알림 목록

Area di analisi: città metropolitana di Ulsan

Aree chiave: Zona industriale automobilistica di Buk-gu, Zona industriale cantieristica di Dong-gu, Zona industriale petrolchimica di Nam-gu

Ordine del giorno: Allineamento tra la Dichiarazione AI City e i risultati in termini di produttività, qualità, sicurezza ed energia negli stabilimenti produttivi.

Tipo Golden Time: Accelerazione delle infrastrutture + Divario di evidenze per la trasformazione delle fabbriche

Data di riferimento: 28/08/2026

Versione: Standard di miglioramento AX Golden Time Intelligence v3.2 regionale
 

Nel 2025 Ulsan ha attratto un progetto di data center per l'intelligenza artificiale da 7 trilioni di won, realizzato da SK-AWS, e nel 2026 ha posto "Ulsan, la capitale dell'IA" in prima linea nella sua amministrazione comunale. La strategia di Ulsan per l'IA si è spostata da un focus su istruzione e ricerca a un modello di città industriale che combina infrastrutture di calcolo su larga scala con l'industria manifatturiera. Tuttavia, non esistono prove pubbliche confermate che colleghino gli investimenti nei data center a miglioramenti nei tassi di adozione dell'IA, nella produttività, nella riduzione dei difetti, nella sicurezza o nell'efficienza energetica negli impianti automobilistici, cantieristici e petrolchimici di Ulsan. Se la costruzione di data center e i progetti di IA nelle fabbriche procedessero su percorsi separati tra il 2026 e il 2028, Ulsan potrebbe riuscire a creare un'infrastruttura per l'IA, ma la transizione dei siti industriali potrebbe dipendere dalla domanda esterna di servizi cloud. Mentre  la dichiarazione di Ulsan di essere una città dell'IA è confermata in termini di investimenti infrastrutturali, si ritiene che rimanga non confermata in termini di risultati concreti per le fabbriche.

Nel 2026, Ulsan ha stanziato un budget di 117,8 miliardi di won per il sostegno alle PMI e la promozione dell'innovazione, con un aumento del 26% rispetto all'anno precedente, includendo il programma SME AX. L'ambito di applicazione delle politiche sull'IA si sta espandendo, passando da un focus sulle grandi aziende e sugli istituti di ricerca a includere le PMI locali e le aziende partner. Tuttavia, i dati disponibili pubblicamente non confermano il numero di aziende supportate che sono passate dalla fase di Proof of Concept (PoC) all'applicazione permanente dell'IA alle linee di produzione reali, né rivelano cambiamenti in termini di produttività, vendite e occupazione. Se il supporto rimarrà limitato alle fasi di consulenza, fornitura di attrezzature e dimostrazione dal 2026 al 2028, il divario in termini di dati, risorse umane e processi tra le grandi aziende e le loro aziende partner si amplierà ulteriormente.  Mentre la politica di diffusione del programma Ulsan Manufacturing AX è confermata, il tasso di conversione presso gli stabilimenti produttivi delle PMI non è ancora stato confermato.

Ulsan si è prefissata obiettivi per i prossimi cinque anni, tra cui la formazione di 500 talenti nel campo dell'IA per la convergenza industriale, la realizzazione di 150 dimostrazioni sul campo presso grandi aziende e la promozione di 500 startup deep tech, mentre la UNIST Novatus Graduate School prevede di formare circa 100 specialisti di IA all'anno. L'ecosistema dell'IA industriale si è ampliato fino a diventare una struttura che combina lo sviluppo dei talenti, le startup e le dimostrazioni presso grandi aziende. Tuttavia, i criteri di transizione – che vanno dalle 150 dimostrazioni all'applicazione in linea di produzione, ai contratti retribuiti, alle entrate ricorrenti e all'espansione presso aziende partner – non sono stati resi pubblici. Se gli obiettivi rimarranno focalizzati su talenti, startup e numeri di dimostrazioni per i prossimi due o tre anni, i cambiamenti effettivi nelle fabbriche saranno oscurati dagli input dell'ecosistema.  Mentre le fondamenta dell'IA industriale di Ulsan si stanno consolidando, mancano prove della sua transizione alla produzione.

Il Ministero del Commercio, dell'Industria e dell'Energia ha ampliato il budget per l'Intelligenza Artificiale Industriale (IA) per il 2026 a 1.134,7 miliardi di won, con un incremento del 100,8% rispetto all'anno precedente, e ha portato il budget per il progetto "Fabbrica di IA" a 220 miliardi di won. Il periodo dal 2026 al 2028, in cui l'espansione degli investimenti nazionali nell'IA Manifatturiera convergerà con le strutture industriali di Ulsan nei settori automobilistico, cantieristico e petrolchimico, sarà caratterizzato da un afflusso di ingenti finanziamenti esterni. Tuttavia, i dati pubblici relativi al tempo di esecuzione, che integrano la garanzia di progetti nazionali all'avanguardia e le prestazioni applicative per processo negli impianti di Ulsan, non sono ancora stati verificati. Se in questo periodo non verranno definiti standard per i dati di fabbrica, parametri di riferimento per le prestazioni e una struttura di diffusione per le aziende partner, l'ampliamento del budget nazionale verrà esaurito dai singoli progetti dimostrativi.  Il momento d'oro per il settore manifatturiero di Ulsan non sarà quando il budget per l'IA sarà insufficiente, bensì i prossimi due o tre anni, durante i quali sarà possibile determinare il ritmo di transizione tra la fase dimostrativa e quella di produzione.

Tesi del Tempo d'Oro — Il criterio per stabilire se Ulsan è una città globale dell'IA non è l'entità degli investimenti nei data center o il numero di progetti dimostrativi di IA. Il criterio di valutazione è quanto l'IA ha modificato i tempi di inattività delle fabbriche, i difetti, i costi, il consumo energetico e gli incidenti sul lavoro, e se tali modifiche si sono estese alle aziende partner.

Ulsan è una città manifatturiera in cui si concentrano l'industria automobilistica nel distretto di Buk-gu, la cantieristica navale nel distretto di Dong-gu e le industrie petrolchimiche ed energetiche nei distretti di Nam-gu e Ulju-gun. L'ambito di applicazione dell'IA non si limita a un singolo processo, ma abbraccia l'intera catena del valore, dalla progettazione all'approvvigionamento, dalla produzione al controllo qualità, dalla logistica alla gestione degli impianti, dalla sicurezza all'energia. Tuttavia, non è ancora stato definito un parametro di riferimento ufficiale che confronti il ​​numero di stabilimenti, i processi, i tassi di conversione dei dati degli impianti e i tassi di applicazione dell'IA nei tre principali settori industriali, utilizzando gli stessi criteri. Inoltre, se le attività commerciali per settore si espandessero separatamente tra il 2026 e il 2028, non sarebbe possibile calcolare retrospettivamente il tasso di conversione per tutti gli stabilimenti di Ulsan.  Mentre la dimensione industriale di Ulsan è chiara, il denominatore della transizione all'IA rimane incerto.

Lo stabilimento Hyundai di Ulsan, HD Hyundai Heavy Industries e i grandi impianti petrolchimici sono aziende chiave che possiedono le basi per l'automazione su larga scala, i sensori e la gestione della produzione. Il settore manifatturiero di Ulsan è passato da fabbriche incentrate sul lavoro manuale a una struttura che combina impianti altamente automatizzati con ampie reti di cooperazione. Tuttavia, la portata della divulgazione relativa alla percentuale di processi che passano dall'automazione esistente alla previsione basata sull'IA e al controllo autonomo, nonché le prestazioni risultanti, varia da azienda ad azienda. Se negli ultimi due o tre anni non si distingue tra apparecchiature di automazione e processi basati sull'IA, gli investimenti digitali esistenti vengono conteggiati due volte come nuovi risultati AX.  Sebbene le basi digitali dello stabilimento di Ulsan siano solide, la portata della sua transizione all'IA non può essere valutata separatamente.

Il data center SK-AWS dedicato all'intelligenza artificiale è stato presentato come un investimento di circa 7 trilioni di won ed è stato incluso tra i 5 progetti prioritari di Ulsan per il 2025. Le risorse di Ulsan nel campo dell'IA si sono espanse dalle dimostrazioni delle università locali e del settore pubblico fino alle infrastrutture di calcolo su larga scala dei fornitori di servizi cloud globali. Tuttavia, non sono disponibili dati pubblici che distinguano gli effetti dell'investimento sugli acquisti locali, sull'occupazione, sull'utilizzo delle risorse informatiche da parte delle aziende manifatturiere locali, sui consumi di elettricità e acqua e sulle entrate fiscali. Anche se la costruzione dovesse procedere tra il 2026 e il 2028, se le fabbriche locali non diventassero effettivamente clienti, la portata dell'investimento e la portata della trasformazione industriale rimarrebbero separate. Mentre la portata economica del data center per l'IA è confermata, la portata del suo collegamento industriale con le fabbriche di Ulsan è ancora da definire.

Il Piano per la Smart City di Ulsan ha presentato 21 progetti, tra cui informazioni spaziali basate sull'intelligenza artificiale e gemelli digitali, per un costo totale di 294,2 miliardi di won per il periodo 2022-2026. L'applicazione dei dati urbani si è estesa ai trasporti, alla sicurezza e alla gestione del territorio. Tuttavia, una struttura per l'analisi congiunta dei dati della smart city con i dati relativi ai complessi industriali e ai processi aziendali non è confermata dalle prove pubblicamente disponibili. Se l'Area di Analisi Urbana (AIA) e l'Area di Analisi Industriale (AIA) venissero integrate in piattaforme separate nei prossimi due o tre anni, verrebbe trascurata l'influenza reciproca tra trasporti, logistica, gestione delle emergenze, energia e attività produttive. Sebbene  la portata dell'IA a Ulsan si sia ampliata sia nel settore urbano che in quello industriale, la connessione tra i due sistemi non è ancora stata confermata.

I data center per l'IA, l'UNIST, l'Ulsan Technopark, gli impianti di ricerca e sviluppo e di produzione di grandi aziende e i programmi di supporto per le PMI dimostrano la concentrazione di risorse legate all'IA a Ulsan. L'ecosistema dell'IA si è evoluto in una struttura che riunisce ricerca, talenti, risorse informatiche e capacità produttive all'interno di un'unica regione. Tuttavia, il tasso di conversione – ovvero il passaggio dai risultati della ricerca ai Proof of Concept (PoC) in fabbrica, fino ai contratti di produzione e ai ricavi delle startup – non è reso pubblico. Anche se il numero di istituzioni e progetti dovesse aumentare tra il 2026 e il 2028, se questo tasso di conversione rimanesse basso, tale concentrazione resterebbe solo un elenco parallelo di risorse.  Sebbene Ulsan possieda le componenti dell'IA industriale, un ecosistema commerciale funzionante non è ancora stato verificato.

Nei prossimi cinque anni, 150 dimostrazioni sul campo, guidate da grandi aziende, creeranno punti di contatto su larga scala che consentiranno a startup e istituti di ricerca di accedere a veri e propri siti produttivi. Lo sviluppo tecnologico si sta spostando dalla verifica in laboratorio alla verifica sul campo, utilizzando dati industriali e condizioni operative delle apparecchiature. Tuttavia, i criteri pubblici per la valutazione dei contratti di produzione, la replicazione in altri stabilimenti, l'applicazione alle aziende partner e i ricavi derivanti dalla manutenzione successiva alla dimostrazione rimangono da definire. Se il numero di dimostrazioni aumenterà rapidamente tra il 2026 e il 2028, diventerà impossibile distinguere tra i PoC (Proof of Concept) completati e la produzione in funzione.  Mentre i punti di contatto sul campo di Ulsan si stanno espandendo, il divario tra l'ecosistema delle dimostrazioni e quello della produzione rimane.

La UNIST Novatus Graduate School si impegna a formare circa 100 specialisti di intelligenza artificiale all'anno, mentre la città di Ulsan si è posta l'obiettivo di formare 500 talenti nel campo dell'IA con competenze specifiche per l'industria entro cinque anni. La politica in materia di talenti si è spostata da una formazione generale sull'IA alla promozione di competenze specifiche per l'industria, in grado di comprendere i processi del settore automobilistico, navale ed energetico. Tuttavia, non esiste un campione pubblico che colleghi l'occupazione dei laureati presso le aziende di Ulsan, la loro permanenza a lungo termine, i progetti sul campo o il loro contributo alla produttività. Se il numero di laureati si limita ad aumentare nell'arco di due o tre anni, i talenti locali si distaccano dal turnover esterno e i risultati formativi si disconnettono dalle prestazioni delle fabbriche.  Pur esistendo un ecosistema per lo sviluppo dei talenti, le competenze professionali ancora presenti nelle fabbriche di Ulsan sono considerate non consolidate.

Il Fondo per la Crescita Regionale di Ulsan, con una dotazione di 50 miliardi di won, e l'obiettivo di supportare 500 startup deep tech collegano i finanziamenti per la commercializzazione successiva allo sviluppo tecnologico. L'ecosistema dell'IA industriale si sta espandendo, passando da un focus sui programmi di sovvenzione a una struttura di investimento e scalabilità. Tuttavia, la raccolta pubblica di dati sulle vendite delle aziende finanziate dal fondo presso i loro stabilimenti di Ulsan, sugli investimenti successivi, sui tassi di sopravvivenza e sull'insediamento locale è ancora in una fase iniziale. Anche se il numero di startup dovesse aumentare tra il 2026 e il 2028, le aziende potrebbero trasferirsi nell'area metropolitana di Seoul o sui mercati esteri qualora l'acquisizione di clienti per la produzione subisse dei ritardi.  Sebbene le basi per il finanziamento delle startup siano state gettate, il collegamento commerciale con la domanda locale di produzione è ancora da verificare.

L'intelligenza artificiale applicata alla produzione si sta evolvendo da applicazioni individuali come il controllo qualità, la manutenzione predittiva e la previsione della domanda verso la produzione autonoma, in cui attrezzature, robot e pianificazione della produzione sono integrati. Il Ministero del Commercio, dell'Industria e dell'Energia ha inoltre proposto l'obiettivo di realizzare oltre 500 stabilimenti di produzione autonoma basati sull'IA entro il 2030. Tuttavia, non è stato reso noto il numero di stabilimenti a Ulsan in cui l'IA controlla le condizioni di produzione in modo integrato, andando oltre le semplici raccomandazioni di processo. Se tra il 2026 e il 2028 gli investimenti incentrati su singoli modelli dovessero consolidarsi, il costo dell'espansione verso la completa automazione dell'intero processo aumenterà.  Sebbene a Ulsan si registrino segnali di applicazioni dimostrative dell'IA per la produzione, la fase di produzione autonoma è ancora da definire.

L'industria automobilistica si sta spostando da un focus sui motori a combustione interna a un settore che combina veicoli elettrici, veicoli a guida autonoma, robot, batterie e servizi dati. L'ambito dell'IA si è esteso oltre l'efficienza dei processi per includere la competizione sui dati nel software dei veicoli e nell'intero ciclo di vita del prodotto. Non vengono divulgate informazioni sull'ecosistema industriale regionale, che collega i dati di produzione dello stabilimento di Ulsan con i dati di funzionamento e assistenza dei veicoli. Se l'IA di fabbrica e l'IA di prodotto verranno separate nei prossimi due o tre anni, Ulsan potrebbe rimanere un polo produttivo mentre il software ad alto valore aggiunto si concentrerà in regioni esterne. Si  stima che il divario nell'AX (Assistant Types) del settore automobilistico di Ulsan sia maggiore nell'integrazione dei dati di prodotto e di processo che nell'automazione della produzione.

L'industria cantieristica si trova ad affrontare sfide simultanee legate alla complessità di progettazione, produzione, saldatura, verniciatura, logistica e collaudo, nonché alla carenza di manodopera qualificata. L'intelligenza artificiale e la robotica stanno passando dall'automazione di singole apparecchiature a un'ottimizzazione integrata che collega la progettazione navale con le operazioni di cantiere. Tuttavia, non esistono dati pubblici che confermino in che misura l'applicazione dell'IA nei cantieri navali di Ulsan abbia modificato i programmi di progetto, le rilavorazioni, la produttività e gli incidenti sul lavoro. Se una risposta incentrata su lavoratori temporanei e outsourcing dovesse consolidarsi nella gestione del portafoglio ordini dal 2026 al 2028, i dati del periodo di boom non si accumuleranno come risorse di automazione a lungo termine. Sebbene  le opportunità di applicazione dell'AX nel settore cantieristico di Ulsan siano significative, mancano prove che colleghino il periodo di boom a una trasformazione strutturale.

Di fronte alla sovrabbondanza globale di offerta, alle normative sulle emissioni di carbonio e alle pressioni sui costi, l'industria petrolchimica si sta spostando dalla semplice espansione dei volumi di produzione verso prodotti ad alto valore aggiunto, efficienza energetica, sicurezza e ottimizzazione delle emissioni di carbonio. Anche il ruolo dell'intelligenza artificiale si sta espandendo, passando dalla manutenzione predittiva delle apparecchiature all'ottimizzazione simultanea della resa dei processi, dell'energia, delle emissioni e della sicurezza. Tuttavia, la fattibilità pubblica dell'utilizzo congiunto di dati di processo, dati energetici, dati relativi alle tubazioni e dati di sicurezza tra le aziende del complesso petrolchimico di Ulsan non è stata verificata. Se l'ottimizzazione viene condotta solo su base aziendale per due o tre anni, gli effetti sinergici in termini di energia, materie prime e sicurezza nell'intero complesso saranno limitati.  Il complesso petrolchimico di Ulsan è considerato meno pronto per l'ottimizzazione congiunta a livello di complesso industriale rispetto all'applicazione a singole aziende.

La città di Ulsan sta perseguendo una strategia per l'intelligenza artificiale basata sul Centro di Promozione del Capitale per l'IA e sul Comitato per l'Intelligenza Artificiale di Ulsan, integrando data center su larga scala con l'IA industriale. Il quadro di risposta si è ampliato dai singoli progetti di informatizzazione alla governance dell'IA a livello di amministrazione comunale. Tuttavia, non è ancora stata individuata una piattaforma che integri e renda pubblici i parametri di riferimento di produttività specifici per settore, i tassi di adozione da parte delle fabbriche, i tassi di diffusione dei fornitori e i tassi di ritorno sull'investimento dell'IA. Anche se tra il 2026 e il 2028 dovessero aumentare le organizzazioni, i comitati e i progetti, il divario tra la dichiarazione e la trasformazione delle fabbriche non potrà essere misurato a meno che i risultati industriali non vengano definiti come indicatori comuni.  Sebbene la risposta di governance di Ulsan sia stata rafforzata, il sistema di gestione dei risultati della produzione è considerato ancora da definire.

Il bilancio 2026 di 117,8 miliardi di won destinato al sostegno delle PMI e alla promozione dell'innovazione include il supporto all'AX per le PMI e all'ecosistema delle startup. La risposta alle PMI si è spostata da un supporto finanziario generico e dai canali di vendita a una struttura che comprende l'intelligenza artificiale e l'innovazione digitale. Tuttavia, i dati pubblicamente disponibili non distinguono chiaramente l'effettiva allocazione dei fondi per l'AX, le aziende beneficiarie, le aziende che stanno attuando una trasformazione produttiva e i miglioramenti della produttività all'interno del bilancio complessivo. Se l'ingente budget totale distribuito su due o tre anni viene interpretato come un indicatore delle prestazioni dell'AX, le risorse e gli effetti effettivi investiti nella trasformazione manifatturiera potrebbero essere sovrastimati.  Mentre la direzione della risposta alle PMI è confermata, il nesso tra i finanziamenti per l'AX e i risultati ottenuti rimane da chiarire.

Il Centro di controllo integrato per il complesso industriale Smart Green ha gettato le basi per la gestione della sicurezza dei complessi industriali investendo 13 miliardi di won tra dicembre 2022 e novembre 2025. L'approccio alla sicurezza dei complessi industriali si è evoluto, passando dalle ispezioni di sicurezza delle singole aziende a una struttura che integra il monitoraggio delle condutture sotterranee e dei rischi all'interno del complesso. Tuttavia, i dati disponibili pubblicamente non confermano come siano cambiati i tempi di rilevamento degli incidenti, delle perdite, dei tempi di arresto e le capacità di risposta congiunta dall'inizio delle attività del centro. Una volta completati i lavori di costruzione previsti per il periodo 2026-2028, con il completamento degli impianti, l'utilizzo dei dati di sicurezza per le operazioni di fabbrica sarà limitato. Sebbene  l'infrastruttura per la gestione dei dati relativi ai complessi industriali sia stata completata, i risultati effettivi in ​​termini di riduzione del rischio non sono ancora stati confermati.

Gli obiettivi di Ulsan, che prevedono 500 startup deep tech, 500 talenti nel campo dell'IA per la convergenza industriale e 150 dimostrazioni sul campo, integrano startup, talenti e dimostrazioni in un'unica strategia. La struttura di risposta si è ampliata, passando da singoli programmi di supporto a un ecosistema completo per le startup. Tuttavia, l'intera catena – in cui una singola startup viene presentata a una grande azienda, si espande a piccole e medie imprese partner e si assicura entrate ricorrenti – non è stata resa pubblica. Se i risultati per ciascun obiettivo dal 2026 al 2028 vengono gestiti separatamente, la strategia completa si suddivide in tre traguardi indipendenti.  Sebbene la risposta completa di Ulsan sia stata progettata, la sua fattibilità operativa non è stata ancora verificata.

Il Ministero del Commercio, dell'Industria e dell'Energia ha ampliato il budget per l'AX industriale a 1.134,7 miliardi di won per il 2026 e ha aumentato il budget per l'AI Factory a 220 miliardi di won. Ulsan possiede cluster industriali nei settori automobilistico, cantieristico e petrolchimico, che fungeranno da centri di domanda diretta per l'espansione dell'AX manifatturiero nazionale. Tuttavia, non sono stati trovati dati regionali integrati riguardanti il ​​numero di progetti selezionati per Ulsan, gli importi degli investimenti o i tassi di applicazione delle linee di produzione nell'ambito del programma nazionale AI Factory. Con l'intensificarsi della concorrenza per i progetti nazionali tra il 2026 e il 2028, la posizione di leadership di Ulsan non può essere garantita unicamente dai cluster industriali. Sebbene  Ulsan dimostri un'elevata compatibilità strutturale con la politica nazionale AX, la sua effettiva quota di mercato e i risultati attesi restano da confermare.

L'obiettivo nazionale è di avere oltre 500 fabbriche autonome basate sull'intelligenza artificiale entro il 2030, di cui 26 previste per il 2024. Ciò segna la fase iniziale della transizione del settore manifatturiero nazionale basato sull'intelligenza artificiale, da un numero limitato di fabbriche leader a una fase di diffusione su larga scala. Non sono disponibili dati comparativi ufficiali sulla posizione delle fabbriche di Ulsan rispetto a queste 26 sedi o alle 500 previste. Se altre regioni manifatturiere si assicurassero piattaforme e fornitori comuni entro i prossimi due o tre anni, Ulsan potrebbe rimanere indietro nell'ecosistema della produzione autonoma, nonostante le dimensioni dei suoi grandi stabilimenti industriali.  La posizione di Ulsan a livello nazionale è considerata di leadership in termini di dimensioni industriali, ma presenta una "lacuna di dati" in termini di numero di fabbriche autonome.

Le principali aziende manifatturiere globali costruiscono la propria competitività attraverso la combinazione di standard di dati di processo, gemelli digitali, software industriali e personale in loco, piuttosto che attraverso modelli di intelligenza artificiale. Anche Ulsan possiede capacità di automazione per le grandi imprese, sistemi di controllo industriali complessi e un bacino di talenti nel campo dell'IA. Tuttavia, non sono stati trovati dati che confrontino l'interoperabilità dei dati di processo tra aziende, il riutilizzo dei modelli e gli standard comuni tra le aziende partner con quelli delle principali regioni internazionali. Se i sistemi aziendali monopolistici si rafforzeranno tra il 2026 e il 2028, solo l'AX interno delle singole grandi imprese progredirà, piuttosto che l'ecosistema collaborativo regionale.  La competitività globale di Ulsan è giudicata divisa tra le capacità interne delle grandi imprese e le capacità di diffusione dell'intera regione.

Il data center per l'intelligenza artificiale, del valore di oltre 7 trilioni di won, rappresenta un segnale forte e chiaro sull'entità degli investimenti regionali nelle infrastrutture per l'IA. La partecipazione di fornitori di servizi cloud globali collega le infrastrutture di calcolo, di rete e energetiche con il mercato internazionale. Tuttavia, le condizioni di utilizzo, i costi, la sicurezza, la protezione delle tecnologie chiave nazionali e gli standard di esportazione dei dati per le aziende manifatturiere locali non sono ancora stati definiti pubblicamente. Se il data center adotterà una struttura operativa incentrata sulla domanda esterna di IA nei prossimi due o tre anni, l'effettiva accessibilità per le fabbriche di Ulsan potrebbe risultare limitata, indipendentemente dall'entità dell'investimento.  Ulsan è considerata un polo di riferimento per la localizzazione delle infrastrutture per l'IA, ma la sua capacità di utilizzare i dati di produzione rimane ancora da definire.

Mettendo a confronto i 7 trilioni di won investiti nei data center per l'IA con i 117,8 miliardi di won stanziati per il sostegno alle PMI nel 2026, emerge una significativa discrepanza tra le infrastrutture su larga scala e il supporto alle imprese locali. Sebbene i due dati non siano direttamente confrontabili in termini percentuali a causa delle differenze di natura e di orizzonte temporale, rivelano un divario strutturale tra gli investimenti in infrastrutture e l'espansione degli impianti produttivi. Il meccanismo attraverso il quale gli investimenti nei data center si traducano in una riduzione dei costi computazionali, un migliore accesso ai dati e un aumento della produttività dell'IA per le PMI rimane ancora da definire. Se questo collegamento non verrà stabilito tra il 2026 e il 2028, gli investimenti su larga scala e il sostegno alle imprese locali rimarranno politiche separate.  Il divario numerico della città dell'IA di Ulsan risiede nella differenza tra l'ammontare degli investimenti in infrastrutture e l'entità della conversione degli impianti produttivi.

Collegare gli obiettivi di 500 talenti nel campo dell'IA per la convergenza industriale, 500 startup deep tech e 150 dimostrazioni sul campo non garantisce automaticamente opportunità di dimostrazione sul campo e inserimento lavorativo per ogni startup. Poiché i periodi di riferimento e gli argomenti trattati differiscono, anche i calcoli meccanici dei rapporti non sono validi. Non sono stati trovati dati che colleghino talenti, aziende, dimostrazioni e contratti di produzione come un unico progetto. Se si accumulano solo i risultati delle prestazioni per ciascun obiettivo su un periodo di due o tre anni, si verifica una discrepanza in cui i talenti vengono formati e le aziende vengono create, ma non si riescono ad acquisire clienti per le fabbriche. Sebbene  la portata degli obiettivi dell'ecosistema di Ulsan sia stata presentata, la densità delle connessioni è considerata non misurata.

L'obiettivo di UNIST di formare circa 100 specialisti di IA all'anno è in linea aritmeticamente con il suo obiettivo di 500 in cinque anni. Sebbene il piano di offerta formativa sia confermato, non è collegato alle specifiche esigenze del mercato del lavoro dei settori automobilistico, cantieristico e petrolchimico di Ulsan. Inoltre, non vengono divulgati dati sull'occupazione locale dei laureati, sulla loro permanenza in azienda e sulle prestazioni nei progetti. Se la domanda industriale dovesse cambiare più rapidamente dei programmi di studio tra il 2026 e il 2028, la carenza di personale in specifici ruoli professionali persisterà anche se gli obiettivi di personale verranno raggiunti.  Il piano di Ulsan per la formazione di talenti nel campo dell'IA è considerato quantitativamente coerente, ma la sua idoneità per i ruoli lavorativi in ​​fabbrica rimane da confermare.

I 13 miliardi di won stanziati per il Centro di controllo integrato del complesso industriale Smart Green e i 294,2 miliardi di won per il Piano Smart City dimostrano che sono già stati effettuati investimenti nelle infrastrutture dati del complesso urbano e industriale. L'iniziativa AX di Ulsan era già in corso, sotto forma di sistemi di controllo, gemelli digitali e informazioni spaziali, ancor prima della dichiarazione ufficiale. Tuttavia, i risultati pubblici che collegano gli investimenti alla riduzione degli incidenti, al risparmio energetico e ai tempi di inattività delle apparecchiature non sono stati verificati. Se nei prossimi due o tre anni verranno aggiunti nuovi investimenti in intelligenza artificiale, potrebbero emergere funzioni ridondanti senza che venga valutato l'effettivo ritorno sugli investimenti digitali precedenti.  Sebbene il volume totale degli investimenti in intelligenza artificiale a Ulsan sia in aumento, la produttività delle risorse investite esistenti rimane un "divario di dati".

Collegare l'obiettivo di 150 dimostrazioni sul campo con il supporto AX per le PMI crea il potenziale per la diffusione dei risultati delle dimostrazioni su larga scala alle aziende partner. Tuttavia, indicatori come il numero di aziende partner partecipanti per dimostrazione, il numero di fabbriche replica, i contratti a pagamento e i ricavi ricorrenti non sono stati divulgati. Poiché il numero di dimostrazioni rappresenta i punti di contatto tecnologici e il numero di diffusioni rappresenta i cambiamenti industriali, i due dati non coincidono. Se queste due cifre non vengono distinte tra il 2026 e il 2028, l'aumento dei PoC (Proof of Concept) viene sovrastimato come diffusione dell'AX in fabbrica.  La maggiore discrepanza numerica nell'IA manifatturiera di Ulsan risiede nella differenza tra il numero di dimostrazioni e il numero di processi produttivi.

La prima lacuna è l'assenza di una baseline di riferimento per lo stabilimento . Sebbene Ulsan possieda tre settori industriali principali e stabilimenti di grandi dimensioni, la proporzione di ciascuna fase – raccolta dati, analisi AI, raccomandazione automatica e controllo autonomo – all'interno del processo complessivo non viene resa nota. Si tratta di una struttura priva di un denominatore per la transizione. Con l'aumento dei progetti dimostrativi e di implementazione tra il 2026 e il 2028, diventa difficile distinguere tra processi con applicazioni sovrapposte e processi senza.  La lacuna maggiore in Ulsan Manufacturing AX è stata individuata nella mancanza di un tasso di applicazione effettivo rispetto al totale dello stabilimento, piuttosto che nel numero di progetti di intelligenza artificiale.

La seconda lacuna riguarda la mancanza di tracciamento della transizione dalla Proof of Concept (PoC) alla Produzione . Sebbene Ulsan avesse presentato un obiettivo di 150 dimostrazioni sul campo, le effettive operazioni della linea di produzione e i criteri contrattuali a pagamento successivi alla conclusione delle dimostrazioni non sono stati resi noti. La verifica tecnologica e i risultati industriali sono separati in fasi distinte. Se il numero di dimostrazioni diventa l'indicatore di performance fisso per due o tre anni, la differenza tra le lezioni apprese dalle dimostrazioni fallite e i modelli commercializzati scompare.  La prontezza dell'IA industriale viene giudicata non confermata in base al tasso di conversione in produzione piuttosto che al numero di opportunità dimostrative.

La terza lacuna risiede nel confine dei dati tra le grandi aziende e i loro fornitori . Mentre le aziende leader possiedono strutture, personale, dati e capacità di sicurezza, i fornitori si trovano ad affrontare maggiori difficoltà in termini di costi di raccolta dati e carenza di personale specializzato. Sebbene qualità, tempi di consegna e costi all'interno della stessa catena di fornitura siano interconnessi, i sistemi di intelligenza artificiale rimangono separati per ciascuna azienda. Se le grandi aziende dovessero sviluppare per prime le proprie capacità di AX (Average Xpootic Automation) tra il 2026 e il 2028, i fornitori potrebbero non essere in grado di soddisfare le maggiori esigenze in termini di dati e qualità. La lacuna nell'ecosistema industriale di Ulsan risiede nella dicotomia tra l'ottimizzazione interna delle grandi aziende e l'ottimizzazione dell'intera catena di fornitura.

La quarta lacuna riguarda la mancanza di connettività tra i data center per l'IA e gli impianti di produzione . Sebbene siano state create infrastrutture di calcolo su larga scala, le condizioni relative alla sicurezza dei dati di fabbrica, ai costi, alla latenza, alla protezione delle tecnologie chiave e al funzionamento dei modelli non sono state verificate pubblicamente. Anche se data center e stabilimenti si trovano nella stessa regione, ciò non significa automaticamente che costituiscano un unico ecosistema di IA. Se le strutture contrattuali e operative rimangono invariate in base alla domanda esterna per due o tre anni, i requisiti di accessibilità per le aziende manifatturiere locali vengono relegati a una priorità inferiore.  La prontezza infrastrutturale è elevata, ma la prontezza per le applicazioni industriali è considerata non verificata.

La quinta lacuna riguarda la mancanza di trasparenza sui risultati ottenuti nelle fabbriche . Gli effetti dell'applicazione dell'IA si riflettono su produttività, difetti, tempi di inattività delle apparecchiature, consumo energetico, sicurezza e tempi di consegna. Sebbene i dati individuali possano essere limitati a causa di segreti commerciali, non sono disponibili nemmeno statistiche regionali anonime o basate su indici. Se i dati sulle prestazioni per il periodo 2026-2028 non verranno divulgati, le politiche saranno valutate esclusivamente in base al numero di aziende supportate e di progetti pilota.  Sebbene i cambiamenti nelle fabbriche di Ulsan possano essere in atto all'interno delle singole aziende, questi non sono confermati da dati a livello cittadino.

Il data center SK-AWS AI e le infrastrutture esistenti nei complessi industriali e nei complessi industriali intelligenti ed ecocompatibili stanno ampliando le basi per il calcolo, il networking e il controllo. L'infrastruttura tecnologica di Ulsan si è evoluta verso una struttura in cui il cloud globale e le piattaforme cittadine/industriali coesistono con i server delle singole fabbriche. Tuttavia, i tassi di utilizzo effettivi, i costi dei servizi, la latenza e i livelli di sicurezza delle fabbriche locali non sono ancora stati confermati. Una volta finalizzato il modello operativo del data center tra il 2026 e il 2028, le condizioni di utilizzo iniziali diventeranno la base per l'accessibilità industriale a lungo termine.  L'infrastruttura di calcolo è attualmente in una fase di costruzione su larga scala, mentre l'accessibilità per la produzione locale è considerata ancora da definire.

L'obiettivo di reclutare 500 talenti nel campo dell'IA con convergenza industriale, in collaborazione con UNIST Novatus, pone le basi per la fornitura di personale specializzato. La formazione dei talenti si è evoluta dall'analisi generica dei dati a un modello di convergenza industriale che affronta le problematiche dei processi produttivi. Tuttavia, la domanda per funzione lavorativa nei settori automobilistico, cantieristico e petrolchimico, così come la fidelizzazione regionale dei laureati, non sono state rese note. Se grandi aziende, data center e startup si contenderanno gli stessi talenti nei prossimi due o tre anni, la carenza di manodopera nelle piccole e medie imprese (PMI) si aggraverà per prima.  Mentre i piani per l'infrastruttura di fornitura di talenti sono confermati, la distribuzione per settore e la fidelizzazione regionale rimangono da definire.

I processi automobilistici, cantieristici e petrolchimici includono tecnologie chiave nazionali, segreti commerciali e informazioni sulla sicurezza. I dati industriali si stanno spostando da un'apertura più ampia a una struttura di apprendimento collaborativo all'interno di zone di fiducia limitate. Gli standard di Ulsan per gli standard dei dati interaziendali, l'autorità, la pseudonimizzazione, l'apprendimento federato e la responsabilità dei modelli non sono confermati da prove pubbliche. Se i sistemi indipendenti delle singole aziende si consolideranno tra il 2026 e il 2028, diventerà difficile garantire la sicurezza dei dati di addestramento per modelli di intelligenza artificiale regionali comuni.  La disponibilità dei dati è considerata elevata nelle grandi aziende, ma bassa in termini di utilizzo congiunto a livello regionale.

Il quartier generale per la promozione dei capitali nel settore dell'IA, il comitato per l'intelligenza artificiale, il piano AX per le PMI e la strategia per le startup costituiscono il fondamento istituzionale per l'implementazione. La gestione dell'IA a Ulsan si è espansa da singoli dipartimenti a organizzazioni dedicate e a un sistema di implementazione che coinvolge pubblico, industria e mondo accademico. Tuttavia, non è ancora stata definita una governance aperta che integri e gestisca i criteri di interruzione specifici per ciascun progetto, la verifica delle prestazioni, i diritti sui dati, la transizione del personale e le responsabilità in materia di sicurezza. Con l'aumento dei progetti nei prossimi due o tre anni, l'ambiguità dei confini di responsabilità, piuttosto che il numero di istituzioni coinvolte, si trasforma in un rischio operativo.  Si è constatato che, sebbene sia stata raggiunta la prontezza istituzionale per la definizione di un quadro di implementazione, non si è ancora giunti a un quadro di responsabilità industriale per l'IA.

Il budget di sostegno per le PMI nel 2026 ammonta a 117,8 miliardi di won, con un aumento del 26% rispetto all'anno precedente, e il programma AX è stato incluso tra le iniziative di sostegno. Il target della politica è stato ampliato dalle grandi aziende e dagli istituti di ricerca alle PMI regionali. Tuttavia, il numero di aziende, processi, produttività, occupazione e fatturato che hanno beneficiato del sostegno AX non sono stati resi noti separatamente. Se solo il budget di sostegno totale per il periodo 2026-2028 aumenterà, l'effettiva transizione verso le linee di produzione basate sull'intelligenza artificiale sarà un mix di sostegno finanziario, canali di vendita e innovazione generale.  Mentre l'ampliamento del target per le PMI è confermato nell'ambito della politica, resta da confermare la sua effettiva attuazione a livello di stabilimento.

Le 150 dimostrazioni sul campo, incentrate su grandi aziende, fungono da percorso per le startup e i fornitori di intelligenza artificiale per accedere a dati di processo reali. Le aziende tecnologiche acquisiscono le condizioni per passare da beneficiarie di progetti di ricerca a fornitori di soluzioni per le aziende manifatturiere. Tuttavia, le condizioni relative all'onere dei costi delle dimostrazioni, ai diritti di proprietà intellettuale, all'accesso ai dati, agli acquisti successivi e all'espansione ad altri clienti non sono state rese pubbliche. Se le dimostrazioni gratuite, pensate per le grandi aziende, vengono ripetute per due o tre anni, i fornitori potrebbero accumulare tecnologia ma non riuscire a garantire entrate ricorrenti.  Sebbene l'espansione delle startup sia confermata al momento del contatto con il mercato, non è verificata in termini di effettiva formazione del mercato.

L'intelligenza artificiale applicata alle fabbriche influisce sulle mansioni dei lavoratori e sull'esposizione al rischio, modificando i fermi macchina, gli incidenti sul lavoro, il consumo energetico e la qualità. Gli effetti a lungo termine dell'automazione industriale si manifestano non solo nella produttività aziendale, ma anche nella sicurezza sul lavoro, nei cambiamenti di mansione e nella stabilità occupazionale. I dati pubblici di Ulsan che collegano incidenti, lavori qualificati, occupazione e riqualificazione professionale prima e dopo l'applicazione dell'IA non sono stati confermati. Con l'espansione dell'automazione tra il 2026 e il 2028, i guadagni di produttività e i costi di transizione professionale saranno riportati in statistiche separate.  Gli effetti dell'automazione sui lavoratori rimangono non valutati, poiché sicurezza, mansioni e occupazione non vengono considerati congiuntamente.

Gli investimenti in data center per l'IA e nella produzione di IA aumentano la domanda locale di elettricità, acqua, costruzioni e servizi. Gli effetti su residenti e imprese si manifestano non solo in termini di occupazione e gettito fiscale locale, ma anche in oneri per la rete elettrica, l'ambiente e le infrastrutture. Tuttavia, non sono disponibili dati pubblici integrati riguardanti l'occupazione locale, l'elettricità, l'acqua, il gettito fiscale e i costi ambientali associati ai data center. Se l'investimento in infrastrutture si protrae per un periodo di due o tre anni, i benefici iniziali attesi rimangono fissi, mentre i costi operativi potrebbero manifestarsi solo dopo il completamento.  Sebbene l'espansione regionale delle infrastrutture di IA su larga scala sia confermata dagli importi degli investimenti, il valore locale netto è considerato non confermato.

La zona dell'industria automobilistica nel distretto di Buk-gu è caratterizzata da grandi stabilimenti di produzione di veicoli finiti, collegati a reti di componenti e logistica, mentre la zona dell'industria navale nel distretto di Dong-gu presenta enormi cantieri navali e una struttura di cooperazione e outsourcing a più livelli. Nella zona petrolchimica dei distretti di Nam-gu e Ulju-gun, processi continui, tubazioni, energia e sicurezza sono interconnessi tra le aziende. Questa struttura rende difficile misurare la transizione di questi tre settori utilizzando un'unica politica di intelligenza artificiale applicata alla produzione. Non è stato individuato un quadro di riferimento comune per Ulsan che distingua le unità di processo e i criteri di risultato per settore industriale. Il confronto dello stesso numero di progetti dimostrativi tra il 2026 e il 2028 distorce la difficoltà e gli effetti di diffusione per settore.  La disparità AX all'interno di Ulsan è attribuita all'assenza di standard di misurazione che riflettano le differenze regionali nella struttura industriale.

I distretti di Buk-gu, Dong-gu e Nam-gu, dove si concentrano le grandi aziende, si differenziano da Ulju-gun, dove sono distribuite PMI e complessi industriali, in termini di capacità di gestione dei dati, risorse umane e investimenti infrastrutturali. Mentre l'intelligenza artificiale (IA) per le aziende leader può essere implementata tramite investimenti interni, le piccole imprese dipendono fortemente dal sostegno pubblico e dalle infrastrutture condivise. Non sono disponibili dati che confrontino i tassi di adozione dell'IA, gli importi degli investimenti e le performance delle aziende manifatturiere nei diversi distretti e contee. Se le performance delle grandi aziende dovessero far aumentare la media di Ulsan nei prossimi due o tre anni, il divario per le PMI che non adottano l'IA risulterebbe attenuato.  Si ritiene che la media AX di Ulsan rischi di essere sovrastimata dalle performance delle grandi aziende.

Mentre i data center per l'IA e le infrastrutture di ricerca e sviluppo per le startup sono localizzati in regioni specifiche, la domanda di produzione è distribuita su diversi settori industriali. Anche se le distanze fisiche sono brevi, si verificano disparità di utilizzo se l'accesso alla sicurezza dei dati, alle reti, ai contratti e al personale specializzato è differente. I tempi di utilizzo e i costi delle infrastrutture di IA da parte delle aziende in ciascuna regione non sono stati resi pubblici. Se i clienti e i partner iniziali si stabilizzeranno tra il 2026 e il 2028, il divario di produttività tra le aziende connesse e quelle non connesse si allungherà.  Si è constatato che l'accessibilità all'IA all'interno di Ulsan è asimmetrica a causa delle dimensioni delle aziende e dell'autorità sui dati, piuttosto che per la distanza.

Il sistema di controllo integrato del complesso industriale Smart Green monitora i rischi comuni all'interno del complesso, ma il suo scopo e i dati che utilizza differiscono da quelli delle singole aziende produttrici. La struttura prevede che la sicurezza a livello di complesso industriale e la produzione interna delle aziende procedano in parallelo. Non è disponibile un sistema pubblico che colleghi gli avvisi, lo stato delle apparecchiature e i programmi di manutenzione dei due sistemi. Se i sistemi separati si consolidano per due o tre anni, il divario temporale tra la valutazione dei rischi complessi e la determinazione delle operazioni di fabbrica si allunga.  La gestione della sicurezza nell'area industriale di Ulsan risulta frammentata tra il complesso e le singole aziende.

Si sta procedendo con gli investimenti nel data center SK-AWS dedicato all'intelligenza artificiale e il sistema di promozione del capitale per l'IA è stato pienamente operativo nel 2026. Il periodo dal 2026 al 2028 sarà dedicato alla definizione della progettazione, della costruzione e delle condizioni operative del data center, nonché della struttura di utilizzo da parte delle aziende manifatturiere locali. Gli standard relativi ai tassi di utilizzo degli stabilimenti locali, alla sicurezza, ai costi e ai servizi condivisi non sono ancora stati definiti. Una volta finalizzato il modello operativo iniziale, aumenterà il costo del riorientamento della domanda manifatturiera locale, precedentemente considerata meno prioritaria.  Il primo periodo cruciale è stato individuato nel periodo precedente alla definizione contrattuale del rapporto tra infrastrutture di calcolo su larga scala e domanda da parte delle aziende manifatturiere.

Il budget del Ministero del Commercio, dell'Industria e dell'Energia per l'AX industriale è stato ampliato a 1.134,7 miliardi di won entro il 2026, e anche il budget per le fabbriche di intelligenza artificiale è aumentato a 220 miliardi di won. L'AX manifatturiero nazionale è entrato in una fase di diffusione su larga scala, passando da un progetto pilota limitato a una fase di espansione su vasta scala. Tuttavia, non è ancora stata confermata la tempistica regionale per il collegamento tra i progetti selezionati di Ulsan, i processi produttivi e l'espansione delle aziende partner. Se altre regioni dovessero anticipare standard, fornitori e riferimenti specifici del settore tra il 2026 e il 2028, il vantaggio di Ulsan nell'agglomerazione industriale potrebbe trasformarsi in un onere dovuto alla mancanza di impianti automatizzati esistenti.  Il secondo periodo cruciale è rappresentato dai prossimi due o tre anni, durante i quali le risorse dell'AX nazionale si consolideranno come standard industriali iniziali.

Ulsan punta a realizzare 150 dimostrazioni sul campo, formare 500 talenti nel campo dell'IA per la convergenza industriale e creare 500 startup deep tech nei prossimi cinque anni. Il periodo dal 2026 al 2028 segna la realizzazione della prima metà di questi obiettivi e la stabilizzazione del metodo di valutazione delle prestazioni. I criteri per la conversione alla produzione, i ricavi ricorrenti e i risultati in fabbrica non sono stati resi noti. Se la valutazione iniziale si basasse esclusivamente sul numero di dimostrazioni, formazione e startup, sarebbe difficile spostare in seguito l'attenzione sulla commercializzazione.  Il terzo "periodo d'oro" è stato individuato nel periodo precedente alla definizione dell'unità di misura delle prestazioni dell'IA industriale in termini di dimostrazioni.

L'industria automobilistica si trova ad affrontare i veicoli a guida autonoma e i veicoli elettrici, l'industria cantieristica si sta orientando verso l'autonomia e le navi digitali, e l'industria petrolchimica sta passando a una transizione verso la sovrabbondanza di offerta, le emissioni di carbonio e i prodotti ad alto valore aggiunto. La tempistica degli investimenti in IA a Ulsan coincide con la trasformazione simultanea delle strutture di prodotto, di processo e della forza lavoro di questi tre settori. I dati sulle basi di processo e sulle transizioni occupazionali per settore industriale sono ancora incompleti. Dopo la riorganizzazione degli impianti, dei ruoli lavorativi e delle catene di approvvigionamento tra il 2026 e il 2028, dati e strutture di IA selezionati in modo errato saranno integrati nel sistema di produzione a lungo termine.  Il quarto "periodo d'oro" non è identificato nel ciclo tecnologico dell'IA, bensì nel periodo in cui si finalizzano i cicli di investimento infrastrutturale dei settori chiave di Ulsan.

12-1. Caso di applicazione del Golden Time nei governi locali di base ① — Buk-gu

Buk-gu ospita lo stabilimento Hyundai di Ulsan e una concentrazione di ecosistemi di componenti automobilistici e logistica. L'AX (Automotive AX) si sta spostando dall'automazione di fabbrica a una struttura integrata prodotto-processo in cui veicoli elettrici, veicoli a guida autonoma, robot e dati sulla qualità sono interconnessi. Tuttavia, i dati disponibili pubblicamente non confermano in che misura i benefici dell'applicazione dell'IA nei veicoli finiti si siano effettivamente tradotti in miglioramenti della produttività, dei tempi di consegna e della qualità per i fornitori di Buk-gu. Se il sistema di produzione dei veicoli finiti verrà riorganizzato attorno ai veicoli elettrici e al software tra il 2026 e il 2028, i fornitori con una scarsa connettività dei dati avranno difficoltà a far fronte alla situazione affidandosi esclusivamente alle loro attuali capacità di fornitura. Buk  -gu è considerata una regione con un elevato potenziale per guidare l'AX delle grandi fabbriche aziendali, ma dove la trasformazione dell'intera catena di fornitura rimane ancora da confermare.

I volumi di produzione, i difetti e i tempi di inattività negli stabilimenti di produzione di veicoli finiti sono collegati ai dati di consegna e qualità dei fornitori di componenti. L'unità di misura ultima dell'intelligenza artificiale in ambito industriale non è la singola linea di produzione, bensì l'intera catena di fornitura, dalla ricezione dei componenti alla spedizione del veicolo finito. Non sono stati divulgati modelli e standard di dati interaziendali, né risultati condivisi. Se l'ottimizzazione interna all'interno del produttore di veicoli finiti si consoliderà nei prossimi due o tre anni, i fornitori si troveranno a dover gestire tempi di consegna più brevi e requisiti di qualità più elevati senza una base di intelligenza artificiale.  Il momento ideale per l'adozione dell'IA in Nord America è considerato quello precedente al consolidamento del divario di dati tra il produttore di veicoli finiti e i fornitori, che si trasformerà in una disparità nella catena di fornitura, piuttosto che durante l'automazione degli stabilimenti.

12-2. Casi di applicazione del Golden Time nei governi locali di base ② — Dong-gu

La provincia di Dong-gu ospita una concentrazione di aziende come HD Hyundai Heavy Industries, subappaltatori del settore cantieristico e manodopera specializzata. Il boom della cantieristica navale e il portafoglio ordini forniscono un'ampia mole di dati sul campo per l'applicazione di intelligenza artificiale, robot e tecnologie digitali per i cantieri navali alla produzione effettiva. Tuttavia, non esistono prove regionali universali che confermino in che misura l'applicazione dell'IA abbia modificato i tempi di costruzione navale, le rilavorazioni, la qualità delle saldature, gli incidenti sul lavoro o la carenza di manodopera. Se le pressioni produttive durante il periodo di boom 2026-2028 verranno assorbite dall'espansione dei lavoratori temporanei e dall'esternalizzazione, i dati sul campo e la capacità di investimento disponibili per la transizione si esauriranno prima che si verifichi una recessione economica.  Dong-gu è considerata una regione in cui esistono sia la domanda di dimostrazioni di IA sia la capacità finanziaria, ma i risultati della trasformazione strutturale rimangono da confermare.

I cantieri navali faticano ad applicare ripetutamente lo stesso modello a causa della progettazione basata su ordini, delle grandi dimensioni dei cantieri e dei processi a più fasi. L'intelligenza artificiale applicata alla costruzione navale è strutturata per essere più efficace se integrata con modifiche di progettazione, materiali, sequenze di lavoro e personale qualificato, piuttosto che attraverso la manutenzione predittiva di una singola apparecchiatura. Non sono disponibili dati pubblici sui tempi di esecuzione che colleghino i dati di processo dell'appaltatore principale e dei subappaltatori con la produttività specifica del lavoro. Se le singole dimostrazioni di robot e sistemi di visione vengono condotte indipendentemente per un periodo di due o tre anni, non vengono aggregate per ridurre i tempi di costruzione complessivi dell'intero cantiere. Il  "Golden Time" di Donggu è il periodo per valutare l'effetto integrato che modifica i tempi di consegna complessivi di un progetto di costruzione navale, piuttosto che il numero di tecnologie dimostrate.

Se la struttura operativa dei data center per l'intelligenza artificiale è separata dalla produzione locale, Ulsan potrebbe essere un polo per le infrastrutture computazionali, ma non una regione in grado di creare valore dai dati industriali. Non vi è alcuna correlazione confermata tra l'investimento di 7 trilioni di won e le condizioni di utilizzo per le aziende manifatturiere. Se la struttura dei clienti per i contratti a lungo termine, l'elettricità e i servizi cloud si stabilizzerà tra il 2026 e il 2028, si ridurrà lo spazio per dare priorità all'accesso locale e integrare servizi specifici per il settore manifatturiero.  La prima perdita non sarà l'effetto di attrarre data center, ma il tempo necessario per trasformare le infrastrutture computazionali in produttività industriale locale.

Se la validazione sul campo non viene trasferita alla produzione, i dati di fabbrica vengono utilizzati per progetti una tantum e i modelli vengono abbandonati senza manutenzione. Ulsan ha 150 obiettivi di validazione, ma i criteri per il passaggio alla commercializzazione non sono stati definiti. Se i PoC si accumulano in due o tre anni, le aziende si ritrovano a dover sopportare l'onere della fatica da validazione e i costi di fornitura dei dati, mentre i fornitori non riescono a generare entrate ricorrenti.  La seconda perdita non è determinata dal budget di validazione, ma dalla fiducia tra la fabbrica e l'azienda di intelligenza artificiale e dal tempo necessario per la commercializzazione.

Se il divario di velocità tra le grandi aziende conglomerate e le aziende partner si amplia, gli standard di qualità, consegna e sicurezza nella catena di approvvigionamento aumentano, ma le capacità di risposta delle PMI non riescono a tenere il passo. Sebbene il sostegno alle PMI sia stato ampliato nel 2026, il tasso effettivo di conversione degli stabilimenti non è stato verificato. Con il consolidamento dei sistemi delle grandi case automobilistiche, cantieri navali e aziende petrolchimiche tra il 2026 e il 2028, i costi di ingresso per le aziende partner non collegate aumenteranno.  La terza perdita non riguarda solo la produttività delle singole PMI, ma anche la completezza regionale della catena di approvvigionamento di Ulsan.

Anche se i talenti nel campo dell'IA vengono formati, se ciò non si traduce in progetti in loco presso aziende di Ulsan o in un'occupazione a lungo termine, i risultati formativi vengono trasferiti in altre regioni. Sebbene vi siano obiettivi di circa 100 persone all'anno e 500 in cinque anni, i dati relativi all'occupazione e alla fidelizzazione rimangono incerti. Con l'intensificarsi della competizione per i talenti tra data center, grandi aziende e startup nei prossimi due o tre anni, la carenza di personale specializzato in IA industriale nelle piccole e medie imprese (PMI) si aggraverà.  La quarta perdita non è rappresentata dal numero di personale formato, bensì dal capitale umano locale in possesso sia di conoscenze di processo che di conoscenze di IA.

Ulsan possiede contemporaneamente una domanda manifatturiera su larga scala nei settori automobilistico, navale e petrolchimico, talenti e ricerca provenienti dall'UNIST, sedi di grandi aziende, supporto per le startup e data center globali. La domanda, l'offerta e le infrastrutture dell'IA industriale coesistono in un'unica regione. Tuttavia, non è stato ancora individuato un ambiente di runtime pubblico che colleghi questi elementi a un unico risultato di fabbrica. C'è ancora margine per valutare l'interconnettività prima che le strutture operative di ciascun elemento si consolidino individualmente tra il 2026 e il 2028.  Attualmente, l'opportunità risiede nel determinare il tasso di conversione della fabbrica degli asset già integrati piuttosto che nell'aggiungere asset di IA.

Gli impianti automobilistici, cantieristici e petrolchimici generano grandi quantità di dati relativi a qualità, attrezzature, sicurezza ed energia. La regione di Ulsan non è priva di problemi industriali concreti, necessari per l'apprendimento basato sull'intelligenza artificiale. Tuttavia, la collaborazione regionale in questo ambito non è ancora consolidata a causa delle differenze in termini di segreti aziendali e standard dei dati. Con l'aumentare della complessità delle strutture dati specifiche di ciascuna azienda nei prossimi due o tre anni, aumenteranno anche i costi di diffusione di modelli comuni alle aziende partner.  Attualmente, l'opportunità risiede nella valutazione della fattibilità di un apprendimento condiviso a partire dai dati di processo esistenti, piuttosto che nella creazione di nuovi dati.

L'espansione del budget nazionale per l'innovazione industriale (AX) e l'aumento del sostegno alle PMI a Ulsan si sono verificati contemporaneamente. Una struttura in cui i finanziamenti esterni e locali aumentano simultaneamente crea le condizioni per assorbire i costi fissi iniziali dell'innovazione industriale nel settore manifatturiero. Tuttavia, i dati relativi alla sovrapposizione dei progetti, alle lacune nei processi e al collegamento con le prestazioni non sono stati confermati. Una volta terminato il periodo di espansione fiscale 2026-2028, potrebbe diventare difficile garantire nuovamente investimenti dimostrativi e infrastrutturali della stessa portata.  Attualmente, l'opportunità risiede in una fase di espansione fiscale in cui diverse fonti di finanziamento possono essere collegate alla produzione piuttosto che all'entità dei sussidi.

Sebbene il boom della cantieristica navale, le transizioni di prodotto nel settore automobilistico e le pressioni di ristrutturazione del settore petrolchimico rappresentino situazioni industriali distinte, tutte richiedono una riprogettazione dei dati di processo e della produttività. Ulsan possiede un portafoglio di prodotti manifatturieri che consente il confronto di dimostrazioni specifiche per settore, anziché un'unica politica di intelligenza artificiale di carattere generale. Non sono ancora stati identificati indicatori di performance comuni a tutti i settori. Se le transizioni specifiche per settore dovessero procedere nei prossimi due o tre anni, l'opportunità iniziale di apprendere da successi e fallimenti reciproci andrà perduta.  Attualmente, l'opportunità non è determinata dal raggruppamento dei tre settori sotto la stessa tecnologia, ma dall'arco temporale durante il quale è possibile confrontarli sulla base dello stesso risultato.

Runtime di Industrial AX

Baseline del processo → Raccolta dati → Dimostrazione dell'IA → Applicazione alla linea di produzione → Risultato in termini di qualità, arresti, costi, sicurezza ed energia → Replicazione del fornitore → Ricavi ricorrenti → Competitività industriale → Processo successivo

Divario di evidenze tra accelerazione delle infrastrutture e trasformazione delle fabbriche

La proclamazione di Ulsan come città dell'intelligenza artificiale ha prodotto risultati tangibili grazie agli investimenti in organizzazione, talenti, dimostrazioni, finanziamenti e centri dati.

I cambiamenti in termini di produttività, qualità, sicurezza ed energia a livello di stabilimento non si sono tradotti in effetti riscontrabili nell'intera città.

Il rischio attuale non è la mancanza di investimenti nell'IA, bensì una struttura in cui gli investimenti su larga scala non passano dalle fasi di dimostrazione e infrastrutturali alla produzione industriale.

Il periodo che va dal 2026 al 2028 è quello in cui il tasso di conversione degli stabilimenti, e non il nome della città dell'IA, determina lo status effettivo di Ulsan.

Il risultato finale è il GAP di evidenze relative all'accelerazione delle infrastrutture e alla trasformazione degli stabilimenti.

1. Numero totale di stabilimenti produttivi a Ulsan
2. Numero totale di processi produttivi per settore
3. Tasso di raccolta dei dati di processo
4. Tasso di applicazione dell'IA nelle fabbriche e nei processi
5. Distinzione tra automazione e applicazione dell'intelligenza artificiale
6. Rapporto tra processi raccomandati dall'IA e processi di controllo autonomo
7. Numero di avvii e fini delle prove di concetto sul campo
8. PoC → Tasso di conversione della produzione
9. Tasso di fidelizzazione a 12 mesi dall'implementazione in produzione
10. Diversi tassi di replicazione in fabbrica dello stesso modello
11. Tempo di inattività delle apparecchiature prima e dopo l'applicazione dell'IA
12. Tassi di difettosità e rilavorazione prima e dopo l'applicazione dell'IA
13. Tempi di produzione prima e dopo l'applicazione dell'IA
14. Intensità energetica prima e dopo l'applicazione dell'IA
15. Incidenti e quasi incidenti legati alla sicurezza prima e dopo l'applicazione dell'IA
16. Progetto congiunto di intelligenza artificiale tra grande azienda e azienda partner.
17. Tasso di applicazione dell'IA per partner
18. Importo del supporto AX per le PMI, aziende beneficiarie e risultati
19. Numero di aziende manifatturiere di Ulsan che utilizzano data center
20. Costi computazionali e tempi di elaborazione delle aziende manifatturiere
21. Tasso di occupazione dei talenti nel campo dell'IA nelle aziende di Ulsan
22. Tassi di residenza locale di 1 e 3 anni per i talenti nel campo dell'IA
23. Tariffa oraria pagata dalla startup alle grandi aziende
24. Ricavi ricorrenti e investimenti successivi nelle aziende di intelligenza artificiale industriale
25. Rendimenti dei risultati di produzione a confronto con gli investimenti in IA

GAP DI DATI: Nelle prove pubbliche, non è confermato che Ulsan Manufacturing AX Runtime, collegando il data center AI, i talenti, le startup, la finanza → dimostrazione sul campo → applicazione alla linea di produzione → produttività, qualità, sicurezza, energia → diffusione tramite partner → ricavi ricorrenti dell'azienda AI allo stesso ID fabbrica/progetto e alla stessa tempistica.

Catena di runtime

Calcolo, Talento, Dati di Processo → PoC → Produzione → Risultato di Fabbrica → Espansione della Catena di Fornitura → Ricavi Ricorrenti → Produttività Industriale → Competitività Manifatturiera Globale

Fonte · Verifica

• La città metropolitana di Ulsan promuove Ulsan come capitale dell'intelligenza artificiale
• La città metropolitana di Ulsan investe nel centro dati SK-AWS dedicato all'intelligenza artificiale.
• Città metropolitana di Ulsan, Zona speciale per le opportunità e lo sviluppo del centro dati di intelligenza artificiale
• Città metropolitana di Ulsan, convergenza industriale, startup di intelligenza artificiale, talenti e strategia di dimostrazione sul campo.
• Piano 2026 della città metropolitana di Ulsan per il sostegno alle PMI e la promozione dell'innovazione.
• Centro di controllo integrato del complesso industriale Smart Green della città metropolitana di Ulsan.
• Città metropolitana di Ulsan, Piano Smart City 2022-2026
• Il Ministero del Commercio, dell'Industria e dell'Energia amplia gli investimenti negli stabilimenti industriali AX e AI.
• Ministero del Commercio, dell'Industria e dell'Energia, Nuova politica industriale per l'era dell'IA
• Città metropolitana di Ulsan, stato della popolazione di Ulsan a maggio 2026

Approfondimenti strutturali derivanti da questa analisi

I data center per l'IA producono capacità di calcolo, mentre le fabbriche producono produttività. Il semplice fatto che le due strutture si trovino nella stessa città non trasforma automaticamente la capacità di calcolo in produttività. La potenza di calcolo dei data center si converte in valore produttivo solo quando i diritti, la sicurezza, i costi e la latenza dei dati di fabbrica sono collegati al sistema di manutenzione in loco dei modelli di IA.

La caratteristica strutturale di Ulsan non risiede nella mancanza di domanda di IA, bensì nel fatto che tale domanda è confinata all'interno delle aziende. Mentre i settori automobilistico, navale e petrolchimico generano enormi quantità di dati, se non riescono a superare i confini aziendali e di settore, i fornitori di IA sono costretti a creare ogni volta nuove Proof of Concept (PoC), e le aziende partner si ritrovano a dover sostenere ripetutamente gli stessi costi di transizione.

Pertanto, l'intuizione strutturale fondamentale della città dell'IA di Ulsan è che l'aggregazione del calcolo e l'aggregazione dell'apprendimento sono due cose distinte . Mentre i data center concentrano i calcoli in un unico luogo, l'apprendimento industriale non viene aggregato a meno che non vengano riutilizzati test, fallimenti e risultati specifici di una singola fabbrica. Ciò che Ulsan deve assicurarsi non è il titolo di più grande impianto di IA, ma la velocità con cui l'apprendimento da una fabbrica si trasferisce alla successiva.

Tesi del Tempo d'Oro — Il momento in cui Ulsan diventerà una città globale dell'IA non sarà il giorno in cui verrà completato il data center per l'IA. Sarà il giorno in cui la Proof of Concept (PoC) di una fabbrica passerà alla produzione e i suoi risultati saranno replicati per migliorare difetti, fermi macchina, costi e sicurezza in altre fabbriche e aziende partner. Se questo percorso di replicazione non verrà stabilito tra il 2026 e il 2028, Ulsan si ritroverà con un'enorme infrastruttura di calcolo e numerose dimostrazioni di IA, ma la velocità di apprendimento dell'intero settore manifatturiero non cambierà.