新加坡 AI 生态全景：哪些企业和研究中心正在塑造 NAIS 2.0

新加坡的国家人工智能战略 2.0（NAIS 2.0）并不是通过建设一座单一的“政府 AI 园区”来实现的，而是由两层相互衔接的网络组成：公共机构负责支持长期研究、人才培养和国家级能力建设；企业则提供模型、云计算与算力基础设施、行业知识、工程团队以及真实应用环境。

新加坡方面表示，目前当地已有超过 70 个 AI 卓越中心（Centre of Excellence，简称 CoE）。与此同时，国家 AI 研究与发展计划将在 2025 至 2030 年间投入超过 10 亿新元，用于公共 AI 研究。

因此，更准确的理解是：新加坡正在打造一个由企业实验室、行业 CoE、大学合作项目和实际部署计划组成的生态系统。不过，各项计划的规模和性质并不完全相同，不能简单横向比较。

最明确的大型投入

OpenAI：以应用落地为核心的 AI 实验室

OpenAI 宣布将在新加坡设立其首个海外应用 AI 实验室，并参与“OpenAI for Singapore”合作。根据相关报道，该计划将向当地生态系统投入超过 3 亿新元，并计划支持超过 200 个新加坡技术岗位。

这项合作的重点并不只是前沿模型研究，也包括将 AI 推向公共部门和企业的实际应用，涉及政府服务、金融和医疗等领域。

OpenAI 的布局之所以受到关注，主要有两个原因：一是其公开披露了较为具体的投资金额；二是计划把模型能力与前线工程团队、本地实施能力连接起来，推动 AI 从实验室进入真实业务流程。

英伟达：聚焦具身智能与高效 AI 计算

英伟达宣布在新加坡设立 AI 研究实验室，这是其在亚太地区的第二个此类实验室。该实验室将聚焦具身智能和高效 AI 计算，并与大学研究人员、产业伙伴及政府机构合作。

这一方向与新加坡提升制造业、机器人和实体 AI 能力的目标高度契合。英伟达在当地还与 Singtel、新加坡理工大学（SIT）等机构开展合作，因此其角色不仅是研究机构，也包括为产业部署项目提供算力和技术平台。

Google 与 Google DeepMind：区域研究及公共—私营部门应用

Google 通过一系列合作扩大了在新加坡的 AI 活动，应用领域包括教育、医疗和科学研究，覆盖公共部门与私营部门。

Google DeepMind 在新加坡的布局则被描述为支持其与东南亚各国政府、大学及公民社会组织的区域合作，目标是更好地应对东南亚多元市场的需求。 Google 还宣布设立以安全为重点的 AI 卓越中心，研究智能体 AI 相关风险和内容验证等问题。

现有信息显示，Google 在新加坡的 AI 业务由区域研究、负责任部署和本地技术岗位招聘等多个部分组成，而不是由一个单独设施完全代表。

应用型 AI 中心与大学合作

Singtel—英伟达应用 AI 卓越中心

Singtel 通过旗下 Singtel Digital InfraCo 启动了 Singtel—英伟达应用 AI 卓越中心。该中心计划结合 Singtel 的网络、云和数据中心能力，以及英伟达的加速计算平台，开发并商业化企业 AI 应用。

它的价值主要体现在运营层面：帮助企业从试验和原型阶段走向安全、可部署的 AI 系统，而不止于展示研究成果。

SIT—英伟达 AI 中心

新加坡理工大学—英伟达 AI 中心（SIT–NVIDIA AI Centre，简称 SNAIC）是一个面向企业的产学研中心，重点是测试、开发和实施 AI 解决方案。新加坡政府资料显示，该中心已支持 70 家企业，并帮助部署了 50 个在制造业等领域产生实际业务影响的 AI 解决方案。

SNAIC 展现了企业支持型中心在人才培养和技术转移方面的作用：企业带来真实业务问题，学生和研究人员获得接触实际部署环境的机会，而企业则能够培养同时理解模型和运营流程的 AI 工程人才。

Punggol 数字区：实体 AI 的现实测试场

新加坡也在传统办公室和实验室之外建设 AI 部署环境。新加坡资讯通信媒体发展局（IMDA）、裕廊集团（JTC）和新加坡理工大学正与 8 家行业领先企业合作，在 Punggol 数字区研究、测试和部署实体 AI。该测试场计划涵盖公共空间机器人服务；新加坡经济发展局列出的首批参与者包括 Certis、DHL、Grab 和 QuikBot。

这项计划的重要性在于，实体 AI 不仅需要模型，还需要受控环境、运营伙伴、安全流程、基础设施，以及在真实条件下反复测试的能力。

新加坡 AI 生态中的其他企业

新加坡公开披露的 AI 中心网络还包括科技、金融、专业服务、电信、消费和工业企业。但不同企业公开的信息详细程度差异很大，以下机构不应被理解为规模相同的实验室。

• KPMG 在新加坡经济发展局支持下推出 Trusted AI 卓越中心，帮助企业从 AI 试验阶段转向可信、可用于生产环境的企业级能力。
• Temus 被视为企业实施和数字化转型伙伴。AWS 与新加坡数字产业部门将 Temus 列为实施合作伙伴，帮助新加坡企业建设 AI 卓越中心，并将项目推进至最小可行产品阶段。
• Microsoft 出现在新加坡更广泛的企业 CoE 和研究合作网络中。但现有政府证据并未确认 Microsoft Research Asia 在新加坡设立一个独立的新实验室，也没有提供该实验室的本地员工数量。关于 Microsoft 与 A*STAR 已设立独立设施的说法，也需要单独文件支持后才能确认。
• Anthropic 被报道正在扩大其在新加坡的业务布局，与 OpenAI 和 Google DeepMind 一样成为在当地开展活动的重要 AI 公司。但现有资料没有证明其已设立一个拥有大规模本地团队的独立研究实验室，也未披露明确的资本投入或本地员工人数。
• Mastercard、Sea Group、Razer、Grab 和 UBS 都与新加坡更广泛的 AI 中心和企业应用生态有关。公开资料能够确认它们的参与或 AI 能力，但并未对每家公司都持续披露法律上独立的本地 CoE、投资金额或专门员工规模。
• Japfa 体现了 AI 在农食品行业的应用方向，但现有证据无法确认其在新加坡设有独立、专职的 AI 实验室，也无法确认其规模。因此，更适合将其视为行业 AI 能力的例子，而不是与 OpenAI 或英伟达已宣布的实验室直接比较。

这一点十分关键：一家企业可以拥有规模可观的 AI 工程团队，在多个业务部门使用 AI，或参加国家级测试场，却不一定运营一个正式名称为“卓越中心”的独立设施。

这些项目如何支撑 NAIS 2.0

1. 建立从研究到商业应用的转换层

NAIS 2.0 提出，要在企业内部建设新的 AI 卓越中心，并探索面向行业的 AI 卓越中心，以推动重点领域的高价值 AI 创造和应用。 企业中心的作用，就是把研究成果和基础模型转化为企业真正能够使用的产品、工作流程和运营系统。

这与公共研究中心的任务并不相同。企业拥有客户渠道、专有数据、工程能力、商业约束和行业评估标准；公共研究机构则可以更多关注长期问题和国家研究重点。两者形成互补，而不是相互替代。

2. 覆盖新加坡的重点行业

这些项目覆盖先进制造、金融服务、通信、医疗和公共服务，也延伸至物流、支付、电商、交通、农食品、游戏和机器人。新加坡更新后的 AI 重点特别强调先进制造、金融服务、通信和医疗领域的国家级 AI 任务。

这种应用广度使新加坡能够在数字服务和实体环境中同步测试 AI。例如，英伟达研究实验室和 Punggol 数字区测试场将议题延伸至具身智能和机器人，而 Singtel 的中心则更加聚焦企业级部署。

3. 加强人才培养与技术转移

新加坡公共 AI 研究计划围绕基础 AI、应用 AI 和人才发展展开，五年投入超过 10 亿新元，并计划在公共研究机构设立研究型 AI 卓越中心。

SNAIC 等产学研中心则提供另一条路径：企业提出具体问题，研究人员和学生获得真实部署场景，企业也能培养熟悉模型和业务运营的实践型人才。OpenAI 对技术岗位的承诺，以及 Google 被报道计划在当地招聘的技术人员，都说明人才建设已经成为争夺 AI 能力的重要部分。

4. 让“造福公众的 AI”真正能够部署

新加坡的战略将 AI 定位为促进公共利益和经济发展的工具，同时强调可信与负责任的使用。 要实现这一目标，仅有研究突破并不够，还需要能够把 AI 整合进医疗、政府、金融、制造和日常服务的组织，同时处理可靠性、安全、隐私和问责问题。

正在形成的模式可以概括为四层：

1. 公共机构负责长期研究、人才培养和国家级能力建设。
2. 模型与基础设施企业提供先进 AI 系统、算力和技术专长。
3. 行业企业提供领域知识、数据以及受监管的应用环境。
4. 大学与测试场把研究、人才培养和现实世界验证连接起来。

如何理解这些数字

“超过 70 个 AI 卓越中心”是一个重要指标，但需要谨慎解读。新加坡早期政府资料曾称当地已有超过 60 个中心，并提出争取锚定超过 100 个企业 AI 卓越中心的目标；最新资料则显示数量已超过 70 个。 这些数字反映的是一个不断变化的生态，也可能涵盖不同类型的企业中心、平台和能力团队。

同样，超过 10 亿新元的公共研究计划，并不是所有企业设施都可以使用的统一资金池，而是用于公共 AI 研究，包括基础研究、应用研究和人才发展。

最稳妥的结论并不是每一家被点名的企业都建设了同等规模的实验室，而是新加坡正在搭建一条从研究到部署的协同管线。OpenAI 已披露的投资、英伟达的研究实验室、Singtel 的应用 AI 中心、SNAIC 已报告的企业部署，以及 Punggol 数字区的实体 AI 测试场，是这条管线最清晰的案例。其他企业则扩大了行业覆盖范围，但在缺少更具体披露的情况下，其本地设施规模和人员投入仍不宜直接比较。