Tae-yoon表示，公司从一开始就不是以“做出最聪明的模型”为目标，而是更重视打造“真正能用”的模型；未来也将是多种模型、以多种形态并存的格局。

在智能体化AI研发中，他认为最关键的课题是“评估”。由于智能体需要自主判断，并通过多步骤完成任务，已很难再仅凭是否存在单一正确答案来衡量其性能。他同时表示，自研模型在安全性和可控性方面同样具备优势，企业可以自主部署并进行管理。

SK Telecom计划未来打通AI数据中心、自研基础模型与AI服务，构建“现场评估—反馈回流—模型优化”的闭环。公司的策略是，将独立AI基础模型项目以及“全民AI”等实际服务中沉淀的数据用于模型改进，形成模型、智能体、服务与数据之间相互联动的正向循环。

Kim Tae-yoon表示，这种由反馈沉淀、强化学习和后训练共同构成的闭环，将成为竞争力的重要来源；本土模型真正的竞争力，也正在于模型、智能体、服务和数据之间形成持续联动能力。