当韩国四大开源模型还在为国家代表队头衔互相追赶时，一条更隐蔽的赛道已经铺好。
2026 年 11 月 8 日，英伟达在官方博客宣布，为韩国四家机构的开源模型发布经过 Dynamo 优化的部署方案（recipes）：SK 电信的 A.X K2、LG AI Research 的 K-EXAONE 2.0、Upstage 的 Solar Open 2，以及 Motif Technologies 的 Motif-3。官方称，这些针对 B200 GPU 优化的方案能让模型开箱即用、性能最高提升 2 倍。
表面看，这是一次纯粹的技术便利：开发者少踩几个工程坑，模型上线快几天。但把四家模型打包放进同一条推理流水线，这件事的象征意义大于技术意义——韩国举国之力打造的开源模型，正在被整体接入英伟达定义的推理基础设施。训练权的争夺刚告一段落，部署权的争夺已经开场。
现象层：四大模型，一次打包进 Dynamo
先看清这次发布的阵容分量。
SK Telecom 的 A.X K2，6880 亿参数，在数学和韩语能力上处于顶尖水平，并已走向大规模商业部署；LG AI Research 的 K-EXAONE 2.0，7500 亿参数，是四者中体量最大的模型，以可靠性和风险管理见长；Upstage 的 Solar Open 2，与韩国门户网站 Daum 深度集成，并同国产 AI 芯片公司 FuriosaAI 合作；Motif Technologies 的 Motif-3，3140 亿参数，在 Artificial Analysis 的 AAII 基准上拿到 47 分，全球排名第 10，是非美中两国排名最高的模型。
这四家刚刚闯过韩国政府“国家 AI 模型项目”的第二轮筛选。根据韩国媒体的报道，四款模型全部被美国非营利 AI 研究机构 Epoch AI 认定为 notable AI models，AAII 得分全部超过 31 分。第二轮评估的计分结构是基准测试 40 分、专家评估 35 分、用户评估 25 分，四队平均得分分别为 22.5、28.8、17.6。换句话说，这是韩国目前最能打的一批开源模型，也是韩国主权 AI 战略押注的核心资产。
现在，它们被整体打包进 NVIDIA Dynamo 的优化部署方案。
为什么这件事值得单独看？因为当模型规模超过单张 GPU 的承载能力，就必须被切分、跨多卡多节点部署，而切分之后的请求路由和通信协调，恰恰是性能损耗最大、工程难度最高的地方。NVIDIA Dynamo 是一个开源的分布式推理服务框架，专门处理数据中心规模多节点环境下的路由和通信，最大化推理性能。它支持 SGLang、TensorRT-LLM、vLLM 等主流开源推理引擎，通过解耦推理阶段、智能路由、KV-cache 感知和显存缓存来减少冗余计算。
这次发布的 recipes，本质上是把“怎么在 B200 集群上跑好这些模型”这道题的参考答案直接交出来。开发者不必再自己摸索并行策略、路由参数和缓存配置，开箱就能获得官方宣称的最高 2 倍性能。
分析层一：权重公开不等于可用，部署才是开源模型真正的门槛
开源模型世界有一个被低估的事实：权重公开不等于可用，下载得到不等于跑得起来。
一个 7500 亿参数的模型放在 Hugging Face 上，任何开发者都能下载，但真正能把它跑成稳定低延迟服务的团队少之又少。多节点部署涉及张量并行、流水线并行、KV-cache 管理、连续批处理、故障转移、负载均衡——每一项都是工程深坑。对大多数中小团队而言，把这些坑一个个踩过去，成本可能比训练本身还高。
这正是 NVIDIA 的机会所在。Dynamo 1.0 曾在 SemiAnalysis 的 InferenceX 基准测试中，在 Blackwell 架构上实现高达 7 倍的请求服务量提升。它的 KV-aware Router 能感知 KV 缓存状态，把流量导向最合适的 GPU，避免重复计算；SLO Planner 能监控容量和 prefill 活动，动态调整 GPU 资源以满足服务等级目标。这些能力单独拿出来，每一项都能帮开发者省下数周的调优时间。
现在，这些能力被预配置进韩国四大模型的专属 recipes。门槛被削掉了一截，商业化路径被缩短了一大段。
但门槛被削掉的同时，路径也被固定了。
分析层二：模型主权不等于生态主权，推理框架才是控制点
韩国政府推动国家 AI 模型项目，本意很明确：在中美之外打造自己的基础模型能力。Motif-3 拿到全球第 10，证明这条路线并非空谈。
但模型主权不等于生态主权。
当韩国的模型必须依赖 NVIDIA 的推理框架才能高效运行，当部署方案由英伟达来定义和优化，真正的控制点就发生了转移。训练是一次性的，部署是持续性的。每一次推理请求，都在英伟达定义的流水线上跑一遍。模型可以换，水管一旦铺好，替换成本极高。
这让人想起云计算时代的“卖水人”逻辑：淘金的人可能亏钱，但卖铲子和卖水的永远赚钱。在 AI 时代，GPU 是铲子，Dynamo 这类推理基础设施就是水管。铲子决定能不能挖矿，水管决定挖出来的矿怎么运、运到哪里、经过谁的手。
更微妙的是，这次发布不是孤立动作，而是 NVIDIA 与韩国“主权 AI”合作系列动作的一部分。同期 NVIDIA 官方博客还有两篇相关文章：一篇讲韩国 AI 生态如何用 NVIDIA 推进和保障 Agentic AI，另一篇讲从芯片到人才，NVIDIA 与韩国扩大主权 AI 合作。三条消息连起来看，图景很清楚：芯片供应、推理框架、人才培训，英伟达正在把合作做厚，把生态做深。主权 AI 的口号喊得越响，对单一基础设施的依赖可能越深。
分析层三：创业公司反超巨头，但基础设施层不分胜负
韩国国家 AI 评估里有一个耐人寻味的细节：参数量最大的 K-EXAONE 2.0（7500 亿）在 AAII 上只拿到 31 分，排在四者最后；而参数只有 3140 亿的 Motif-3 拿到 47 分，全球第 10。六个月前的第一轮评估里，LG 的初代 K-EXAONE 还以 32 分领先国内模型，现在被两家创业公司反超。
这说明模型竞赛的逻辑在变：大不一定强，架构效率和数据质量更重要。参数规模的神话正在褪色。
但 Dynamo recipes 的发布，某种程度上抹平了这种差异——至少对使用者而言。无论你是 7500 亿还是 3140 亿，在英伟达的部署框架里，都是被优化的对象。基础设施层不关心模型的政治出身，也不关心它是财阀还是创业公司的孩子，它只关心吞吐、延迟和成本。
这对创业公司是好事：他们不需要自建庞大的推理工程团队，可以借 NVIDIA 的基础设施快速上线，把有限的人力集中在模型本身。这也是风险：当所有人都跑在同一条水管上，差异化就只剩下模型本身，而模型的优势正在快速收敛。今天你靠架构领先 16 分，明天对手 fork 你的代码、用同样的基础设施追上，时间可能只要几个月。
结论与展望：部署标准之争，比训练排名更安静也更致命
NVIDIA 这次发布的真正信号，不是“韩国模型变快了”，而是“开源模型的部署标准正在被英伟达定义”。
短期看，韩国开发者是赢家：四大模型开箱即用，性能翻倍，商业化路径被缩短。中期看，NVIDIA 是赢家：Dynamo 通过绑定各国主权模型，把推理基础设施铺进更多数据中心，形成事实标准。长期看，真正的悬念是：当推理框架成为默认选项，模型厂商还剩多少议价权？
训练权的争夺吸引了所有聚光灯，但部署权的争夺更安静，也更致命。韩国四大模型已经入厂，下一个轮到谁？日本、中东、欧洲的主权模型，会不会也走上同一条流水线？
开源模型的下半场，拼的不是谁的权重更大，而是谁的水管先铺进数据中心。当推理框架成为默认选项，模型厂商才会真正意识到：训练权可以靠自己，部署权却可能握在别人手里。
快报