알림 목록

Район анализа:  столичный город Ульсан.

Основные районы:  Бук-гу, Донг-гу, Нам-гу, Ульджу-гун.

Повестка дня: готовность к внедрению AX, распространение и разрыв в прибыли между крупными корпорациями и местными поставщиками.

Золотой тип времени: Риск поляризации в цепочке поставок AX

Дата обращения: 28.08.2026

Версия: Regional AX Golden Time Intelligence v3.2
 

Hyundai Motor расширяет свои программно-определяемые заводы, сочетающие в себе ИИ, робототехнику и цифровые двойники, в то время как HD Hyundai внедряет FOS с целью повышения производительности верфей на 30% и сокращения сроков строительства на 30% к 2030 году. Хотя в производственной отрасли Ульсана структура конкуренции сместилась от отдельных предприятий к системе обработки данных и ИИ для всего завода, показатели внедрения ИИ и уровни взаимосвязи технологических данных поставщиков на региональном уровне не разглашаются. Если стандарты поставок генеральных подрядчиков в период с 2026 по 2028 год перейдут к данным о качестве, выбросах углерода и сроках поставки в режиме реального времени, поставщики, неспособные адаптироваться, уйдут из деловых отношений независимо от своих производственных мощностей.  Разрыв в области AX в Ульсане вышел за рамки технологического разрыва и вступил в стадию, определяющую выживание цепочки поставок.

Правительство увеличило бюджет на развитие промышленного ИИ на 2026 год с 565,1 млрд вон в 2025 году до 1,1347 трлн вон, а также увеличило бюджет на развитие ИИ-фабрик со 158,2 млрд вон до 220 млрд вон. Хотя акцент в производственной политике сместился с внедрения «умных» заводов на расширение автономного производства с использованием ИИ, по состоянию на 2024 год в стране насчитывалось всего 26 таких заводов. Если в ближайшие два-три года внедрение будет по-прежнему сосредоточено на ведущих компаниях, разрыв между увеличением бюджета и фактическим внедрением местными компаниями-партнерами сохранится.  В то время как национальные инвестиции в ИИ ускорились, внедрение на местах в компаниях-партнерах все еще находится на ранней стадии.

В своей Стратегии развития ИИ в обрабатывающей промышленности до 2025 года Министерство МСП и стартапов поставило цель создать 12 000 интеллектуальных заводов, ориентированных на ИИ, чтобы достичь 10% уровня внедрения ИИ среди малых и средних производственных компаний. Сама политическая цель свидетельствует о текущем низком уровне использования ИИ в производственном секторе, а показатель внедрения, рассчитанный отдельно для компаний-партнеров из Ульсана, не был проверен. Если число компаний, внедряющих ИИ, останется меньшинством от общего числа даже в период с 2026 по 2028 год, разрыв между скоростью перехода основных подрядчиков к ИИ и средней скоростью перехода в цепочке поставок еще больше увеличится. Следовательно, внедрение ИИ в  производственном секторе оценивается как находящееся на начальной стадии распространения, а не на стадии массового внедрения.

Крупные корпорации обладают собственными данными и специалистами по искусственному интеллекту, которые связывают проектирование, закупки, производство, логистику, продукцию и управление. Хотя компании-партнеры обмениваются информацией о заказах и качестве через систему генерального подрядчика, уровень их независимого хранения данных, анализа и работы моделей не раскрывается. Если искусственный интеллект генерального подрядчика будет применяться для выбора партнеров и оценки цены за единицу продукции/сроков поставки в течение двух-трех лет, компании, не обладающие возможностями по производству данных, будут подвергаться оценке, но им будет запрещен доступ к моделям оценки.  Весьма вероятно, что крупные корпорации будут выступать в качестве операторов искусственного интеллекта, в то время как большинство компаний-партнеров останутся лишь поставщиками данных для искусственного интеллекта.

Автомобильная, судостроительная и нефтехимическая промышленность Ульсана функционирует в рамках структуры, где крупные конгломератные заводы и многоуровневые субподрядчики совместно используют процессы, поставки, техническое обслуживание и логистику. Хотя конкурентоспособность готовой продукции зависит от сроков поставки и качества всей цепочки поставок, инвестиции в ИИ первоначально осуществляются основными подрядчиками, где сосредоточены капитал, данные и рабочая сила. Уровни AX на каждом этапе работы субподрядчика и местоположение компаний-«узких мест» не разглашаются. Если к 2028 году сети субподрядчиков нижнего уровня не будут объединены, рост внутренней производительности в крупных конгломератах будет ограничен нестабильностью внешних закупок.  Фактической единицей измерения AX в производстве Ульсана является не крупный конгломератный завод, а многоуровневая цепочка поставок, и текущая единица измерения уже.

Доходы компаний-партнеров зависят от изменений объемов производства генерального подрядчика, типов транспортных средств, типов судов и планов технического обслуживания. Отсутствуют общедоступные данные о том, как распределяются между компаниями-партнерами выгоды от повышения производительности, полученные от инвестиций в AX — будь то через цену за единицу продукции, объем или долгосрочные контракты. Если прибыль концентрируется у генерального подрядчика в течение двух-трех лет, в то время как инвестиционные затраты несут компании-партнеры, риск невозврата инвестиций возрастает для компаний, переходящих на AX.  Разрыв в показателях AX в Ульсане может увеличиться из-за структуры распределения выгод от повышения производительности, а не из-за владения технологиями.

Компания Hyundai Motor интегрирует производственные мощности, логистических роботов, системы контроля качества и цифровые двойники, а также расширяет свои системы производства малолитражных автомобилей и электрифицированных машин. Хотя конкуренция в автомобильной отрасли сместилась от качества сборки к интеграции программного обеспечения, батарей и данных электронного управления, объемы продаж программного обеспечения и темпы перехода на электрификацию для региональных поставщиков комплектующих для двигателей внутреннего сгорания остаются неподтвержденными. Если конфигурация комплектующих для новых моделей будет зафиксирована в период с 2026 по 2028 год, возможности перехода для существующих поставщиков комплектующих будут отложены до следующей платформы.  Этап развития передовых автомобильных технологий (AX) для готовых автомобилей находится на стадии ускорения, в то время как этап развития передовых автомобильных технологий (AX) для существующей цепочки поставок комплектующих — это этап, на котором на карту поставлено выживание отдельных компаний.

Электромобили и малотоннажные автомобили сопровождаются сокращением количества деталей и увеличением доли электроники и программного обеспечения. В то время как спрос на механические детали, поставляемые существующими партнерами, снижается, а стандарты предоставления данных, отслеживаемости и кибербезопасности повышаются, отсутствует интегрированный индикатор для оценки готовности поставщиков комплектующих в Ульсане. Если сокращение количества деталей совпадет с ростом затрат на цифровую сертификацию в течение двух-трех лет, то сократятся как доходы, так и инвестиционные возможности, начиная с микропредприятий.  Проблема для поставщиков автомобильной промышленности затрагивает не только автоматизацию производства, но и риск устаревания самих поставляемых изделий.

Компания HD Hyundai продвигает FOS (Future Operations System), которая включает в себя проектирование с использованием ИИ, цифровые двойники, роботов и агентов-мастеров. Хотя судостроительное производство перешло от координации на месте квалифицированными рабочими к прогнозированию на основе данных и автономной работе, нет подтвержденного опыта самостоятельной работы субподрядчиков с использованием ИИ в таких областях, как блочная кладка, трубопроводы, сварка и покраска. Если к 2028 году процессы генерального подрядчика будут интеллектуализированы, то колебания качества, возникающие из-за ручной работы субподрядчиков, останутся узким местом в общем периоде строительства.  Портфели AX крупных судостроительных компаний являются всеобъемлющими, в то время как AX региональных сетей сотрудничества — частично взаимосвязанными.

Судостроительная отрасль пополняет свой производственный персонал за счет расширения привлечения иностранной рабочей силы и локализованного обучения. Хотя структура рабочей силы сместилась в сторону многонациональных рабочих групп, процент субподрядчиков, использующих стандарты работы, видео и данные о качестве в многоязычной цифровой системе, остается неподтвержденным. Если уход квалифицированных рабочих совпадает с текучестью кадров в течение двух-трех лет, риски, связанные с переделкой, безопасностью и сроками поставки, возрастают в первую очередь для компаний, не обладающих цифровой базой знаний.  Разрыв в доступности рабочей силы среди субподрядчиков в судостроении является результатом сочетания нехватки рабочей силы и неспособности дублировать навыки.

Крупные нефтехимические компании в Ульсане давно используют распределенные системы управления, оптимизацию процессов и технологии прогнозирующего технического обслуживания. Хотя система Process AX достигла стадии интеграции показателей производительности, энергопотребления и технического обслуживания, объем данных, доступных субподрядчикам, занимающимся техническим обслуживанием, инспекцией, логистикой и управлением окружающей средой, остается нераскрытым. По мере сокращения производственных мощностей и реструктуризации бизнеса в период с 2026 по 2028 год субподрядчики, зависящие от системы генерального подрядчика, одновременно столкнутся с сокращением клиентской базы и невозможностью окупить свои инвестиции в AX. Проблема для нефтехимических субподрядчиков заключается не в внедрении технологий, а в отсутствии прозрачности данных о реструктуризации генерального подрядчика.

Стандарты конкурентоспособности химической продукции расширились от цены и качества до включения в себя углеродного следа и отслеживаемости сырья. Хотя крупные корпорации обладают возможностью собирать информацию об углеродном следе на уровне продукта, проверка всей цепочки поставок не может быть завершена без интеграции данных о выбросах от транспортных, ремонтных и предприятий по переработке отходов. Если стандарты проверки клиентов будут ужесточены в течение двух-трех лет, поставщики без данных будут классифицироваться как представляющие риск для цепочки поставок независимо от их фактических выбросов.  Разрыв в данных об углеродном следе переходит от экологической оценки к неравенству в квалификации участников рынка.

Проект внедрения «умных заводов» расширил возможности управления производством, подключения оборудования и сбора данных о качестве на малые и средние производственные площадки. Однако внедрение ИИ в производство предполагает качество собираемых данных, периоды накопления и стандартизацию процессов, а автономное прогнозирование не может быть сформировано исключительно за счет подключения оборудования. Фактический коэффициент использования «умных заводов» в Ульсане и коэффициент работы моделей ИИ не разделены в общедоступных данных. Если рассматривать базовую цифровизацию и работу ИИ как одно и то же достижение за период 2026–2028 годов, то разрыв в статистике исчезает.  Данные о внедрении «умных заводов» свидетельствуют о подготовке к внедрению ИИ, но не о его фактической работе.

Министерство малых и средних предприятий и стартапов предложило достичь 85-процентного уровня использования «умных» заводов и расширить внедрение «умных» заводов с использованием ИИ в рамках проекта «Инновации в интеллектуальном производстве 2026». Хотя стандарты политики сместились от количества внедрений к показателям использования и производительности ИИ, проблемы неработающих систем, потери данных и зависимости от обслуживания поставщиков для компаний Ульсана остаются нерешенными. Если уровень использования системы остается низким в течение двух-трех лет, дополнительные инвестиции в ИИ усугубляют ошибки в существующих данных.  Для компании-партнера AX из Ульсана основная проблема заключается в фактическом уровне использования существующих «умных» заводов, а не в модели ИИ.

Крупные корпорации обладают данными о проектировании, производстве, качестве и клиентах готовых автомобилей, судов и химической продукции на протяжении всего их жизненного цикла. Хотя поставщики часто владеют данными только по тем процессам, за которые они отвечают, или вводят их в систему генерального подрядчика, не обеспечивая себе права на их повторное использование, права на данные по каждому контракту не раскрываются. Если искусственный интеллект, обученный на данных генерального подрядчика в течение двух-трех лет, заменяет принятие решений в производстве, поставщики теряют необходимую основу для обучения и построения собственных моделей. Суть проблемы Ulsan AX заключается в доступе к промышленным данным, а не в объеме используемых серверов.

Генеральные подрядчики могут выбирать оптимального поставщика, сравнивая данные о качестве и сроках поставки от нескольких субподрядчиков. Однако отдельные субподрядчики не имеют доступа к сравнительным данным и прогнозам спроса, которыми располагают генеральные подрядчики, и полагаются на прошлые заказы при инвестировании в производственные мощности и распределении рабочей силы. Если информационная асимметрия сохранится до 2028 года, точность прогнозов генеральных подрядчиков возрастет, в то время как риски, связанные с запасами и простаивающими мощностями для субподрядчиков, увеличатся.  Подтверждено, что искусственный интеллект в цепочках поставок может скорее усугубить асимметрию переговорной силы, чем способствовать совместной оптимизации.

Крупные конгломераты в Ульсане внедряют технологии искусственного интеллекта, цифровые двойники, робототехнику и предиктивное техническое обслуживание в автомобильной, судостроительной и нефтехимической отраслях. Хотя сфера применения технологий расширилась и охватывает все аспекты корпоративной деятельности, темпы внедрения, использования и масштабы инвестиций в ИИ в компаниях-партнерах не подтверждаются региональной статистикой. Если этот разрыв не будет измерен в течение двух-трех лет, будет невозможно определить, соответствуют ли целевые показатели поддержки проблемам в цепочке поставок.  Уровень готовности крупных конгломератов классифицируется как «продвинутый», в то время как у компаний-партнеров он оценивается как «частично оцифрованный» или «неподтвержденный».

В качестве будущей политической цели установлен 10-процентный уровень внедрения ИИ среди малых и средних производственных компаний, и к 2024 году по всей стране насчитывалось 26 автономных производственных предприятий, использующих ИИ. Хотя это указывает на то, что текущая инфраструктура сосредоточена в нескольких ведущих компаниях, распределение компаний-партнеров Ульсана по отраслям и размерам не раскрывается. Если к 2028 году внедрение ИИ останется сосредоточенным среди ведущих партнеров, уровень готовности сети более низкого уровня останется неизменным.  Средний уровень готовности цепочки поставок оценивается как значительно ниже, чем у ведущих крупных корпораций.

Применение ИИ и роботов крупными корпорациями наблюдается в производстве, контроле качества, логистике и проектировании. Хотя применение расширилось за пределы отдельных процессов и охватило операционные системы заводов, степень распространения той же технологии на заводы-партнеры остается неподтвержденной. Если распространение будет продолжаться только внутри заводов основных подрядчиков в течение двух-трех лет, различия в скорости обработки в цепочке поставок создадут узкие места в доставке. Хотя  внутреннее распространение внутри крупных корпораций продвинулось, распространение между компаниями остается неподтвержденным.

Правительство поставило цель создать более 500 автономных производственных предприятий, использующих искусственный интеллект, к 2030 году, но по состоянию на 2024 год их было всего 26. Разрыв между целевым показателем расширения и существующей инфраструктурой составляет примерно 19 раз, а выделенный и отобранный объем для Ульсана еще не подтвержден. Поскольку следующие два-три года станут начальным этапом расширения для достижения цели, разрыв для компаний, исключенных из ведущих проектов, будет увеличиваться в первую очередь. Хотя расширение производства предприятий, использующих искусственный интеллект, уже началось, оно еще не достигло стадии, когда охватило бы всю сеть предприятий Ульсана.

Крупные корпорации имеют специализированные организации по искусственному интеллекту и сети сотрудничества с внешними технологическими компаниями, университетами и глобальными платформами. Хотя исследование Национального агентства информационного общества (НИА) подтвердило, что малые и средние предприятия испытывают трудности с приобретением новейших технологий, наймом квалифицированного персонала и их интеграцией в производственную сферу, количество специалистов по искусственному интеллекту в компаниях-партнерах в Ульсане не разглашается. Если этот дефицит кадров сохранится в течение двух-трех лет, скорость улучшения моделей и реагирования на ошибки будут различаться даже при использовании одного и того же решения.  Дефицит рабочей силы в Ульсане обусловлен наличием организации, способной непрерывно эксплуатировать ИИ, а не затратами на внедрение.

На предприятиях-партнерах знания сосредоточены в основном среди генеральных директоров, руководителей заводов и квалифицированных рабочих. Несмотря на старение рабочей силы и расширение использования иностранной рабочей силы, процент компаний, накопивших знания в области ИИ в виде данных, правил и моделей, остается неподтвержденным. Если к 2028 году потеря квалифицированных рабочих опередит формирование организаций, занимающихся ИИ, то в первую очередь будут утрачены исходные знания, необходимые для цифровизации.  Риск, связанный с внедрением ИИ в компаниях-партнерах, структурирован таким образом, что дефицит специалистов по ИИ и исчезновение производственных знаний происходят одновременно.

Крупные корпорации обладают масштабом и данными, позволяющими добиться комплексного снижения затрат на повышение производительности, качества, запасов и энергопотребления за счет ИИ. Хотя поставщики несут затраты на внедрение, случаи, когда повышение производительности отражается на ценах за единицу продукции, объемах или сроках действия контрактов, не подтверждаются на региональном уровне. Если структура распределения прибыли не устанавливается в течение двух-трех лет, экономическая целесообразность инвестиций в AX варьируется между основными подрядчиками и поставщиками. Следовательно,  распространение прибыли от AX в цепочке поставок оценивается как находящееся на более низкой стадии, чем распространение самой технологии.

Хотя поддержка «умных заводов» и искусственного интеллекта в производстве снижает некоторые затраты на внедрение, расходы на техническое обслуживание, уточнение данных и обновление моделей остаются постоянными. Отсутствуют общедоступные данные о темпах автономной работы и сроках окупаемости после прекращения поддержки. По мере накопления затрат на замену системы и подписку в период с 2026 по 2028 год, поставщики с низкой маржой будут вынуждены либо прекратить свою деятельность, либо стать зависимыми от внешних поставщиков.  Уязвимость поставщика AX заключается скорее в структуре доходов, способной покрыть текущие расходы, чем в первоначальном внедрении.

В график изменения конфигурации цепочки поставок в период с 2026 по 2028 год включены такие изменения, как переход на новые типы транспортных средств, электрификация, судостроение и реструктуризация нефтехимического бизнеса. Хотя переход основных подрядчиков на новые продукты и процессы предшествует инвестициям и кадровым перестановкам субподрядчиков, сроки реагирования для каждой компании не разглашаются. После завершения реструктуризации типов транспортных средств, судов и производственных мощностей останется недостаточно времени для сертификации новых поставщиков и возврата инвестиций.  «Золотой час» для субподрядчиков из Ульсана заканчивается не с завершением работ по модернизации основного подрядчика, а до перераспределения цепочки поставок.

Несмотря на расширение государственного бюджета на развитие искусственного интеллекта, поддержка предприятий, занимающихся разработкой и внедрением ИИ, сосредоточена на ограниченном числе компаний, прошедших отбор. Если ведущие компании неоднократно отбираются в течение двух-трех лет, данные и показатели эффективности накапливаются в этих компаниях, и разрыв для компаний, не внедряющих ИИ, экспоненциально увеличивается. После завершения проекта компаниям-новичкам приходится начинать с более высокого технологического уровня. Риск, связанный с поддержкой ИИ, заключается в том, что период, когда компании не были отобраны, сам по себе накапливается, создавая конкурентный разрыв.

Точность моделей ИИ повышается по мере накопления данных о производстве, дефектах и ​​техническом обслуживании. Если крупные корпорации и ведущие поставщики первыми наладят циркуляцию данных, компании-отстающие будут нести бремя дефицита обучающих данных, растягивающегося на несколько лет, в дополнение к затратам на внедрение оборудования. Если накопление данных не начнется к 2028 году, будет сложно догнать производительность моделей ведущих компаний только за счет капиталовложений.  Разрыв в области ИИ в производстве — это необратимый риск, обусловленный накоплением данных, которое со временем увеличивается.

Цифровая цепочка поставок генерального подрядчика оценивает качество, сроки поставки, выбросы углекислого газа и безопасность в режиме реального времени и учитывает эти результаты при выборе поставщиков. Как только компания выходит из цепочки поставок, она теряет возможность инвестировать в AX из-за снижения доходов и не может накопить данные, необходимые для повторной сертификации. Если выход происходит в течение двух-трех лет, технологический и транзакционный разрывы взаимно усиливают друг друга.  Неудача компании-партнера в использовании AX – это не просто неспособность внедрить систему; это необратимый процесс, приводящий к ее окончательному выходу из цепочки поставок.

Оценка эффективности сжатия данных: Переломный момент в Ulsan Supply Chain AX заключается в том, смогут ли компании-партнеры выйти за рамки предоставления данных искусственному интеллекту генерального подрядчика и одновременно обеспечить права на повторное использование данных, независимые операционные возможности и преимущества в производительности.

По оценкам, развитие AX крупных компаний в Ульсане находится на продвинутой стадии с точки зрения инвестиций, данных, персонала и практического применения , в то время как развитие AX местных компаний-партнеров оценивается как находящееся на начальной и неопределенной стадии, за исключением базовой цифровизации и некоторых ведущих компаний .

Нынешний разрыв — это не просто разница в технологическом уровне. Это асимметричная структура, где крупные корпорации выступают в роли субъектов, прогнозирующих и оценивающих цепочку поставок, в то время как компании-партнеры предоставляют собственные данные, но не имеют доступа к сравнительной информации и прогнозированию спроса.

Если этот разрыв сохранится до 2028 года, Ульсан, скорее всего, потеряет добавленную стоимость и количество компаний в своей региональной экосистеме сотрудничества, вместо того чтобы обеспечить конкурентоспособность крупных корпоративных заводов.

Оценка «золотого времени»: ускорение внедрения Enterprise AX + риск поляризации цепочки поставок

Источники доказательств

• Министерство торговли, промышленности и энергетики, Бюджет и цели строительства промышленных заводов AX·AI на 2026 год.
• Министерство малых и средних предприятий и стартапов, Стратегия инноваций в сфере интеллектуального производства на основе ИИ, версия 3.0
• Министерство малого и среднего бизнеса и стартапов, Проект поддержки инноваций в сфере интеллектуального производства, 2026 год.
• NIA анализирует текущее состояние и проблемы использования ИИ в компаниях.
• НИА, Меры по использованию физического ИИ для повышения конкурентоспособности отечественного производства
• Система управления бизнесом «умного завода»
• Компания HD Hyundai создает будущую верфь FOS.
• Министерство торговли, промышленности и энергетики, Подкомитет промышленного комплекса AX и кластер M.AX

Анализ структуры — По мере того, как крупная корпорация AX добивается успеха, независимость её поставщиков может ослабевать.

В крупных корпорациях искусственный интеллект одновременно получает данные о ценах, качестве, сроках поставки и дефектах от множества поставщиков. По мере накопления данных генеральные подрядчики более точно прогнозируют всю цепочку поставок и быстрее заменяют поставщиков. В отличие от них, поставщики обладают только собственными данными или не могут самостоятельно использовать даже те данные, которые они вводят в систему генерального подрядчика.

В этой асимметрии цифровая доступность партнера не равна возможностям AX. Компании, подключенные к платформе генерального подрядчика, участвуют в генерации данных, но не могут участвовать в владении моделями, сравнительной информации или принятии решений. Это создает парадокс, при котором зависимость от генерального подрядчика возрастает по мере увеличения степени подключения.

Если внедрение ИИ генеральным подрядчиком повышает производительность, становится экономически выгодно использовать систему поставок с меньшим количеством поставщиков и более точной системой доставки. Если же поддержка AX со стороны компаний-партнеров не приводит к независимой конкурентоспособности, ИИ функционирует как механизм отбора только лучших компаний, а не как инструмент развития всей цепочки поставок.

Таким образом, структурный риск в Ульсане заключается не только в запоздалом внедрении ИИ компаниями-партнерами.  Больший риск представляет собой укоренение структуры, в которой компании-партнеры предоставляют больше данных по мере участия в AX, но их прогностическая и переговорная сила не увеличиваются.