NSCC 形容，這個規模的算力超過 120,000 部高階 AI 筆記簿電腦加起來的總和。 系統預計服務新加坡大學、政府機構及研究院的超過 9,000 名研究人員；NSCC 現時亦已支援超過 700 名活躍使用者。

由 2A、2A+ 升級，研究可以行得更快

ASPIRE 2B 的總容量約為上一代 ASPIRE 2A 及 2A+ 合計的四倍。 舊系統已經展示國家級算力如何縮短科研週期：例如 Cooling Singapore 2.0 曾利用 ASPIRE 2A，在 24 小時內完成最多 80 小時的氣候模型模擬。

算力增加後，研究人員可運行更高解析度的模型、測試更多變量，亦可以更快重複實驗。對不少科研項目而言，成果不只取決於 AI 模型本身，還要結合物理模擬、大型數據集及大量反覆測試。

氣候模擬：為極端天氣及海岸規劃提供更細緻分析

新加坡期望 ASPIRE 2B 支援 AI 加持的氣候及天氣研究。更精細的模擬，有望協助研究人員深入分析暴雨、海平面風險及城市熱島效應，並為海岸防禦及城市規劃提供更多資料。

不過，這些屬於預期中的科研及政策效益，並不是超級電腦一開機就會自動出現的公共成果。預測是否可靠，仍然取決於數據質素、科學方法、模型驗證，以及政府和研究機構能否有效運用結果。

NSCC 支援的運算資源亦曾用於海岸保護研究，以及 Mencast 的 AI 輔助船用螺旋槳設計平台。該項目讓工程師在數日內探索超過 10,000 個設計方案；過往則約需數星期，才能完成約 20 個方案。

醫療 AI：由本地數據及臨床指引出發

ASPIRE 2B 亦會支援疾病預測及醫療模型訓練等工作，並可配合新加坡的全國醫療 AI 計劃 SIMFONI（Singapore Medical Foundation AI Model）。SIMFONI 的做法，是利用本地臨床數據及醫療指引，調整基礎模型，協助醫護人員作臨床決策。

SIMFONI 強調的是「輔助」而非取代醫生。模型可用於慢性疾病管理等範疇，但人類專業判斷、安全測試及相關保障措施仍然不可或缺。

換句話說，ASPIRE 2B 提供的是更大的訓練及分析空間，並不代表 AI 會自行診症或決定治療方案。模型最終是否適合臨床使用，仍須經過嚴格驗證及由醫療專業人員把關。

多語 AI：令亞洲語言不再只做配角

全球大型 AI 模型往往較集中處理英文及其他廣泛使用的語言。ASPIRE 2B 可讓研究人員進一步發展更貼近東南亞語言及文化環境的 AI 系統。

新加坡的 SEA-LION 及 MERaLiON，正是這方面的例子。MERaLiON 的開發曾使用 NSCC 的高效能運算資源，進行大型模型訓練、微調及反覆實驗，務求處理本地口音及多語環境中的語言細節。

對新加坡而言，重點不只是讓聊天機械人「識講」更多語言，還包括理解不同語境、文化背景及交流方式。ASPIRE 2B 令這些模型可以在本地以更大規模訓練，亦有助研究人員建立更符合區內需要的數據集及 AI 工具。

S$270 億元投資，不只是買 GPU

ASPIRE 2B 背後，是新加坡國家研究基金會（NRF）在 2024 年公布的 S$270 億元承諾，用於興建下一代超級電腦及提升全國高效能運算能力。

這項投資的意義不只是購置一大批 GPU。NSCC 及合作夥伴同時要處理研究人員如何申請算力、如何管理大型數據、如何訓練專才，以及如何將運算結果轉化成可驗證的科研或產業成果。

新加坡政府亦明確提醒，單靠更多處理能力，並不會自動帶來更好的氣候模型、醫療方案或工業產品。 算力只是入場券，人才、數據、研究方法及安全規範才決定最終能否真正落地。

下一步：連接 Helios 量子電腦

NSCC 的高效能運算資料顯示，ASPIRE 2B 計劃在 2026 年下半年與 Quantinuum 的 Helios 量子電腦整合。 如果進展順利，兩者可組成混合式古典—量子運算平台，探索分子模擬及先進材料等研究方向。

現階段應將它視為探索性能力，而不是新加坡已經取得實用量子優勢的證明。即時價值在於，研究人員可以測試傳統超級電腦與量子系統如何分工合作，為日後更複雜的科研問題作準備。

真正的目標：將算力變成研究及社會成果

ASPIRE 2B 最適合被理解為一項國家科研基礎設施，而不是一部單純追求排名的超級電腦。它的戰略價值，在於將本地算力、數據、科學專才、政府需求及工業問題連接起來。

如果各個環節能夠配合，ASPIRE 2B 有望縮短由模擬到工程設計的時間、改善氣候風險分析、發展更貼近本地人口的醫療模型，並令全球 AI 較少照顧的亞洲語言獲得更多支援。它亦可能成為測試高算力代理式 AI 及實體 AI 的科研平台。

但關鍵仍然是同一點：ASPIRE 2B 提供了進行更大、更貼地研究的能力，並不保證研究結果必然準確或有公共價值。最終成果，仍要視乎研究人員、數據質素、模型安全、驗證制度，以及圍繞這套系統建立的科研機構能否各司其職。

NSCC 形容，這個規模的算力超過 120,000 部高階 AI 筆記簿電腦加起來的總和。 系統預計服務新加坡大學、政府機構及研究院的超過 9,000 名研究人員；NSCC 現時亦已支援超過 700 名活躍使用者。

由 2A、2A+ 升級，研究可以行得更快

ASPIRE 2B 的總容量約為上一代 ASPIRE 2A 及 2A+ 合計的四倍。 舊系統已經展示國家級算力如何縮短科研週期：例如 Cooling Singapore 2.0 曾利用 ASPIRE 2A，在 24 小時內完成最多 80 小時的氣候模型模擬。

算力增加後，研究人員可運行更高解析度的模型、測試更多變量，亦可以更快重複實驗。對不少科研項目而言，成果不只取決於 AI 模型本身，還要結合物理模擬、大型數據集及大量反覆測試。

氣候模擬：為極端天氣及海岸規劃提供更細緻分析

新加坡期望 ASPIRE 2B 支援 AI 加持的氣候及天氣研究。更精細的模擬，有望協助研究人員深入分析暴雨、海平面風險及城市熱島效應，並為海岸防禦及城市規劃提供更多資料。

不過，這些屬於預期中的科研及政策效益，並不是超級電腦一開機就會自動出現的公共成果。預測是否可靠，仍然取決於數據質素、科學方法、模型驗證，以及政府和研究機構能否有效運用結果。

NSCC 支援的運算資源亦曾用於海岸保護研究，以及 Mencast 的 AI 輔助船用螺旋槳設計平台。該項目讓工程師在數日內探索超過 10,000 個設計方案；過往則約需數星期，才能完成約 20 個方案。

醫療 AI：由本地數據及臨床指引出發

ASPIRE 2B 亦會支援疾病預測及醫療模型訓練等工作，並可配合新加坡的全國醫療 AI 計劃 SIMFONI（Singapore Medical Foundation AI Model）。SIMFONI 的做法，是利用本地臨床數據及醫療指引，調整基礎模型，協助醫護人員作臨床決策。

SIMFONI 強調的是「輔助」而非取代醫生。模型可用於慢性疾病管理等範疇，但人類專業判斷、安全測試及相關保障措施仍然不可或缺。

換句話說，ASPIRE 2B 提供的是更大的訓練及分析空間，並不代表 AI 會自行診症或決定治療方案。模型最終是否適合臨床使用，仍須經過嚴格驗證及由醫療專業人員把關。

多語 AI：令亞洲語言不再只做配角

全球大型 AI 模型往往較集中處理英文及其他廣泛使用的語言。ASPIRE 2B 可讓研究人員進一步發展更貼近東南亞語言及文化環境的 AI 系統。

新加坡的 SEA-LION 及 MERaLiON，正是這方面的例子。MERaLiON 的開發曾使用 NSCC 的高效能運算資源，進行大型模型訓練、微調及反覆實驗，務求處理本地口音及多語環境中的語言細節。

對新加坡而言，重點不只是讓聊天機械人「識講」更多語言，還包括理解不同語境、文化背景及交流方式。ASPIRE 2B 令這些模型可以在本地以更大規模訓練，亦有助研究人員建立更符合區內需要的數據集及 AI 工具。

S$270 億元投資，不只是買 GPU

ASPIRE 2B 背後，是新加坡國家研究基金會（NRF）在 2024 年公布的 S$270 億元承諾，用於興建下一代超級電腦及提升全國高效能運算能力。

這項投資的意義不只是購置一大批 GPU。NSCC 及合作夥伴同時要處理研究人員如何申請算力、如何管理大型數據、如何訓練專才，以及如何將運算結果轉化成可驗證的科研或產業成果。

新加坡政府亦明確提醒，單靠更多處理能力，並不會自動帶來更好的氣候模型、醫療方案或工業產品。 算力只是入場券，人才、數據、研究方法及安全規範才決定最終能否真正落地。

下一步：連接 Helios 量子電腦

NSCC 的高效能運算資料顯示，ASPIRE 2B 計劃在 2026 年下半年與 Quantinuum 的 Helios 量子電腦整合。 如果進展順利，兩者可組成混合式古典—量子運算平台，探索分子模擬及先進材料等研究方向。

現階段應將它視為探索性能力，而不是新加坡已經取得實用量子優勢的證明。即時價值在於，研究人員可以測試傳統超級電腦與量子系統如何分工合作，為日後更複雜的科研問題作準備。

真正的目標：將算力變成研究及社會成果

ASPIRE 2B 最適合被理解為一項國家科研基礎設施，而不是一部單純追求排名的超級電腦。它的戰略價值，在於將本地算力、數據、科學專才、政府需求及工業問題連接起來。

如果各個環節能夠配合，ASPIRE 2B 有望縮短由模擬到工程設計的時間、改善氣候風險分析、發展更貼近本地人口的醫療模型，並令全球 AI 較少照顧的亞洲語言獲得更多支援。它亦可能成為測試高算力代理式 AI 及實體 AI 的科研平台。

但關鍵仍然是同一點：ASPIRE 2B 提供了進行更大、更貼地研究的能力，並不保證研究結果必然準確或有公共價值。最終成果，仍要視乎研究人員、數據質素、模型安全、驗證制度，以及圍繞這套系統建立的科研機構能否各司其職。