알림 목록

Khu vực phân tích:  Thành phố thủ đô Ulsan

Khu vực cốt lõi:  Buk-gu, Dong-gu, Nam-gu, Ulju-gun

Chương trình nghị sự: Sự sẵn sàng, sự lan tỏa và khoảng cách lợi nhuận của AX giữa các tập đoàn lớn và nhà cung cấp địa phương

Loại thời điểm vàng: Rủi ro phân cực AX chuỗi cung ứng

Ngày tham chiếu: 28/08/2026

Phiên bản: Regional AX Golden Time Intelligence v3.2
 

Hyundai Motor đang mở rộng các nhà máy được định nghĩa bằng phần mềm, kết hợp trí tuệ nhân tạo (AI), robot và mô hình kỹ thuật số, trong khi HD Hyundai đang theo đuổi FOS với mục tiêu cải thiện năng suất đóng tàu lên 30% và rút ngắn thời gian xây dựng 30% vào năm 2030. Mặc dù đơn vị cạnh tranh trong ngành sản xuất của Ulsan đã chuyển từ các cơ sở riêng lẻ sang hệ thống vận hành dữ liệu và AI cho toàn bộ nhà máy, nhưng tỷ lệ áp dụng AI và mức độ kết nối dữ liệu quy trình của các nhà cung cấp vẫn chưa được công bố ở cấp khu vực. Nếu tiêu chuẩn giao hàng của các nhà thầu chính chuyển sang dữ liệu chất lượng, carbon và giao hàng theo thời gian thực trong giai đoạn 2026-2028, các nhà cung cấp không thể thích ứng sẽ rút khỏi các mối quan hệ kinh doanh bất kể năng lực sản xuất của họ.  Khoảng cách AX ở Ulsan đã vượt ra ngoài khoảng cách công nghệ và bước vào giai đoạn quyết định sự tồn tại của chuỗi cung ứng.

Chính phủ đã mở rộng ngân sách cho công nghệ AI trong công nghiệp năm 2026 từ 565,1 tỷ won năm 2025 lên 1,1347 tỷ won, đồng thời tăng ngân sách cho nhà máy AI từ 158,2 tỷ won lên 220 tỷ won. Mặc dù trọng tâm của chính sách sản xuất đã chuyển từ việc triển khai các nhà máy thông minh sang mở rộng sản xuất tự động bằng AI, nhưng tính đến năm 2024, cả nước chỉ có 26 nhà máy sản xuất tự động bằng AI. Nếu việc triển khai tiếp tục tập trung vào các công ty hàng đầu trong hai đến ba năm tới, sẽ vẫn còn khoảng cách giữa việc mở rộng ngân sách và việc áp dụng thực tế bởi các công ty đối tác địa phương.  Trong khi đầu tư vào công nghệ AI trong nước đã tăng tốc, việc mở rộng tại chỗ ở các công ty đối tác vẫn đang ở giai đoạn đầu.

Trong Chiến lược AI Sản xuất năm 2025, Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp đã đề ra mục tiêu thành lập 12.000 nhà máy thông minh tập trung vào AI để đạt tỷ lệ ứng dụng AI 10% trong các công ty sản xuất vừa và nhỏ. Bản thân mục tiêu chính sách này cho thấy mức độ sử dụng AI hiện tại trong ngành sản xuất còn thấp, và tỷ lệ ứng dụng được tính riêng cho các công ty đối tác tại Ulsan vẫn chưa được kiểm chứng. Nếu số lượng công ty áp dụng vẫn chỉ chiếm thiểu số trong tổng số ngay cả trong giai đoạn 2026-2028, khoảng cách giữa tốc độ chuyển đổi AI của các nhà thầu chính và tốc độ chuyển đổi trung bình của chuỗi cung ứng sẽ ngày càng nới rộng. Do đó, việc ứng dụng AI trong  ngành sản xuất được đánh giá là đang ở giai đoạn phổ biến ban đầu chứ không phải giai đoạn ứng dụng đại trà.

Các tập đoàn lớn sở hữu dữ liệu độc quyền và đội ngũ nhân viên AI kết nối thiết kế, mua sắm, sản xuất, hậu cần, sản phẩm và quản lý. Mặc dù các công ty đối tác trao đổi thông tin về đơn đặt hàng và chất lượng thông qua hệ thống của nhà thầu chính, nhưng mức độ lưu trữ dữ liệu độc lập, phân tích và vận hành mô hình của họ không được tiết lộ. Nếu AI của nhà thầu chính được áp dụng vào việc lựa chọn đối tác và đánh giá đơn giá/giao hàng trong vòng hai đến ba năm, các công ty thiếu khả năng sản xuất dữ liệu sẽ phải chịu sự đánh giá nhưng sẽ bị cấm truy cập vào các mô hình đánh giá.  Rất có thể các tập đoàn lớn sẽ đóng vai trò là nhà điều hành của AX, trong khi phần lớn các công ty đối tác sẽ chỉ đơn thuần là nhà cung cấp dữ liệu AX.

Ngành sản xuất ô tô, đóng tàu và hóa dầu của Ulsan hoạt động theo cấu trúc mà các nhà máy lớn thuộc tập đoàn và các nhà thầu phụ nhiều cấp cùng chia sẻ quy trình, giao hàng, bảo trì và hậu cần. Mặc dù khả năng cạnh tranh của sản phẩm hoàn thiện phụ thuộc vào thời gian giao hàng và chất lượng của toàn bộ chuỗi cung ứng, nhưng đầu tư vào trí tuệ nhân tạo (AI) ban đầu lại được thúc đẩy bởi các nhà thầu chính, nơi tập trung vốn, dữ liệu và nhân lực. Mức độ hiệu quả hoạt động (AX) ở mỗi giai đoạn của nhà thầu phụ và vị trí của các công ty gây tắc nghẽn không được tiết lộ. Nếu mạng lưới nhà thầu phụ cấp thấp hơn không được kết nối vào năm 2028, tăng trưởng năng suất nội bộ trong các tập đoàn lớn sẽ bị hạn chế bởi sự biến động của việc mua sắm bên ngoài.  Đơn vị thực tế của hiệu quả hoạt động sản xuất (AX) của Ulsan không phải là nhà máy thuộc tập đoàn lớn mà là chuỗi cung ứng nhiều cấp, và đơn vị đo lường hiện tại còn hẹp hơn thế.

Doanh thu của các công ty đối tác gắn liền với những thay đổi trong khối lượng sản xuất, loại xe, loại tàu và kế hoạch bảo trì của nhà thầu chính. Không có bằng chứng công khai nào về cách thức phân bổ lợi ích năng suất thu được từ các khoản đầu tư vào công nghệ AX cho các công ty đối tác—cho dù thông qua đơn giá, khối lượng hay hợp đồng dài hạn. Nếu lợi nhuận tập trung vào nhà thầu chính trong hai đến ba năm trong khi chi phí đầu tư do các công ty đối tác gánh chịu, thì rủi ro không thu hồi được vốn đầu tư sẽ tăng lên đối với các công ty chuyển đổi sang công nghệ AX.  Khoảng cách AX ở Ulsan có thể mở rộng do cấu trúc phân phối lợi ích năng suất hơn là quyền sở hữu công nghệ.

Hyundai Motor đang tích hợp các cơ sở sản xuất, robot hậu cần, kiểm tra chất lượng và mô hình kỹ thuật số, đồng thời mở rộng hệ thống sản xuất xe tự hành (SDV) và điện khí hóa. Mặc dù cạnh tranh trong ngành ô tô đã chuyển từ chất lượng lắp ráp sang tích hợp phần mềm, pin và dữ liệu điều khiển điện tử, doanh số bán phần mềm và tỷ lệ chuyển đổi điện khí hóa đối với các nhà cung cấp phụ tùng động cơ đốt trong khu vực vẫn chưa được xác nhận. Nếu cấu hình phụ tùng cho các mẫu xe mới được cố định trong khoảng thời gian từ năm 2026 đến năm 2028, cơ hội chuyển đổi cho các nhà cung cấp phụ tùng hiện tại sẽ bị trì hoãn cho đến nền tảng tiếp theo.  Giai đoạn AX (Công nghệ tiên tiến trong ngành ô tô) đối với xe hoàn chỉnh đang trong giai đoạn tăng tốc, trong khi giai đoạn AX đối với chuỗi cung ứng phụ tùng hiện có là giai đoạn mà sự sống còn của từng công ty đang bị đe dọa.

Xe điện và xe tự lái (SDV) đi kèm với việc giảm số lượng linh kiện và tăng tỷ lệ linh kiện điện tử và phần mềm. Trong khi nhu cầu về linh kiện cơ khí do các đối tác hiện tại cung cấp đang giảm và các tiêu chuẩn về gửi dữ liệu, truy xuất nguồn gốc và an ninh mạng ngày càng được nâng cao, vẫn chưa có chỉ số tích hợp nào để đánh giá sự sẵn sàng của các nhà cung cấp linh kiện Ulsan. Nếu việc giảm số lượng linh kiện trùng với chi phí chứng nhận kỹ thuật số trong vòng hai đến ba năm tới, cả doanh thu và khả năng đầu tư sẽ bị thu hẹp, bắt đầu từ các doanh nghiệp siêu nhỏ.  Khoảng cách đối với các nhà cung cấp ô tô không chỉ bao gồm tự động hóa nhà máy mà còn cả nguy cơ chính các mặt hàng được cung cấp trở nên lỗi thời.

HD Hyundai đang thúc đẩy FOS, bao gồm thiết kế AI, mô hình kỹ thuật số song sinh, robot và các chuyên gia lành nghề. Mặc dù sản xuất đóng tàu đã chuyển từ sự phối hợp tại chỗ của công nhân lành nghề sang dự đoán dựa trên dữ liệu và vận hành tự động, nhưng chưa có bằng chứng xác nhận về hoạt động AI độc lập của các nhà thầu phụ trong các công đoạn lắp ghép khối, đường ống, hàn và sơn. Nếu chỉ có quy trình của nhà thầu chính được thông minh hóa vào năm 2028, thì sự khác biệt về chất lượng do công việc thủ công của nhà thầu phụ gây ra vẫn sẽ là nút thắt cổ chai trong toàn bộ giai đoạn xây dựng.  Danh mục AX của các công ty đóng tàu lớn rất toàn diện, trong khi AX của các mạng lưới hợp tác khu vực lại chưa được kết nối đầy đủ.

Ngành đóng tàu đang bổ sung lực lượng lao động sản xuất thông qua việc mở rộng lao động nước ngoài và đào tạo tại chỗ. Mặc dù cơ cấu lực lượng lao động đã chuyển sang các nhóm làm việc đa quốc gia, nhưng tỷ lệ các nhà thầu phụ vận hành các tiêu chuẩn công việc, video và dữ liệu chất lượng trong một hệ thống kỹ thuật số đa ngôn ngữ vẫn chưa được xác nhận. Nếu sự ra đi của các công nhân lành nghề trùng hợp với sự luân chuyển lực lượng lao động trong khoảng thời gian từ hai đến ba năm, thì rủi ro liên quan đến việc làm lại, an toàn và thời gian giao hàng sẽ tăng lên trước tiên đối với các công ty thiếu nền tảng kiến ​​thức kỹ thuật số.  Khoảng cách AX giữa các nhà thầu phụ đóng tàu là kết quả của sự kết hợp giữa tình trạng thiếu lao động và việc không thể sao chép kỹ năng.

Các công ty hóa dầu lớn ở Ulsan từ lâu đã vận hành các hệ thống điều khiển phân tán, tối ưu hóa quy trình và công nghệ bảo trì dự đoán. Mặc dù Process AX đã phát triển đến giai đoạn tích hợp năng suất, năng lượng và bảo trì, phạm vi kết nối dữ liệu cho các nhà thầu phụ tham gia vào bảo trì, kiểm tra, hậu cần và quản lý môi trường vẫn chưa được tiết lộ. Khi việc thu hẹp cơ sở vật chất và tái cấu trúc kinh doanh diễn ra từ năm 2026 đến năm 2028, các nhà thầu phụ phụ thuộc vào hệ thống của nhà thầu chính sẽ đồng thời phải đối mặt với việc giảm số lượng khách hàng và không thu hồi được khoản đầu tư vào AX. Khoảng trống đối với các nhà thầu phụ hóa dầu không nằm ở việc áp dụng công nghệ, mà nằm ở việc thiếu khả năng hiển thị dữ liệu liên quan đến quá trình tái cấu trúc của nhà thầu chính.

Các tiêu chuẩn cạnh tranh đối với sản phẩm hóa chất đã mở rộng từ giá cả và chất lượng sang bao gồm cả lượng khí thải carbon và khả năng truy xuất nguồn gốc nguyên liệu thô. Mặc dù các tập đoàn lớn có khả năng xây dựng thông tin về carbon ở cấp độ sản phẩm, nhưng việc xác minh toàn bộ chuỗi cung ứng không thể hoàn tất nếu không tích hợp dữ liệu phát thải từ các công ty vận chuyển, bảo trì và xử lý chất thải. Nếu các tiêu chuẩn xác minh của khách hàng được thắt chặt trong vòng hai đến ba năm tới, các nhà cung cấp không có dữ liệu sẽ bị phân loại là rủi ro trong chuỗi cung ứng bất kể lượng khí thải thực tế của họ.  Khoảng cách dữ liệu carbon đang chuyển từ đánh giá môi trường sang sự chênh lệch trong tiêu chuẩn giao dịch.

Dự án triển khai nhà máy thông minh đã mở rộng quản lý sản xuất, kết nối thiết bị và thu thập dữ liệu chất lượng đến các cơ sở sản xuất vừa và nhỏ. Tuy nhiên, trí tuệ nhân tạo trong sản xuất (AI) đòi hỏi chất lượng dữ liệu thu thập được, thời gian tích lũy và tiêu chuẩn hóa quy trình, và khả năng dự đoán tự động không thể chỉ được hình thành thông qua kết nối thiết bị. Tỷ lệ sử dụng thực tế của các nhà máy thông minh Ulsan và tỷ lệ vận hành mô hình AI không được tách biệt trong dữ liệu công khai. Nếu số hóa cơ bản và hoạt động AI được tính là cùng một thành tựu trong giai đoạn 2026-2028, thì khoảng cách trong lĩnh vực này sẽ biến mất khỏi số liệu thống kê.  Hồ sơ thực hiện nhà máy thông minh là bằng chứng về sự chuẩn bị cho AX, nhưng không phải là bằng chứng về hoạt động của AX.

Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp đề xuất tỷ lệ sử dụng nhà máy thông minh đạt 85% và mở rộng các nhà máy thông minh tích hợp trí tuệ nhân tạo (AI) cho Dự án Đổi mới Sản xuất Thông minh năm 2026. Mặc dù các tiêu chuẩn chính sách đã chuyển từ số lượng triển khai sang tỷ lệ sử dụng và hiệu suất AI, nhưng các hệ thống không hoạt động, mất dữ liệu và sự phụ thuộc vào bảo trì của nhà cung cấp đối với các công ty Ulsan vẫn chưa được xác nhận. Nếu tỷ lệ sử dụng hệ thống vẫn thấp trong hai đến ba năm, việc đầu tư thêm vào AI sẽ làm trầm trọng thêm các lỗi trong dữ liệu hiện có.  Đối với công ty đối tác AX của Ulsan, khoảng cách lớn nhất nằm ở mức độ sử dụng thực tế của nhà máy thông minh hiện có chứ không phải ở mô hình AI.

Các tập đoàn lớn sở hữu dữ liệu về thiết kế, sản xuất, chất lượng và khách hàng cho các sản phẩm xe cộ, tàu thuyền và hóa chất hoàn chỉnh trong suốt vòng đời của chúng. Mặc dù việc các nhà cung cấp chỉ sở hữu dữ liệu cho các quy trình mà họ chịu trách nhiệm hoặc nhập dữ liệu đó vào hệ thống của nhà thầu chính mà không có quyền sử dụng lại là điều phổ biến, nhưng quyền sở hữu dữ liệu theo hợp đồng lại không được tiết lộ. Nếu một hệ thống AI được đào tạo trên dữ liệu của nhà thầu chính trong hai đến ba năm thay thế việc ra quyết định sản xuất, các nhà cung cấp sẽ mất đi nền tảng học tập cần thiết để xây dựng các mô hình của riêng họ. Cốt lõi của khoảng trống Ulsan AX nằm ở khả năng truy cập dữ liệu công nghiệp, chứ không phải ở số lượng máy chủ được nắm giữ.

Các nhà thầu chính có thể lựa chọn nhà cung cấp tối ưu bằng cách so sánh dữ liệu về chất lượng và giao hàng từ nhiều nhà thầu phụ. Tuy nhiên, các nhà thầu phụ riêng lẻ lại thiếu quyền truy cập vào dữ liệu so sánh và dự báo nhu cầu mà các nhà thầu chính nắm giữ, và chỉ dựa vào các đơn đặt hàng trước đó để đầu tư cơ sở vật chất và phân bổ nhân lực. Nếu tình trạng bất đối xứng thông tin này kéo dài đến năm 2028, độ chính xác của các dự báo của nhà thầu chính sẽ tăng lên, trong khi rủi ro liên quan đến hàng tồn kho và cơ sở vật chất nhàn rỗi đối với các nhà thầu phụ sẽ gia tăng.  Đã có bằng chứng xác nhận rằng trí tuệ nhân tạo (AI) trong chuỗi cung ứng có tiềm năng làm trầm trọng thêm sự bất đối xứng về sức mạnh thương lượng hơn là tạo điều kiện thuận lợi cho việc tối ưu hóa chung.

Các tập đoàn lớn tại Ulsan đang theo đuổi thiết kế AI, mô hình song sinh kỹ thuật số, robot và bảo trì dự đoán trong các ngành công nghiệp ô tô, đóng tàu và hóa dầu. Mặc dù phạm vi ứng dụng công nghệ đã mở rộng bao trùm mọi khía cạnh hoạt động của doanh nghiệp, nhưng tỷ lệ áp dụng AI, tỷ lệ sử dụng và quy mô đầu tư của các công ty đối tác chưa được xác minh bằng số liệu thống kê khu vực. Nếu khoảng cách này không được đo lường trong vòng hai đến ba năm tới, sẽ không thể xác định liệu các mục tiêu hỗ trợ có phù hợp với các điểm nghẽn trong chuỗi cung ứng hay không.  Mức độ sẵn sàng của các tập đoàn lớn được xếp loại là "tiên tiến", trong khi đó của các công ty đối tác là "số hóa một phần" hoặc "chưa được xác nhận về AI".

Mục tiêu chính sách trong tương lai là đạt tỷ lệ ứng dụng AI 10% trong các công ty sản xuất vừa và nhỏ, và đến năm 2024, cả nước đã có 26 nhà máy sản xuất tự động sử dụng AI. Mặc dù điều này cho thấy cơ sở hạ tầng hiện tại đang tập trung vào một vài công ty hàng đầu, nhưng sự phân bố các công ty đối tác của Ulsan theo ngành nghề và quy mô lại không được tiết lộ. Nếu việc ứng dụng AI vẫn tập trung vào các đối tác hàng đầu vào năm 2028, mức độ sẵn sàng của mạng lưới các công ty cấp thấp hơn sẽ không thay đổi.  Mức độ sẵn sàng trung bình của chuỗi cung ứng được đánh giá là thấp hơn đáng kể so với các tập đoàn lớn hàng đầu.

Ứng dụng trí tuệ nhân tạo (AI) và robot của các tập đoàn lớn được thấy rõ trong sản xuất, kiểm tra, hậu cần và thiết kế. Mặc dù ứng dụng đã mở rộng ra ngoài các quy trình riêng lẻ đến hệ thống vận hành nhà máy, nhưng mức độ lan rộng của công nghệ này đến các nhà máy đối tác vẫn chưa được xác nhận. Nếu sự lan tỏa chỉ tiếp tục trong các nhà máy của nhà thầu chính trong hai đến ba năm, sự khác biệt về tốc độ xử lý chuỗi cung ứng sẽ tạo ra các nút thắt cổ chai trong khâu giao hàng. Mặc dù  sự lan tỏa nội bộ trong các tập đoàn lớn đã có tiến triển, nhưng sự lan tỏa giữa các công ty vẫn chưa được xác nhận.

Chính phủ đặt mục tiêu có hơn 500 nhà máy sản xuất tự động sử dụng trí tuệ nhân tạo (AI) vào năm 2030, nhưng tính đến năm 2024, chỉ có 26 nhà máy như vậy. Khoảng cách về quy mô giữa mục tiêu mở rộng và cơ sở hạ tầng hiện tại là khoảng 19 lần, và khối lượng được phân bổ và lựa chọn cho Ulsan vẫn chưa được xác nhận. Vì hai đến ba năm tới sẽ là giai đoạn mở rộng ban đầu để đạt được mục tiêu, khoảng cách đối với các công ty bị loại khỏi các dự án hàng đầu sẽ ngày càng nới rộng. Mặc dù việc mở rộng các nhà máy AI đã bắt đầu, nhưng vẫn chưa đạt đến giai đoạn bao trùm toàn bộ mạng lưới hợp tác Ulsan.

Các tập đoàn lớn sở hữu các tổ chức chuyên trách về trí tuệ nhân tạo (AI) và mạng lưới hợp tác với các công ty công nghệ, trường đại học và các công ty nền tảng toàn cầu bên ngoài. Mặc dù một cuộc khảo sát của Cơ quan Xã hội Thông tin Quốc gia (NIA) đã xác nhận rằng các doanh nghiệp vừa và nhỏ (SME) gặp khó khăn trong việc tiếp thu các công nghệ mới nhất, tuyển dụng nhân sự chuyên môn và tích hợp chúng vào lĩnh vực sản xuất, nhưng số lượng nhân sự chuyên trách về AI tại các công ty đối tác ở Ulsan lại không được tiết lộ. Nếu tình trạng thiếu hụt nhân lực này kéo dài từ hai đến ba năm, tốc độ cải tiến mô hình và khả năng phản hồi lỗi sẽ khác nhau ngay cả khi áp dụng cùng một giải pháp.  Khoảng cách về nguồn nhân lực ở Ulsan xuất phát từ sự hiện diện của một tổ chức có khả năng vận hành AI liên tục, chứ không phải từ chi phí triển khai.

Kiến thức chuyên môn tại chỗ ở các công ty đối tác tập trung chủ yếu ở các CEO, quản lý nhà máy và công nhân lành nghề. Mặc dù tình trạng già hóa lực lượng lao động và sự gia tăng lao động nước ngoài đang diễn ra, tỷ lệ các công ty đã tích lũy kiến ​​thức chuyên môn thành dữ liệu, quy tắc và mô hình vẫn chưa được xác nhận. Nếu tốc độ mất đi lao động lành nghề nhanh hơn tốc độ hình thành các tổ chức AX vào năm 2028, thì nguồn kiến ​​thức cần thiết cho quá trình số hóa sẽ bị mất đi trước tiên.  Rủi ro về thời gian đối với AX ở các công ty đối tác được cấu trúc theo hướng thiếu hụt nhân tài AI và sự biến mất của kiến ​​thức sản xuất xảy ra đồng thời.

Các tập đoàn lớn sở hữu quy mô và dữ liệu để đạt được mục tiêu giảm chi phí tích hợp trong năng suất, chất lượng, tồn kho và năng lượng thông qua trí tuệ nhân tạo (AI). Mặc dù các nhà cung cấp chịu chi phí triển khai, nhưng các trường hợp mà lợi ích về năng suất được phản ánh trong giá đơn vị, khối lượng hoặc thời hạn hợp đồng không được xác nhận ở cấp khu vực. Nếu cấu trúc chia sẻ lợi nhuận không được thiết lập trong vòng hai đến ba năm, tính khả thi về kinh tế của đầu tư vào trí tuệ nhân tạo sẽ khác nhau giữa các nhà thầu chính và nhà cung cấp. Do đó,  sự lan tỏa lợi nhuận từ trí tuệ nhân tạo trong chuỗi cung ứng được đánh giá là ở giai đoạn thấp hơn so với sự lan tỏa công nghệ.

Mặc dù việc hỗ trợ các nhà máy thông minh và trí tuệ nhân tạo trong sản xuất giúp giảm bớt một số chi phí triển khai, nhưng chi phí bảo trì, tinh chỉnh dữ liệu và cập nhật mô hình vẫn phát sinh định kỳ. Hiện thiếu dữ liệu công khai về tỷ lệ vận hành độc lập và thời gian hoàn vốn sau khi kết thúc hỗ trợ. Khi chi phí thay thế hệ thống và phí đăng ký tích lũy từ năm 2026 đến năm 2028, các nhà cung cấp có lợi nhuận thấp sẽ buộc phải lựa chọn ngừng hoạt động hoặc phụ thuộc vào các nhà cung cấp bên ngoài.  Hệ thống quản lý khách hàng (Supplier AX) dễ bị tổn thương về cấu trúc doanh thu có thể bù đắp chi phí định kỳ, thay vì chi phí ban đầu.

Việc tái cấu trúc ngành ô tô SDV và điện khí hóa, đóng tàu FOS và kinh doanh hóa dầu đều nằm trong kế hoạch thay đổi cấu hình chuỗi cung ứng từ năm 2026 đến năm 2028. Mặc dù quá trình chuyển đổi sản phẩm và quy trình của nhà thầu chính diễn ra trước quá trình đầu tư và chuyển đổi nhân sự của nhà thầu phụ, nhưng thời gian phản hồi của mỗi công ty không được tiết lộ. Sau khi việc tái cấu trúc các loại xe, loại tàu và cơ sở vật chất hoàn tất, sẽ không còn đủ thời gian để chứng nhận nhà cung cấp mới và thu hồi vốn đầu tư.  "Thời điểm vàng" cho các nhà thầu phụ của Ulsan kết thúc không phải khi nhà thầu chính hoàn thành kế hoạch tái cấu trúc (AX), mà là trước khi chuỗi cung ứng được lựa chọn lại.

Mặc dù ngân sách dành cho AX của chính phủ đã được mở rộng, nhưng việc hỗ trợ cho các nhà máy AI và sự phát triển của chúng lại tập trung vào một số ít công ty được lựa chọn kỹ lưỡng. Nếu các công ty hàng đầu liên tục được chọn trong vòng hai đến ba năm, dữ liệu và hiệu suất sẽ tích lũy lại tại các công ty dẫn đầu này, và khoảng cách với các công ty không áp dụng sẽ ngày càng nới rộng theo cấp số nhân. Sau khi dự án kết thúc, các công ty tham gia muộn phải bắt đầu từ một trình độ công nghệ cao hơn. Rủi ro về thời gian liên quan đến việc hỗ trợ AX nằm ở chỗ chính khoảng thời gian không được chọn sẽ tích lũy thành khoảng cách cạnh tranh.

Độ chính xác của các mô hình AI được cải thiện khi dữ liệu về sản xuất, lỗi và bảo trì được tích lũy. Nếu các tập đoàn lớn và nhà cung cấp hàng đầu thiết lập hệ thống lưu thông dữ liệu trước, các công ty đi sau sẽ phải gánh chịu gánh nặng của khoảng trống dữ liệu đào tạo kéo dài nhiều năm, ngoài chi phí trang bị thiết bị. Nếu việc tích lũy dữ liệu không bắt đầu trước năm 2028, sẽ rất khó để bắt kịp hiệu suất mô hình của các công ty hàng đầu chỉ bằng đầu tư vốn.  Khoảng cách AI trong sản xuất là một rủi ro không thể đảo ngược do việc tích lũy dữ liệu ngày càng mở rộng theo thời gian.

Chuỗi cung ứng kỹ thuật số của nhà thầu chính đánh giá chất lượng, thời gian giao hàng, lượng khí thải carbon và an ninh theo thời gian thực và tích hợp các kết quả này vào quá trình lựa chọn nhà cung cấp. Khi một công ty rời khỏi chuỗi cung ứng, họ sẽ mất khả năng đầu tư vào AX do doanh thu giảm và không thu thập được dữ liệu cần thiết để tái chứng nhận. Nếu việc rời đi xảy ra trong vòng hai đến ba năm, khoảng cách công nghệ và khoảng cách giao dịch sẽ củng cố lẫn nhau.  Thất bại của một công ty đối tác trong việc áp dụng AX không chỉ đơn thuần là thất bại trong việc áp dụng hệ thống; nó mang tính không thể đảo ngược, dẫn đến việc họ bị loại bỏ vĩnh viễn khỏi chuỗi cung ứng.

Đánh giá về khả năng thích ứng: Bước ngoặt của Ulsan Supply Chain AX là liệu các công ty đối tác có thể vượt qua mức độ cung cấp dữ liệu cho AI của nhà thầu chính và đồng thời đảm bảo quyền tái sử dụng dữ liệu, khả năng vận hành độc lập và lợi ích về năng suất hay không.

Công nghệ số hóa (AX) của các công ty lớn tại Ulsan được đánh giá là ở giai đoạn phát triển cao về đầu tư, dữ liệu, nhân sự và ứng dụng thực tiễn , trong khi AX của các công ty đối tác địa phương được đánh giá là ở giai đoạn sơ khai và chưa xác định, ngoại trừ số hóa cơ bản và một số công ty hàng đầu .

Khoảng cách hiện tại không chỉ đơn thuần là sự khác biệt về trình độ công nghệ. Đó là một cấu trúc bất đối xứng, trong đó các tập đoàn lớn đóng vai trò là những thực thể dự đoán và đánh giá chuỗi cung ứng, trong khi các công ty đối tác cung cấp dữ liệu của riêng họ nhưng lại thiếu thông tin so sánh và khả năng dự báo nhu cầu.

Nếu khoảng cách này tiếp tục kéo dài đến năm 2028, Ulsan rất có thể sẽ mất đi giá trị gia tăng và số lượng doanh nghiệp trong hệ sinh thái hợp tác khu vực thay vì đảm bảo khả năng cạnh tranh AX của các nhà máy lớn thuộc các tập đoàn.

Đánh giá thời điểm vàng: Tăng tốc AX doanh nghiệp + Rủi ro phân cực chuỗi cung ứng

Nguồn bằng chứng

• Bộ Thương mại, Công nghiệp và Năng lượng, Ngân sách và Mục tiêu xây dựng Nhà máy AX·AI công nghiệp năm 2026
• Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp, Chiến lược Đổi mới Sản xuất Thông minh 3.0 dựa trên Trí tuệ Nhân tạo
• Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp, Dự án Hỗ trợ Đổi mới Sản xuất Thông minh năm 2026
• NIA phân tích hiện trạng và những thách thức trong việc ứng dụng trí tuệ nhân tạo tại các công ty.
• NIA, Các biện pháp sử dụng trí tuệ nhân tạo vật lý để tăng cường khả năng cạnh tranh sản xuất trong nước
• Hệ thống quản lý kinh doanh nhà máy thông minh
• HD Hyundai thành lập xưởng đóng tàu tương lai FOS
• Bộ Thương mại, Công nghiệp và Năng lượng, Tiểu ban Khu công nghiệp AX và Cụm công nghiệp M.AX

Phân tích cấu trúc — Khi tập đoàn lớn AX thành công, tính độc lập của các nhà cung cấp của nó có thể suy yếu.

Trí tuệ nhân tạo (AI) trong các tập đoàn lớn học hỏi dữ liệu về giá cả, chất lượng, giao hàng và lỗi từ nhiều nhà cung cấp cùng một lúc. Khi dữ liệu tích lũy, các nhà thầu chính có thể dự đoán toàn bộ chuỗi cung ứng chính xác hơn và thay thế nhà cung cấp nhanh hơn. Ngược lại, các nhà cung cấp chỉ sở hữu dữ liệu của riêng họ hoặc không thể sử dụng độc lập ngay cả dữ liệu mà họ nhập vào hệ thống của nhà thầu chính.

Trong sự bất đối xứng này, khả năng kết nối kỹ thuật số của đối tác không đồng nghĩa với năng lực AX. Các công ty kết nối với nền tảng của nhà thầu chính tham gia vào việc tạo ra dữ liệu nhưng không thể tham gia vào quyền sở hữu mô hình, thông tin so sánh hoặc ra quyết định. Điều này tạo ra một nghịch lý, trong đó sự phụ thuộc vào nhà thầu chính tăng lên khi mức độ kết nối tăng lên.

Nếu trí tuệ nhân tạo (AI) của nhà thầu chính giúp tăng năng suất, thì việc vận hành một hệ thống giao hàng với ít nhà cung cấp hơn nhưng chính xác hơn sẽ mang lại lợi ích kinh tế. Nếu sự hỗ trợ AX từ các công ty đối tác không dẫn đến khả năng cạnh tranh độc lập, thì AI sẽ hoạt động như một cơ chế để chỉ chọn lọc những công ty xuất sắc thay vì phát triển toàn bộ chuỗi cung ứng.

Do đó, rủi ro cấu trúc ở Ulsan không chỉ nằm ở việc các công ty đối tác áp dụng AI muộn.  Rủi ro lớn hơn là sự củng cố một cấu trúc trong đó các công ty đối tác cung cấp nhiều dữ liệu hơn khi tham gia vào AX, nhưng khả năng dự đoán và khả năng thương lượng của họ lại không tăng lên.