关于应将包括人工智能（AI）数据中心在内的“AI工厂”从首都圈集中转移至发展潜力较大的非首都圈，以促进相关产业的发展，正浩勇HD现代电气ICT解决方案研究室部门负责人在9月3日于首尔中区的The Plaza酒店举行的“第18届善良增长与良好就业论坛（2026 GGGF）”上提出了这一建议。 正部门负责人指出，目前国内电力网面临的最大问题是需求与发电设施之间的“地区不匹配”。国内电力需求中约40%集中在首都圈，但核电、煤电和海上风电等大型发电设施大多位于非首都圈。 因此，首都圈依赖数百公里的长途输电。如果输电线路不足，首都圈将无法获得所需电力，而非首都圈则需减少可生产的电力。 AI工厂在首都圈的集中进一步加剧了这种不平衡。根据韩国电力公司电力系统综合信息，2024年8月至今年6月期间收到的976件电力系统接入申请中，首都圈占652件，比例为67%；非首都圈申请为324件，占33%。 各地区的系统承载能力差异也十分明显。首都圈申请的初步技术审核通过率为50%，远低于非首都圈的88%。正式审查通过率方面，首都圈仅为43%，而非首都圈则高达87%。虽然AI工厂的需求集中在首都圈，但实际电力网接入能力在非首都圈相对较大。 正部门负责人提出了“分散能源激活特别法”和“电力系统影响评估”作为解决地区不匹配的制度性手段。2024年6月实施的分散能源特别法旨在引导在需求地附近生产和消费电力。通过指定分散能源特色区域和地区差异电价等措施，可以促进大型电力需求向地方转移。 电力系统影响评估是针对合同电力在10MW以上的大型电力使用设施在接入电力网前，评估系统是否能够承受的制度。该制度用于调节大型负荷集中在首都圈等系统拥挤地区的情况，并促进向非首都圈的分散布局。 然而，正部门负责人指出，仅靠AI工厂的地区分散无法完全解决电力网的负担。因为AI工厂的电力消耗规模从数百MW到数GW不等，并且由于学习任务的启动和停止，负荷可能在秒级内急剧变化。 他表示：“现有电网规范主要规定了发电和输电等能源生产和传输方的义务，但应考虑对像AI数据中心这样对系统有重大影响的需求方也赋予义务。” 他进一步指出：“数据中心应自行控制一定程度的负荷波动，或引入储能装置（ESS）来减少波动。ESS可以缓解数据中心的负荷波动，并抑制系统频率的变化，因此未来应将其视为AI数据中心的主要电力基础设施。”※ 本报道经人工智能（AI）系统翻译与编辑。

人工智能（AI）的应用领域正在从线上扩展到实际的制造现场。物理AI作为一种能够感知周围环境并自主行动的新兴技术，正在成为制造业的新竞争力。 最在易，最在易公司CEO及KAIST名誉教授，于9月3日在首尔中区的德普拉扎酒店举行的第18届全球良性增长与优质就业论坛（2026 GGGF）上强调了物理AI在制造现场的成长潜力。 最在易指出，物理AI的实现依赖于机器人和制造业这两个关键支柱。他提到，英伟达首席执行官黄仁勋最近表示，韩国将凭借其软件、AI和制造能力引领全球物理AI时代，强调了韩国制造业的竞争力。 他表示：“从以ChatGPT为代表的生成型AI到能够感知、判断和行动的物理AI，系统正在不断进化。”他进一步指出，“用于AI学习的高质量原料——实操数据，以及能够立即应用和部署的制造业基础设施，是韩国的核心资产。” 作为物理AI的核心，机器人技术正在不断升级。过去，机器人只能重复人类教给它的动作，而现在，它们已经能够感知周围环境并通过经验学习动作。最在易强调，机器人需要进一步发展为能够理解目标并自主执行任务的通用机器人。为此，通用AI引擎、大规模学习数据和高度发展的身体必须作为一个闭环系统运作。 他指出：“为了让机器人思考并积累经验，收集用于物理行为的数据是至关重要的。”他补充道，“虽然在现场已经应用了低水平的智能物理AI，但整体组织的高水平智能仍处于研发阶段。” 他预测，制造业的AI转型过程将与汽车的自动驾驶发展阶段相似。从支持驾驶员的一级（Level 1）到部分自动化（Level 2）、条件自动化（Level 3），最终达到完全自动化，制造AI也将经历从监控和诊断开始，逐步实现制造过程的决策和自动执行，最终发展为基于闭环的自主运营。 最在易提到，适合应用制造AI的领域包括钢铁、水泥和石化等重化工业。他表示：“在制造过程中，通过预测温度和环境，物性准确度达到了95%，能耗减少了5%。”他强调，“需要逐步扩大适用领域。”※ 本报道经人工智能（AI）系统翻译与编辑。

中国人工智能（AI）和机器人产业正在加速商业化，韩国企业也应集中于“学习型现场设计”，而非单纯引进机器人。 金秀妍 EY汉英 AI中心主任在3日于首尔中区德普拉扎酒店举行的第18届善良增长、良好就业论坛（2026 GGGF）上表示：“中国AI和机器人产业的核心竞争力在于将现场数据和经验资产化的‘飞轮’结构。”她指出，现场积累的数据和经验形成了一个持续让AI变得更智能的良性循环，这被认为是中国快速将AI技术应用于现场的关键所在。 金主任分享了她在最近的世界人工智能大会（WAIC）和世界机器人大会（WRC 2026）现场观察到的中国AI代理和物理AI生态系统的最新动态。 她表示：“中国正在迅速推进AI代理在工业现场的应用和商业化，已经从单纯的软件AI进化为以机器人为中心的经济。”她解释称，巨额投资和众多企业的参与推动了技术发展的速度。 金主任指出，中国AI代理市场正经历爆炸性增长。预计到2030年，中国AI代理市场的投资规模将从2025年的559亿元（约合1.13万亿韩元）以年均70.9%的速度增长，达到8151亿元（约合16.48万亿韩元）。 在快速增长的同时，中国也在努力降低对外资技术的依赖，强化本土基础。约80%至85%的AI代理项目是企业自主建设基础设施的方式，实际有93%的中国企业使用本国模型。其中68%采用了“多模型”方式，针对不同工作组合最优的AI。复杂工作使用高性能模型，简单工作则使用性价比高的模型，安全性要求高的工作则建立独立的内部网络以增强控制力。 AI代理的增长也迅速扩展到物理AI领域。今年上半年，中国的物理AI投资同比激增五倍，达到约935亿元（约合19万亿韩元）。预计年产人形机器人将突破10万台。国有企业、蚂蚁集团、京东等中国大型企业纷纷参与机器人AI生态系统，投入了巨额资本和数据。 然而，金主任指出：“实际工业现场的商业化水平仍然存在局限。”她解释称，投入现场的机器人大多是轮式或四足行走的传统工业机器人，而非双足行走的人形机器人。 工作执行方式也仍处于开发阶段，精密的人形机器人手（通用手）尚未问世。金主任表示：“在实际现场，主要使用的是吸附式或夹持式等针对特定工作的定制部件‘专用末端执行器’，要实现人形机器人在制造现场完成实际工作所需的质量，仍需技术的提升和验证。” 金主任呼吁，面对中国AI和机器人加速发展的局面，韩国也应加快从单纯的技术引进国向独立战略应对国转变。 她强调：“韩国企业面临的机会并不是成为完成的AI模型或机器人产品的被动消费者，而是要通过‘系统化和设计现场’的战略，使实际工作流程和现场操作员的经验持续积累为数据并实现自动学习，这一策略刻不容缓。”※ 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。

随着韩国制造业能力与物理人工智能（AI）基础的机器人技术结合的案例急剧增加，专家们在寻找韩国如何超越美国和中国成为物理AI第一国的方案时展开了热烈的讨论。 9月3日，在首尔中区德普拉扎酒店举行的‘第18届善良增长、良好就业论坛（2026 GGGF）’迎来了第二天的盛况。继首日后，第二天也有300多名观众出席，聆听专家们的见解。 活动中，现代汽车·起亚机器人智能开发室长（常务）朱时贤，工业通商资源部制造人工智能转型合作科长林京燮，INIZ代表兼KAIST名誉教授崔在植等来自公私部门的物理AI行业专家们提出了多项议题，并展开了热烈的讨论。 专家们一致认为，物理AI将在解决韩国经济和社会面临的老龄化和劳动力不足问题上发挥关键作用。朱室长强调：“物理AI要从单一机器人产品成长为产业，必须围绕机器人展开服务和基础设施的共同发展。”他指出，不仅现代汽车集团，还需要与零部件、运输、服务、保险、通信等多个行业主体建立合作关系。 他还表示：“如果仅仅集中在类人机器人外形和演示视频的竞争上，将难以加速产业化。”并补充道：“韩国必须利用机器人解决制造现场的自动化、老龄化和劳动力不足问题，以及物流和服务的效率化，并将其连接到新的市场。” 为了促进物理AI产业的发展，政府计划在明年投入1158亿韩元，启动‘制造数据图书馆’的建设。为了弥补过去以公开为前提收集数据时企业未提交不良和事故等核心数据的局限，原则上将转向非公开模式。 AI模型仅在物理隔离的‘洁净室’内学习数据，原始数据不得外流。林京燮科长解释道：“在非公开的前提下收集数据，并在洁净室内进行学习，但数据不能带走。”并表示：“我们正在设计使AI模型能够进行学习的方案。” 观察到韩国也在借鉴中国作为制造业强国的物理AI竞争力。EY汉英AI中心的金秀妍主任指出，中国机器人生态系统的快速扩展，表示：“目前中国AI代理市场的80%至85%是企业自主构建项目，预算在30万至300万人民币的项目占总数的78%。” 金主任表示：“为了让韩国工业界掌握主动权，必须思考‘如何购买和使用机器人’之外的‘如何创造学习现场’。”并强调：“企业内部的独立现场数据和工作流程需要系统化，专注于设计出能够自我学习的现场的‘结构性战略’。”※ 本报道经人工智能（AI）系统翻译与编辑。

“仅仅制造一台优秀的类人机器人并不能增强韩国的物理人工智能（AI）竞争力。我们希望通过‘机器人智能社会’将机器人应用于物流、服务、通信等多个行业，构建一个能够让机器人实际工作的产业生态系统，从而为社会做出贡献。” 朱时贤现代汽车集团机器人智能开发室主任（常务）在9月3日于首尔中区的德普拉扎酒店举行的“第18届良性增长与良好就业全球论坛（2026 GGGF）”上，围绕“面向全球市场的K-物理AI”主题进行了发言。 朱主任指出：“不仅在韩国，全球都面临着老龄化、劳动力短缺、照护空缺、医疗费用增加等多种社会问题。物理AI和机器人技术是解决人类面临问题、提升社会价值的关键。”他进一步表示：“我们致力于通过完善机器人在实际工作场所的基础设施，推动物理AI产业的整体发展。” 现代汽车集团的机器人部门正在将开发中的机器人投入现场，确认问题后再带回实验室进行改进。其中，减轻工人身体负担的辅助机器人“X-ble Shoulder”就是一个典型案例。 朱主任介绍：“该产品自2019年开始前期研究，经过三阶段的验证，现已扩展应用范围。它通过降低工人在重复劳动中的身体疲劳、预防工业事故和伤害、帮助残疾人进行康复治疗等，解决了许多社会成本问题。”他还提到：“经过在多个现场的反复试验和技术提升，该产品的应用范围已扩展至制造工厂、航空、建筑、造船和农业等领域。” 电动车充电机器人和灌溉机器人也是概念验证（PoC）开发的代表案例。朱主任以电动车充电机器人为例，指出：“当我们将其带出实验室时，发现了许多问题，如电动车快速充电电缆的重量（5~7公斤）、充电站位置不符合无障碍设计、雨天消费者对触电的担忧等。”他表示：“为了改善这些问题，我们在仁川国际机场对70辆电动车进行了实证，最终实现了量产。” 他还提到：“在办公室、酒店等场所工作的灌溉机器人和安保机器人，表面上看似比工业机器人简单，但实际上这些机器人是在测试它们能否与人类共存。”朱主任解释道：“灌溉机器人在不干扰人类移动路线的情况下，优先考虑植物的生存，这为创造新的服务领域提供了无限可能。” 机器人实验室不仅专注于可穿戴机器人，还集中在七个核心研究领域，包括：移动平台、操控（物体抓取和操作）、机器人自主驾驶（SLAM）、任务与物理AI、设备内AI等。这意味着他们希望获得一个可以应用于多种机器人的共同技术基础，而不是特定机器人的开发。这是提供高质量机器人、降低成本的关键因素。 朱主任指出，物理AI的竞争已从“与人类相同的机器人”转向“如何以低成本完成工作”。他表示：“公众热衷的类人技术是与人类‘手’相似的高性能机器人，但实现这一目标需要15个以上的电机和复杂的驱动结构。”相反，他提到：“仅用两个电机的‘抓手’也能实现相同的目的。” 他强调：“要让机器人市场真正扩大，需要的是能够重复生产并适用于多种现场的通用平台，而不是高价定制机器人。”他指出：“基于一个移动平台，实施导引、配送、运输等多种服务，并通过共享部件和系统来扩大生产规模的‘通用平台’，将是我们在全球竞争中生存的关键。” 这种方法对韩国的物理AI产业也具有重要启示。朱主任表示：“物理AI要从单一的机器人产品成长为一个产业，必须围绕机器人构建服务和基础设施。”他承诺：“我们将通过与部件、运输、服务、保险、通信等多方的合作，建立健康的物理AI生态系统。”※ 本报道经人工智能（AI）系统翻译与编辑。

李振秀科学技术信息通信部人工智能政策规划官（局长）在3日由《亚洲经济》主办的“2026 GGGF（良好增长全球论坛）”上表示：“人工智能（AI）正成为国家安全资产和经济战略资产”，并宣布将加速推进以独立人工智能模型的获取和三大大型项目为核心的“AI三强”战略。 在以《韩国AI政策方向》为主题的演讲中，李局长提到4月访问韩国的德米斯·哈萨比斯的发言，强调了AI革命的速度。他表示：“目前的AI革命在规模和速度上都比过去的工业革命快了十倍以上。”他还提到：“当埃里克·施密特说AI将重塑国家安全和经济霸权竞争时，我觉得这有些超前，但现在我开始感受到这一点。” 李局长指出，安特罗匹克的前沿模型“米托斯”是一个转折点，并表示美国对其的控制事件使得主权AI的必要性争论已结束。 关于韩国在全球AI市场中的地位，他表现出信心，称韩国是仅次于美国和中国的第三强。他表示：“值得注意的AI模型数量，美国有60个，中国有35个，而我们国家有8个，位居第三，加拿大、法国和新加坡各只有一个。”他补充道：“模型的最高分，美国和中国分别为63分和60分，最近独立基础模型的得分为47分，确实形成了三强格局。” 不过，他也承认：“全球AI计算能力，美中两国合计几乎占90%”，并指出由于B2C服务不足，很多情况下仍主要使用外资模型。 政策将从三大大型项目开始。他表示：“我们计划在大脑半导体、心脏AI数据中心和身体物理AI这三大项目上进行大规模投资。”他还透露：“AI数据中心将在2029年前达到8.4GW，到2035年将达到18.4GW。特别法实施条例将在明年3月出台。” 关于物理AI，他指出：“大型语言模型（LLM）几乎学习了现有数据，但物理AI在雨雪和人出现等特定情境下的数据实际上非常少。”他强调：“需要大量生成合成数据。” 李局长还强调独立模型已进入服务阶段。他表示：“虽然我们正在开发模型，但尚未向公众提供服务。”他提到：“上周我们选择了SK、卡卡和KT三家联盟，预计在9月底或10月进行测试，12月将正式投入使用。”他补充道：“政府和民间将在GPU、数据和人才方面进行更大规模和更大胆的投资，以挑战全球顶级前沿模型。” 针对对大企业集中化的担忧，他回应道：“除了主要主办方外，每个联盟还将有20至30家初创企业参与。”他指出：“拥有本国门户网站的国家只有中国、俄罗斯和韩国，而Naver之所以能胜过谷歌，并不是因为性能更好，而是因为它更能触动韩国用户。我相信全民AI也会推出触动韩国用户的爆发性服务。”

人工智能（AI）产业的重心正在从数据中心转向“AI 工厂”。与传统的数据中心仅仅存储数据不同，AI 数据中心（AIDC）通过大规模运算进行 AI 模型的学习和推理，成为生产新“智能”和代币的核心基础设施。 李英卓 SK电信 AI 政策负责人、副总裁兼 AI 数据中心整合推进团副总裁在9月3日于首尔中区的“第18届善良增长、良好就业全球论坛（2026 GGGF）”上表示：“如果说传统互联网数据中心（IDC）是信息存储的一种数据仓库，那么 AI 数据中心就是 AI 工厂。”他解释道：“AI 数据中心通过大规模 AI 运算进行学习和推理，并将产生的智能和代币提供给外部。” 李副总裁指出，AI 数据中心的重要性正在超越单纯的产业基础设施，成为国家经济安全资产。他表示，若能在国内建立 AI 模型和服务的开发与运营基础设施，将有助于减少国民数据和 AI 运算流失到海外，从而有助于实现“AI 主权”的保障。 全球大型科技公司对 AI 数据中心的争夺愈发激烈，尤其是在亚太地区，各国纷纷展示各自的优势以吸引投资。 李副总裁提到：“日本政府积极支持大型科技公司的数据中心落户，马来西亚则以相对低廉的人工成本和建设费用为优势。”他还表示：“澳大利亚凭借电力和广阔的土地优势参与竞争，各国基于不同的优势展开 AI 数据中心的争夺。” 韩国在稳定的电力供应条件和半导体竞争力方面被视为优势。由于拥有 AI 数据中心所需的 GPU 和内存等核心半导体供应链，韩国能够成为全球大型科技公司 AI 基础设施投资的竞争者。 然而，建设大规模 AI 数据中心需要巨额的电力和资金。李副总裁表示，截至去年，韩国运营中的数据中心和 AI 数据中心共有161个，总电力容量约为2.3GW。未来申请与韩国电力公司接入电力的单位有150个，所需电力约为9.4GW。这意味着，随着 AI 数据中心的规模扩大，未来电力需求可能会大幅增加。 投资成本也不容小觑。李副总裁指出，SK 在蔚山建设的100MW规模 AI 数据中心的投资成本在去年估算约为7万亿韩元，考虑到近期 GPU 及电力、冷却、空调等相关设备价格上涨，目前预计需要约9万亿韩元。简单换算，建设1GW级的 AI 数据中心可能需要数十万亿韩元的资金投入。 因此，李副总裁表示，大规模 AI 数据中心的发展将超越特定企业自用设施，转向向外部提供 AI 运算服务。随着数据中心规模的扩大，提升 GPU 等基础设施的利用效率并降低运算成本变得至关重要，因此与全球大型科技公司的投资与合作显得尤为重要。 SK 集团在6月宣布计划从2029年开始逐步开放5GW规模的 AI 数据中心。李副总裁强调，5GW并非一次性建设，而是逐步扩展的计划。 李副总裁强调，现在是投资 AI 数据中心的黄金时期。他指出，尽管 GPU 供应充足，但缺乏安装和运营的物理数据中心，而数据中心的建设需要约30个月，因此需要前瞻性投资。他解释道，AI 运算需要将多个 GPU 并联处理，因此在特定地区以集群形式建设数据中心可以提高基础设施的效率。 SK 将根据电力和土地的获取、区域均衡发展等因素，推动在五个区域建设 AI 数据中心。李副总裁表示：“选择五个区域的原因也包括区域均衡发展。”他指出，虽然首都圈在大规模电力获取上存在限制，但非首都圈相对更有可能获得电力系统的支持。 巨额的投资资金将通过与全球大型科技公司的合作来筹集。李副总裁表示，SK 集团并不会独自承担5GW的建设费用，而是与外部大型科技公司共同分担投资和费用。他表示：“SK 并不能做到所有事情”，并补充道：“与外部大型科技公司合作分担费用，SK 负责引入需求并规划投资和数据中心建设。”他还透露，SK 集团自身也可能投入约20万亿韩元的资金。 为了扩大 AI 数据中心产业，李副总裁呼吁应扩大税收支持。他指出，目前 AI 数据中心被认定为国家战略技术商业化设施，享有投资税收抵免的优惠，但制度主要是围绕自用设施设计的。他表示：“AI 数据中心的建设成本巨大，且生产的运算能力多为外部提供，因此不仅需要自用型数据中心，也应对外提供型数据中心给予一定程度的税收抵免。”

林正焕：半导体、汽车等高端制造业与AI结合，构建韩国成功模型​​​​​​​林正焕，动机科技（Motif Technologies）首席执行官在9月2日于好买网主办的"2026 GGGF"上以"美中竞争中的K-AI未来愿景介绍"为主题进行演讲，他表示，"为了在AI领域不输于美中规模的竞争，韩国必须将竞争的舞台转移到自身的优势领域。"他指出，韩国的AI竞争力在于将特定技术与产业结合，因此应专注于高难度工艺、有限计算下的学习效率及工业专用AI领域。在美中在AI霸权竞争中崛起为全球两大支柱的背景下，林正焕主张，韩国应关注"在哪些领域进行竞争"。他指出，韩国在资本、技术和人才等各个领域都难以追赶美中规模的竞争。2024年，韩国的民间AI投资规模约为310亿美元，位居全球第六，但仅占美国的3%。计算资源的差距也使得韩国仅为美国的百分之一。林正焕表示，"在计算规模或资本实力上与美中正面竞争困难，但在特定产业专用的AI领域，韩国仍有机会。"他指出，韩国AI的问题并不在于"缺乏技术"，而在于"将优势转化为AI价值的结构尚未充分建立"。他强调，韩国拥有的高端制造业技术是AI竞争的核心武器。林正焕指出，"韩国在半导体和内存领域处于世界顶尖水平，且在工业现场引入AI的速度也很快，但在基础模型、计算基础设施和人才储备方面相对薄弱。"他表示，"韩国应集中于学习效率，而不是计算总量的竞争；在制造量竞争中，专注于高难度工艺和设备智能化；在消费平台竞争中，专注于工业和专业AI产品；在人才规模竞争中，专注于少数精英的架构设计能力。" 好买网重组方案获批，法院批准，经营正常化之路开启正在进行企业重整程序（法定管理）的好买网成功通过重整计划方案的表决和法院的批准，迈过了最大的关口。上个月成功获得了20亿韩元的紧急运营资金（DIP），并重新启动了67个核心门店的营业，随后重整计划的确认为其经营正常化提供了基础。一旦按照计划开始偿还债务，重整程序将结束。首尔重整法院重整第四部于9月2日召开了关系人会议进行重整计划方案的表决，结果方案获得通过后立即获得批准。重整担保权人组的支持率为100%，重整债权人组为75.90%，股东组为100%。通过的要求是重整担保权人75%以上、重整债权人66.7%以上、股东50%以上。法庭表示，"考虑到超过三分之二的债权人同意，认为满足重整计划方案的批准条件。" 在法院的批准下，好买网将根据重整计划进行债务偿还、追加资金筹集、门店出售等正常化工作。法庭表示，一旦按照计划的偿还正常开始，将结束重整程序。※ 本报道经人工智能（AI）系统翻译与编辑。

随着人工智能(AI)从聊天机器人进化到推理和代理阶段，AI系统的瓶颈已从运算设备转向内存。SK海力士诊断认为，性能、能效以及资源利用问题都集中在内存上，成为AI系统的核心难题。超越HBM，缩短内存与运算设备之间的距离，实现多个加速器共享内存的“内存中心计算”将是AI扩展的下一个战场。 SK海力士系统架构负责人副总裁朱英表在2日于首尔中区The Plaza举行的第18届善良增长、良好就业全球论坛(2026 GGGF)上表示：“最近似乎是内存出现了问题，性能、能效和资源优化问题都摆在了内存面前。”他强调：“瓶颈所在即是计算的中心，目前的瓶颈是内存。” 推动内存需求上升的是AI服务的变化。传统聊天机器人只需与用户对话的速度，而代理AI则需要在AI之间进行对话，生成和执行代码，然后修复错误再进行操作。朱副总裁解释道：“与人对话时，每秒大约需要20个令牌，但机器之间对话时需要以数千的速度给出答案。”这表明系统性能的要求大幅提高。 SK海力士为应对这一挑战，确定了内存创新的方向，聚焦于性能、能效和资源利用三个方面。关键在于在固定面积内提高内存带宽，以及减少将数据一位传递到GPU、NPU、TPU等运算设备所需的能量。提高昂贵的GPU和内存的系统利用率也是一项重要任务。 HBM是推动这一变化的代表性案例。朱副总裁表示：“可以说，正是由于GPU的崛起，HBM才受到关注，但也正是因为有了像HBM这样的内存，GPU才能展现更好的性能。”他进一步解释，在代理AI时代，业界对现有HBM和GPU组合是否足够的思考愈发深入。 其中一个解决方案是进一步缩短内存与运算设备之间的距离。通过将DRAM以三维方式堆叠在处理器上方或下方，可以缩短数据移动的距离。PIM（处理内存）也是在内存内部或附近直接进行运算的类似思路。朱副总裁指出：“进行一次运算所需的能量远高于将数据从内存提取到运算设备的能量，移动距离越远，能效急剧下降。”不过，他也表示，3D堆叠仍面临发热和存储空间减少等技术挑战。 多个加速器共享内存的CXL也被提出作为解决方案。以往，GPU完成工作后，其他GPU需要等待准备接收数据，而共享内存则允许将数据存放，待下一个运算设备需要时再取用。SK海力士正在研究通过这一方式减少GPU间数据复制和同步过程中的浪费。朱副总裁表示，尽管CXL并非专为AI而生，但由于其开放内存接口的特性，AI系统的应用正在扩大。 对于AI算法的效率提升是否会直接导致内存需求减少的看法，朱副总裁表示了不同意见。他以汽车燃油效率提高但整体石油消费反而增加的“杰文斯悖论”为例，指出：“AI服务成本降低后，AI服务的使用量会增加。”这意味着，尽管算法优化可能减少个别服务的内存使用量，但如果整体AI需求增加，内存需求也可能随之上升。 朱副总裁总结道：“过去CPU是系统的瓶颈，提升CPU性能就能直接提高系统性能，而现在的瓶颈在于内存。”他强调：“提升内存性能和能效，将使AI系统变得更加优秀。”※ 本报道经人工智能（AI）系统翻译与编辑。