韓國的科技政策,譬如前述的两个阶段的半导体政策,或者前一阵子内容更广泛的K-登月式計劃(K-Moonshot),虽然是分别由贸易、工业和能源部(MOTIE)、总统办公室(Presidential Office)与科学与信息通讯部(MSICT)撰写,但都享有一些共同通的特点。
这些政策在其目标领域中涵盖完整、条理清楚,是明显产业内资深人士的手笔。
这并不难理解。譬如韓國DRAM的开创者陈大济在三星退下后曾经担任韓國信息通讯部(MIC)长官,而NAND Flash的先驱黄昌圭在自三星电子(Samsung Electronics)退下后曾在韓國政府担任知识经济部(Ministry of Knowledge Economy)国家R&D战略企划团长(President of the Office of Strategic R&D Planning),这正是国家研发政策的头。在这样的管理层安排下,做出来的計劃自然比其他国家通常由政务、常务文官或学者撰写的政策能更精确掌握产业现况。
但是韓國的政策也存在一些明显短板,第一个是前瞻性不足。
用甫发布三大計劃与于2021年发布的K-Semiconductor Strategy来比较,AI部分的增益是显而易见的。一个问题是为什么2021年的政策没有包括进AI?
韓國在AI半导体的有些次领域其实是全世界的领先者,譬如SK海力士(SK Hynix)与超微(AMD)在2009年就开始共同研发高帶寬存儲器(HBM),且在2010年向JEDEC提议制定标准。
当时整个产业和市场环境是2017年Google发表大语言模型基础机制transformer,人工智能的深度神经網絡(Deep Neural Network;DNN)取代过去的模型;云端业者广泛部署卷积神经網絡(Convolutional Neural Network;CNN),GPU已成人工智能训练的主要工具等。随即在2018年中OpenAI公开GPT(Generative Pre-trained Transformer),生成式应用明显启动。
韓國政府有明确感知到AI的发展趋势,于2017年成立第四次工业革命委员会(Presidential Committee on the Fourth Industrial Revolution),将AI列为国家战略技术之一,之后2018年的AI研发战略(AI R&D Strategy)补强了研发、人才和數據建设。2019年的AI国家策战略(National Strategy for AI)则完成一个完整的国家战略,目标是在2030年前成为世界AI强国。
即使AI被清楚的认知为战略目标,但在2021年发布的K-Semiconductor Strategy中,AI并未被未在计划中被捆绑进来。AI与半导体捆绑的重要性可以由2026年的Three Mega Projects的修订中可以自证。
这个疏失是由于没有预见到AI可能会成为半导体产业主要市场驱动力的结果,而可能原因是韓國半导体产业高度集中于存儲器,与其他环节科技业者的接触面向比较受限,相信这也是K-Semiconductor Strategy的目标形成背景之一。
同样的局限也发生在三大計劃中。尽管已经将半导体、AI數據中心与具身AI捆绑在同一計劃之中,但是没有将量子计算整合进来。
对于未来的高效能计算会是AI与量子计算的混合此一发展方向,业界意见并无分歧;有些量子计算公司已经预期在2028年—已经是計劃期间内的可见未来—推出通用容错量子计算机(general fault-tolerant quantum computer)。目前整个AI产业的上下游都在准备此混合计算(hybrid computing)的架构。
韓國当然也有单独的量子计算計劃,譬如2023年的国家量子策略(National Quantum Strategy),但是未能将量子计算并入三大計劃之中,很有可能错失此波AI发展中搭其AI生态链连结及资本市场动能便车的机会。
另外的阙漏是战略目标与经济体制的深层没有精准的对齐。韓國的经济体制—虽然经过80、90年代的整改—仍然是财阀主导的市场经济(chaebol-led market economy)。这种经济体制在某些领域有显著的优势,譬如在垂直整合、品牌、成长速度、规模经济等,这些都是众所周知的事实。
但是财阀经济体制也有弱点,譬如韓國有些产业目前面临的困境就是因为新进入产业的其他国家资本,以数倍乃至十数倍的体量在规模经济此一面向上的辗压所致。
在半导体发展的领域,特别是以生态系的角度来讨论,财阀经济与水平分工在很多方面是彼此相扞格的。但是在先后两个半导体战略中,主要的资源提供以及战略执行上,却都集中在财阀手中。
因为经济体制形成目前韓國半导体产业的长短板,却还要寄望依相同体制去发展其所缺失的部分,在逻辑上很难说得通透。在战略目标的制定以及经济体制两个层面需要有更深度的思考,以及更细致的协作。