韩国AI国家队遴选暴露治理短板

unpopular 的赢家

韩国刚刚选出了其国家人工智能团队。问题在于：在某个国际公认基准上得分最高的模型，却被淘汰出局。

总部位于首尔的人工智能初创公司 Motif Technology 在 AAII 基准测试中位居榜首——这是一个全新的、严苛的评估体系，政府坚持将其引入，以提升整个评选过程的可信度。其得分在所有参评模型中位列全球第十。然而，Motif 在第二阶段评估中仅排名第四，最终惨遭淘汰。

数字说明了问题所在。Motif 在 AAII 上获得了 11.9 分（满分 25 分），而 LG AI Lab 为 7.8 分，SK 电信为 8.8 分，Upstage 为 9.4 分。但这项基准测试仅占总评分的 25 分，而人工评估——由专家和用户组成——则掌控了 60 分。这一权重分配具有决定性意义，也引发了巨大争议。

说不通的分数

最引人关注的问题出在一位评审身上。十位专家评审中，有一位——编号第七号委员——给 Upstage 打了 30 分（满分 35 分），却只给 Motif 打了 17 分。这 13 分的差距远远超过其他评审成员之间 4.6 分的平均差距。

政府采用的评分规则会在取平均之前剔除最高和最低分。按照这一规则，第七号委员给出的 Upstage 高分得以保留——因为它们并非全场最高分——而其给出的 LG AI Lab 和 SK 电信的低分则被剔除。然而 Motif 的 17 分是十位评审中给出的最低分，因此被完全丢弃。

研究人员在重新计算专家评审分数（剔除该异常值）后发现，Upstage 与 LG AI Lab 之间的差距从 0.9 分缩小到不足 0.1 分。排名几乎发生了逆转。最终结果取决于一个原本可能走向另一侧的程序性选择。

方法论一直在变

这甚至已经不是一开始的那场比赛了。在第一轮评估中，LG AI Lab 一枝独秀——在基准测试、专家评审和用户反馈中全面胜出，以 90.2 分的平均分遥遥领先，远超全场平均的 79.7 分。到了第二轮，评分架构已经改变：AAII 基准被引入，人工判断的权重超过了自动化测试。

LG AI Lab 在新 AAII 基准上得分最低，排名跌至第三位。一个在第一轮包揽所有类别第一的模型，仅仅因为比赛中途改了规则就被反超。

政府官员承认这套框架本身可能已经过时。副总理柳贞明（Ryu Je-myung）于 8 月 18 日宣布了第二轮结果，但直到两天后才公布详细分数——此前因未公开排名信息引发了公众压力。官方解释是：为了避免对排名靠后的团队产生"污名化效应"。但纳税人显然有权知道他们的钱花在哪里。

究竟在测量什么——以及为何重要

更深层的问题关乎该项目自身的目标。独立 AI 基础模型计划（Independent AI Foundation Model initiative）的成立使命是实现前沿 AI 模型 95% 的性能水平——这是一个技术指标。然而评选却大量加权了可用性和服务普及率——这些本应属于另一项名为"AI for All"的计划范畴。

Upstage 与前青瓦台 AI 顾问河正雨（Ha Jeong-woo）的关联更添波澜。人们提出利益冲突的质疑，担心评审的机构关系是否影响了打分。政府否认存在不当影响，但无论意图如何，遴选委员会成员与业界人士之间出现重叠，损害了公众信任。

AAII 基准本身也值得审视。这项旨在测试推理能力、编程能力和多语言能力的评估，被韩国政府宣传为对西方主导榜单的可信替代方案。但其评分公式——将原始分数线性换算为 25 分制——以不成比例地有利于韩国模型的方式压缩了成绩分布。Motif 的 47 分原始分换算成 11.9 分（满分 25 分），已经接近上限，而 Anthropic 的 Opus 5 在同一公式下将换算为约 15.75 分。这种压缩意味着，这项基准尽管享有声誉，却无法有效区分顶级表现。这种预期与现实之间的差距，正是滋生怀疑的Opacity 温床。

财阀因素

评分争议的背后，是一条更古老的张力：一个政府主导的评估体系能否抵御韩国三大财阀的引力？LG AI Lab 和 SK 电信都是大型企业旗下的部门，与其母公司集团有着深厚的体制联系。相比之下，Motif 是一家初创公司，直到 2024 年才完成首轮机构融资。这些参与者之间的资源差距显而易见——仅 LG 一家就报告了超过 8 亿美元的年度 AI 研发支出。但评选机制本应让各参与方站在同一起跑线上。结果反而通过加权人工判断放大了优势，而体制内的熟悉度和关系资本在这里起着无法量化的作用。

连锁效应已经显现。几位与 Motif 有关联的研究人员已开始探索海外机会，原因是他们对国内评估的公正性失去了信心。初创公司的顾问报告称，投资者在为韩国 AI 公司估值时，已经开始计入治理风险——而不再仅仅关注技术能力。在整个生态系统中传播的信息是务实而非哲学性的：生存取决于理解房间里的潜规则，而不仅仅是做出最好的产品。

全球影响

为什么韩国以外的任何人都在乎？因为这不仅是一场国内采购纠纷。这是一个案例，展示了中等技术强国在缺乏透明、可辩护的治理体系的情况下，试图与硅谷巨头竞争时会发生什么。

这种压缩效应意义深远。它释放出一个信号：韩国的评选流程可能是在优化政治可接受性——选择对国内用户来说感觉有用的模型——而非识别真正世界级的能力。其结果可能是一支在国内表现尚可、但在全球竞争中落后的"国家 AI 队伍"。

其他国家正在观望。日本的人工智能遴选框架和台湾的半导体——AI 整合战略，在最近区域政策讨论中都明确参考了韩国的做法。如果韩国的模式被视作政治操控而非择优驱动，它将削弱更广泛的论点——即非西方国家可以凭借自身条件建立独立的人工智能生态。

下一步是什么

副总理朴南圭（Park Nam-gyu）承认，评估体系需要进行根本性审查，他指出人工智能的发展以三到六个月为周期，而政府框架的设计往往长达数年。关键问题在于，承认这一点能否转化为行动。

对于落选的公司在，信息很明确：遵守政府规则比纯粹的表现更重要。对于国际观察家来说，结论同样明确——那些将人工智能能力视为战略基础设施，却未能建立可信、透明的评估体系的国家，面临的风险是选出的模型在国内看起来不错，但缺乏真正的海外竞争优势。

独立 AI 基础模型计划尚未取消。入选团队将在政府支持下继续推进开发和应用。但可信度的赤字是真实且累积的。每一次不透明的评估循环都在加剧政府与它所希望培育的生态之间的信任鸿沟。韩国国家 AI 团队已经选出。真正的考验在于，遴选过程能否经受住审视——还是成为又一个治理落后于技术的例证。