Kto buduje ekosystem AI w Singapurze? Firmy, laboratoria i centra wspierające NAIS 2.0

Singapurski model AI: nie jeden kampus, lecz cała sieć

Druga Narodowa Strategia Sztucznej Inteligencji Singapuru, czyli NAIS 2.0, powstaje na dwóch połączonych poziomach. Instytucje publiczne finansują długofalowe badania, rozwój talentów i krajowe kompetencje. Firmy dostarczają modele, chmurę i moc obliczeniową, a także wiedzę branżową, zespoły inżynieryjne oraz środowiska, w których rozwiązania można sprawdzać w praktyce.

Singapur informuje, że działa tam już ponad 70 Centrów Doskonałości AI (AI Centres of Excellence, CoEs). Równolegle państwowy plan badań i rozwoju AI zakłada przeznaczenie ponad 1 mld dolarów singapurskich na publiczne badania w latach 2025–2030.

Nie chodzi więc o jeden rządowy „kampus AI”. To raczej sieć laboratoriów korporacyjnych, centrów kompetencji przedsiębiorstw, partnerstw uczelnianych i programów wdrożeniowych. Ich skala nie zawsze jest ujawniana w sposób pozwalający na bezpośrednie porównania.

Najbardziej konkretne inwestycje i zapowiedzi

OpenAI: laboratorium nastawione na wdrożenia

OpenAI zapowiedziało w Singapurze swoje pierwsze zagraniczne Applied AI Lab w ramach współpracy „OpenAI for Singapore”. Inicjatywa obejmuje ponad 300 mln dolarów singapurskich przeznaczonych na lokalny ekosystem oraz ma wesprzeć ponad 200 miejsc pracy technicznej dla osób pracujących w Singapurze.

Akcent położono nie tylko na rozwój modeli, lecz przede wszystkim na ich praktyczne zastosowanie. Współpraca ma prowadzić do tworzenia rozwiązań dla sektora publicznego i prywatnego, między innymi dla administracji, finansów i ochrony zdrowia.

To wyróżnia projekt OpenAI z dwóch powodów: ujawniona kwota jest wyjątkowo konkretna, a samo laboratorium ma łączyć możliwości modeli z inżynierią wdrożeniową i lokalną realizacją projektów.

NVIDIA: AI ucieleśniona i efektywne obliczenia

NVIDIA ogłosiła utworzenie w Singapurze laboratorium badawczego AI — drugiego ośrodka firmy w regionie Azji i Pacyfiku. Zespół ma pracować nad embodied AI, czyli sztuczną inteligencją działającą w świecie fizycznym, oraz nad efektywnymi obliczeniami AI, we współpracy z naukowcami z uczelni, przemysłem i agencjami rządowymi.

Tematyka dobrze odpowiada singapurskim ambicjom w obszarze produkcji, robotyki i tzw. fizycznej AI. Laboratorium uzupełnia istniejące relacje firmy z uczelniami i przedsiębiorstwami, w tym współpracę z Singtel i Singapore Institute of Technology.

Google i Google DeepMind: badania regionalne oraz zastosowania publiczne

Google rozwija działalność AI w Singapurze poprzez partnerstwa dotyczące zastosowań w sektorze publicznym i prywatnym, między innymi w edukacji, ochronie zdrowia i badaniach naukowych.

Obecność Google DeepMind opisywana jest także jako wsparcie regionalnych partnerstw z rządami, uczelniami i organizacjami społeczeństwa obywatelskiego. Celem jest lepsze dopasowanie narzędzi AI do zróżnicowanych potrzeb rynków Azji Południowo-Wschodniej. Google ogłosiło ponadto utworzenie centrum doskonałości skoncentrowanego na bezpieczeństwie AI, w tym na zagrożeniach związanych z autonomicznymi systemami AI i weryfikacją treści.

Dostępne informacje wskazują na połączenie badań regionalnych, odpowiedzialnego wdrażania i rekrutacji technicznej, a nie na jeden obiekt reprezentujący całą działalność Google w Singapurze.

Centra zastosowań i partnerstwa z uczelniami

Singtel–NVIDIA Centre of Excellence for Applied AI

Singtel uruchomił Singtel–NVIDIA Centre of Excellence for Applied AI za pośrednictwem Singtel Digital InfraCo. Centrum ma pomagać w opracowywaniu i komercjalizacji rozwiązań AI dla przedsiębiorstw, wykorzystując sieci, chmurę i centra danych Singtel oraz platformę akcelerowanych obliczeń NVIDIA.

Znaczenie tego projektu jest przede wszystkim operacyjne. Jego zadaniem jest przeprowadzenie organizacji od eksperymentów do bezpiecznych, gotowych do wdrożenia systemów, zamiast kończyć pracę na prototypie badawczym.

SIT–NVIDIA AI Centre

Singapore Institute of Technology–NVIDIA AI Centre, w skrócie SNAIC, to centrum uczelniano-przemysłowe zajmujące się testowaniem, rozwojem i wdrażaniem rozwiązań AI dla firm. Według informacji rządowych ośrodek wsparł 70 przedsiębiorstw i pomógł wdrożyć 50 rozwiązań AI przynoszących realne efekty biznesowe, między innymi w produkcji.

SNAIC pokazuje, jak firmowe centra mogą łączyć rozwój talentów z transferem technologii. Przedsiębiorstwa przynoszą konkretne problemy, studenci i praktycy zyskują dostęp do infrastruktury AI oraz rzeczywistych projektów, a firmy mogą kształcić specjalistów rozumiejących zarówno modele, jak i procesy operacyjne.

Punggol Digital District: poligon dla fizycznej AI

Singapur tworzy także środowiska wdrożeniowe poza klasycznymi biurami i laboratoriami. Infocomm Media Development Authority (IMDA), JTC i Singapore Institute of Technology współpracują z ośmioma liderami branży w Punggol Digital District nad badaniem, testowaniem i wdrażaniem fizycznej AI. Planowany poligon obejmie usługi robotyczne w przestrzeni publicznej. Wśród pierwszych uczestników wymieniono Certis, DHL, Grab i QuikBot.

To ważne, ponieważ fizyczna AI wymaga czegoś więcej niż samego modelu. Potrzebuje kontrolowanego środowiska, partnerów operacyjnych, procedur bezpieczeństwa, infrastruktury i wielokrotnych testów w realnych warunkach.

Szersza grupa firm obecnych w ekosystemie

W raportowanym ekosystemie AI Singapuru pojawia się znacznie więcej firm technologicznych, finansowych, telekomunikacyjnych, przemysłowych i świadczących usługi profesjonalne. Publiczne informacje nie są jednak równie szczegółowe dla każdej organizacji. Poniższych przykładów nie należy więc traktować jako laboratoriów o identycznej skali.

• KPMG uruchomiło Trusted AI Centre of Excellence przy wsparciu Singapore Economic Development Board. Centrum ma pomagać organizacjom przejść od eksperymentów do wdrażania AI jako zaufanej i gotowej do użycia kompetencji przedsiębiorstwa.
• Temus pełni rolę partnera wdrożeniowego i transformacji cyfrowej. AWS i Digital Industry Singapore wymieniają tę firmę wśród partnerów pomagających przedsiębiorstwom z Singapuru budować centra AI i doprowadzać projekty do etapu minimalnie funkcjonalnego produktu (MVP).
• Microsoft jest częścią szerszego krajobrazu firmowych centrów kompetencji i partnerstw badawczych. Dostępne materiały rządowe nie potwierdzają jednak utworzenia nowego, odrębnego laboratorium Microsoft Research Asia w Singapurze ani lokalnej liczby pracowników przypisanych do takiej jednostki. Tę samą ostrożność należy zachować przy twierdzeniach o osobnym ośrodku Microsoft–A*STAR, jeśli nie są one udokumentowane w konkretnych źródłach.
• Anthropic ma rozwijać obecność w Singapurze, dołączając do OpenAI i Google DeepMind jako jedna z dużych firm AI aktywnych w tym kraju. Dostępne źródła nie potwierdzają jednak istnienia dużego, odrębnie obsadzonego lokalnego laboratorium badawczego, konkretnej kwoty inwestycji ani liczby pracowników.
• Mastercard, Sea Group, Razer, Grab i UBS są kojarzone z szerszym krajobrazem centrów AI i wdrażania tej technologii w przedsiębiorstwach. Publiczne materiały potwierdzają ich udział lub kompetencje AI, ale nie ujawniają konsekwentnie dla każdej z tych firm prawnie wyodrębnionego centrum, wartości inwestycji ani dedykowanego zespołu w Singapurze.
• Japfa jest istotna dla rolniczo-spożywczego wymiaru ekosystemu, lecz dostępne dowody nie potwierdzają istnienia odrębnego, obsadzonego pracownikami singapurskiego laboratorium AI ani jego skali. Należy ją zatem traktować jako przykład kompetencji sektorowych, a nie ośrodek bezpośrednio porównywalny z zapowiedzianymi laboratoriami OpenAI czy NVIDIA.

To rozróżnienie ma znaczenie. Firma może dysponować dużym zespołem inżynierów AI, stosować sztuczną inteligencję w wielu działach lub uczestniczyć w krajowym poligonie testowym, nie prowadząc samodzielnego obiektu formalnie nazwanego „Centrum Doskonałości”.

Jak te inicjatywy wspierają NAIS 2.0?

1. Tworzą komercyjny pomost między badaniami a rynkiem

NAIS 2.0 zakłada tworzenie nowych firmowych Centrów Doskonałości AI oraz kompetencji sektorowych, które mają napędzać zaawansowane zastosowania i tworzenie wartości dzięki AI. Centra korporacyjne przekładają badania i modele bazowe na produkty, procesy oraz systemy operacyjne, z których przedsiębiorstwa mogą faktycznie korzystać.

Ich rola różni się od roli publicznych ośrodków badawczych. Firmy wnoszą dostęp do klientów, dane własnościowe, doświadczenie inżynieryjne, ograniczenia biznesowe i branżowe metody oceny. Instytucje publiczne mogą natomiast koncentrować się na długoterminowych pytaniach i krajowych priorytetach badawczych.

2. Obejmują sektory uznane przez Singapur za priorytetowe

Inicjatywy dotyczą zaawansowanej produkcji, usług finansowych, łączności, ochrony zdrowia i usług publicznych, a także logistyki, płatności, handlu internetowego, transportu, rolnictwa i żywności, gier oraz robotyki. Zaktualizowane priorytety Singapuru szczególnie podkreślają krajowe misje AI w zaawansowanej produkcji, finansach, łączności i ochronie zdrowia.

Szeroki zakres zastosowań pozwala testować AI zarówno w usługach cyfrowych, jak i w środowisku fizycznym. Laboratorium NVIDIA i poligon w Punggol kierują uwagę na AI ucieleśnioną oraz robotykę, podczas gdy centrum Singtel koncentruje się na bezpiecznym wdrażaniu rozwiązań w przedsiębiorstwach.

3. Wzmacniają talenty i transfer technologii

Publiczny plan badań obejmuje trzy obszary: fundamentalną AI, AI stosowaną oraz rozwój talentów. Na ten cel przeznaczono ponad 1 mld dolarów singapurskich w ciągu pięciu lat. Plan przewiduje również tworzenie centrów doskonałości badawczej w publicznych instytucjach naukowych.

Centra uczelniano-przemysłowe, takie jak SNAIC, oferują inną ścieżkę. Firmy przynoszą rzeczywiste problemy, badacze i studenci poznają warunki wdrożeń, a organizacje mogą rozwijać specjalistów, którzy rozumieją zarówno technologię, jak i działalność operacyjną. Zapowiedzi OpenAI dotyczące miejsc pracy technicznej oraz raportowane plany rekrutacyjne Google pokazują, że rozwój kadr jest częścią rywalizacji o budowę kompetencji AI w Singapurze.

4. Przekuwają ideę „AI dla dobra publicznego” w działające usługi

Strategia Singapuru przedstawia AI jako narzędzie korzyści społecznych i rozwoju gospodarczego, kładąc nacisk na zaufane i odpowiedzialne wykorzystanie technologii. Taka ambicja wymaga jednak czegoś więcej niż przełomów badawczych. Potrzebne są organizacje, które potrafią zintegrować AI z ochroną zdrowia, administracją, finansami, produkcją i codziennymi usługami, jednocześnie zarządzając niezawodnością, bezpieczeństwem, prywatnością i odpowiedzialnością.

Wyłania się model warstwowy:

1. Instytucje publiczne finansują długoterminowe badania, talenty i krajowe kompetencje.
2. Firmy tworzące modele i infrastrukturę dostarczają zaawansowane systemy AI, moc obliczeniową i wiedzę techniczną.
3. Firmy sektorowe wnoszą wiedzę branżową, dane oraz środowiska wdrożeniowe podlegające regulacjom.
4. Uczelnie i poligony testowe łączą badania z kształceniem kadr i sprawdzaniem rozwiązań w świecie rzeczywistym.

Co mówią liczby — a czego nie mówią?

Najważniejsze statystyki są przydatne, ale wymagają ostrożnej interpretacji. Singapur informuje o ponad 70 Centrach Doskonałości AI, podczas gdy wcześniejsze materiały rządowe mówiły o ponad 60 i zakładały utworzenie ponad 100 firmowych CoEs. Różnice odzwierciedlają szybko zmieniający się ekosystem, a poszczególne zestawienia mogą obejmować różne typy centrów, hubów i kompetencji kierowanych przez firmy.

Podobnie ponad 1 mld dolarów singapurskich z planu badań publicznych nie jest funduszem przeznaczonym na każdą korporacyjną placówkę. Środki mają wspierać publiczne badania AI — fundamentalne i stosowane — oraz rozwój talentów.

Najmocniejszy wniosek nie brzmi więc: każda wymieniona firma zbudowała laboratorium o porównywalnej wielkości. Singapur tworzy raczej skoordynowany łańcuch prowadzący od badań do wdrożeń. Najbardziej wyraźne ogniwa to ujawniona inwestycja OpenAI, laboratorium badawcze NVIDIA, centrum zastosowań Singtel, wdrożenia raportowane przez SNAIC oraz poligon fizycznej AI w Punggol. Pozostałe firmy poszerzają zasięg sektorowy ekosystemu, lecz ich lokalna skala i zobowiązania kadrowe wymagają dokładniejszych publicznych danych, zanim będzie można je bezpośrednio porównywać.