Coreia do Sul aposta US$3,5 bi em IA soberana

O problema é pagar aluguel para pensar

Modelo frontier nacional virou obsessão da Coreia do Sul por um motivo simples e doloroso: o país hoje paga mais para usar IA estrangeira do que para assistir Netflix. Em dezembro de 2025, os coreanos gastaram mais com assinaturas de ChatGPT e serviços similares do que com streaming. Cada prompt em coreano roda em data center americano, com latência maior, custo em dólar e dados cruzando o oceano. Para quem constrói produto isso é rotina conhecida. Você escala o uso, a conta da API escala junto e a margem evapora. Seul entendeu o recado e decidiu que não quer seguir apenas como cliente premium de outros países.

É nesse contexto que entra a aposta de 4,7 trilhões de wons, cerca de US$3,49 bilhões, para criar um modelo de fronteira 100% coreano. Não é só orgulho nacional, é conta de infraestrutura e de vocabulário. Modelos treinados majoritariamente em inglês e chinês erram mais em coreano formal, em contratos, em atendimento e em linguagem industrial. Quem já tentou colocar um LLM genérico para operar em outro idioma conhece o custo do retrabalho, do RAG improvisado e do fine-tuning sem fim. A Coreia quer resolver isso na origem, no pré-treino, e não no remendo com prompt gigante.

O fato, sem enfeite

O governo sul-coreano incluiu o valor na proposta de orçamento para 2027, que ainda precisa de aprovação do parlamento. O plano tem duas pernas. A primeira usa investimento em equity para financiar o desenvolvimento do modelo em si, com retorno esperado para o estado. A segunda financia a adoção de modelos construídos na Coreia em bancos, hospitais, fábricas e serviços públicos. Os finalistas atuais da disputa, LG AI Research, SK Telecom e Upstage, não têm vaga garantida na próxima fase. O governo vai abrir uma nova competição, onde até startups podem entrar. O recado é direto: leva quem entregar melhor avaliação, não quem tem nome maior.

Para entender a escala, vale comparar os números. Quando a competição atual começou, o governo prometeu 530 bilhões de wons, cerca de US$390 milhões, para cinco empresas. O novo plano multiplica isso por nove. Parece muito, até olhar para fora. Google, Amazon, Microsoft e Meta planejam juntas cerca de US$725 bilhões em 2026, a maior parte em data centers de IA. Ou seja, o orçamento coreano inteiro equivale a menos de meio por cento desse total. Em paralelo, a indústria local se movimenta. Em outubro de 2025, Samsung e SK fecharam com a OpenAI para expandir infraestrutura no país. Em junho, Samsung, SK Hynix e governo anunciaram um esforço de US$590 bilhões para escalar produção de chips. A lógica é combinar silício próprio com modelo próprio.

Como isso deve funcionar na visão de operador

Arquitetura, língua e latência

Sem detalhes técnicos públicos, dá para inferir o caminho provável a partir do que LG, SK Telecom e Upstage já mostraram. Devemos ver um modelo denso ou mixture of experts com foco pesado em tokenização coreana, porque token mal feito em hangul dobra o custo de inferência e corrói a janela de contexto. O treino deve rodar em clusters com aceleradores de última geração e memória HBM da SK Hynix e da Samsung, o que alivia um gargalo clássico de banda de memória. O próprio governo admitiu que não mira OpenAI ou Anthropic. A mira são os melhores modelos abertos da China. Isso sugere pesos abertos ou semiabertos, licença permissiva para uso interno e API nacional com preço em won e latência local.

Para quem opera, os números que importam ainda não apareceram: custo por milhão de tokens, throughput, latência p95 e custo de fine-tuning. Minha leitura é que Seul vai subsidiar inferência no início para puxar adoção, como fez com 5G e semicondutores. Se o modelo nascer apenas bom em benchmark e caro na API, ninguém migra. Ele precisa ser de 20% a 30% mais barato que GPT e Claude em tarefas em coreano, com function calling estável, suporte nativo a ferramentas e contexto longo que funcione de verdade. Sem isso, vira projeto de prestígio que o engenheiro testa uma vez e abandona porque a conta não fecha no fim do mês.

O que isso muda na prática

Quem ganha primeiro são desenvolvedores coreanos e empresas que vivem de coreano nativo, como bancos, escritórios de advocacia, hospitais e indústria pesada. Um modelo que entende honoríficos, contratos locais e jargão de fábrica sem precisar de prompt enorme reduz custo e simplifica a arquitetura. Quem perde no curto prazo são os provedores estrangeiros que hoje capturam quase toda a receita de assinaturas. Eles não vão sair da Coreia, mas terão de baixar preço ou abrir data center local. Para o resto do mundo o efeito é indireto, mas relevante. Mais um frontier aberto fora do eixo EUA China significa mais opção de stack, mais pressão sobre preços e talvez pesos melhores em tarefas multilíngues asiáticas.

• Ajuste de stack: mapeie hoje quais partes do seu produto poderiam rodar em um modelo regional mais barato sem perda de qualidade.
• Ajuste de custo: simule sua margem com inferência 30% mais barata e latência local para ver o que mudaria no preço final.
• Ajuste de risco: reduza dependência de um único fornecedor com camada de abstração e avaliações fixas por idioma.

Se você constrói com IA, a ação prática agora é montar uma avaliação bilíngue antes de torcer por qualquer modelo nacional. Separe 200 prompts reais do seu produto, em português e inglês, com respostas esperadas, e rode hoje nos modelos americanos fechados e nos chineses abertos. Meça custo, latência e taxa de erro em coreano, se você atende Ásia, ou no seu idioma principal. Quando o modelo coreano sair, você terá uma régua pronta para decidir em um dia se vale migrar parte do tráfego. Quem não mede fica preso ao fornecedor com melhor marketing, não ao melhor custo benefício.

A tensão que ninguém quer admitir

A dúvida real é se US$3,49 bilhões compram relevância em 2027 ou apenas um atraso caro. Treinar um frontier custa centenas de milhões, mas manter é o que quebra qualquer orçamento. É preciso retreinar a cada poucos meses, pagar energia, refrigeração e engenheiros que Meta e Google tentam contratar pelo triplo do salário. A Coreia tem uma vantagem rara, fabrica memória e tem indústria para distribuir o modelo, mas ainda compra aceleradores de terceiros. E há outro risco: fragmentar o esforço em três competidores e depois zerar tudo em uma nova competição aberta pode queimar velocidade. Competição ajuda, mas trocar de base no meio da corrida atrasa checkpoint e desanima time.

Também fica a pergunta sobre adoção. O governo quer empurrar modelos coreanos para a economia inteira, o que funciona bem no slide e é difícil no chão de fábrica. Empresa não troca API estável por patriotismo. Ela troca se a latência cair de 1,8 segundo para 600 milissegundos, se a conta mensal cair de verdade e se o suporte responder no seu idioma. Se o projeto entregar isso, resolve um problema concreto. Se entregar apenas um modelo que passa em prova acadêmica, só move o gargalo do treino para a distribuição. E distribuição, como todo operador sabe, é onde a maioria dos projetos de IA morre em silêncio.

Conclusão

A Coreia não tenta vencer os EUA, tenta não depender deles e bater a China no jogo aberto, com silício próprio e dinheiro público. Será que coreano nativo e preço local bastam contra a escala brutal de capital americano?