알림 목록

Área de Análise: Cidade Metropolitana de Ulsan

Principais áreas: Zona Industrial Automotiva de Buk-gu, Zona Industrial Naval de Dong-gu, Zona Industrial Petroquímica de Nam-gu

Agenda: Alinhamento entre a Declaração da Cidade Inteligente e os Resultados de Produtividade, Qualidade, Segurança e Energia em Unidades de Produção

Tipo de período ideal: Aceleração da infraestrutura + Lacuna de evidências para a transformação da fábrica

Data de referência: 28/08/2026

Versão: Padrão de Aprimoramento Regional AX Golden Time Intelligence v3.2
 

Ulsan atraiu um projeto de data center de IA de 7 trilhões de won da SK-AWS em 2025 e colocou "Ulsan, a Capital da IA" na vanguarda de sua administração municipal em 2026. A estratégia de IA da cidade mudou de um foco em educação e pesquisa para um modelo de IA do tipo cidade industrial, que combina infraestrutura de computação em larga escala com a indústria manufatureira. No entanto, não há evidências públicas confirmadas que liguem o investimento em data centers a melhorias nas taxas de adoção de IA, produtividade, redução de defeitos, segurança ou eficiência energética nas fábricas automotivas, navais e petroquímicas de Ulsan. Se a construção de data centers e os projetos de IA nas fábricas seguirem caminhos separados entre 2026 e 2028, Ulsan poderá ter sucesso em estabelecer a infraestrutura de IA, mas a transição dos polos industriais poderá se tornar dependente da demanda externa por nuvem. Embora  a declaração de Ulsan como uma cidade de IA seja confirmada em termos de investimento em infraestrutura, considera-se que ela permanece incerta em termos de resultados nas fábricas.

Em 2026, Ulsan destinou um orçamento de 117,8 bilhões de won para o fomento de PMEs e a promoção da inovação, um aumento de 26% em relação ao ano anterior, incluindo o programa SME AX. O escopo da aplicação da política de IA está se expandindo, deixando de se concentrar em grandes corporações e instituições de pesquisa para incluir PMEs locais e empresas parceiras. No entanto, os dados disponíveis publicamente não confirmam o número de empresas apoiadas que avançaram além da Prova de Conceito (PoC) para aplicar IA permanentemente em linhas de produção reais, nem revelam mudanças na produtividade, vendas e emprego. Se o apoio permanecer restrito às fases de consultoria, equipamentos e demonstração de 2026 a 2028, a lacuna em dados, mão de obra e processos entre grandes corporações e suas empresas parceiras aumentará ainda mais.  Embora a política de difusão do Ulsan Manufacturing AX esteja confirmada, a taxa de conversão em locais de produção de PMEs ainda não foi determinada.

Ulsan estabeleceu metas para os próximos cinco anos de cultivar 500 talentos em IA para convergência industrial, realizar 150 demonstrações práticas focadas em grandes corporações e fomentar 500 startups de tecnologia de ponta, enquanto a Escola de Pós-Graduação Novatus da UNIST planeja treinar aproximadamente 100 especialistas em IA anualmente. O ecossistema de IA industrial se expandiu para uma estrutura que combina desenvolvimento de talentos, startups e demonstrações para grandes corporações. No entanto, os critérios de transição — que variam de 150 demonstrações à aplicação em linha de produção, contratos remunerados, receita recorrente e expansão para empresas parceiras — não foram divulgados. Se as metas permanecerem focadas em talentos, startups e números de demonstrações pelos próximos dois a três anos, as mudanças reais nas fábricas serão obscurecidas pelos insumos do ecossistema.  Embora a base de IA industrial de Ulsan esteja sendo formada, faltam evidências de sua transição para a produção.

O Ministério do Comércio, Indústria e Energia ampliou o orçamento do programa Industrial AX para 2026 para 1,1347 trilhão de won, um aumento de 100,8% em relação ao ano anterior, e elevou o orçamento para o projeto Fábrica de IA para 220 bilhões de won. O período de 2026 a 2028, quando a expansão do investimento nacional em Manufatura AX converge com as estruturas industriais automotiva, naval e petroquímica de Ulsan, é um momento de grande fluxo de financiamento externo. No entanto, os dados públicos em tempo real que integram a garantia de projetos nacionais de ponta e o desempenho da aplicação por processo nas fábricas de Ulsan ainda não foram verificados. Se os padrões de dados da fábrica, as linhas de base de desempenho e uma estrutura de difusão para empresas parceiras não forem estabelecidos durante esse período, o orçamento nacional ampliado será esgotado por projetos de demonstração individuais.  O momento crucial para o setor manufatureiro de Ulsan não é quando o orçamento para IA se torna insuficiente, mas sim nos próximos dois a três anos para determinar a taxa de transição entre demonstração e produção.

Tese da Era de Ouro — O critério para determinar se Ulsan é uma cidade global de IA não é o montante de investimento em data centers ou o número de projetos de demonstração de IA. O critério é o quanto a IA impactou o tempo de inatividade das fábricas, os defeitos, os custos, o consumo de energia e os acidentes de segurança, e se essas mudanças se disseminaram para as empresas parceiras.

Ulsan é uma cidade industrial onde se concentram a indústria automotiva em Buk-gu, a construção naval em Dong-gu e as indústrias petroquímica e de energia em Nam-gu e Ulju-gun. O escopo da aplicação de IA não se limita a um único processo, mas abrange toda a cadeia de valor, desde o projeto, aquisição, produção, qualidade, logística, instalações, segurança e energia. No entanto, ainda não foi confirmada uma base de referência oficial que compare o número de fábricas, processos, taxas de conversão de dados de instalações e taxas de aplicação de IA nos três principais setores, utilizando os mesmos critérios. Além disso, se as operações comerciais por setor se expandirem separadamente entre 2026 e 2028, a taxa de conversão para todas as fábricas em Ulsan não poderá ser calculada retrospectivamente.  Embora a escala industrial de Ulsan seja clara, o denominador da transição para a IA permanece incerto.

A fábrica da Hyundai Motor em Ulsan, a HD Hyundai Heavy Industries e as grandes instalações petroquímicas são empresas âncora que possuem uma base sólida para automação em larga escala, sensores e gestão da produção. O setor manufatureiro de Ulsan passou de fábricas centradas em mão de obra manual para uma estrutura que combina plantas altamente automatizadas com amplas redes de cooperação. No entanto, o nível de transparência em relação à porcentagem de processos que migraram da automação existente para a previsão baseada em IA e o controle autônomo, bem como o desempenho resultante, varia de empresa para empresa. Se os equipamentos de automação e os processos de IA não forem diferenciados nos últimos dois a três anos, os investimentos digitais existentes são contabilizados duas vezes como novas conquistas em automação.  Embora a base digital da fábrica de Ulsan seja robusta, a escala de sua transição para IA não pode ser avaliada separadamente.

O centro de dados de IA SK-AWS foi apresentado como um investimento na ordem de 7 trilhões de won e incluído no Top 5 da cidade de Ulsan para 2025. Os recursos de IA de Ulsan expandiram-se de demonstrações realizadas por universidades locais e pelo setor público para a infraestrutura de computação em larga escala de provedores globais de nuvem. No entanto, não há dados disponíveis publicamente que distingam os efeitos do investimento sobre compras locais, emprego local, utilização de computação por empresas manufatureiras locais, eletricidade, água e receita tributária. Mesmo que o investimento em construção prossiga entre 2026 e 2028, se as fábricas locais não se tornarem clientes efetivos, a escala do investimento e a escala da transformação industrial permanecerão separadas. Embora a escala econômica do centro de dados de IA esteja confirmada, a escala de sua conexão industrial com as fábricas de Ulsan permanece incerta.

O Plano de Cidade Inteligente de Ulsan apresentou 21 projetos, incluindo informações espaciais baseadas em IA e gêmeos digitais, com um custo total de 294,2 bilhões de won para o período de 2022 a 2026. A aplicação de dados urbanos expandiu-se para incluir transporte, segurança e gestão espacial. No entanto, uma estrutura para análise conjunta de dados de cidades inteligentes com dados de complexos industriais e processos corporativos não foi confirmada pelas evidências disponíveis publicamente. Se o Urban AX e o Industrial AX forem desenvolvidos em plataformas separadas nos próximos dois a três anos, a influência mútua entre transporte, logística, gestão de desastres, energia e operações fabris será negligenciada. Embora  a escala da IA ​​em Ulsan tenha se expandido tanto no setor urbano quanto no industrial, a conexão entre os dois sistemas ainda não está consolidada.

Os centros de dados de IA, a UNIST, o Parque Tecnológico de Ulsan, as instalações de P&D e produção de grandes corporações e os programas de apoio a PMEs demonstram a concentração de ativos de IA em Ulsan. O ecossistema de IA cresceu e se tornou uma estrutura que abriga demandas de pesquisa, talento, computação e manufatura em uma única região. No entanto, a taxa de conversão — desde os resultados da pesquisa que entram nos protótipos (PoCs) em fábricas até contratos de linha de produção e receita de startups — não é divulgada publicamente. Mesmo que o número de instituições e projetos aumente entre 2026 e 2028, se essa taxa de conversão permanecer baixa, essa concentração continuará sendo apenas uma lista paralela de ativos.  Embora Ulsan possua os componentes da IA ​​industrial, um ecossistema comercial funcional ainda não foi comprovado.

Nos próximos cinco anos, 150 demonstrações de campo lideradas por grandes corporações criarão pontos de contato em larga escala, permitindo que startups e instituições de pesquisa acessem instalações de produção reais. O desenvolvimento tecnológico está migrando da verificação em laboratório para a verificação em campo, utilizando dados industriais e condições de equipamentos. No entanto, os critérios públicos para avaliação de contratos de produção, replicação em outras fábricas, aplicação a empresas parceiras e receita de manutenção após a demonstração ainda não foram confirmados. Se o número de demonstrações aumentar rapidamente entre 2026 e 2028, será impossível distinguir entre provas de conceito (PoCs) concluídas e produção em operação.  Embora os pontos de contato de campo de Ulsan estejam se expandindo, a lacuna entre o ecossistema de demonstração e o ecossistema de produção persiste.

A Escola de Pós-Graduação Novatus da UNIST busca formar aproximadamente 100 especialistas em IA anualmente, enquanto a cidade de Ulsan estabeleceu a meta de 500 talentos em IA com foco em convergência industrial em cinco anos. A política de talentos passou da educação geral em IA para o fomento de talentos com capacidade de compreender processos nas áreas automotiva, naval e de energia. No entanto, não foi verificado nenhum dado público que relacione o emprego dos graduados em empresas de Ulsan, a permanência a longo prazo, projetos de campo ou contribuições para a produtividade. Se apenas o número de graduados se acumular ao longo de dois ou três anos, o talento local fica dissociado da rotatividade externa, e os resultados educacionais se desconectam do desempenho das fábricas.  Embora exista um ecossistema de desenvolvimento de talentos, as competências profissionais remanescentes nas fábricas de Ulsan são consideradas incertas.

O Fundo de Crescimento Regional de Ulsan, com um investimento de 50 bilhões de won, e a meta de criar 500 startups de tecnologia de ponta, conectam o financiamento para a comercialização após o desenvolvimento tecnológico. O ecossistema de IA industrial está se expandindo, passando de um foco em programas de subsídios para uma estrutura de investimento e escalonamento. No entanto, o rastreamento público de dados sobre as vendas das empresas investidas pelo fundo em suas fábricas em Ulsan, investimentos subsequentes, taxas de sobrevivência e estabelecimento local ainda está em seus estágios iniciais. Mesmo que o número de startups aumente entre 2026 e 2028, as empresas podem se realocar para a região metropolitana de Seul ou para mercados internacionais caso haja atrasos na obtenção de clientes para a manufatura.  Embora a base para o financiamento de startups esteja consolidada, a conexão comercial com a demanda local de manufatura ainda não foi comprovada.

A IA na manufatura está passando de aplicações individuais, como inspeção de qualidade, manutenção preditiva e previsão de demanda, para a manufatura autônoma, onde equipamentos, robôs e planejamento de produção são integrados. O Ministério do Comércio, Indústria e Energia também propôs uma diretriz para estabelecer mais de 500 fábricas com IA para manufatura autônoma até 2030. No entanto, o número de fábricas em Ulsan onde a IA controla as condições de produção em circuito fechado, indo além de recomendações de processo, não foi divulgado. Se os investimentos centrados em modelos individuais se consolidarem entre 2026 e 2028, o custo da expansão para a automação completa de todo o processo aumentará.  Embora haja indícios de demonstração de aplicações de IA na manufatura em Ulsan, o estágio da manufatura autônoma ainda não está totalmente estabelecido.

A indústria automotiva está passando de um foco em motores de combustão interna para uma indústria que combina veículos elétricos, veículos autônomos, robôs, baterias e serviços de dados. O escopo da IA ​​expandiu-se além da eficiência de processos para incluir a competição de dados em todo o software do veículo e em todo o ciclo de vida do produto. Não estão sendo divulgadas evidências sobre o ecossistema industrial regional, que vincula os dados de produção da fábrica de Ulsan aos dados de operação e serviço do veículo. Se a IA de fábrica e a IA  de produto forem separadas nos próximos dois a três anos, Ulsan poderá permanecer um polo de produção, enquanto o software de alto valor agregado se concentrará em regiões externas. Avalia-se que a lacuna na IA automotiva de Ulsan seja maior na integração de dados de produto e processo do que na automação da produção.

A indústria naval enfrenta desafios simultâneos relacionados à complexidade do projeto, produção, soldagem, pintura, logística e comissionamento, além da escassez de mão de obra qualificada. A inteligência artificial (IA) e a robótica estão migrando da automação de equipamentos individuais para a otimização integrada que conecta o projeto naval às operações do estaleiro. No entanto, não existem métricas públicas que confirmem o impacto da aplicação de IA nos estaleiros de Ulsan sobre os cronogramas de projetos, retrabalho, produtividade e acidentes de segurança. Se uma estratégia centrada em trabalhadores temporários e terceirização se consolidar no gerenciamento da carteira de encomendas de 2026 a 2028, os dados do período de crescimento acelerado não serão acumulados como ativos de automação de longo prazo. Embora  as oportunidades de aplicação da Automação X (AX) na construção naval de Ulsan sejam significativas, faltam evidências que relacionem o período de crescimento acelerado com uma transformação estrutural.

Diante da superoferta global, das regulamentações de carbono e das pressões de custos, a indústria petroquímica está passando da simples expansão do volume de produção para produtos de alto valor agregado, eficiência energética, segurança e otimização de carbono. O papel da IA ​​também está se expandindo, da manutenção preditiva de equipamentos para a otimização simultânea do rendimento do processo, energia, emissões e segurança. No entanto, o tempo de execução público para a utilização conjunta de dados de processo, energia, tubulação e segurança entre as empresas do Complexo Petroquímico de Ulsan ainda não foi verificado. Se a otimização for conduzida apenas empresa por empresa durante dois a três anos, os efeitos sinérgicos em relação à energia, matérias-primas e segurança em todo o complexo serão limitados.  Considera-se que o Complexo Petroquímico de Ulsan apresenta menor prontidão para a otimização conjunta do complexo industrial em comparação com a aplicação em empresas individuais.

A cidade de Ulsan está implementando uma estratégia de cidade com IA baseada na Sede de Promoção da Capital da IA ​​e no Comitê de Inteligência Artificial de Ulsan, integrando grandes centros de dados com IA industrial. A estrutura de resposta expandiu-se de projetos individuais de informatização para a Governança de IA em nível municipal. No entanto, ainda não foi encontrado um painel que integre e divulgue publicamente as linhas de base de produtividade específicas do setor, as taxas de adoção em fábricas, as taxas de difusão de fornecedores e as taxas de retorno da IA. Mesmo que o número de organizações, comitês e projetos aumente entre 2026 e 2028, a lacuna entre a declaração e a transformação das fábricas não poderá ser mensurada a menos que os resultados industriais sejam definidos como indicadores comuns.  Embora a resposta de governança de Ulsan tenha sido fortalecida, o sistema de gestão de resultados da manufatura ainda não está consolidado.

O orçamento de 2026, de 117,8 bilhões de won, destinado ao fomento de PMEs e à promoção da inovação, inclui apoio à transformação digital de PMEs (AX) e ao ecossistema de startups. A resposta às PMEs evoluiu de um apoio financeiro e de canais de venda generalizados para uma estrutura que abrange inteligência artificial (IA) e inovação digital. Contudo, a alocação efetiva para a transformação digital, as empresas beneficiárias, as empresas em processo de transformação da produção e as melhorias de produtividade dentro do orçamento total não estão claramente discriminadas nos dados disponíveis publicamente. Se o elevado orçamento total, distribuído ao longo de dois a três anos, for interpretado como desempenho da transformação digital, os recursos e os efeitos reais investidos na transformação da produção podem estar superestimados.  Embora a direção da resposta às PMEs esteja confirmada, a relação entre o financiamento da transformação digital e os resultados permanece incerta.

O Centro de Controle Integrado do Complexo Industrial Verde Inteligente estabeleceu as bases para a gestão da segurança em complexos industriais, investindo 13 bilhões de won entre dezembro de 2022 e novembro de 2025. A resposta aos complexos industriais passou de inspeções de segurança em empresas individuais para uma estrutura que integra o monitoramento de dutos subterrâneos e riscos dentro do complexo. No entanto, os dados disponíveis publicamente não confirmam como os tempos de detecção de acidentes, vazamentos, paralisações e a capacidade de resposta conjunta mudaram desde o início das operações do centro. Após a conclusão das obras previstas para o período de 2026 a 2028, com a finalização das instalações, a utilização dos dados de segurança para as operações da fábrica será limitada. Embora  a infraestrutura para a resposta aos dados do complexo industrial esteja concluída, os resultados reais na redução de riscos ainda não foram confirmados.

As metas de Ulsan, que incluem 500 startups de tecnologia de ponta, 500 talentos em IA para convergência industrial e 150 demonstrações práticas, integram startups, talentos e demonstrações em uma única estratégia. A estrutura de resposta expandiu-se de programas de apoio individual para um ecossistema completo de startups. No entanto, toda a cadeia — na qual uma startup realiza uma demonstração em uma grande corporação, expande-se para pequenas e médias empresas parceiras e garante receita recorrente — não foi divulgada. Se os resultados de desempenho para cada meta de 2026 a 2028 forem gerenciados separadamente, a estratégia de ciclo completo se divide em três conquistas independentes.  Embora a resposta de ciclo completo de Ulsan tenha sido planejada, sua viabilidade operacional ainda não foi comprovada.

O Ministério do Comércio, Indústria e Energia expandiu o orçamento do programa Industrial AX para 1,1347 trilhão de won para 2026 e aumentou o orçamento do programa Fábrica de IA para 220 bilhões de won. Ulsan possui polos industriais nos setores automotivo, naval e petroquímico, que servirão como centros de demanda direta para a expansão do programa nacional Manufacturing AX. No entanto, não foram encontrados dados regionais integrados sobre o número de projetos selecionados para Ulsan, os valores dos investimentos ou as taxas de aplicação de linhas de produção no âmbito do programa nacional Fábrica de IA. À medida que a competição por projetos nacionais se intensifica entre 2026 e 2028, a posição de liderança de Ulsan não pode ser garantida apenas por polos industriais. Embora  Ulsan demonstre alta compatibilidade estrutural com a política nacional AX, sua participação real nos negócios e seus resultados permanecem incertos.

A meta nacional é ter mais de 500 fábricas de manufatura autônoma com IA até 2030, com 26 projetadas para 2024. Isso marca a fase inicial da transição da indústria nacional de manufatura com IA, de um número limitado de fábricas líderes para um estágio de difusão em larga escala. Não há dados comparativos oficiais disponíveis sobre a posição das fábricas de Ulsan entre essas 26 localidades ou as 500 projetadas. Se outras regiões manufatureiras garantirem plataformas e fornecedores comuns nos próximos dois a três anos, Ulsan poderá ficar para trás no ecossistema de manufatura autônoma, apesar da escala de suas grandes fábricas corporativas.  A posição de Ulsan no mercado interno é avaliada como líder em termos de escala industrial, mas apresenta uma "lacuna de dados" em termos do número de fábricas de manufatura autônoma.

As principais empresas globais de manufatura constroem sua competitividade por meio da combinação de padrões de dados de processo, gêmeos digitais, software industrial e pessoal no local, em vez de modelos de IA. Ulsan também possui recursos de automação para grandes empresas, sistemas de controle industrial complexos e uma base de talentos em IA. No entanto, não foram encontrados dados que comparem a interoperabilidade de dados de processo entre empresas, a reutilização de modelos e os padrões conjuntos entre empresas parceiras com os das principais regiões internacionais. Se os sistemas corporativos monopolistas forem fortalecidos entre 2026 e 2028, apenas a automação interna de grandes empresas individuais avançará, em vez do ecossistema colaborativo regional.  A competitividade global de Ulsan é considerada como estando separada entre as capacidades internas das grandes empresas e as capacidades de difusão de toda a região.

O centro de dados de IA, avaliado em mais de 7 trilhões de won, serve como um forte indicador da escala de investimento em infraestrutura de IA na região. A participação de provedores globais de nuvem conecta a infraestrutura de computação, rede e energia ao mercado internacional. Por outro lado, as condições de uso, os custos, a segurança, a proteção das principais tecnologias nacionais e os padrões de exportação de dados para empresas manufatureiras locais ainda não foram definidos publicamente. Se o centro de dados estabelecer uma estrutura operacional centrada na demanda externa por IA nos próximos dois a três anos, o acesso real para as fábricas de Ulsan poderá ser restringido, independentemente da escala do investimento.  Ulsan é considerada líder em localização de infraestrutura de IA, mas ainda não há confirmação quanto ao seu sistema de utilização de dados de manufatura.

Ao comparar o investimento de 7 trilhões de won em data centers de IA com o orçamento de 117,8 bilhões de won para apoio a PMEs em 2026, a escala de capital da estratégia de IA de Ulsan revela uma disparidade significativa entre a infraestrutura de grande escala e o apoio às empresas locais. Embora os dois valores não possam ser comparados diretamente em termos proporcionais devido às diferenças de natureza e período, eles revelam uma lacuna estrutural entre o investimento em infraestrutura e a expansão de fábricas. O caminho pelo qual o investimento em data centers se traduz em custos computacionais reduzidos, acesso a dados e produtividade de IA para PMEs permanece incerto. Se essa conexão não for estabelecida entre 2026 e 2028, o investimento em grande escala e a conversão de fábricas em IA continuarão sendo políticas separadas.  A lacuna numérica da cidade de IA de Ulsan reside na disparidade entre o montante do investimento em infraestrutura e o montante da conversão de fábricas.

Conectar os objetivos de 500 talentos em IA para convergência industrial, 500 startups de tecnologia avançada e 150 demonstrações práticas não garante automaticamente oportunidades de demonstração prática e alocação de talentos para cada startup. Como os períodos e temas-alvo diferem, os cálculos de proporção mecânica também são inválidos. Não foram encontrados dados que vinculem talentos, empresas, demonstrações e contratos de produção como um único projeto. Se apenas os resultados de desempenho para cada objetivo forem acumulados ao longo de dois a três anos, ocorre uma discrepância em que talentos são formados e empresas são estabelecidas, mas clientes de fábrica não são garantidos. Embora  a escala dos objetivos do ecossistema de Ulsan tenha sido apresentada, a densidade de conexão é considerada não mensurada.

A meta da UNIST de formar aproximadamente 100 especialistas em IA anualmente está aritmeticamente alinhada com sua meta de 500 em cinco anos. Embora o plano de formação esteja confirmado, ele não está vinculado às demandas específicas de emprego das indústrias automotiva, naval e petroquímica de Ulsan. Além disso, não foram divulgados dados sobre emprego local, estabilidade no emprego e desempenho em projetos dos graduados. Se a demanda industrial mudar mais rapidamente do que o currículo entre 2026 e 2028, a escassez em funções específicas persistirá mesmo que as metas de pessoal sejam atingidas.  O plano de formação de talentos em IA de Ulsan é considerado quantitativamente consistente, mas sua adequação às funções em fábricas permanece incerta.

Os 13 bilhões de won alocados ao Centro de Controle Integrado do Complexo Industrial Verde Inteligente e os 294,2 bilhões de won ao Plano de Cidade Inteligente demonstram que já houve investimento em infraestrutura de dados para complexos urbanos e industriais. A iniciativa AX de Ulsan já estava em andamento, na forma de controle, gêmeos digitais e informações espaciais, mesmo antes da declaração oficial. No entanto, os resultados públicos que relacionam os valores investidos com a redução de acidentes, economia de energia e tempo de inatividade de equipamentos ainda não foram verificados. Se novos investimentos em IA forem adicionados nos próximos dois a três anos, funções redundantes poderão surgir sem que o retorno real dos investimentos digitais anteriores seja avaliado.  Embora o volume total de investimento em IA em Ulsan esteja aumentando, a produtividade dos ativos de investimento existentes permanece com uma "lacuna de dados".

A vinculação da meta de 150 demonstrações em campo com o suporte da AX para PMEs cria o potencial para que os resultados das demonstrações em grandes empresas se disseminem para as empresas parceiras. No entanto, indicadores como o número de empresas parceiras participantes por demonstração, o número de fábricas replicadas, contratos pagos e receita recorrente não foram divulgados. Como o número de demonstrações representa pontos de contato tecnológicos e o número de difusões representa mudanças industriais, eles não são idênticos. Se esses dois números não forem diferenciados entre 2026 e 2028, o aumento de PoCs (Provas de Conceito) será superestimado como difusão da AX nas fábricas.  A maior lacuna numérica na IA de manufatura de Ulsan reside entre o número de demonstrações e o número de processos de produção.

A primeira lacuna é a ausência de uma Linha de Base da Fábrica . Embora Ulsan possua três grandes indústrias e fábricas de grande escala, a proporção de cada etapa — coleta de dados, análise de IA, recomendação automática e controle autônomo — dentro do processo geral não é divulgada. Trata-se de uma estrutura sem denominador para a transição. À medida que os projetos de demonstração e implementação aumentam entre 2026 e 2028, torna-se difícil distinguir entre processos com aplicações sobrepostas e aqueles sem.  A maior lacuna no Ulsan Manufacturing AX é identificada como a falta de uma taxa de aplicação real em relação ao total da fábrica, e não o número de projetos de IA.

A segunda lacuna reside na falta de acompanhamento da transição da prova de conceito (PoC) para a produção . Embora Ulsan tenha apresentado uma meta de 150 demonstrações em campo, as operações reais da linha de produção e os critérios para o pagamento dos contratos após a conclusão das demonstrações não foram divulgados. A verificação da tecnologia e os resultados industriais são separados em etapas distintas. Se o número de demonstrações se tornar o indicador fixo de desempenho por dois a três anos, a diferença entre as lições aprendidas com demonstrações malsucedidas e os modelos comercializados desaparece.  A prontidão industrial para IA é considerada não confirmada com base na taxa de conversão para produção, em vez do número de oportunidades de demonstração.

A terceira lacuna reside na barreira de dados entre grandes corporações e seus fornecedores . Enquanto as empresas âncora possuem instalações, pessoal, dados e recursos de segurança, os fornecedores enfrentam maiores desafios em relação aos custos de coleta de dados e à escassez de pessoal especializado. Embora a qualidade, os prazos de entrega e os custos dentro da mesma cadeia de suprimentos estejam interligados, os sistemas de IA permanecem separados para cada empresa. Se as grandes corporações avançarem primeiro em suas capacidades de IA entre 2026 e 2028, os fornecedores poderão não conseguir atender às maiores demandas de dados e qualidade. A lacuna no ecossistema industrial de Ulsan reside entre a otimização interna dentro das grandes corporações e a otimização de toda a cadeia de suprimentos.

A quarta lacuna reside na falta de conectividade entre os centros de dados de IA e as fábricas . Embora já exista uma infraestrutura de computação em larga escala, as condições relativas à segurança dos dados nas fábricas, custos, latência, proteção das tecnologias essenciais e operação dos modelos não foram verificadas publicamente. Mesmo que os centros de dados e as fábricas estejam localizados na mesma região, isso não garante automaticamente a formação de um único ecossistema de IA. Se as estruturas contratuais e operacionais permanecerem fixas em função da demanda externa por dois ou três anos, os requisitos de acessibilidade para as empresas de manufatura locais serão relegados a uma prioridade menor.  A infraestrutura está preparada, mas a prontidão para aplicações industriais ainda não foi verificada.

다섯 번째 GAP은 공장 Outcome 공개의 부재다. AI 적용성과는 생산성·불량·설비정지·에너지·안전·납기에서 나타난다. 기업기밀 때문에 개별 수치는 제한될 수 있지만 익명·지수형 지역통계도 확인되지 않는다. 2026~2028년 성과가 계속 비공개로 남으면 정책은 지원기업 수와 실증건수만으로 평가된다. 울산의 공장변화는 기업 내부에서는 발생할 가능성이 있지만 도시 전체 Evidence로는 미확인이다.

SK–AWS AI 데이터센터와 기존 산업단지·스마트그린산단 인프라는 연산·네트워크·관제 기반을 확대한다. 울산의 기술 인프라는 개별 공장 서버에서 글로벌 클라우드와 도시·산단 플랫폼이 공존하는 구조로 이동했다. 그러나 지역 공장의 실제 이용률·서비스 비용·지연시간·보안등급은 확인되지 않는다. 2026~2028년 데이터센터 운영모델이 확정되면 초기 이용조건은 장기 산업접근성으로 고착된다. 연산 인프라는 대규모 구축 단계, 지역 제조 접근성은 미확인 단계로 판정된다.

UNIST 노바투스와 산업융합 AI 인재 500명 목표는 전문인력 공급기반을 형성한다. 인재교육은 일반 데이터분석에서 제조공정 문제를 다루는 산업융합형으로 이동했다. 그러나 자동차·조선·석유화학 직무별 수요와 수료자의 지역근속은 공개되지 않았다. 2~3년 동안 대기업·데이터센터·스타트업이 같은 인재를 경쟁하면 중소기업의 인력부족이 먼저 확대된다. 인재 인프라는 공급계획이 확인되지만 산업별 배분과 지역잔존은 미확인으로 판정된다.

자동차·조선·석유화학 공정은 국가핵심기술·영업비밀·안전정보를 포함한다. 산업데이터는 개방 확대보다 제한된 신뢰구역 안에서의 공동학습 구조로 이동한다. 울산의 기업 간 데이터 표준·권한·가명화·연합학습·모델책임 기준은 공개 Evidence에서 확인되지 않는다. 2026~2028년 기업별 독자체계가 고착되면 지역 공통 AI 모델의 학습데이터 확보가 어려워진다. 데이터 Readiness는 대기업 내부에서는 높을 가능성이 있지만 지역 공동활용에서는 낮은 것으로 판정된다.

AI수도추진본부·인공지능위원회·중소기업 AX 계획·창업전략은 제도적 추진기반이다. 울산의 AI 행정은 개별 부서에서 전담조직과 민·산·학 추진체계로 확대됐다. 그러나 사업별 중단기준, 성과검증, 데이터 권리, 노동전환, 안전책임을 통합 관리한 공개 Governance는 확인되지 않는다. 2~3년 동안 사업이 증가하면 기관 수보다 책임경계의 불명확성이 운영위험으로 전환된다. 제도 Readiness는 추진체계 구축에는 도달했지만 산업 AI 책임체계에는 도달하지 않은 것으로 판정된다.

2026년 중소기업 지원예산은 1,178억 원으로 전년보다 26.0% 증가했고 AX가 지원방향에 포함됐다. 정책대상은 대기업과 연구기관에서 지역 중소기업으로 확대됐다. 그러나 AX 지원을 받은 기업 수·공정 수·생산성·고용·매출은 별도 공개되지 않았다. 2026~2028년 총지원예산만 증가하면 실제 AI 생산라인 전환이 금융·판로·일반 혁신지원과 혼합된다. 중소기업 대상 확산은 정책범위에서 확인되지만 공장 Outcome에서는 미확인이다.

대기업 중심 현장실증 150건은 스타트업과 AI 공급기업이 실제 공정데이터에 접근하는 경로다. 기술기업은 연구과제 수혜자에서 제조기업의 문제해결 공급자로 이동할 조건을 얻는다. 그러나 실증비용 부담, 지식재산권, 데이터 접근, 후속구매, 다른 고객 확산 조건은 공개되지 않았다. 2~3년 동안 대기업 맞춤형 무상실증이 반복되면 공급기업은 기술은 축적해도 반복매출을 확보하지 못한다. 스타트업 확산은 현장접점에서 확인되지만 시장형성에서는 미검증으로 판정된다.

공장 AI는 설비정지·안전사고·에너지·품질을 바꿔 근로자의 업무와 위험노출에 영향을 준다. 산업 AX의 주민효과는 기업 생산성뿐 아니라 작업안전·직무변화·고용안정에서 나타난다. AI 적용 전후 사고·숙련직무·고용·재교육을 연결한 울산 공개자료는 확인되지 않는다. 2026~2028년 자동화가 확대되면 생산성 이익과 직무전환 비용이 서로 다른 통계에 남는다. 근로자에게 내려가는 AX 효과는 안전·직무·고용을 함께 보지 않아 미판정 상태다.

AI 데이터센터와 제조 AI 투자는 지역 전력·용수·건설·서비스 수요를 확대한다. 주민·기업에 대한 효과는 지역고용과 세수뿐 아니라 전력망·환경·생활인프라 부담으로도 나타난다. 데이터센터의 지역고용·전력·용수·세수·환경비용을 통합한 공개자료는 확인되지 않는다. 2~3년 동안 시설투자가 진행되면 초기 기대편익은 고정되고 운영비용은 준공 이후 드러날 수 있다. 대규모 AI 인프라의 지역확산은 투자액으로는 확인되지만 순지역가치는 미확인으로 판정된다.

북구 자동차산업권은 대규모 완성차 공장과 부품·물류망이 연결되고, 동구 조선산업권은 거대한 야드와 다단계 협력·외주구조를 가진다. 남구·울주군 석유화학권은 연속공정·배관·에너지·안전이 기업 간에 연결된다. 동일한 제조 AI 정책으로 세 산업의 전환을 측정하기 어려운 구조다. 업종별 공정단위와 Outcome 기준을 구분한 울산 공통 Dashboard는 확인되지 않는다. 2026~2028년 동일 실증건수로 비교하면 업종별 난도와 확산효과가 왜곡된다. 울산 내부의 AX 격차는 지역별 산업구조 차이를 반영하는 측정기준 부재로 판정된다.

Os distritos de Buk-gu, Dong-gu e Nam-gu, onde se concentram grandes empresas, diferem de Ulju-gun, onde se distribuem PMEs e complexos industriais, em termos de capacidade de dados, mão de obra e investimento em infraestrutura. Enquanto a IA para empresas âncora pode ser implementada por meio de investimento interno, as pequenas empresas dependem fortemente do apoio público e da infraestrutura compartilhada. Não há dados disponíveis que comparem as taxas de adoção de IA, os valores investidos e o desempenho de empresas manufatureiras em diferentes distritos e municípios. Se o desempenho impulsionado por grandes corporações elevar a média de Ulsan nos próximos dois a três anos, a diferença para as PMEs que não adotarem a IA ficará obscurecida.  Conclui-se que a média de AX de Ulsan corre o risco de ser superestimada pelo desempenho das grandes corporações.

Embora os centros de dados de IA e as infraestruturas de pesquisa e startups estejam localizados em regiões específicas, a demanda por manufatura está dispersa por diversos setores industriais. Mesmo que as distâncias físicas sejam curtas, surgem disparidades na utilização caso o acesso à segurança de dados, redes, contratos e pessoal especializado varie. O tempo de utilização e os custos da infraestrutura de IA pelas empresas em cada região não foram divulgados. Se os clientes e parceiros iniciais se consolidarem entre 2026 e 2028, a lacuna de produtividade entre empresas conectadas e desconectadas será prolongada.  Constatou-se que a acessibilidade à IA em Ulsan é assimétrica devido ao tamanho da empresa e à autoridade sobre os dados, e não à distância.

O Sistema Integrado de Controle do Complexo Industrial Verde Inteligente monitora riscos comuns dentro do complexo, mas seu propósito e dados diferem da IA ​​de produção de cada fábrica. A estrutura envolve a IA de segurança em nível de complexo industrial e a IA de produção interna da empresa, ambas operando em paralelo. Não há um ambiente de execução público que integre os alertas, o status dos equipamentos e os cronogramas de manutenção dos dois sistemas. Se sistemas separados se consolidarem por dois ou três anos, o intervalo de tempo entre a avaliação dos riscos do complexo e a determinação das operações da fábrica aumenta.  A IA no espaço industrial de Ulsan está fragmentada entre o complexo e as fábricas.

O investimento no centro de dados de IA SK-AWS está em andamento, e o Sistema de Promoção de Capital para IA foi totalmente lançado em 2026. O período de 2026 a 2028 será dedicado à definição do projeto, construção e condições operacionais do centro de dados, bem como à estrutura de utilização pelas empresas de manufatura locais. Os padrões relativos às taxas de utilização das fábricas locais, segurança, custos e serviços compartilhados ainda não foram confirmados. Uma vez finalizado o modelo operacional inicial, o custo de priorizar novamente a demanda da manufatura local aumentará.  O primeiro "Momento Ideal" está definido para ocorrer antes que a relação entre a infraestrutura de computação em larga escala e a demanda das fábricas seja formalizada por contrato.

O orçamento do Ministério do Comércio, Indústria e Energia para a Automação Industrial (AX) foi expandido para 1,1347 trilhão de won até 2026, e o orçamento para Fábricas de IA também aumentou para 220 bilhões de won. A Automação Industrial Nacional entrou em uma fase de difusão em larga escala, passando de um projeto piloto limitado para uma fase de expansão em grande escala. No entanto, o cronograma regional que conecta os projetos selecionados de Ulsan, os processos de produção e a expansão das empresas parceiras ainda não foi confirmado. Se outras regiões anteciparem os padrões, fornecedores e referências específicos do setor entre 2026 e 2028, a vantagem de Ulsan na aglomeração industrial poderá se tornar um fardo para as instalações não automatizadas existentes.  O segundo período crucial são os próximos dois a três anos, durante os quais os recursos da Automação Industrial Nacional se consolidarão como padrões iniciais do setor.

Ulsan almeja 150 demonstrações de campo, 500 talentos em IA para convergência industrial e 500 startups de tecnologia de ponta nos próximos cinco anos. O período de 2026 a 2028 marca a execução da primeira metade dessas metas e a estabilização do método de avaliação de desempenho. Os critérios para conversão em produção, receita recorrente e resultados em fábrica não foram divulgados. Se a avaliação inicial se basear no número de demonstrações, educação e startups, será difícil posteriormente mudar o foco para a comercialização.  O terceiro "Período de Ouro" está definido como aquele anterior à fixação da unidade de desempenho de IA industrial em demonstrações.

A indústria automotiva enfrenta a era dos veículos autônomos e elétricos, a indústria naval está se voltando para a autonomia e os navios digitais, e a indústria petroquímica está em transição para um cenário de excesso de oferta, emissões de carbono e produtos de alto valor agregado. O investimento em IA em Ulsan coincide com a transformação simultânea das estruturas de produto, processo e força de trabalho dessas três indústrias. Os dados sobre as linhas de base dos processos e as transições de empregos por setor industrial ainda estão incompletos. Após a reorganização das instalações, funções e cadeias de suprimentos entre 2026 e 2028, dados e estruturas de IA mal selecionados serão incorporados ao sistema de produção de longo prazo.  O quarto "Período de Ouro" não será o ciclo da tecnologia de IA, mas sim o período em que os ciclos de investimento em instalações das principais indústrias de Ulsan forem finalizados.

12-1. Caso de Aplicação do Tempo de Ouro em Governos Locais Básicos ① — Buk-gu

Buk-gu abriga a fábrica da Hyundai Motor em Ulsan e concentra diversos ecossistemas de peças automotivas e logística. A Automação de Veículos (AX) está migrando da automação de fábrica para uma estrutura integrada de produto e processo, onde veículos elétricos, veículos autônomos, robôs e dados de qualidade estão interconectados. No entanto, os dados disponíveis publicamente não confirmam em que medida os benefícios da aplicação de IA em veículos acabados se estenderam a melhorias na produtividade, prazos de entrega e qualidade para os fornecedores em Buk-gu. Se o sistema de produção de veículos acabados for reorganizado em torno de veículos elétricos e software entre 2026 e 2028, os fornecedores com baixa conectividade de dados terão dificuldades para se adaptar, dependendo exclusivamente de suas capacidades de fornecimento existentes.  Buk-gu é avaliada como uma região com alto potencial para liderar a AX de grandes fábricas corporativas, mas onde a transformação de toda a cadeia de suprimentos ainda não está consolidada.

O volume de produção, os defeitos e o tempo de inatividade nas fábricas de veículos acabados estão diretamente ligados aos dados de entrega e qualidade dos fornecedores de peças. A unidade fundamental da IA ​​na fábrica não são as linhas de produção individuais, mas sim a cadeia de suprimentos, desde o recebimento das peças até o envio do veículo acabado. Modelos e padrões de dados interempresariais, bem como resultados compartilhados, não foram divulgados. Se a otimização interna dentro da montadora de veículos acabados se consolidar nos próximos dois a três anos, os fornecedores terão que lidar com prazos de entrega mais curtos e requisitos de qualidade mais elevados sem uma base de IA.  O "Momento Ideal" para o Norte está previsto para antes que a lacuna de dados entre a montadora de veículos acabados e os fornecedores se torne uma disparidade na cadeia de suprimentos, e não durante a automação da fábrica.

12-2. Casos de Aplicação do Período Ideal em Governos Locais Básicos ② — Dong-gu

Dong-gu abriga uma concentração da HD Hyundai Heavy Industries, subcontratadas da construção naval e mão de obra qualificada. O boom da construção naval e a carteira de encomendas fornecem dados de campo em larga escala para a aplicação de IA, robôs e tecnologias de estaleiros digitais na produção real. No entanto, não há evidências regionais universais que confirmem o quanto a aplicação da IA ​​alterou os prazos de construção naval, retrabalho, qualidade da soldagem, acidentes de segurança ou escassez de mão de obra. Se as pressões de produção durante o período de boom de 2026 a 2028 forem absorvidas pela expansão de trabalhadores temporários e terceirização, os dados de campo e a capacidade de investimento disponíveis para a transição se esgotarão antes que uma recessão econômica ocorra.  Dong-gu é avaliada como uma região onde existem tanto a demanda por demonstração de IA quanto a capacidade financeira, mas os resultados da transformação estrutural permanecem incertos.

Os estaleiros enfrentam dificuldades para aplicar repetidamente o mesmo modelo devido ao projeto sob encomenda, ao grande porte das instalações e aos processos em múltiplas etapas. A IA na construção naval é estruturada para ser mais eficaz quando integrada a mudanças de projeto, materiais, sequências de trabalho e pessoal qualificado, em vez de por meio da manutenção preditiva de um único equipamento. Não existem dados públicos de tempo de execução que vinculem informações sobre os processos entre contratante principal e subcontratados com a produtividade específica de cada tarefa. Se demonstrações individuais de robôs e sistemas de visão forem realizadas de forma independente ao longo de dois a três anos, elas não serão agregadas para reduzir o tempo total de construção de todo o estaleiro.  O "Tempo de Ouro" de Donggu é o período para avaliar o efeito integrado que altera o prazo de entrega geral de um projeto de construção naval, e não o número de tecnologias demonstradas.

Se a estrutura operacional dos centros de dados de IA for separada da produção local, Ulsan poderá ser um local para infraestrutura computacional, mas não uma região para gerar valor a partir de dados industriais. Não há nenhuma conexão comprovada entre o investimento de 7 trilhões de won e as condições de uso para empresas manufatureiras. Se a estrutura de clientes para contratos de longo prazo, eletricidade e serviços em nuvem se consolidar entre 2026 e 2028, o espaço para priorizar o acesso local e incorporar serviços específicos para a manufatura diminuirá.  A primeira perda não é o efeito de atrair centros de dados, mas o tempo necessário para transformar a infraestrutura computacional em produtividade industrial local.

Se a validação em campo não for transferida para a produção, os dados de fábrica serão usados ​​para projetos pontuais e os modelos serão desativados sem manutenção. Ulsan possui 150 objetivos de validação, mas os critérios para a transição para a comercialização ainda não foram definidos. Se as provas de conceito (PoCs) se acumularem ao longo de dois a três anos, as empresas arcarão com o ônus da fadiga de validação e dos custos de fornecimento de dados, enquanto os fornecedores não conseguirão gerar receita recorrente.  A segunda perda não é determinada pelo orçamento de validação, mas pela confiança entre a fábrica e a empresa de IA, e pelo tempo necessário para a comercialização.

Se a diferença de velocidade entre o grande conglomerado AX e seus parceiros AX aumentar, os padrões de qualidade, entrega e segurança na cadeia de suprimentos também aumentarão, mas a capacidade de resposta das PMEs não conseguirá acompanhar. Embora o apoio às PMEs tenha sido ampliado em 2026, a taxa real de conversão das fábricas ainda não foi verificada. À medida que os sistemas das grandes montadoras, construtoras navais e empresas petroquímicas se consolidarem entre 2026 e 2028, os custos de entrada para empresas parceiras não vinculadas aumentarão.  A terceira perda não se limita à produtividade das PMEs individuais, mas também à completude regional da cadeia de suprimentos de Ulsan.

Mesmo que haja formação em IA, se isso não resultar em projetos presenciais em empresas de Ulsan ou em empregos de longo prazo, os resultados educacionais serão transferidos para outras regiões. Embora haja metas de aproximadamente 100 pessoas anualmente e 500 em cinco anos, os índices de emprego e retenção permanecem incertos. À medida que a competição por talentos se intensifica entre data centers, grandes corporações e startups nos próximos dois a três anos, a escassez de profissionais de IA industrial em pequenas e médias empresas (PMEs) se agravará.  A quarta perda, segundo a previsão, não é a do número de profissionais treinados, mas sim a do capital humano local que possua tanto conhecimento de processos quanto de IA.

Ulsan possui simultaneamente uma demanda de manufatura em larga escala nos setores automotivo, naval e petroquímico, além de talentos e pesquisa da UNIST, instalações para grandes corporações, apoio a startups e data centers globais. Os componentes de demanda, oferta e infraestrutura da IA ​​industrial coexistem em uma única região. No entanto, ainda não foi identificado um ambiente de execução público que conecte esses elementos a um único Resultado de Fábrica. Ainda há espaço para avaliar a interconectividade antes que as estruturas operacionais de cada elemento se consolidem individualmente entre 2026 e 2028.  Atualmente, a oportunidade reside em determinar a taxa de conversão de fábrica de ativos já integrados, em vez de adicionar ativos de IA.

As indústrias automotiva, naval e petroquímica geram dados em larga escala sobre qualidade, equipamentos, segurança e energia. Ulsan não é uma região carente de problemas industriais reais necessários para o aprendizado de IA. No entanto, o aprendizado colaborativo regional não está sendo consolidado devido a diferenças em segredos comerciais e padrões de dados. À medida que as estruturas de dados específicas de cada empresa se tornarem mais sofisticadas nos próximos dois a três anos, os custos de disseminação de modelos comuns para empresas parceiras aumentarão.  Atualmente, a oportunidade reside em avaliar a viabilidade do aprendizado conjunto a partir de dados de processos existentes, em vez de criar novos dados.

A expansão do orçamento nacional para a indústria AX e o aumento do apoio às PMEs em Ulsan ocorreram simultaneamente. Uma estrutura em que o financiamento externo e local aumenta simultaneamente proporciona as condições para absorver os custos fixos iniciais da produção de IA. No entanto, os dados relativos à sobreposição de projetos, lacunas nos processos e vinculação de desempenho ainda não foram confirmados. Após o período de expansão fiscal de 2026-2028, poderá tornar-se difícil garantir novamente investimentos em demonstração e infraestrutura da mesma magnitude.  Atualmente, a oportunidade reside numa fase de expansão fiscal em que diversas fontes de financiamento possam ser vinculadas à produção, em vez da escala dos subsídios.

Embora o boom da construção naval, as transições de produtos automotivos e as pressões de reestruturação petroquímica representem situações industriais distintas, todas exigem a reformulação dos dados de processo e da produtividade. Ulsan possui um portfólio de manufatura que permite a comparação de demonstrações específicas para cada setor, em vez de uma única política de IA de propósito geral. Indicadores de desempenho comuns entre os setores ainda não foram identificados. Se as transições específicas de cada setor prosseguirem nos próximos dois a três anos, a oportunidade inicial de aprender com as evidências de sucesso e fracasso mútuos desaparecerá.  Atualmente, a oportunidade não é determinada pelo agrupamento dos três setores sob a mesma tecnologia, mas sim pelo período de tempo durante o qual eles podem ser comparados com base no mesmo resultado.

Tempo de execução Industrial AX

Linha de base do processo → Coleta de dados → Demonstração de IA → Aplicação na linha de produção → Resultados em qualidade, paradas, custos, segurança e energia → Replicação de fornecedores → Receita recorrente → Competitividade industrial → Próximo processo

Lacuna de evidências entre aceleração da infraestrutura e transformação da fábrica

A declaração de Ulsan como cidade da IA ​​gerou resultados tangíveis por meio de investimentos em organização, talentos, demonstração, finanças e centros de dados.

As mudanças em produtividade, qualidade, segurança e energia no nível da fábrica não se refletiram em toda a cidade.

O risco atual não é a falta de investimento em IA, mas sim uma estrutura em que investimentos em larga escala não transitam das fases de demonstração e infraestrutura para a produção em larga escala.

O período de 2026 a 2028 é quando a taxa de conversão de fábricas, e não o nome da cidade com IA, determina o status real de Ulsan.

O resultado final é a Lacuna de Evidências entre Aceleração da Infraestrutura e Transformação da Fábrica.

1. Número total de fábricas em Ulsan
2. Número total de processos de produção por setor
3. Taxa de coleta de dados do processo
4. Taxa de aplicação de IA em fábricas e processos
5. Diferença entre Automação e Aplicação de IA
6. Proporção entre processos recomendados por IA e processos de controle autônomo.
7. Número de inícios e fins de PoC em campo
8. PoC → Taxa de Conversão de Produção
9. Taxa de retenção de 12 meses após a implementação em produção
10. Diferentes taxas de replicação de fábrica do mesmo modelo
11. Tempo de inatividade do equipamento antes e depois da aplicação de IA
12. Taxas de defeitos e retrabalho antes e depois da aplicação de IA
13. Tempo de produção antes e depois da aplicação de IA
14. Intensidade energética antes e depois da aplicação de IA
15. Acidentes e quase acidentes de segurança antes e depois da aplicação de IA
16. Grande empresa – Projeto conjunto de IA com empresa parceira
17. Taxa de aplicação de IA por parceiro
18. Montante do apoio AX para PMEs, empresas beneficiárias e resultados.
19. Número de empresas de manufatura em Ulsan que utilizam centros de dados
20. Custos computacionais e tempo de processamento das empresas de manufatura
21. Taxa de emprego de profissionais de IA em empresas de Ulsan
22. Taxas de permanência local de talentos em IA após 1 e 3 anos
23. Taxa contratual paga por startups a grandes corporações
24. Receita recorrente e investimento subsequente em empresas de IA industrial
25. Retornos dos resultados da fábrica em comparação com o investimento em IA

Lacuna de dados: Em evidências públicas, não está confirmado se o modelo Ulsan Manufacturing AX Runtime, que conecta data center de IA, talentos, startups, finanças → demonstração em campo → aplicação na linha de produção → produtividade, qualidade, segurança, energia → difusão por parceiros → receita recorrente da empresa de IA, está vinculado à mesma fábrica/projeto e cronograma.

Cadeia de tempo de execução

Computação, Talento, Dados de Processo → Prova de Conceito → Produção → Resultados da Fábrica → Expansão da Cadeia de Suprimentos → Receita Recorrente → Produtividade Industrial → Competitividade Global da Manufatura

Fonte · Verificação

• Ulsan Metropolitan City promove Ulsan como capital da IA
• A cidade metropolitana de Ulsan investe em um centro de dados de IA da SK-AWS.
• Zona Especial de Oportunidades e Desenvolvimento de Data Centers de IA na Cidade Metropolitana de Ulsan
• Cidade Metropolitana de Ulsan, Convergência Industrial, Startup de IA, Talentos e Estratégia de Demonstração em Campo
• Cidade Metropolitana de Ulsan, Plano 2026 para o Fomento das PMEs e a Promoção da Inovação
• Centro de Controle Integrado do Complexo Industrial Verde Inteligente da Cidade Metropolitana de Ulsan
• Cidade Metropolitana de Ulsan, Plano de Cidade Inteligente 2022–2026
• Ministério do Comércio, Indústria e Energia amplia investimento em fábricas industriais com inteligência artificial e automação direcional.
• Ministério do Comércio, Indústria e Energia, Nova Política Industrial para a Era da Inteligência Artificial
• Cidade Metropolitana de Ulsan, Status da População de Ulsan em maio de 2026

Principais conclusões estruturais resultantes desta análise.

Os data centers de IA produzem computação, enquanto as fábricas produzem produtividade. O simples fato de as duas instalações estarem localizadas na mesma cidade não traduz computação em produtividade. A computação do data center se converte em valor de manufatura somente quando os direitos, a segurança, os custos e a latência dos dados da fábrica são integrados ao sistema de manutenção local dos modelos de IA.

A característica estrutural de Ulsan não reside na falta de demanda por IA, mas no fato de que essa demanda está aprisionada dentro das empresas. Embora as indústrias automotiva, naval e petroquímica gerem vastas quantidades de dados, se não conseguirem transcender as fronteiras corporativas e setoriais, os fornecedores de IA precisam criar novas Provas de Conceito (PoCs) a cada vez, e as empresas parceiras arcam repetidamente com os mesmos custos de transição.

Portanto, a principal ideia estrutural da cidade de IA de Ulsan é que a agregação de computação e a agregação de aprendizado são diferentes . Enquanto os data centers reúnem computação em um só lugar, o aprendizado industrial não é agregado a menos que testes, falhas e resultados específicos de cada fábrica sejam reutilizados. O que Ulsan precisa garantir não é o título de maior instalação de IA, mas a velocidade com que o aprendizado de uma fábrica se propaga para a próxima.

Tese do Tempo de Ouro — O ponto em que Ulsan se tornará uma cidade global de IA não será o dia em que o centro de dados de IA estiver concluído. Será o dia em que a Prova de Conceito (PoC) de uma fábrica entrar em produção e seus resultados forem replicados para aprimorar o controle de defeitos, reduzir paralisações, diminuir custos e aumentar a segurança em outras fábricas e empresas parceiras. Se esse caminho de replicação não for estabelecido entre 2026 e 2028, Ulsan ficará apenas com uma infraestrutura computacional massiva e inúmeras demonstrações de IA, mas a velocidade de aprendizado de toda a indústria manufatureira não mudará.