国内制药与生物企业正在积极构建自有的人工智能（AI）平台，并开展全球合作研究。企业希望通过结合自身的数据和研究能力，提升新药开发的竞争力，超越单纯依赖AI进行候选药物的发现。然而，能够掌握AI技术的专业人才和高质量的研究数据的企业仍然不多，因此国内的AI新药开发仍处于初级阶段。据行业消息，韩美制药利用自有的AI平台“HARP-pSAR”设计了减肥新药候选物“HM17321”。该候选物旨在减少体重的同时保持和增加肌肉量，目前正在美国进行I期临床试验。公司表示，AI能够预测蛋白质结构的微小变化所带来的药理效果，并提出最佳设计方向，从而实现以较少的实验数据进行超高速筛选。最近，韩美制药与罗氏集团的子公司基因泰克签署了“HM17321”的独占许可协议，合同金额高达230亿美元（约合32000亿韩元）。构建自有平台的制药公司数量持续增加。JW中外制药运营着将现有药物筛选系统“珠宝”和“三叶草”整合而成的AI新药开发平台“JWAVE”。该平台计划分析超过400个基因组数据和45000多个化合物数据，以将新药开发的时间和成本缩短25%至50%以上。该公司还计划利用自有的细胞株、类器官、疾病动物模型和合成化合物数据进行AI学习，以推动新药候选物的发现和优化。大雄制药则将800亿种化合物分子信息数据库化，并基于此构建了AI新药开发系统“DAISY”。东亚制药集团在7月与其IT子公司DAI及东亚制药共同构建了自有的AI新药开发平台“AIDDP”。AIDDP旨在提供一个环境，进行新化合物设计、候选物与靶蛋白结合力预测、分子模拟及研究结果管理等多项功能。此外，SK生物制药在6月与中国的英思利科医学签署了中枢神经系统（CNS）神经免疫领域新药候选物的共同研发合同。双方将利用英思利科的AI平台，针对与中枢神经系统及神经免疫疾病相关的三个靶点进行联合研究。整个合同规模根据研究、开发、许可和商业化成果，最高可达257.25亿美元（约合35800亿韩元）。AI新药开发专业公司的平台竞争也在加速。Pharos AI Bio利用“化学宇宙”发掘新药候选物，OncoCross则基于“Raptor AI”专注于寻找现有药物的新适应症。Syntekabio通过大规模虚拟筛选技术，Galax则凭借蛋白质和抗体设计技术继续竞争。然而，部分人士指出，尽管企业纷纷宣布和引入AI平台，但缺乏相应的制度支持。专业人才的短缺也是一个问题。韩国制药生物协会的AI新药研究所对55名来自国内制药、生物企业及AI专业公司、学术界和研究机构的相关人士进行了调查，结果显示89.1%的受访者表示正在使用或考虑引入AI进行新药开发，但67.3%的受访者表示新药开发部门没有一名AI专业人才。虽然希望引入AI的企业很多，但实际应用于研究的人才却不足。业界人士指出，AI平台不应仅被视为简单的软件引入。AI新药开发相关人士表示：“需要有高质量的实验和临床数据，并能够验证这些数据的研究团队，以及将AI结果转化为实际候选物的组织同时存在。”他还预测：“未来，企业间的竞争将不仅取决于是否拥有平台，而是数据的积累量和临床转化的实际成果。”在此背景下，国内出现了自主技术开发的生物AI模型，备受关注。该模型“K-折叠（K-Fold）”能够预测蛋白质的三维结构，以及药物候选物与蛋白质结合的具体位置和形态。特别是韩国制药生物协会通过其下属的AI新药研究所，计划推动“K-折叠”在产业中的应用扩展。韩国制药生物协会会长罗延洪表示：“K-折叠的开发不仅超越了利用海外生物AI技术的局限，展示了自主掌握世界级核心技术的能力，意义重大。”他期待这将降低研究人员使用AI的门槛，提高新药候选物的探索速度和效率。※ 本报道经人工智能（AI）系统翻译与编辑。

现代汽车正在加速自驾数据的收集。经过多次尝试，现代汽车在首尔的机器人出租车项目取得成功，开始收集首尔道路环境数据。这些收集到的行驶数据将有助于提升“数据飞轮”的智能化水平。 据业内消息，现代汽车计划在今年年底推出首尔的自动驾驶出租车服务。该公司与Kakao和Tmoney Mobility共同被选为首尔市自动驾驶出租车平台的运营商，将负责从召唤、调度到运营监控的全方位自动驾驶服务。 现代汽车进入首尔机器人出租车项目的原因在于获取自动驾驶数据。在车辆、行人和摩托车交织、突发情况频繁的首尔市中心，AI可以收集到难以提前学习的“边缘案例”。这直接关系到自动驾驶的竞争力。 现代汽车正在考虑将首尔积累的自动驾驶出租车运营经验和数据应用于其自有的数据飞轮中。数据飞轮是一个循环结构，通过实际车辆收集数据，AI进行学习以改善自动驾驶技术，然后将其应用于车辆以获取新数据。这种方法与特斯拉通过量产车收集大量行驶数据来训练自动驾驶AI的方式相似。 上个月，现代汽车集团AVP部门的朴敏宇在首席执行官投资者日（CID）上指出，数据收集→AI学习→车辆应用→数据收集的循环是自动驾驶的核心竞争力。他认为，快速获取大量优质数据并反复进行AI学习将决定自动驾驶的竞争力。 为了构建数据飞轮，现代汽车计划在今年下半年在光州优先投放200辆自动驾驶汽车。现代汽车和起亚将利用自家开发的端到端（E2E）自动驾驶解决方案“阿特里亚AI”。明年，计划将光州的实证区域扩大到五个自治区域。 现代汽车集团还将建立支持数据飞轮的大规模基础设施。在新安求，现代汽车集团计划建立AI数据中心，以处理从车辆等收集的大量数据，并作为AI模型学习的基础设施。通过在首尔和光州等实际道路上获取数据，再在数据中心进行AI学习和改进，最后将其应用于车辆。 未来对数据的需求预计将进一步增加。现代汽车计划从2028年开始逐步推出自家软件中心车（SDV），以扩大量产车的数据收集基础。此前，现代汽车已开发了Motional和Ioniq 5机器人出租车，并向Waymo提供了基于Ioniq 5的车辆，正在构建涵盖自家车辆、自动驾驶AI和出行平台的生态系统。 现代汽车相关人士表示：“为了提升自动驾驶技术，充分获取实际道路上发生的各种数据至关重要。” 此外，现代汽车将在11日的“HMG自动驾驶媒体日”上公布自家软件中心车和数据飞轮等集团的自动驾驶战略。※ 本报道经人工智能（AI）系统翻译与编辑。

政府计划建立一个“制造数据图书馆”，以便在不公开企业核心制造数据的情况下，利用这些数据进行人工智能（AI）学习。这一举措旨在解决企业因担心商业秘密泄露而不愿提供高价值数据（如缺陷和事故数据）的问题。明年将投入1158亿韩元收集非公开数据，并与各行业的AI基础模型开发相结合。 林京燮，工业通商部制造人工智能转型合作科科长，在9月3日于首尔中区德普拉扎酒店举行的第18届善良增长好工作全球论坛（2026 GGGF）第二天的会议上表示：“以往的制造数据业务是以公开为前提收集数据，因此企业不愿意提供优质数据。”他指出：“这次我们将基本上以非公开为前提来收集数据，虽然可以在清洁室进行学习，但数据不能带出，只能带出学习后的AI模型。” 在制造业AI转型中，数据是最大的障碍。林科长表示：“只要解决数据问题，80%到90%的问题就可以解决，这是最重要的问题。”根据工业部的数据，国内90%以上的制造企业尚未利用AI。由于各企业的设备名称和测量单位不同，标准化显得尤为必要。林科长指出：“如果没有标准，AI模型在数据越多时，反而会变得越来越无用。” 政策目标也从单个工序的改进扩展到通用AI的开发。林科长表示：“过去的目标是进入单个工厂改善一个工序，而今后我们的目标是收集更多数据，开发可以在整个工序中通用的基础模型。”他还提到，将把依赖于熟练工人经验的“隐性知识”数据化，以应用于AI和机器人。 工业部将以去年成立的“M.AX（制造AI转型）联盟”为中心扩大业务。目前，约1500家企业和机构参与了AI工厂、机器人、未来汽车、半导体和自主航行船等11个分支。AI工厂的数量从去年的102个增加到现在的约170个。林科长表示，在38个可测量成果的项目中，“不良率减少了约15.5%，生产力提高了约30%。” 物理AI的实证也在扩大。目前，仿人机器人在10个工业现场进行实证，未来将增加到30个。还在推进基于设备的AI半导体开发。林科长指出：“自动驾驶汽车不能因为失去通信而停下，必须需要低功耗、低延迟且耐用的半导体。” 法律和制度基础也在建立。工业部正在推动制定所谓的“M.AX法”，以促进制造数据的利用和AI专业人才的培养。同时，还将并行制定制造AI相关标准和GPU支持。林科长表示，工业部AI相关预算从今年的约1.2万亿韩元扩大到明年的1.7万亿韩元，并表示：“我们将积极推动以重点项目为中心的预算和资金支持。”※ 本报道经人工智能（AI）系统翻译与编辑。

CJ대한통운正式将人工智能（AI）人形机器人投入实际物流运营，推动基于物理AI的物流自动化。这是物流行业首次将人形机器人应用于客户物流处理的案例。 CJ대한통운近日宣布，已在京畿道龙仁的阳智Olive Young物流中心部署了2台人形双臂机器人，投入商品包装作业。这些人形机器人负责在包装线上将缓冲材料放入箱内。 此次应用超越了去年在军浦履行中心进行的现场验证，标志着人形机器人首次在实际物流运营中投入使用。公司计划利用现场积累的作业数据进行AI学习，以持续提高机器人的作业准确性和响应能力。 人形机器人因其能够处理形状、大小和材质各异的商品而受到关注，成为补充现有自动化设备局限性的技术。其与人类相似的形态使其能够灵活适应现有工作空间，执行多种作业，具有较高的灵活性和扩展性。 CJ대한통운正在结合实际物流现场积累的数据与AI技术，扩大人形机器人的应用范围。特别是，公司对作为机器人“大脑”的基础模型（RFM）进行了升级。通过结合实际物流现场数据与模拟生成的虚拟数据进行学习，提升其应对多种作业环境的能力。 公司计划从此次现场运营开始，逐步扩大到商品拣选、分类、检验和包装等多个作业流程。最终目标是实现一台机器人连续执行多个物流流程的通用物流人形机器人。 为此，CJ대한통운与Robotics（硬件）、Aiden Robotics（机器人手）、Real World AI（RFM）等公司合作，致力于构建AI人形机器人生态系统。同时，公司还参与了包括人形机器人手开发在内的政府重点项目，推动物流现场的AI自主运营体系转型。 CJ대한통운 TES物流技术研究所所长金正熙表示：“此次现场投入具有重要意义，标志着人形机器人已进入实际物流运营过程中的角色。”他还表示：“我们将结合物流数据与AI技术，推动人类与机器人共同工作的未来型履行模式。” 此外，CJ대한통운还与韩国海洋振兴公社（KOBC）合作，开始在美国伊利诺伊州埃尔伍德物流中心的运营，进一步加快北美业务的扩展。※ 本报道经人工智能（AI）系统翻译与编辑。

美国公民社会团体呼吁联邦贸易委员会（FTC）对大科技公司为人工智能（AI）学习而大量购买书籍、扫描后销毁原本的行为展开调查。 据《联合新闻》22日报道，美国公民团体“需求进步教育基金会”和美国消费者联盟（CFA）等18个机构于21日（当地时间）向FTC主席安德鲁·福格森和常务委员马克·米多尔发送了联合信，要求调查AI公司购买和销毁书籍的行为是否构成不公平竞争。 这些团体认为，AI公司大量购买纸质书籍进行扫描后永久销毁原本，实际上是在阻止竞争对手获取相同资料的行为。 他们特别强调，这种“供应源封锁”使得后起的AI初创公司难以进入市场，呼吁FTC依据联邦法律的不公平竞争禁止条款进行调查。 在联合信中，他们批评AI公司通过大规模销毁书籍来阻止公众获取相关资料，称“只有最富有的现有企业才能构建高质量的AI模型”。 此外，他们还指出，销毁原作的行为将导致特定企业独占人类的记录，认为AI学习的许多书籍在生成型AI普及之前就已出版，因此这些资料应被视为有限且稀缺的人类资源。 实际上，一些大科技公司已被报道采用这种方式获取AI学习数据。 安特罗皮克通过所谓的“巴拿马项目”购买数百万本书籍，切割书脊进行扫描，然后将销毁的书籍回收为废纸，以构建AI学习资料。 亚马逊也被认为以类似方式训练AI模型。《卫报》最近报道，在北美、欧洲和澳大利亚的二手书店中，出现了机器筛选的大量二手书购买案例。 信息技术（IT）专业媒体404媒体报道称，经过追踪，发现一间书店接到的大量订单中1000本书籍被贴上追踪装置，最终被送往位于美国拉斯维加斯的亚马逊书籍扫描设施。 此次争议不仅涉及AI学习和版权问题，还扩展到AI公司之间竞争的公平性问题。 此前，美国联邦法院裁定，作家们对安特罗皮克提起的版权诉讼中，合法购买的书籍用于AI训练属于“合理使用”，不构成版权法的违反。然而，公民团体认为，即使不构成版权侵权，购买并销毁书籍的行为也可能构成不公平竞争。 安特罗皮克在与作家的版权诉讼中，已于上月达成和解，支付了被认为是美国版权诉讼史上最大规模的15亿美元（约合2万亿韩元）。※ 本报道经人工智能（AI）系统翻译与编辑。

在政府强调半导体生产基地尽早投入使用的背景下，SK海力士正在用清和青州加速扩展生产能力。用清一期厂房的首个洁净室启用时间提前，第二阶段建设也已启动。在青州，继下一代D램生产线提前投入使用后，先进封装生产设施也在扩展。企业投资的增加与政府的半导体基础设施加速建设相互促进。 据业内消息，SK海力士计划在2027年2月启用位于京畿道用清市处仁区原三面的半导体集群一期厂房的首个洁净室，比原定的5月提前了三个月。该一期厂房建设预计投入约31万亿韩元。二至六期洁净室计划在2030年底前逐步建设完成。 用清现场的第二阶段建设也在进行中。SK海力士于4月开始了第二阶段的基础施工，本月将进入建筑动工阶段。第二阶段将建设三个洁净室，公司计划通过此举为未来的生产能力扩展奠定基础。 政府也在继续加快半导体生产设施的建设。李在明总统在7月6日举行的半导体集群民间与政府联合检查会议上指出，在工业园区建设过程中，应尽量并行进行行政程序，以缩短时间。他当时还指出，用清半导体集群的项目进展速度不足。 SK海力士在青州的投资也在加速。青州M15X的首个洁净室于去年10月提前启用，计划于今年第一季度开始投入晶圆，目前正在逐步安装设备。M15X将投入约20万亿韩元，以确保包括高带宽内存（HBM）在内的下一代D램生产能力。 在青州，不仅前道工序，后道工序的投资也在持续。SK海力士正在投资19万亿韩元建设先进封装厂P&T7，已于今年4月正式开工，目标是在2027年底完成洁净室建设。P&T7将作为将M15X生产的D램转化为HBM的后道工序基地。 SK海力士提前安排用清和青州的投资时间表，主要是由于AI数据中心扩展带来的内存需求增加。公司在最近的公告中表示，随着AI学习、推理及云服务的普及，先进内存的需求正在上升。超大规模云服务商们提出了长期的AI数据中心投资计划，HBM等AI内存的长期供应合同需求也在增加。 用清和青州的角色各有不同。用清将成为以HBM和高端D램为中心的大规模前道生产能力基地，而青州则在M15X生产下一代D램，并在P&T7进行先进封装。SK海力士计划通过联动两地的生产设施，扩大AI内存的供应能力。 在政府加快半导体生产设施的审批和基础设施建设的同时，SK海力士也在提前现有生产基地的投入使用时间。业内分析认为，AI内存需求的增长速度超出预期，确保生产设施的时机本身已成为竞争力。 一位半导体行业人士表示：“HBM的关键在于能否在客户需要时及时提供所需的数量，”并指出“用清和青州的生产能力能多快得到保障，将影响未来的供应应对能力。”

“最近常听到‘想做好，但没钱’这样的说法。” 在23日于首尔上岩洞韩国文化信息院举行的文化体育观光部“全球AI文化强国战略”视频及广播领域座谈会上，与会者纷纷表示，“AI视频行业今年面临成本壁垒”。 此次座谈会由崔辉荣文化体育观光部部长主持，AI内容制作公司及电影、视频行业相关人士出席，讨论了AI视频产业面临的困难及政策支持方案。 与会者呼吁，由于代币费用、电费等AI视频制作成本急剧上升，负担加重。 韩国电影人协会理事长杨允浩表示：“制作一部15分钟的高质量视频，去年最多只需300万元，但现在接近1500万元。”他还指出：“使用代币越多，结果越好，可能会出现因（视频制作工具）会员费等导致的阶级化现象。” AI内容制作公司的情况也类似。Studio Freewill的代表权汉瑟表示：“曾经认为AI比传统方式更便宜且效率高，但最近发现，视频质量提高的同时，成本也与传统方式相当。”他补充道：“仅AI信用每月就需2亿元，年支出达20亿至30亿元。”他感叹：“原本期待AI能缩小创作的贫富差距，但现在却出现了贫富差距。” 相关企业为建立利用开源等自有管道，投入20亿至30亿元进行研发，努力寻找自救之道。然而，对于小型企业来说，制定这样的自救措施并不容易。 此外，AI视频要交付给全球OTT平台，还需突破现有的门槛。 Muam的代表现海里表示：“试图将利用AI制作的内容交付给全球OTT时，往往无法通过以传统实拍视频标准制定的质量检测（QC）。”他指出：“即使制作数百个镜头，也因不符合规格而不断被淘汰，必须制定反映AI内容特性的新的质量标准。” 国内AI生态系统的结构性局限性也受到指责。Dexter Studio的总监制贾克胜表示：“目前使用的大多数生成型AI工具都是美国或中国的服务，国内企业每年需向海外企业支付巨额费用。” Locus的代表洪成浩也指出：“代币费用都需以美元支付，而海外竞争对手则可享受税收退还或现金回扣，我们企业的竞争力相对处于不利地位。” 此外，与会者还呼吁建立AI中心、支持代币费用和电费、项目基础的人力成本支持等。 在AI学习数据和版权问题上，与会者之间存在明显分歧。一些与会者指出，禁止对国内积累的大量视频内容进行AI学习，导致无法用AI实现对韩国人的表现；而另一些与会者则强调，必须通过实地调查来阻止无授权使用视频进行AI学习的情况。 崔辉荣部长表示：“在政府推进AI基础模型、主权AI的同时，需积极讨论在AI电影和视频领域需要哪些国家级项目。”他指出：“基础设施或中心的建设，个别企业难以承担，必须集中力量推动国家层面的项目。”※ 本报道经人工智能（AI）系统翻译与编辑。

生成型人工智能（AI）正在重塑新闻的生产、流通和消费，媒体界对其可能导致全球AI平台依赖的担忧日益加剧。因此，有人提出应通过建立媒体间的联合机制，制定新闻数据的使用标准、流通记录和补偿体系，以创建AI时代的信息和数据主权及民主公共领域。 在22日于首尔汝矣岛国会议员会馆举行的“AI代理时代，民主舆论形成生态系统的构建方案探讨”研讨会上，韩国民主党黄熙、李妍熙议员办公室与韩国人工智能协会共同主办了此次活动。 与会者包括西江大学兼职教授李宇卓、韩国人工智能协会副会长金京泰、韩国人工智能协会数据信托中心主任郑承京、Nexin Technology董事权吴贤及韩国贸易信息通信首席秘书哈成勋。 李宇卓教授在主题发言中指出：“过去20年，韩国媒体将编辑权和新闻流通主导权交给了门户网站，如今又面临被生成型AI平台再次依赖的危机。”他强调，“以公共媒体为中心，韩国媒体应联合重塑新闻流通秩序。” 李教授还指出：“然而，生成型AI时代并非只给媒体带来危机。”他解释道，由于AI服务需要可靠的最新信息，媒体可以建立一个高可信度的新闻供应体系。 金京泰副会长表示：“在AI时代，媒体必须直接掌握新闻数据的流通标准和控制权。”他指出，全球AI企业与媒体之间的关系处于“倾斜的运动场”上。在全球AI企业设定的文章使用标准下，媒体必然会受到内容提供方式和价格条件的影响。 金副会长建议，“媒体应共同制定新闻使用标准。”他以英国BBC和《卫报》等参与的媒体联合体“SPUR”为例，强调AI企业在使用媒体内容时应遵循媒体设定的格式和条件，并透明记录文章使用目的和使用量。 他还提到：“根据AI学习、文章引用、屏幕展示、再加工等用途，需制定不同的价格，并建立事后验证体系，以确保实际使用符合合同目的。” 金副会长建议成立以公共媒体为中心的“新闻供应者协会”，制定新闻数据的标准、使用记录、验证和收费体系，并与海外媒体联合体合作，以增强对全球AI企业的谈判能力。 郑承京主任强调：“必须建立保障AI时代媒体数据所有权和控制权的数据主权体系。”他指出，媒体生产的高质量数据不仅包括文章，还包括专栏、录音、图片、视频和音频等，然而其使用目的和流通路径不透明，供应者的补偿也未得到妥善落实。 郑主任表示：“需要将媒体数据标准化，集中到中央枢纽，并在确认使用企业身份和用途后，追踪数据流通记录。”他还提出，应引入定期订阅、大宗购买、按量计费、版税共享等多种收费方式，根据数据的价值和使用方式进行补偿。 他指出：“将技术与媒体数据结合使用，必须有政策和制度的支持。”并强调，“应建立一个透明的消费路径和供应者补偿体系的平台。”通过这些措施，媒体能够行使数据的所有权和控制权，确保在AI时代的数据主权。 ※ 本报道经人工智能（AI）系统翻译与编辑。