在人工智能算力需求呈指数级增长的今天，单一企业的技术突破已难以满足未来十年产业变革的底层需求。2025年7月，韩国SK集团与英伟达共同宣布了一项价值超过5000亿美元（约合3.39万亿元人民币）的AI合作计划，双方将围绕AI工厂建设、下一代存储芯片研发与主权AI基础设施展开全面协同。这一消息不仅刷新了科技行业合作规模的纪录，更将公众的视线拉回到一个关键问题：当算力成为数字时代的“新石油”，科技前沿的竞争究竟在比拼什么？
从共识到落地：5000亿美元合作背后的三重逻辑
合作并非凭空而来。早在2025年6月，双方就已达成韩国吉瓦级AI工厂建设共识，而本次签约正式将蓝图转化为行动。从合作框架来看，5000亿美元这一数字并非简单的资本承诺，而是涵盖了基础设施建设、芯片采购、技术联合研发与长期服务协议的全链条投入。
首先，SK集团旗下的SK电讯将承担AI工厂的运营与建设，目标容量高达2吉瓦（GW）——这相当于一座中型核电站的输出功率，足以支撑数十万台AI服务器的持续运行。作为对比，当前全球最大的AI数据中心集群（如微软Azure在弗吉尼亚州的设施）也不过数百兆瓦级别。2GW的规模意味着SK电讯正在押注一个假设：未来五年内，亚太地区对AI推理与训练的需求将爆炸式增长，而现有的云计算资源远远不够。
其次，英伟达将提供下一代GPU架构“Vera Rubin”以及基于DSX平台的全栈AI工厂解决方案。Vera Rubin是英伟达继Blackwell之后的新一代加速计算系统，计划于2026年首次亮相，而SK的AI工厂将成为其首批大规模部署场景之一。这种“芯片+平台+运营”的深度绑定，标志着英伟达从硬件供应商向AI基础设施生态构建者的角色转变。
第三，SK海力士作为存储芯片巨头，将负责为英伟达稳定供应下一代HBM4高带宽内存。HBM4预计将在2026年进入量产，带宽和容量较HBM3e提升约50%，这对于训练万亿参数级大语言模型至关重要。实际上，SK海力士早已是英伟达HBM的主要供应商，本次合作进一步锁定了双方在未来3-5年内的技术路线图，形成了一种“芯片-内存-系统”的垂直闭环。
2GW AI工厂：算力基建的“超级工程”与部署挑战
AI工厂（AI Factory）这一概念由英伟达CEO黄仁勋多次提出，指的是将数据中心从“存放服务器的仓库”升级为“产出智能的工厂”。传统的云计算中心更像是一个资源池，用户按需租用算力；而AI工厂则强调端到端的自动化：从数据输入、模型训练、推理优化到结果输出，所有环节由专用硬件和软件栈协同完成，类似于工厂流水线。
SK集团规划的2GW AI工厂，计划从2027年起分阶段上线。其核心架构基于英伟达DSX平台（Data Center Infrastructure for AI），该平台整合了GPU加速、高速网络、存储调度与AI编排工具，能够实现数千个GPU节点的无缝协同。值得注意的是，工厂将采用搭载SK海力士HBM4的Vera Rubin加速计算系统，这意味着每个GPU的内存带宽将突破传统瓶颈，大幅缩短大模型训练时间。
然而，2GW的规模也带来了前所未有的工程挑战。首先是电力供应：韩国电网能否在特定区域提供如此高密度的电力？SK集团可能需要与韩国电力公司合作建设专用变电站或配套可再生能源设施。其次是散热：2GW的IT设备产生的热量惊人，传统的风冷方案已不可行，必须采用液冷甚至浸没式冷却技术。SK电讯在公告中未提及具体散热方案，但业内普遍认为，英伟达的DSX架构已内置了针对液冷优化的设计。
更值得关注的是，这座AI工厂并非只为SK集团自身服务。根据合作计划，SK电讯将向亚太地区的企业、政府和研究机构开放算力服务，尤其聚焦于“主权AI”需求——即各国希望在本国境内训练和部署AI模型，以保障数据主权与安全。对于日本、新加坡、印度等市场而言，SK的AI工厂可能成为其获取先进算力的关键渠道。这一趋势与当前的企业数字化转型浪潮高度契合，越来越多的企业开始尝试用AI画图生成设计原型，或通过文生图工具快速产出营销素材。
HBM4与AI存储器：从“内存墙”到“内存立交桥”
在AI芯片的演进中，内存带宽一直是制约性能的“阿喀琉斯之踵”。GPU的计算能力每两年翻一番，但内存带宽的增长速度却慢得多，导致大量算力处于等待数据的状态，即所谓的“内存墙”问题。HBM（高带宽内存）通过堆叠DRAM die和硅通孔技术，在极小空间内实现海量数据吞吐，成为AI加速器的标配。
SK海力士的HBM4是当前HBM3e的下一代产品，预计将采用更先进的封装工艺（如混合键合）和更宽的接口（2048位），单颗带宽可达1.6TB/s以上，是HBM3e的1.5倍。对于英伟达的Vera Rubin架构而言，HBM4的引入意味着每个GPU可以同时处理更大规模的模型参数，减少因数据换入换出导致的延迟。
双方的合作不仅限于采购。SK海力士与英伟达将联合研发下一代AI存储器，目标直指大语言模型（LLM）训练、智能体AI（Agent AI）和物理AI（Physical AI）三大场景。例如，在智能体AI中，模型需要实时感知环境并做出决策，对内存的随机访问性能要求极高；而物理AI（如机器人、自动驾驶）则要求存储芯片具备更高的可靠性，适应工业场景的温度和震动。这些需求将推动HBM从“通用内存”向“场景定制内存”演进。
此外，SK海力士还将利用本次合作巩固其在AI存储器市场的领导地位。根据市场研究机构TrendForce的数据，2025年HBM市场总规模已超过300亿美元，SK海力士占据约55%的份额。与英伟达的长期绑定不仅确保了订单稳定性，更让SK海力士能够提前获知下一代GPU的内存需求，从而在研发中抢占先机。对于普通消费者而言，这些高端存储器看似遥远，但最终会通过云服务转化为更快响应的AI工具导航和更智能的AI工具箱。
韩国AI枢纽战略：从“消费国”到“创新极”的跃迁
SK集团会长崔泰源在签约仪式上的发言颇具深意：“人工智能时代的竞争力，早已不止于AI应用能力，更取决于算力与智能产能的构建能力。SK集团将携手英伟达打造全球顶尖水平AI工厂，助力韩国摆脱单纯的AI消费国定位，成长为孕育人工智能创新的全球枢纽。”
韩国在AI领域的优势在于半导体与网络基础设施。三星和SK海力士在存储芯片领域占据全球主导地位，韩国的5G网络覆盖率和平均网速也位居世界前列。然而，在AI应用层和大模型开发方面，韩国远落后于美国和中国。OpenAI、Google、Meta等公司的大模型主要由美国数据中心训练，韩国企业大多只是“用户”而非“创造者”。
2GW AI工厂的建成将彻底改变这一格局。韩国政府近年来大力推动“AI半导体国家战略”，计划到2030年将国内AI算力提升至当前水平的10倍。SK集团的AI工厂正是这一战略的核心载体。一旦投产，韩国本土企业将能够以较低延迟训练和部署自己的大模型，无需依赖海外数据中心。这对于涉及金融、医疗、国防等敏感数据的行业尤为重要。
同时，英伟达CEO黄仁勋对韩国的评价也值得关注：“韩国具备跻身全球人工智能强国的全部条件，拥有世界级网络、数据中心、半导体技术优势与雄厚产业基础。”这并非客套话。英伟达选择将Vera Rubin的首批大规模部署放在韩国，而非美国本土，本身就说明了对亚太市场潜力的认可。事实上，英伟达正在全球范围内复制“AI工厂”模式，与马来西亚、印度、沙特等国的企业均有合作，但韩国的合作规模和技术深度都是目前最高的。
从更宏观的视角看，这场合作折射出全球AI基础设施的“主权化”趋势。过去，云计算资源高度集中于美国西海岸的少数数据中心，各国政府对此越来越不安。SK集团与英伟达的合作模式——本地运营商建设、全球芯片巨头提供技术、本地存储厂商供应关键部件——可能成为未来各国建设主权AI基础设施的样板。
智能体AI与物理AI：下一个十年的算力需求引爆点
许多分析将本次合作简单视为“建设数据中心”，但忽略了其中的技术路线图。英伟达与SK集团明确将三大AI方向作为核心应用场景：大语言模型训练、智能体AI（Agent AI）、物理AI（Physical AI）。其中，智能体AI和物理AI被视为下一代AI的“黄金赛道”。
智能体AI指的是能够自主规划、执行任务并与环境交互的AI系统，比如能自动预订机票、酒店并管理行程的虚拟助手，或是能协调多个机器人完成仓库分拣的管理系统。这类AI需要持续运行推理，对算力的需求是“实时 + 持续”的，而非像训练那样“高爆发 + 短周期”。SK的AI工厂可以通过弹性调度，同时满足训练和推理两种负载。
物理AI则更贴近真实世界：自动驾驶、人形机器人、工业自动化设备等。它们要求AI模型不仅能理解符号，还要理解物理规则（如重力、摩擦力、物体体积）。训练一个能抓取易碎物品的机器人，需要数百万次模拟运算，算力消耗远超传统计算机视觉。而英伟达的Vera Rubin架构专为这类“物理仿真”优化，加上HBM4的高带宽，可以大幅缩短训练周期。
此外，SK集团还计划将AI工厂的能力开放给中小企业。通过AI图片生成等工具，中小企业可以快速生成产品设计图；而藏头诗或古诗词生成等创意类应用，则可能借助更强大的AI模型实现个性化内容创作。不过，这些应用目前仍处于早期阶段，真正大规模落地还需等待AI工厂的算力成本下降到可接受水平。
行业影响：改写全球AI算力版图的三重效应
这笔5000亿美元的合作将在三个层面产生深远影响。
第一，格局重塑：全球AI算力资源将从“西强东弱”转向“多极分布”。目前，全球约70%的AI训练算力集中在美国，欧洲和亚太地区严重依赖出口。SK的2GW AI工厂一旦建成，将成为亚太地区最大的单一AI算力节点，与日本、新加坡、印度等国的数据中心形成互补，有望吸引更多跨国企业将业务迁移至韩国。
第二，技术倒逼：HBM4的联合研发将加速下一代存储芯片的商用进程。SK海力士与英伟达的合作模式类似于“联合定义产品”，存储芯片厂商第一次深度参与GPU架构设计，而非被动提供标准件。这种模式可能推动整个存储行业从“量产驱动”转向“应用驱动”，未来我们可能会看到更多针对AI场景定制的存储产品。
第三，生态竞争：英伟达正在从“卖芯片”转向“卖工厂”。DSX平台使英伟达能够提供“交钥匙”式的AI基础设施，客户只需接入电力与网络，即可获得完整的AI训练与推理能力。这将对传统云计算厂商（如AWS、Azure、Google Cloud）形成直接竞争——它们提供的也是类似服务，但底层硬件并非完全由自己控制。SK集团与英伟达的合作，本质上是在打造一个独立于美国三大云厂商的“AI算力联盟”，这可能改变全球云计算市场的竞争格局。
当然，风险也不容忽视。2GW的AI工厂投资周期长达5-7年，若AI需求增速放缓或技术路线发生颠覆性变化（如量子计算取得突破），SK集团将面临巨大的资产减值风险。此外，地缘政治因素也可能影响芯片供应，尽管英伟达与SK的合作可谓“强强联合”，但美国对高端AI芯片的出口管制政策始终存在变数。
FAQ
什么是AI工厂？它与传统数据中心有何不同？
AI工厂是一种专门为人工智能工作负载优化的基础设施，其核心是“算力即服务”的流水线式生产模式。与传统数据中心相比，AI工厂采用专用的GPU集群、高速互联网络和智能编排软件，能够以极高的效率完成从数据清洗到模型训练再到推理部署的全流程，有点像“AI领域的晶圆厂”。AI Agent技术的兴起使得AI工厂更强调实时推理能力，而非仅关注训练峰值。
HBM4与HBM3e相比有哪些优势？对AI训练有何实际帮助？
HBM4的主要优势在于带宽提升约50%、容量翻倍（单颗可达64GB）以及更低功耗。对于训练万亿参数级别的大模型（如GPT-5），HBM4可以减少GPU因等待数据而闲置的时间，训练速度可提升40%以上。同时，更宽的接口允许模型更大规模地驻留在显存中，减少参数分片带来的通信开销。目前SK海力士已开始向客户提供HBM4样品，预计2026年量产。
这笔合作对普通消费者使用的科技产品有什么影响？
长期来看，AI工厂的算力成本下降将推动更多AI功能融入日常科技产品。例如，手机上的本地AI助手可以调用云端更强大的模型，实现更自然的对话；AI网名或签名设计等创意工具将获得更精准的生成效果；游戏中的NPC会拥有更智能的行为。此外，抠图和透明背景等图像处理功能在云端执行时速度更快、质量更高。不过，这些变化可能需要3-5年才能惠及大众。