[K-AI挑战]③Upstage称“凭借3000亿参数新一代Solar抢占AI技术主导权”

by Park Eugenie

Published 13 Aug.2025 18:00(KST)

Updated 14 Aug.2025 14:18(KST)

open/close

[专访] Kwon Sunil Upstage副社长
“不是只会韩语的AI，而是要打造全球前沿级模型”
从海外大科技公司与研究机构延揽人才
“有99%信心跻身‘最终两支队伍’…瞄准初创与学界联合，引导AI生态良性循环”

Upstage副社长Kwon Sunil表示：“公司创立之初的使命是‘让人工智能广泛造福大众（Making AI beneficial）’。通过这次自主AI基础模型开发项目，我们不仅要推进商业化和产品化，还获得了从公益角度进行此类挑战的机会。” 照片由记者Park Yujin提供

被选入政府独立人工智能（AI）基础模型开发项目5个团队之一的Upstage，将着手开发可最终扩展到3000亿参数的新AI模型。与Upstage此前推出的“Solar”大语言模型（LLM）相比，这是一个完全不同层级的新模型，目标是达到全球最强模型性能的99%以上。

Upstage副社长Kwon Sunil 13日在首尔江南区驿三洞办公室接受《亚洲经济》采访时强调：“我们的目标并不是像加拉帕戈斯那样，只做一个在韩语方面表现出色的AI”，“真正的‘主权AI’意义在于打造全球前沿级模型，从而掌握技术主导权。”这意味着，不仅仅是提升韩语流利度或拼写准确度，而是要打造具有全球竞争力的模型。

这种理念也如实体现在联盟（Consortium）的构成中。与其他以大型企业为中心的联盟不同，Upstage选择了“AI原生”的初创企业作为合作伙伴。Kwon副社长解释称：“为了与那些可以‘为AI拼命干下去’的企业合作，我们连‘工作文化’都一并考虑后才做出选择。”

具体来看，Upstage主导模型开发，Flitto负责数据收集，Nota负责模型优化，RabbleUp负责图形处理器（GPU）等基础设施。学界方面，由韩国科学技术院（KAIST）和西江大学参与，提供研究开发（R&D）支持。Kwon副社长解释称：“让生态系统得以持续维系非常重要”，“在组建联盟的过程中，我们提议通过这样的构成来共享经验和诀窍。”

通过这一联盟开发的新模型“Solar World Best LLM（WBL）”将采取与现有Solar完全不同的路径。Kwon副社长表示：“此前为了企业间交易（B2B）业务，模型规模受到限制，但这一次的目标是打造性能最强的模型。”也就是说，以前是在能够产生投资回报率（ROI）的范围内有节制地打造模型，而这次则打破这类限制，向最高性能发起挑战。

新模型将沿三个方向推进开发：在知识与智能领域达到全球前沿水平，加强安全性与可信度，以及提升对各类智能体工具（Agent Tool）的适配能力。计划在年底首次竞赛中，以1000亿（100B）参数模型起步，最终分阶段扩展到3000亿（300B）参数规模。

为实现这一雄心勃勃的目标，Upstage也在积极招募海外人才。在被选中的5个联盟中，Upstage是唯一一个在人才领域也获批支持的团队，这正是上述战略的延伸。Kwon副社长解释称：“为了在海外获取曾有类似经验的人才，以及在国内尚未积累诀窍的领域补齐能力，我们积极物色海外人才。”

公司计划引进3名专家，他们分别出身于大学研究室，并拥有在大型信息技术企业（Big Tech）或知名AI初创公司工作的经历。Kwon副社长介绍说：“他们都是AI社区内颇具知名度的人物，在模型结构和训练领域经验十分丰富。”公司还在同步规划项目，以便让他们的经验和诀窍在内部得到充分扩散。

除模型开发和人才引进之外，Upstage强调的另一点是实用性。Kwon副社长表示：“很多企业反馈说，虽然基准测试分数很好，但真正用于产业现场时并不那么理想”，“我们计划为各个领域打造相应的评估数据集并对外公开。”也就是说，目标不是单纯追求更高的基准测试分数，而是打造真正可在产业中应用的模型。

为此，公司将与金融、制造业、国防、公共领域的联盟企业合作，从各领域最优化的数据收集，到验证、评估，全流程共同推进。Kwon副社长解释称：“只有在产业界被实际使用，才能获得有意义的反馈，而这才会转化为全球竞争力。”

支撑这种战略性布局信心的背景，是对全球AI技术差距正在缩小的判断。对于政府提出的、以达到GPT‑5等最新模型95%以上性能为目标的课题，Kwon副社长分析称：“在技术本身的算法和方法论方面，已经相当趋于同质化”，“现在正是有机会追赶上的时间点。”

他也流露出对Upstage自身实力的自信。Kwon副社长表示，在约140名员工中，有70%是AI研发（R&D）人员，并强调说：“从AI人员总量看，可能少于大型企业，但如果只看专注于这一领域的人力，其实并不少。”他还补充说：“在‘ChatGPT时刻（生成式AI走向大众化、整个AI行业投入大语言模型开发竞争的转折点）’之前，我们就已经在自然语言处理（NLP）、自然语言理解（NLU）领域拥有技术和人才，并且从微调到从零开发，整个过程都亲身经历过。”