9 月的一场圆桌，Coupang 请来约 40 位负责人，来自 20 家企业，有 AI 初创，有独立软件商，也有大公司。坐在一起聊的问题很具体，GPU 推理这套基础设施，怎样接到真实的商业决策上去。
Coupang 在这个位置上有底子。它是英伟达云合作伙伴，通过旗下的 Coupang 智能云（CIC）运营着大规模 GPU 基础设施，跟韩国国内 AI 初创和企业的合作一直在扩。会上，英伟达围绕“推理技术趋势与 NVIDIA 解决方案”做了技术分享，抛出的判断是：AI 从模型走向真实的服务和客户接触点之后，行业重心正在从训练转向推理。
为了接住越来越重的推理负载，CIC 引入了 NVIDIA GB300 NVL72 系统。它想解决两件事，一是更高效地支撑大规模模型和复杂推理任务，二是把企业级 AI 基础设施在搭建和运维上的复杂度压下来，让工程师和数据科学家少耗在环境上。
65% 到 95% 之间
基础设施改善带来的效果，有一个数字可以看。用在物流中心排班调度和装箱优化上的 AI 模型，GPU 利用率从 65% 提升到了 95%。这两个场景的名字听着技术，落到仓库里很实在，一个人什么时候上班、一件货怎么塞进箱子，都牵着成本。
这条合作线不是从这场圆桌才开始的。今年 3 月的 NVIDIA GTC 上，Coupang 讲过与 DGX SuperPOD 结合搭出的“AI 工厂”，那是个自助式的 AI 生态，做模型的人能更快地测试和搭建。Coupang 还是 NVIDIA Dynamo 的启动合作伙伴，这套开源软件专门为智能体推理设计。
CIC 的设计思路也顺着“自助”来。GPU 计算资源配上 UI、API 和命令行工具，把 AI 负载运维里的麻烦事减掉，各团队就能把精力放在模型的开发、测试和部署上。眼下，美国西雅图、加州山景城等地的 Coupang 全球工程组织，已经在用它开发和运营公司层面的 AI 应用。
更远的目标写在后面。把 CIC 的基础设施和运营能力继续做深，让韩国国内的 AI 初创和企业不必停在实验阶段，能把服务推进生产环境。
这类投入在外面也有回响。今年 3 月，Coupang 进入 LexisNexis“2026 全球创新企业百强”，是连续第二年上榜；2025 年，它在 Fast Company 评选的“世界最具创新力公司”零售榜上排到第 2。
算力跑得有多快，终究还得看仓库里的活是不是真变轻了。