Як Сінгапур будує екосистему ШІ: компанії, лабораторії та центри NAIS 2.0

Фокус ініціативи — прикладне використання ШІ, а не лише дослідження передових моделей. Передбачається розробка рішень для державного та приватного секторів, зокрема у сфері державних послуг, фінансів і охорони здоров’я.

Особливість проєкту OpenAI — поєднання конкретно заявленого фінансування з інженерними командами, які мають адаптувати можливості моделей до місцевих завдань і реальних процесів.

NVIDIA: фізичний ШІ та ефективні обчислення

NVIDIA оголосила про лабораторію досліджень ШІ в Сінгапурі — другу лабораторію компанії в Азійсько-Тихоокеанському регіоні. Вона зосередиться на фізичному, або embodied AI, та ефективних обчисленнях, працюючи з університетами, бізнесом і державними установами.

Такий напрям безпосередньо пов’язаний із пріоритетами Сінгапуру у виробництві, робототехніці та розвитку ШІ, здатного взаємодіяти з фізичним світом. Лабораторія також доповнює партнерства NVIDIA з місцевими університетами й компаніями, зокрема Singtel та Singapore Institute of Technology.

Google і Google DeepMind: регіональні дослідження та прикладні рішення

Google розширює діяльність у Сінгапурі через партнерства для державного й приватного секторів. Серед заявлених напрямів — освіта, охорона здоров’я та наукові дослідження.

Google DeepMind розвиває в Сінгапурі регіональні партнерства з урядами, університетами та громадянським суспільством, щоб адаптувати інструменти ШІ до різноманітних потреб країн Південно-Східної Азії. Окремо Google оголосила про центр передового досвіду у сфері безпеки ШІ. Він працюватиме, зокрема, над ризиками агентного ШІ та перевіркою контенту.

Доступні дані радше свідчать про поєднання регіональних досліджень, відповідального впровадження та найму технічних фахівців, ніж про одну лабораторію, яка уособлює всю діяльність Google у Сінгапурі.

Прикладні центри та університетські партнерства

Singtel–NVIDIA Centre of Excellence for Applied AI

Телекомунікаційна група Singtel запустила через Singtel Digital InfraCo спільний із NVIDIA центр передового досвіду у сфері прикладного ШІ. Його завдання — розробляти й комерціалізувати корпоративні AI-рішення, поєднуючи мережеву, хмарну та дата-центрову інфраструктуру Singtel з платформою прискорених обчислень NVIDIA.

Практична цінність центру полягає в переході від експериментів до безпечних систем, які можна впроваджувати в операційну діяльність компаній.

SIT–NVIDIA AI Centre

Центр штучного інтелекту Singapore Institute of Technology та NVIDIA, відомий як SNAIC, допомагає бізнесу тестувати, розробляти й упроваджувати AI-рішення. За даними уряду, центр уже підтримав 70 компаній і сприяв розгортанню 50 рішень із вимірюваним бізнес-ефектом, зокрема у виробничому секторі.

SNAIC демонструє, як корпоративні центри можуть одночасно виконувати функції трансферу технологій і підготовки кадрів. Компанії приносять реальні завдання, студенти та дослідники отримують доступ до інфраструктури й практичних сценаріїв, а бізнес формує фахівців, які розуміють не лише моделі, а й виробничі процеси.

Punggol Digital District: полігон для фізичного ШІ

Сінгапур створює середовища для тестування ШІ не тільки в лабораторіях. Infocomm Media Development Authority, JTC і Singapore Institute of Technology співпрацюють із вісьмома провідними компаніями в районі Punggol Digital District, щоб досліджувати, випробовувати й упроваджувати фізичний ШІ. Запуск полігону заплановано на 2026 рік.

Серед перших учасників, названих Радою економічного розвитку Сінгапуру, — Certis, DHL, Grab і QuikBot. Вони спільно проєктуватимуть і тестуватимуть роботизовані сервіси у громадських просторах.

Такий підхід важливий, тому що фізичний ШІ потребує не лише моделі. Йому необхідні контрольоване середовище, операційні партнери, процедури безпеки, інфраструктура та багаторазове тестування в реальних умовах.

Хто ще входить до екосистеми

Окрім найбільш помітних лабораторій, у сінгапурському AI-ландшафті фігурують компанії з технологічного, фінансового, телекомунікаційного, промислового та споживчого секторів. Важливо не ототожнювати всі ці ініціативи за масштабом.

• KPMG запустила Trusted AI Centre of Excellence за підтримки Singapore Economic Development Board. Центр має допомагати організаціям переходити від експериментів до впровадження надійного ШІ на рівні всього підприємства.
• Temus виступає партнером із цифрової трансформації та впровадження. AWS і Digital Industry Singapore називають компанію серед партнерів, які допомагають підприємствам у Сінгапурі створювати AI-центри та доводити рішення до стадії мінімально життєздатного продукту.
• Microsoft присутня у ширшій мережі корпоративних AI-центрів і дослідницьких партнерств. Однак надані урядові матеріали не підтверджують створення окремої нової лабораторії Microsoft Research Asia у Сінгапурі або конкретної чисельності її місцевої команди. Так само немає достатніх підтверджень для тверджень про окремий спільний об’єкт Microsoft–A*STAR.
• Anthropic розширює присутність у Сінгапурі та приєдналася до OpenAI і Google DeepMind серед великих AI-компаній, що працюють у країні. Водночас доступні джерела не підтверджують окрему велику дослідницьку лабораторію, обсяг капіталовкладень або чисельність місцевого персоналу.
• Mastercard, Sea Group, Razer, Grab і UBS пов’язані з ширшою екосистемою корпоративного використання ШІ. Публічні матеріали свідчать про їхню участь або наявність відповідних технологічних спроможностей, але не завжди містять дані про юридично окремий центр, інвестиції чи спеціально виділену команду для кожної компанії.
• Japfa представляє агропродовольчий напрям екосистеми. Однак доступні матеріали не підтверджують існування окремої укомплектованої AI-лабораторії в Сінгапурі та не дають змоги оцінити її масштаб. Тому Japfa коректніше розглядати як приклад галузевої AI-спроможності, а не порівнювати безпосередньо з лабораторіями OpenAI чи NVIDIA.

Ця різниця має значення. Компанія може мати велику команду інженерів ШІ, використовувати технологію в кількох бізнес-підрозділах або брати участь у національному полігоні, не маючи окремої будівлі чи підрозділу з формальною назвою «центр передового досвіду».

Як усе це доповнює NAIS 2.0

1. Корпоративні центри створюють міст між дослідженнями та ринком

NAIS 2.0 передбачає створення нових корпоративних AI-центрів і галузевих спроможностей, які мають стимулювати складніше створення та використання AI-продуктів. Корпоративні команди перетворюють дослідницькі результати й базові моделі на продукти, робочі процеси та операційні системи.

Їхня роль відрізняється від ролі державних дослідницьких центрів. Бізнес приносить клієнтів, власні дані, інженерну експертизу, комерційні обмеження та галузеві критерії оцінювання. Публічні установи можуть зосереджуватися на довгострокових питаннях і національних пріоритетах досліджень.

2. Ініціативи охоплюють ключові сектори

Проєкти поширюються на передове виробництво, фінансові послуги, телекомунікації, охорону здоров’я та державне управління, а також на логістику, платежі, електронну комерцію, транспорт, агропродовольчий сектор, ігри й робототехніку. Оновлені пріоритети Сінгапуру передбачають окремі національні AI-місії у передовому виробництві, фінансових послугах, телекомунікаціях і медицині.

Це дає змогу випробовувати ШІ як у цифрових сервісах, так і у фізичному середовищі. Дослідницька лабораторія NVIDIA та полігон у Punggol розширюють порядок денний до робототехніки й embodied AI, тоді як центр Singtel зосереджений на корпоративному впровадженні.

3. Посилюються кадри та трансфер технологій

Національний план досліджень організований навколо фундаментального ШІ, прикладних розробок і розвитку талантів. На нього передбачено понад S$1 млрд протягом п’яти років, а в публічних дослідницьких установах планують створювати спеціалізовані центри передового досвіду.

Університетсько-корпоративні проєкти на кшталт SNAIC створюють інший канал: бізнес формулює конкретні проблеми, студенти й дослідники отримують досвід упровадження, а компанії — фахівців, які вміють працювати і з моделями, і з операційними процесами. Заявлені OpenAI технічні посади та плани Google щодо місцевого найму також показують, що боротьба за AI-спроможності є водночас боротьбою за таланти.

4. «ШІ для суспільного блага» має перейти до практики

NAIS 2.0 розглядає ШІ як інструмент суспільної користі та економічного розвитку, наголошуючи на довірі й відповідальному використанні. Для цього недостатньо технологічних проривів. Потрібні організації, здатні інтегрувати ШІ в медицину, державні послуги, фінанси, виробництво та повсякденні сервіси, одночасно контролюючи надійність, безпеку, приватність і підзвітність.

Екосистема формується як багаторівнева система:

1. Державні установи фінансують довгострокові дослідження, кадри й національні спроможності.
2. Розробники моделей та інфраструктури надають передові AI-системи, обчислювальні ресурси й технічну експертизу.
3. Галузеві компанії забезпечують доменними знаннями, даними та середовищами для регульованого впровадження.
4. Університети й тестові полігони поєднують дослідження з підготовкою фахівців і перевіркою технологій у реальному світі.

Що показують цифри — і чого вони не показують

Заявлені показники корисні, але їх потрібно трактувати обережно. Нині Сінгапур говорить про понад 70 AI-центрів передового досвіду; раніше урядові матеріали називали понад 60 таких центрів і ставили за мету залучити понад 100 корпоративних CoE. Показники змінюються разом із екосистемою й можуть охоплювати різні типи центрів, хабів і корпоративних спроможностей.

Так само понад S$1 млрд — це не спільний фонд для всіх приватних лабораторій. Кошти призначені для публічних досліджень ШІ, зокрема фундаментальних і прикладних розробок та підготовки кадрів.

Найобґрунтованіший висновок полягає не в тому, що кожна названа компанія створила лабораторію однакового масштабу. Сінгапур вибудовує узгоджений ланцюжок від досліджень до впровадження. Найчіткіше його ілюструють заявлені інвестиції OpenAI, дослідницька лабораторія NVIDIA, прикладний центр Singtel, результати SNAIC і полігон фізичного ШІ в Punggol. Інші компанії розширюють галузеве охоплення, однак їхні місцеві команди та інвестиції потребують детальнішого розкриття, перш ніж їх можна буде коректно порівнювати.