韩国入选“独立AI基础模型”项目的企业，集中介绍了其在NVIDIA平台与软件生态上的应用实践。除展示具体案例外，NVIDIA当天还同步发布了面向韩国本土AI模型的推理优化成果，进一步强化与主权AI生态的协作。

11月9日，在首尔三成洞COEX举行的“NVIDIA AI Day Seoul 2026”上，LG AI研究院、SK Telecom、Upstage等第三批入选“独立AI基础模型”的企业代表，出席“K-AI Frontier Builders”圆桌论坛并分享了相关进展。

此次交流的重点之一，是NVIDIA的AI推理优化软件Dynamo。该软件可在多台GPU服务器之间高效分配推理任务，并通过复用已有计算结果，提升处理速度和资源利用率。

Upstage表示，接入Dynamo后，AI服务运营效率明显提升，尤其是在KV缓存管理方面效果突出。KV缓存机制通过临时保存模型已完成的计算信息，减少重复计算开销。

Upstage大语言模型（LLM）技术负责人Song Inseo表示，Dynamo在KV缓存管理等环节带来的收益十分明显，能够在更少资源投入下显著提高吞吐量。

LG AI研究院也介绍了其与NVIDIA在推理优化方面的合作经验，并强调在大规模AI服务场景下，请求路由能力的重要性正在上升。

LG AI研究院EXAONE Lab团队负责人Cho Hyunjik表示，关键不在于单台服务器本身，而在于将请求路由至哪台服务器。随着服务规模持续扩大，路由能力的重要性将进一步提升。

他还表示，未来更具潜力的方向不只是单一模型，而是多模型协同编排，即在保持回答质量一致的前提下，通过多个模型协同完成响应。

除推理环节外，上述企业也在数据清洗和模型训练阶段采用了NVIDIA相关技术。

SK Telecom表示，使用NVIDIA的NeMo Curator清理AI训练数据中的重复内容后，整体数据处理周期大幅缩短。

SK Telecom研究员Yang Hyunho表示，过去处理重复数据通常需要2至3周，而借助NeMo Curator的GPU加速后，所需时间可压缩至约3天。

Yang Hyunho同时强调，训练效率与成本控制直接相关。他表示，即便模型训练速度仅提升10%，按GPU使用时长计算，也可节省约6天时间，相当于降低约6亿韩元成本。

LG AI研究院还介绍了NVIDIA Megatron Bridge的应用案例。该工具主要用于支持大型AI模型的训练与转换。

Cho Hyunjik表示，接入Megatron Bridge后，集团关联公司在使用层面更加便利，EXAONE模型的训练速度也得以提升，整体效率进一步改善。

Upstage还在使用NVIDIA的NVFP4量化技术，通过降低模型计算精度来提升处理效率。Song Inseo表示，量化可能带来一定性能损失，因此在对准确性要求较高的环节，仍会维持较高精度。

NVIDIA当天还公布了针对4款韩国本土AI模型的Dynamo优化成果，分别为SK Telecom的A.X K2、LG AI研究院的K-EXAONE 2.0、Upstage的Solar Open 2，以及Motif Technologies的Motif-3。

根据NVIDIA披露的内部测试结果，在B200 GPU环境下完成优化后，A.X K2的单GPU输出吞吐提升至原来的1.72倍，K-EXAONE 2.0提升至1.58倍，Solar Open 2提升至1.43倍；Motif-3则在独立的分布式推理环境中实现了3.67倍提升。

此外，在“NVIDIA AI Day Seoul 2026”现场，NVIDIA、SK Telecom与Rebellions三方还签署了围绕“NVLink Fusion”的合作谅解备忘录。

韩国科学技术信息通信部对上述签约表示祝贺，并与NVIDIA共同举办“AI初创企业伙伴关系论坛”。据介绍，该合作也被定位为该部门此前与NVIDIA就韩国本土神经网络处理器（NPU）协同合作所推进事项的一部分；相关论坛则旨在支持韩国AI初创企业拓展海外市场。