알림 목록

Zone d'analyse :  ville métropolitaine d'Ulsan

Zones centrales :  Complexe industriel national de Mipo-Onsan, Nam-gu, Dong-gu, Buk-gu, Ulju-gun

Ordre du jour : Niveau de préparation des infrastructures énergétiques, informatiques, de données, de communication et de sécurité pour l’IA industrielle

Type de période d'or : Risque d'inadéquation infrastructure-accès

Date de référence : 28/08/2026

Version : Regional AX Golden Time Intelligence v3.2
 

Ulsan a été désignée région spécialisée dans l'énergie distribuée en 2025 et a présenté une structure commerciale combinant une centrale de cogénération de 300 MW et l'attrait d'un centre de données mondial dédié à l'IA de 100 MW. Bien que l'infrastructure électrique ait évolué, passant d'une utilisation pour la production industrielle à une structure prenant en charge le calcul pour l'IA, les centres de données et l'électrification industrielle, les calendriers d'investissement confirmés pour les centres de données, le raccordement au réseau et l'exploitation commerciale ne sont pas encore finalisés dans les données publiques. Tant que les contrats de capacité de raccordement et de demande pour 2026-2028 ne seront pas confirmés, les projets d'IA industrielle dépendront des ressources de calcul provenant de régions extérieures.  Si Ulsan est une ville qui a planifié un pôle énergétique pour l'IA, elle n'est pas encore un centre névralgique de l'IA industrielle opérationnel.

L'UNIST a été désignée Centre national de calcul haute performance en 2022 et mène des recherches en intelligence artificielle s'appuyant sur le supercalcul. Bien que l'infrastructure de calcul pour la recherche existe, le projet visant à doter la ville d'Ulsan de serveurs GPU de pointe supplémentaires, destinés à un usage partagé avec les entreprises, universités et écoles locales, n'a été évoqué que comme une proposition pour 2025. Si la capacité, le prix et la latence des GPU partagés pour un usage industriel continu ne sont pas finalisés dans les deux à trois prochaines années, l'écart de vitesse de développement de l'IA entre les grandes entreprises et les PME se creusera davantage. Si  les capacités de calcul pour la recherche à Ulsan sont confirmées, l'accès au calcul pour l'ensemble du secteur industriel régional reste incertain.

La zone spéciale de production d'électricité distribuée d'Ulsan a été conçue pour alimenter directement en électricité les entreprises pétrochimiques et les centres de données d'IA, grâce à la centrale de cogénération (CHP) de 300 MW de SK Multi-Utility. Bien que l'approvisionnement en électricité soit passé d'un achat unique par KEPCO à des transactions directes entre producteurs locaux et entreprises consommatrices, les volumes d'électricité contractés, les tarifs, les coûts du système et les chiffres définitifs pour ces dernières n'ont été divulgués que partiellement. Si les transactions directes ne sont pas mises en œuvre d'ici 2028, l'écart entre la création de la zone spéciale de production d'électricité distribuée et les réductions de coûts pour l'IA industrielle persistera.  L'accès institutionnel à l'électricité est désormais possible, mais l'accès économique reste à garantir.

Ulsan a proposé un modèle utilisant l'énergie frigorifique à -162 °C produite par les terminaux GNL pour refroidir les centres de données dédiés à l'IA. Si la concurrence entre ces centres s'est étendue de l'approvisionnement en électricité à la combinaison de l'énergie frigorifique avec la chaleur résiduelle, il manque des données concrètes concernant le volume d'énergie frigorifique disponible, la longueur des canalisations, les taux d'utilisation et les économies potentielles sur les coûts de refroidissement. À moins que les sites des centres de données et les réseaux d'approvisionnement en énergie frigorifique ne soient mis en place d'ici deux à trois ans, la différenciation technologique ne se traduira pas par une réelle compétitivité géographique.  L'intégration de l'énergie frigorifique constitue un atout concurrentiel pour Ulsan, mais sa viabilité économique reste à démontrer.

Le 11e Plan fondamental pour l'offre et la demande d'électricité a intégré les centres de données d'IA, les industries de haute technologie, l'électrification des transports et l'hydrogène dans la demande d'électricité supplémentaire, projetant une demande cible de 129,3 GW pour 2038. Bien que ce plan prévoie une expansion simultanée de la demande d'électricité, passant de la production industrielle existante au calcul d'IA et à l'électrification, la demande supplémentaire d'IA industrielle pour la région d'Ulsan en 2028 et la capacité de raccordement de chaque sous-station n'ont pas été divulguées. Si seuls des plans nationaux sont prévus pour deux à trois ans, tandis que la vérification du réseau régional est retardée, l'approvisionnement en électricité des sites souhaités sera impossible, même en présence d'une capacité de production suffisante.  Le déficit d'électricité d'Ulsan fait référence à la capacité de raccordement disponible à un moment et un endroit précis, et non à la capacité de production totale.

Ulsan concentre déjà une forte demande en électricité provenant d'industries telles que le raffinage du pétrole, la pétrochimie, l'automobile, la construction navale et la métallurgie des métaux non ferreux. Si l'électrification des industries existantes et l'ajout d'un centre de données de 100 MW rendront les conditions de pointe, de qualité de tension et d'alimentation de secours plus exigeantes que la moyenne, aucune simulation régionale pertinente n'a été publiée. Si la reprise industrielle et la demande en IA augmentent simultanément entre 2026 et 2028, le délai de renforcement du réseau sera plus long que le calendrier de lancement du projet. Bien  qu'Ulsan dispose d'une solide base industrielle énergétique, il n'est pas certain qu'elle puisse absorber sans difficulté la charge supplémentaire liée à l'IA.

La zone spéciale distribuée est une structure dans laquelle les entreprises énergétiques locales négocient directement avec les entreprises industrielles afin de proposer des tarifs d'électricité compétitifs. Bien que la compétitivité énergétique repose désormais non plus sur le simple raccordement au réseau, mais sur la gestion des prix à long terme et de la variabilité, les tarifs contractuels et les économies réalisées par rapport aux tarifs de KEPCO n'ont pas été divulgués. Si la supériorité des prix n'est pas confirmée d'ici deux à trois ans, les centres de données dédiés à l'IA privilégieront d'autres régions où l'accès à l'électricité, aux télécommunications et à la clientèle est déjà établi.  La compétitivité des prix de l'électricité à Ulsan est institutionnellement viable, mais reste à démontrer sur le marché.

La source d'énergie initiale de la zone spéciale distribuée est une centrale de cogénération de 300 MW. Une transition progressive vers une énergie décarbonée, basée sur les énergies renouvelables et l'hydrogène vert, a été proposée. Si les clients des centres de données dédiés à l'IA exigent, comme critères d'implantation, non seulement une capacité énergétique suffisante, mais aussi des engagements RE100 et une intensité carbone réduite, la part horaire d'énergie décarbonée fournie par Ulsan n'a pas été vérifiée. À moins de garantir simultanément un approvisionnement énergétique à la fois bon marché et bas carbone d'ici 2028, les conditions nécessaires à l'attraction des entreprises mondiales d'IA ne seront pas réunies.  Bien qu'Ulsan soit un site potentiel pour un approvisionnement énergétique stable, la ville n'est pas considérée comme un pôle énergétique décarboné pour l'IA.

L'UNIST dispose d'un centre spécialisé en supercalcul et en recherche en IA, capable de réaliser des analyses de données à grande échelle dans les secteurs de la construction navale, de la médecine et des sciences et technologies. Bien que les ressources informatiques s'étendent de la recherche universitaire au développement de l'IA pour l'industrie, le nombre de GPU, les tarifs d'utilisation et le nombre d'heures allouées aux PME locales ne sont pas communiqués. À moins qu'une infrastructure partagée ne soit mise en place d'ici deux à trois ans, les entreprises partenaires devront se contenter des services de cloud commercial ou d'équipements de petite taille.  Les capacités de calcul d'Ulsan sont importantes au niveau institutionnel, mais leur adéquation en tant que ressource commune régionale est limitée.

Le vaste projet de recherche en intelligence artificielle industrielle de l'UNIST, d'un montant de 40,3 milliards de wons coréens, destiné au secteur de la construction navale, englobe des modèles multimodaux, des plateformes d'apprentissage de données industrielles, des données synthétiques, l'optimisation des processus et l'IA embarquée. Si la demande en calcul a explosé, passant des modèles de prédiction individuels à l'entraînement de modèles industriels fondamentaux, le financement du fonctionnement permanent des GPU après le projet et la capacité d'expansion régionale restent à confirmer. Si les grands projets de recherche coïncident avec les besoins des entreprises entre 2026 et 2028, l'allocation des ressources sera concentrée sur les projets prioritaires.  À Ulsan, l'infrastructure de calcul en IA industrielle s'est développée au cas par cas et demeure incomplète.

Les industries automobile, navale et pétrochimique génèrent des quantités massives de données relatives à la conception, la qualité, les équipements, la maintenance et la logistique. Si le volume de données est suffisant, il est fragmenté par entreprise, usine et fournisseur, et les normes, autorisations et règles d'exportation nécessaires à l'apprentissage collaboratif ne sont pas accessibles au public. Si les données restent isolées au sein des entreprises pendant deux à trois ans, l'IA industrielle régionale ne peut exploiter que les données déjà détenues par chaque entreprise et ne parvient pas à identifier les goulots d'étranglement sur l'ensemble de la chaîne d'approvisionnement.  Ulsan n'est pas une ville dépourvue de données industrielles ; c'est plutôt une ville qui manque de données industrielles exploitables.

Le vaste projet d'intelligence artificielle de l'UNIST, consacré à la construction navale, constitue des ensembles de données et des plateformes d'entraînement à partir de données réelles fournies par HD Hyundai Heavy Industries et HD Korea Shipbuilding & Offshore Engineering. Si l'utilisation de données industrielles pour alimenter des modèles de recherche et faire l'objet de validations sur le terrain a été confirmée, leur réutilisation par d'autres entreprises de construction navale, des sous-traitants et les secteurs de l'automobile et de la chimie reste à vérifier. Si, d'ici 2028, les ensembles de données sont affectés exclusivement à des projets d'entreprises, ils deviendront des actifs propres à ces entreprises plutôt que des ressources régionales partagées.  L'utilisation des données industrielles a commencé, mais leur diffusion entre les entreprises demeure limitée.

Entre 2022 et 2025, le Centre de contrôle intégré du complexe industriel intelligent et écologique d'Ulsan a mis en place une plateforme de gestion intégrée, incluant des informations spatiales 3D et des liaisons de services. Bien que l'unité de gestion se soit étendue des usines individuelles aux espaces et installations du complexe, l'étendue de l'intégration en temps réel des données relatives aux processus de production, à l'énergie, à la logistique et à la sécurité reste confidentielle. Si la visualisation spatiale et le contrôle opérationnel sont dissociés au cours des deux à trois prochaines années, la plateforme se limitera à un simple écran de contrôle et son utilisation pour l'optimisation industrielle sera restreinte.  Malgré la création du jumeau numérique du complexe industriel d'Ulsan, son fonctionnement autonome n'est pas encore validé.

La ville d'Ulsan a mis en place un service de recherche de jumeaux numériques combinant intelligence artificielle générative et données spatiales à l'échelle d'un milliard de wons. Si la recherche et la visualisation des données spatiales publiques ont progressé, les liens avec les données opérationnelles et de production des entreprises restent à vérifier. Si les jumeaux numériques publics et industriels sont dissociés d'ici 2028, l'optimisation conjointe des infrastructures urbaines et des opérations industrielles deviendra impossible.  Les données publiques constituent une base solide, mais leur connectivité avec les données opérationnelles industrielles demeure faible.

L'IA industrielle analyse des informations concurrentielles d'entreprises telles que les plans de conception, les conditions de processus, les causes de défauts et l'état des équipements. Bien que l'utilisation des données se soit étendue de l'analyse interne à l'apprentissage collaboratif avec les universités, les services cloud et les fournisseurs de modèles, les lieux de stockage, les droits d'utilisation des modèles et les normes de réutilisation des données industrielles d'Ulsan restent confidentiels. Si le recours aux plateformes externes s'accroît au cours des deux à trois prochaines années, les entreprises ayant fourni les données risquent de ne pas obtenir le droit d'exploiter les résultats de l'apprentissage.  La lacune de l'infrastructure de données d'Ulsan réside davantage dans l'absence de règles de souveraineté des données industrielles que dans un manque de capacité de stockage.

À mesure que les systèmes OT des industries automobile, navale et pétrochimique se connectent de plus en plus à l'IA et aux réseaux externes, l'impact des cyberattaques s'étend des fuites de données aux arrêts de production et aux accidents. La surveillance de la sécurité OT au niveau du complexe industriel régional et les normes de sécurité des entreprises partenaires ne sont pas divulguées publiquement de manière intégrée. Si la connectivité croît plus rapidement que les capacités de sécurité entre 2026 et 2028, les entreprises partenaires les plus vulnérables deviendront des points d'entrée pour les intrusions dans les processus des grandes entreprises.  Le niveau de préparation de la sécurité OT de la chaîne d'approvisionnement n'a pas été vérifié par rapport à la vitesse de diffusion de l'IA industrielle.

Ulsan possède ou est en passe de développer une capacité de production d'électricité distribuée de 300 MW, un projet de centre de données de 100 MW, une centrale frigorifique au GNL, un supercalculateur UNIST et le jumeau numérique du complexe industriel intelligent et vert. Bien que les composantes (énergie, refroidissement, calcul et données spatiales) existent, leur exploitation en tant qu'infrastructure d'IA industrielle unique n'a pas encore fait ses preuves. Si les entités opérationnelles et les données de chaque projet restent séparées pendant deux à trois ans, la somme de ces actifs individuels ne permettra pas de renforcer la compétitivité régionale.  Le niveau de préparation des infrastructures de base est élevé, mais celui de leur exploitation intégrée est inférieur à la moyenne.

Les grandes entreprises possèdent leurs propres centres de données, plateformes cloud et d'IA, ainsi que des réseaux avec des entreprises technologiques internationales. En revanche, les conditions d'accès aux GPU, aux données et à l'infrastructure de sécurité pour les PME locales ne sont pas divulguées. Si un système d'accès partagé n'est pas mis en place d'ici 2028, le niveau de préparation régional moyen sera surestimé en fonction des performances des infrastructures des grandes entreprises. Si  ces dernières sont bien préparées, le niveau de préparation de l'ensemble de l'écosystème industriel demeure inégal.

La désignation d'Ulsan comme zone spéciale distribuée a ouvert la voie à des échanges directs d'électricité entre les producteurs et les consommateurs. Bien que ce système se soit étendu aux zones industrielles, le nombre exact d'entreprises contractantes, le volume des échanges, les économies réalisées et la fiabilité de l'approvisionnement restent confidentiels. Si ces échanges directs ne débouchent pas sur une exploitation commerciale d'ici deux à trois ans, cette désignation ne constituera qu'une exception légale.  Le système d'échange d'électricité s'est développé, mais son adoption généralisée dans la pratique demeure incertaine.

Le projet de cogénération (production combinée de chaleur et d'électricité) de 300 MW cible à la fois des installations industrielles existantes et un centre de données d'intelligence artificielle (IA) de 100 MW. Bien que les infrastructures d'alimentation aient été présentées, la simultanéité de la charge de pointe, l'alimentation de secours, l'alimentation alternative pendant les périodes de maintenance et la capacité du poste de transformation n'ont pas été divulguées. À moins qu'une stabilité d'alimentation de niveau N-1 ne soit vérifiée d'ici 2028, la condition de fonctionnement ininterrompu du centre de données d'IA ne sera pas remplie.  Des plans de capacité électrique existent, mais la qualité et la résilience de l'alimentation électrique pour l'IA n'ont pas été évaluées.

Les recherches de l'UNIST en supercalcul et en intelligence artificielle industrielle trouvent des applications dans des domaines complexes tels que la construction navale et la santé. Si le champ d'application s'est étendu, le nombre d'entreprises utilisant les services de GPU partagés – constamment sollicités par les PME locales – et leur débit restent à confirmer. Si l'utilisation demeure centrée sur les projets universitaires et les grandes entreprises pendant deux à trois ans, les cycles d'expérimentation en IA des entreprises partenaires s'allongeront. Bien que  la diffusion de la recherche en calcul haute performance soit avérée, son intégration à l'écosystème industriel reste incertaine.

Les clouds commerciaux offrent une puissance de calcul immédiate, mais posent des problèmes liés à l'exportation des données de production, aux coûts, à la latence et à la sécurité. La répartition de l'utilisation des infrastructures sur site, des centres régionaux et des clouds commerciaux entre les entreprises d'Ulsan n'est pas divulguée. En l'absence d'une infrastructure partagée et modulable d'ici 2028, les méthodes de calcul seront imposées par la taille de l'entreprise. Si  l'accès aux ressources de calcul est techniquement ouvert, l'accès économique et sécurisé reste inégal.

La recherche sur l'IA pour le secteur de la construction navale a atteint le stade de la création d'une plateforme combinant données réelles de chantiers navals et données synthétiques. Si l'utilisation des données a été confirmée dans le cadre de projets d'envergure au sein d'un même secteur, rien n'indique que des normes communes se soient généralisées aux secteurs de l'automobile, de la chimie et de l'hydrogène, ni aux entreprises partenaires. Si ces silos de données sectoriels persistent pendant deux à trois ans, la réutilisabilité d'une IA industrielle de type Ulsan diminuera.  L'utilisation des données industrielles se limite actuellement à des projets pilotes sectoriels, et non à une infrastructure commune régionale.

Le système de contrôle intégré du complexe industriel intelligent et vert et le jumeau numérique d'Ulsan connectent les données spatiales et celles relatives aux installations. Si les données publiques se sont développées, les données internes concernant les équipements, la qualité, l'énergie et la logistique restent cloisonnées en raison des secrets commerciaux et des impératifs de sécurité. En l'absence de règles de combinaison des données d'ici 2028, l'optimisation de l'ensemble du complexe industriel restera au stade de la simulation.  La diffusion des données publiques est importante, tandis que la combinaison des données internes est faible.

La zone spéciale distribuée d'Ulsan, le centre de données de 100 MW, l'IA ultra-massive pour la construction navale et le jumeau numérique du complexe industriel devraient être réalisés simultanément entre 2026 et 2028. Bien que des calendriers de projets individuels existent, aucun jalon commun pour la vérification intégrée de l'alimentation électrique, du calcul, des données et de la sécurité n'a été défini. Si un seul élément est retardé de deux à trois ans, les taux d'utilisation et le retour sur investissement des autres installations diminueront.  Le risque temporel pour l'IA industrielle d'Ulsan réside davantage dans le décalage des délais d'achèvement des infrastructures que dans les retards des projets individuels.

Alors que l'obtention des licences et la construction des réseaux électriques, des sous-stations et des centres de données prennent des années, les performances et la densité de puissance des modèles d'IA et des semi-conducteurs évoluent à un rythme beaucoup plus rapide. Il est difficile de savoir si les spécifications en matière d'alimentation et de refroidissement, prévues pour une mise en service en 2028, répondront aux exigences des GPU les plus récents à cette date. Si les évolutions technologiques sont plus rapides que la construction des infrastructures, ces dernières deviendront immédiatement une priorité pour l'expansion.  Le risque pour Ulsan au cours des deux à trois prochaines années n'est pas seulement une pénurie d'infrastructures, mais aussi une inadéquation des spécifications au moment de leur mise en service.

L'implantation d'un centre de données dédié à l'IA implique la combinaison du raccordement au réseau électrique, des réseaux de communication, du refroidissement, des contrats clients et des investissements en équipements, ce qui engendre des coûts de relocalisation considérables une fois la décision prise. Si les principaux opérateurs sécurisent leurs raccordements électriques dans d'autres régions entre 2026 et 2028, l'opportunité d'attirer ce centre ne sera pas immédiatement rétablie, même si Ulsan remplit ensuite les conditions requises.  La concurrence pour l'implantation de centres de données est un marché irréversible où les contrats initiaux de réseau et de clients restent inchangés pendant une longue période.

Les performances des modèles d'IA industrielle s'améliorent à mesure que s'accumulent les données de processus réelles et les retours des utilisateurs. Si les données des entreprises d'Ulsan sont stockées dans des clouds externes et des sociétés de modélisation, sans infrastructure d'entraînement dans la région, la source de production des données et la source de valeur de l'IA seront dissociées. D'ici deux à trois ans, la dépendance aux modèles externes et les coûts de transition augmenteront de concert.  Ce retard d'accès aux ressources de calcul n'est pas un coût à court terme, mais un risque irréversible qui fige l'attribution de la valeur des données industrielles à des entités externes.

Jugement de compression : Avant 2028, l’accès à l’énergie, la disponibilité effective des GPU, les données industrielles assorties de droits établis et la sécurité OT de la chaîne d’approvisionnement doivent être vérifiés en tant que système d’exploitation unique pour que l’infrastructure élémentaire d’Ulsan soit transformée en compétitivité en matière d’IA industrielle.

Ulsan est considérée comme forte dans des domaines clés tels que l'énergie industrielle, la production décentralisée, l'énergie frigorifique du GNL, le supercalcul, les données industrielles et le jumeau numérique, mais incomplète en matière d'IA - contrats d'énergie dédiés, accès partagé aux GPU, droits d'utilisation des données interentreprises et sécurité OT intégrée .

L'existence d'une puissance de calcul ne garantit pas la puissance de l'IA, l'abondance de données ne garantit pas des données exploitables pour l'entraînement, et la présence d'un supercalculateur ne garantit pas l'accès à la puissance de calcul pour les entreprises locales.

L'infrastructure d'IA industrielle d'Ulsan est perçue comme ayant une structure où la possession est forte mais l'accès et l'intégration faibles, plutôt qu'une dichotomie entre rareté et suffisance.

Jugement opportun : Solidité de l'infrastructure industrielle + Risque d'inadéquation entre l'accès et l'intégration

Sources de preuves

• Le ministère du Climat, de l'Énergie et de l'Environnement désigne Ulsan comme région spécialisée dans l'énergie distribuée
• Ministère du Commerce, de l'Industrie et de l'Énergie, 11e Plan de base pour l'offre et la demande d'électricité
• Bourse de l'énergie de Corée EPSIS, production d'électricité par région
• Ministère du Commerce, de l'Industrie et de l'Énergie, Transition du système énergétique grâce à l'IA
• UNIST, Recherche en IA pour la méga-industrie de la construction navale
• Centre de contrôle intégré du complexe industriel vert intelligent de la ville métropolitaine d'Ulsan
• Ville métropolitaine d'Ulsan, service de recherche par convergence d'informations spatiales basé sur l'IA
• NIA analyse l'infrastructure serveur, cloud et de sécurité en vue de l'adoption de l'IA générative

Analyse structurelle — La compétitivité des infrastructures d'IA industrielle est déterminée par le temps d'accès, et non par la quantité.

L'énergie, les GPU et les données sont tous concentrés à Ulsan. Les centrales électriques à grande échelle et les données industrielles sont situées dans les usines, le supercalculateur dans les universités et les jumeaux numériques sur des plateformes publiques. Cependant, le simple fait que les ressources de différentes institutions soient situées dans la même région ne suffit pas à constituer une infrastructure d'IA industrielle unique.

Dès qu'une entreprise détecte un problème d'IA, elle doit successivement obtenir le raccordement électrique, l'allocation de GPU, l'approbation de l'utilisation des données et des audits de sécurité. Si ce processus prend plusieurs mois, l'offre réelle dont bénéficie l'entreprise est quasiment inexistante, même si la capacité totale de l'infrastructure est suffisante. Il s'agit d'une structure où la distance physique est courte, mais la distance institutionnelle et contractuelle est importante.

Les grandes entreprises peuvent réduire ce délai grâce à leurs propres clouds et à la gestion de leurs données, mais les entreprises partenaires doivent faire appel à des prestataires externes et à des services d'assistance. Lorsque les temps d'accès varient selon la taille de l'entreprise, même avec une infrastructure régionale identique, les ressources partagées, loin de réduire les inégalités, deviennent des atouts qui accélèrent la croissance des entreprises leaders.

Par conséquent, la question structurelle pour Ulsan n'est pas de savoir quelle quantité d'énergie, de données ou de GPU est disponible.  Ce qui détermine la réelle suffisance de son infrastructure d'IA industrielle, c'est si le délai d'accès, entre l'apparition d'un problème sur site et l'entraînement et la vérification, est plus court que dans les régions concurrentes.