韩国媒体日前刊文指出，韩国若要推动“主权AI”落地，不能只依赖大规模GPU集群，还需同步培育本土NPU生态。尤其在AI应用加快从训练转向推理的背景下，地方分布式推理节点和微型数据中心或将成为本土AI芯片进入真实市场的重要突破口。

文章提到，去年10月，Nvidia宣布将向韩国供应26万块GPU。这一消息一度被视为韩国冲刺“全球AI三强”的成果之一。不过，从实际流向看，这批GPU资源高度集中于大企业。其中国内主要企业分别将相关算力用于HBM和晶圆代工良率优化、自动驾驶仿真、自建AI工厂及云业务运营等场景。

相比之下，真正能够分配给产学研机构和初创企业的资源比例并不高。文章称，在国家政策层面，可用于相关主体的规模约占总量的20%。韩国还通过1.46万亿韩元追加预算，先行落实1.3136万块GPU，但实际采购和运营主体是Naver Cloud、NHN Cloud和Kakao三家公司，政府则以租赁方式使用其算力资源。

分配给产学研机构的资源，本质上也主要是上述三家数据中心提供的虚拟化切片。单个课题最长支持周期为12个月，产业界还需按市场价格承担5%至10%的费用。文章认为，这种安排虽然能够缓解部分算力需求，但并不足以支撑本土AI芯片和生态体系的长期成长。

从设备类型看，政府已落实的H200、B200均属于高性能GPU，更适合模型训练和大规模通用计算。H200 SXM最高功耗约700W，B200系列对供电和散热基础设施的要求则更高。这类设备适合将数百块乃至数千块GPU集中部署，用于大模型训练。文章指出，大模型训练和国家级科研当然离不开大型GPU集群，但若试图以同一种基础设施承载所有AI需求，现实中并不容易实现。

文章进一步指出，AI工作负载的重心正在迅速向推理端转移。随着智能体、垂直行业AI、物理AI以及受区域监管约束的AI应用不断增加，真正关键的能力已不再只是超大规模训练，而是低时延、低功耗的推理能力。

在医院、工厂、港口、产业园区、学校和交通管制等一线场景中，数据往往在本地产生，也需要尽可能在本地完成判断和响应。文章认为，这类需求很难全部回传至中心节点统一处理。随着推理专用芯片逐步普及，韩国本土企业FuriosaAI、Rebellions也已推出NPU产品，围绕LG AI Research、KT Cloud及SK数据中心的实际导入案例也在增加。

不过，与海外GPU和NPU相比，韩国本土NPU在性能、通用性和软件生态方面仍存在差距，开发者体验较弱，可支持的模型和框架也相对有限，在大规模训练或通用AI算力场景中难以正面竞争。文章强调，也正因为如此，政策设计才更为关键；如果只有保护和投资，而缺少真实业务环境中的持续验证，本土NPU很难真正成长起来。

文章认为，本土NPU必须在真实客户、真实故障、真实成本和真实SLA环境中接受检验。只有持续对接医院影像判读、工厂异常检测、地方政府CCTV分析、交通管制、民政自动化、学校学习数据处理等现场推理需求，芯片、驱动、编译器以及整个生态体系才有可能不断迭代完善。

在这一背景下，如果政府以市场价格5%至10%的成本大规模提供Nvidia GPU，初创企业自然会优先选择成熟的GPU方案，尝试尚未成熟的本土NPU的动力也会随之下降。对本土NPU厂商而言，这意味着其更难获得接受市场检验、建立竞争力所必需的窗口期。

文章还提到，全罗南道海南SolarCity国家AI计算中心项目已启动建设。按规划，该项目将于2028年前分阶段建设1.5万块GPU，并在2030年前扩大至5万块，总投资达2.4065万亿韩元。不过，在两次流标后，项目的公共持股比例已由51%降至30%以下，原先要求强制搭载本土NPU的条款也被删除。

从项目结构看，该项目已更接近由大型企业财团主导的商业化基础设施。与之相比，微型数据中心项目预算仅为273亿韩元。文章认为，在“兆韩元级”集中式基础设施面前，分布式、小规模基础设施在政策资源配置中的权重明显偏低。

文章指出，韩国政府虽强调“主权AI”，但在现有结构下，所谓“主权AI”很可能只是“把Nvidia芯片部署在韩国境内”。而真正的数据主权并不止于设备所在地，更在于地方制造工艺数据、区域医疗机构影像数据、地方政府CCTV数据、学校学习数据和产业园区设备数据，能否在数据产生地附近完成处理与应用。

基于这一判断，文章提出，将公共闲置资产、先进出行基础设施与分布式推理节点结合，或许是一条可行替代路径。文章称，韩国累计停办学校已超过4000所，其中闲置校舍仍有数百处；老旧产业园区到2025年也已增至约520处。如果从中筛选出具备电力、通信和交通可达性的点位，就有机会成为区域型AI基础设施候选地。

文章认为，闲置校舍和老旧产业园区可以复用既有公共用地及部分基础设施，有助于降低新增用地成本。虽然这些地点仍需补强数据中心级别的供电、制冷和通信能力，但与从零开始建设大型中心相比，起点显然并不相同。

文章还提出，可将UAM垂直起降场（Vertiport）纳入整体规划。这类设施不仅承担起降功能，还会带来实时调度、路径优化、避碰和异常接近探测等低时延AI需求。若能与分布式推理节点协同建设，就有望同步布局交通基础设施和AI基础设施。

具体而言，文章建议，在广域市层面建设5至10MW级节点，将垂直起降场、推理中心和初创企业部署于同一地点；在市、郡、区层面，利用闲置校舍和老旧公共用地建设1至3MW级节点；在社区层面，则可在图书馆和区政府附属空间部署100kW级集装箱式节点，形成分层体系，与中心化超大规模设施形成互补。

文章认为，如果在这些分布式推理节点中优先部署本土NPU，将同时打开两类市场：一方面，地方可以在本地处理本地数据；另一方面，本土AI芯片企业也能够获得真实需求。如果因为“性能不足”而将本土NPU完全排除在外，其短板只会长期固化；但如果不加区分地强制一线场景全面使用未经充分验证的技术，也可能适得其反。

因此，文章主张在两者之间寻找平衡，将区域推理节点打造为本土NPU的实战验证场。初期可采用GPU与NPU混合部署模式，公开比较不同工作负载下的性能、功耗和成本表现，先让本土NPU承担更具优势的应用场景，再推动其短板持续改进。文章强调，产业既不能靠单纯保护长大，也不可能在没有机会的情况下成长。

在政策执行层面，文章也指出了现实障碍。闲置校舍归教育部和各级教育厅管理，老旧产业园区涉及产业部门，垂直起降场归属国土部门，数据中心建设则由科学技术信息通信部门主导，区域均衡发展还涉及行政安全部门。由于项目横跨多个部门，在韩国现行行政体系下推进难度较大，这也被视为微型数据中心预算最终仅缩至273亿韩元的原因之一。

文章认为，在相关部门人手有限的情况下，中央政府很难同时规划并执行数十个地区的分布式基础设施建设。中央可以提供方向和预算，但要把地方用地、电力、许可和产业需求打包整合，并不完全属于中央权限范围。

正因如此，文章将地方选举候选人的作用置于重要位置。文章称，下一届地方政府不应止步于提出口号式承诺，而应将本地闲置资产与产业需求打包，主动向中央提出“反向提案”。

文章给出的理由主要有三点。首先，地方政府掌握闲置资产的所有和管理权限。无论是闲置校舍再利用，还是老旧产业园区更新改造用地，以及公共图书馆、区政府附属空间的调配，都需要地方推动，中央无法替地方直接“造地”。

其次，地方政府掌握需求整合能力。区域内医院、学校、产业园区、交通管制和行政数据，能否被整合为统一的AI工作负载，地方政府是核心主体。只有需求聚合起来，基础设施才有建设依据；基础设施形成后，企业才可能进一步集聚。

再次，地方政府也更有条件推动财团组建和项目落地。文章提出，如果由地方政府、区域大学、地方医院、产业园区、民间同址部署运营商以及本土NPU企业共同组建SPV，并作为中央招标的申报主体，项目的可执行性将更高。

文章还援引观点称，韩国商业数据中心长期高度集中在首尔及首都圈；即便从全部数据中心数量和电力需求口径来看，首都圈集聚现象依然十分明显。过去，地方往往只是在“均衡发展”的口号之下扮演被动角色，但这一局面在本轮周期中或许有机会改变。

文章最后总结称，单靠大型GPU去承载全部AI需求并不现实。尽管本土NPU目前仍有不足，但如果因这些不足而在实战市场中被长期边缘化，所谓追赶就无从谈起。技术差距不会只在实验室里缩小，更要通过接触客户、处理故障、压降成本、验证能效和打造易用生态，在真实市场环境中一步步缩小。

文章同时强调，中心化超大规模基础设施依然必不可少，大模型训练和国家级科研也离不开大型GPU集群；但若只有这一条路径，韩国AI产业很难真正做大。更可行的方向，是在各地铺设推理节点，为本土NPU建立面向市场的“实战赛道”，通过GPU与NPU混合部署、按工作负载比较性能、功耗和成本，并借助公共需求打开早期市场。文章认为，最有能力描绘并推动这一路径落地的，正是下一届地方政府首长。