CRYPTO & AI
無料で登録
AI

【韓国のソブリンAI】2027年度のAI予算案は9.42兆ウォン。11/8のNVIDIA発表には金額が載っていません

韓国のソブリンAI(国が自国の中にAIの計算基盤とモデルを持つ取り組み)について、NVIDIA の11/8の一連の発表、2025年10月の台数計画、2027年度の政府予算案、基盤モデル事業の絞り込みを、出所と時点をつけて並べ直します。

【韓国のソブリンAI】2027年度のAI予算案は9.42兆ウォン。11/8のNVIDIA発表には金額が載っていません

NVIDIA は11/8付で、Rebellions(韓国のAI専用チップ会社)・SK Telecom との提携と、韓国科学技術情報通信部(MSIT)との協力拡大を一斉に発表しました。ただ、私が取得できた Newsroom とブログの本文には、投資額・GPU台数・期間の記載がありません。数字が書かれているのは、2025年10月30日の NVIDIA の発表(民間を含む台数の計画)と、2027年度の政府予算案です。

この記事では、10/20の「ソブリンAI」の記事で扱った韓国の台数計画(NVIDIA 2025/10/30)のその後として、政府予算案、フロンティアAIモデル事業、基盤モデル事業の絞り込み、Rebellions の資金調達、11/8の発表を、政府のGPUの数字が出所ごとに違う点に注意しながら整理します。他国との金額比較は10/20の記事に譲ります。

TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【NPU】AI向けの計算チップ「NPU」とは何か、GPUと何が違うのか11/8のNVIDIAの発表に出てきた「NPU」を、GPUとの違い、推論での使いどころ、よくある誤解とあわせて整理します。【苦い教訓】AI研究の70年を、Richard Sutton氏はどう要約したのかRichard Sutton氏が2019年に書いた随筆「The Bitter Lesson(苦い教訓)」の主張と、いま起きている論争を、原典の記述にそって整理する記事です。【ベンチマーク】点数が高いのに「使えない」が起きる理由を、飽和と実行環境から読むAIの成績表であるベンチマークの点数が、なぜ実際の使い心地とずれるのかを、新しいコーディング評価 Co-Design Bench の結果とあわせて整理します。【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。