人工智能(AI)在处理新数据时必须动用昂贵算力设备进行训练的技术局限,如今有望被突破。KT(030200)开发出无需重新训练模型、通过数据校正方式提升性能的下一代AI技术。这是否会成为支撑KT代表朴润英作为新业务提出的“代币工厂”构想的技术基础,引发关注。
据通信业界11日消息,KT在今年6月于美国举行的国际AI学术会议“CVPR 2026”上发布了以上述内容为核心的AI研究成果。该技术由中央大学、韩国电子通信研究院(ETRI)等共同开发,被命名为“HyCal”。
HyCal的核心竞争力在于,AI在处理新数据时无需另外经历训练过程。无需通过追加学习特定领域数据以适配目的的微调,也无需扩展参数,仅凭KT的数据校正技术即可提升AI性能。可以说这是一项减轻AI训练与运营负担的效率化技术。
分析认为,该技术在需要接纳多种类型数据的视觉语言模型(VLM)中尤为有效。医疗影像与卫星图像在数据量或视觉模式上各不相同,单一AI难以一并处理。每当客户、行业和使用场景发生变化,这类偏差还会进一步扩大。但若应用校正数据值的KT技术,就可在模型内已训练好的嵌入(将数据转换为数字表示以便AI理解)空间中处理数据,从而免除重新训练的负担。
KT方面解释称:“每当出现新类型数据时,可减少重新训练整个模型所需的GPU、内存等算力成本”,“在模型反复更新较多的环境中,成本节约效果预计会更大”。
KT正在研究将该研究成果应用于自有AI模型“Mi:dm K”的下一代版本。由于Mi:dm K正朝着可同时理解文本、图像、音频等不同形态数据的多模态技术方向扩展开发,HyCal的可用性有望较高。
通信业界关注HyCal是否会成为让KT代币新业务构想落地的技术。所谓代币工厂,是一种AI运营平台,可在多个AI中自动选择最高效的模型,并以代币为单位计量使用量,负责优化、计费与结算。分析认为,随着以更少算力完成相同任务成为AI技术的核心竞争力,KT的AI效率化技术有望成为新的替代方案。
据高盛预测,随着AI智能体普及,全球代币月使用量将从今年的5000万亿个激增至2030年的12亿亿个,增长24倍。一位通信业界人士预计:“许多企业为降低AI成本,正忙于寻找高效使用代币的方法”,“AI运营效率化技术将与代币经济相结合,重要性不断提升”。






