首爾大學教授張炳琸指出，韓國難以在超大型語言模型領域與美國大型科技公司競爭，建議應轉而發展實體AI和工業AI，利用韓國在製造業的優勢，透過數據化人類操作來訓練機器人，並呼籲改造製造業文化以擁抱AI的快速迭代模式。
首爾大學電腦工程學系教授張炳琸（Jang Byung-tak）昨日（7日）表示，韓國在人工智慧（AI）發展策略上，應將重心轉向實體AI（Physical AI）和工業AI，而非與美國大型科技公司正面競爭超大型語言模型（LLM）。他強調，由於資本與繪圖處理器（GPU）規模的差距，韓國難以在超大型語言模型領域取得領先。
張炳琸教授指出，美國大型科技公司能以數十萬台規模採購GPU，因此韓國若以同樣方式競爭超大型語言模型，將居於劣勢。但他認為，韓國擁有半導體、汽車與製造業的堅實基礎，使其能在發展物理世界數據為基礎的工業AI方面具備競爭力。
實體AI指的是讓機器人或機械在物理世界中感知、操作並執行任務的AI。有別於傳統生成式AI主要依賴網際網路上的文本數據，實體AI需要為特定應用場景收集與創造新的數據。張教授舉例，在製造現場，透過將人類操作的視覺資訊、手部動作、觸摸感應和聲音等數據化，可訓練機器取代人工執行重複性工作。
張炳琸教授也點出製造業與AI發展模式之間的文化差異。傳統製造業講求反覆設計與驗證，確保產品品質，而AI則是在迭代過程中透過數據累積與試錯來進步。他認為，接受這種快速迭代的文化，並勇於嘗試，是發展實體AI的最大挑戰。對於實體AI可能衍生的安全問題，張教授建議可先在虛擬世界中進行大量學習，最後再結合實際現場數據進行應用。
張教授強調，韓國的AI發展策略應著重於出口內建AI技術的產業，而非單純輸出AI模型。他坦言，在超大型語言模型領域韓國起步已晚，但若要發展實體AI，仍需具備自主的AI模型、數據與運算基礎設施，不能完全依賴外國技術。他預期，若能鎖定特定問題，實體AI在製造與物流領域的實際應用，有望在未來二至三年內看到顯著進展。他也警示，若韓國製造業未能與AI有效融合，墨守成規，恐將面臨被後進國家超越的風險，應轉型為高附加價值的智能製造。