尽管取得了世界一流的成绩，韩国人工智能（AI）初创企业‘莫提夫科技’在政府主导的项目评估中却被淘汰，这引发了对政府调查体系及AI政策的批评。 最近，各大在线社区关于莫提夫科技（以下简称‘莫提夫’）的AI模型‘莫提夫3’的事件引发了广泛讨论。 争议的起因是科学技术信息通信部推进的‘独立AI基础模型（独立AI）’第二阶段评估。 参与该项目的莫提夫的‘莫提夫3’在全球AI综合性能指标AAII中获得了47分。这是提交的国内模型中最高的分数，除美国和中国外，位列全球第一，整体排名前十。与之同时提交的Upstage得分为37分，SK电信为35分，LG AI研究院为31分，均远高于大企业及主要企业的模型得分。 然而，在18日公布的评估结果中，尽管莫提夫获得了最高技术分数，却排名最后，最终被淘汰。政府方面表示：“综合考虑基准分数、专家及用户评估的结果”，称莫提夫在可用性和实用性方面得分较低。 然而，25日，科学技术信息通信部在李在明总统主持的国务会议报告中强调“国内独立AI模型获得AAII 47分”，宣传韩国与美中共同跻身世界三大AI强国的行列。实际上，取得该成绩的莫提夫3却被淘汰，政府在国家竞争力的发布中引用了这一记录，令人质疑其合理性。对此，莫提夫方面在27日正式提出异议，要求“重新审视评估标准和方式是否符合全球竞争力”。 随后，在28日，科学技术信息通信部再次引起关注，公布了面向全体国民的‘全民AI’服务建设项目的选定结果。 该项目的执行机构最终由SK电信、卡卡奥、KT联盟获得，特别是SK电信联盟选择了‘莫提夫3’作为服务的核心AI模型，引发热议。 对此，网友们表示：“尽管取得了全球水平的成绩，却未能获得项目权，这显示了评估方式的缺陷”，“如果国内人才和技术得不到合理评估，最终只能导致海外流失或依附于大企业”等反应，令人感到遗憾。

加拿大政府自2017年以来在人工智能（AI）产业投入了超过440亿加元（约合4.77万亿韩元），但其所创造的知识产权（IP）中，只有7%归加拿大民营企业所有，其余93%则被海外资本和企业占有。这一现象引发了对加拿大在构建“主权AI”方面失败的评估。韩国也面临类似问题，近期对AI初创企业的海外资本投入比例不断上升，亟需国家层面采取措施保护核心知识产权。 根据IT行业的消息，加拿大政府在AI战略上的投资虽然庞大，但最终的收益却被外国投资者所获取，形成了固化的结构。 目前，韩国AI领域的外资投资规模约占整体的20%。虽然看似应鼓励外资投资，但拥有核心知识产权的优质企业，其民间IP的获取率与加拿大相当。 在国内活跃的AI初创企业中，视频理解领域的Twelfth Labs截至去年底的累计投资额约为1.07亿美元（约合1645亿韩元），其中海外资本占比高达85%至90%。 该公司自创立以来，所有轮次的主要投资者均为美国风险投资公司，如NEA、英伟达NVentures和Index Ventures。虽然韩国投资伙伴和SK电信也有参与，但仅限于小规模的战略投资。该公司总部位于旧金山。 在国内AI服务平台的领先企业Lunit Technologies中，随着公司成长阶段的提升，外资占比也在增加。系列A（1.5亿韩元）阶段由产业银行和Capstone Partners等国内机构主导，但在Pre-Series B（2.5亿韩元）阶段，美国BlueRun Ventures的亚洲平台BRV Capital Management开始主导投资。今年3月完成的系列B（10.8亿韩元）中，美国硅谷的Goodwater Capital成为主要投资者。累计投资130亿韩元中，海外资本占比估计为50%至60%。 负责独立基础模型（独立模型）项目的Upstage自创立以来，硅谷风险投资公司Sazze Partners一直主导所有轮次的投资。系列B桥接（6.2亿韩元）阶段由产业银行主导，但亚马逊和AMD的新参与使得海外资本占比上升。今年4月的系列C第一轮（18亿韩元）同样由Sazze Partners主导。虽然海外资本占比约为30%，但由于国民成长基金的注入，海外资本占比已降至10%以下。 AI行业人士指出，单靠政府资金难以保护核心知识产权，亟需基于国内资本的民间投资扩大。软件政策研究所（SPRi）在一份报告中指出，“韩国AI初创企业的研发资金中，政府资金占比达到22.9%，是全行业平均水平（5.7%）的四倍”，这反映了国内民间投资基础的脆弱性。 一位AI行业人士表示：“如果不创造以民间为主的IP获取环境，主权AI的核心IP归属问题将仅仅依靠税收来解决。民间能否自主获取IP的环境将直接影响主权AI的成功。” ※ 本报道经人工智能（AI）系统翻译与编辑。

“许多企业期待引入人工智能（AI）后立即实现业务创新，但实际上现场出现了完全不同的问题。” 杨英模 红砖代表最近对企业的AI转型（AX）项目氛围进行了这样的说明。在生成型AI热潮中，聊天机器人、文档摘要和报告自动化系统的引入迅速增加。然而，在实际应用阶段，反复出现了意想不到的局限性。 杨代表特别提到，最近企业现场常常出现“虽然构建了AI，但员工并未有效使用”的情况。他表示：“最初，大多数评估集中在AI模型的性能和回答准确性上，但在实际工作环境中，与现有系统的连接结构、数据管理体系和权限问题等运营要素显得更为重要。” 在实际现场，AI本身与现有工作流程冲突的案例并不少见。一家企业构建了基于生成型AI的工作支持系统，但其使用率未能达到预期。由于未能与ERP（企业资源计划）、协作工具和内部系统自然连接，员工将其视为额外的独立程序。 文档管理体系问题也是反复出现的案例之一。最新文档与历史资料混杂，或各部门管理标准不同，导致AI基于过时资料进行回答的情况时有发生。杨代表指出：“企业AI中重要的不是简单的准确度，而是基于什么数据进行回答，访问权限是否得到正确反映等运营结构才是关键。” 最近，企业们正逐步转向同时使用多种AI模型的“多LLM”环境。营销组织使用基于软件即服务（SaaS）的AI，开发组织使用开源模型，客户服务组织则使用独立的AI解决方案，AI的使用方式日益多样化。然而，能够进行统一管理的体系仍然不足。 他表示：“企业在这种情况下，甚至难以了解哪个组织使用了哪些数据和哪些AI。”并指出：“在多LLM环境中，必须同时考虑数据控制、安全政策和成本管理。”尤其是在金融、制造和公共等对安全和运营稳定性要求较高的行业，这种趋势愈加明显。实际上，最近越来越多的案例不仅要求简单的AI引入，还要求数据连接结构、权限管理体系和运营治理设计等方面的配合。 杨代表指出，企业最大的误解之一是“仅将AI视为技术项目”。他强调：“在内部数据结构和工作流程、审批体系尚未理顺的情况下，若先引入AI，运营阶段必然会出现问题。”他表示，AX不仅仅是增加AI功能，而是重新设计企业运营结构的过程。 他补充道：“未来企业的AI竞争力将不再取决于谁引入了更优秀的模型，而是取决于AI在实际工作中能否稳定且可重复地运行。”※ 本报道经人工智能（AI）系统翻译与编辑。