項目的重點並唔只係前沿模型研究，而係將 AI 應用到政府服務、金融及醫療等公共和私人領域。合作方向包括由工程團隊直接協助本地機構，將模型能力轉化為可以安全部署的實際方案。

OpenAI 這項安排之所以受到關注，主要有兩個原因：一係公開披露的投資額較為具體；二係它明確將模型、前線工程及本地執行能力連接起來。

NVIDIA：研究實體 AI 與高效運算

NVIDIA 宣布在新加坡設立 AI 研究實驗室，並形容這是公司在亞太區的第二個同類研究室。實驗室將聚焦 實體 AI（embodied AI） 及高效 AI 運算，並與大學研究人員、業界伙伴及政府機構合作。

實體 AI 指能夠理解及作用於現實世界的 AI，例如機械人、自動化設備及智慧製造系統。這個研究方向，正好配合新加坡在先進製造、機械人及工業科技方面的發展重點。

NVIDIA 同時參與其他本地合作，包括 Singtel–NVIDIA 應用 AI 卓越中心，以及新加坡理工大學與 NVIDIA 合作成立的 SNAIC。換句話講，NVIDIA 在新加坡的角色同時涵蓋研究、算力，以及由研究走向企業部署的支援。

Google 與 Google DeepMind：區域研究、公共服務及安全 AI

Google 透過與新加坡政府的合作，擴大在教育、醫療及科學研究等公共和私人領域的 AI 應用。

Google DeepMind 在新加坡的活動，則被形容為支援與東南亞各地政府、大學及公民社會組織的區域合作，務求令 AI 工具更切合區內多元市場的需要。

Google 亦宣布成立以安全為重點的 AI 卓越中心，研究代理式 AI（agentic AI）帶來的新風險，以及內容驗證等問題。 現有資料顯示，Google 在新加坡採取的是區域研究、負責任部署及本地技術招聘並行的模式，而唔係由單一設施代表所有相關工作。

由研究走向落地的中心與合作項目

Singtel–NVIDIA 應用 AI 卓越中心

Singtel 透過 Singtel Digital InfraCo，成立 Singtel–NVIDIA Centre of Excellence for Applied AI。中心利用 Singtel 的網絡、雲端及數據中心能力，加上 NVIDIA 的加速運算平台，協助企業開發及商業化 AI 應用。

這個項目的實際意義在於，目標唔係停留喺概念驗證或研究原型，而係協助機構建立安全、可管理、可以正式投入運作的 AI 系統。

SIT–NVIDIA AI Centre（SNAIC）

新加坡理工大學與 NVIDIA 合作成立的 SIT–NVIDIA AI Centre，簡稱 SNAIC，主要協助企業測試、開發及實施 AI 方案。

新加坡政府資料顯示，SNAIC 已支援 70 間公司，並協助部署 50 個在製造業等行業產生實際商業影響的 AI 解決方案。

SNAIC 的特色係將應用學習、企業問題同 AI 基礎設施連接起來。企業可以帶住真實業務需要入場測試，大學生及從業員就可以接觸實際部署環境，建立由模型到營運的完整技能。

Punggol Digital District：測試實體 AI 的真實場景

新加坡亦將 AI 測試由辦公室及實驗室帶到實際社區環境。新加坡資訊通信媒體發展局（IMDA）、JTC 及新加坡理工大學，正與 8 間業界領袖企業在 Punggol Digital District 合作，研究、測試及部署實體 AI。

計劃包括在公共空間測試機械人服務。根據新加坡經濟發展局資料，Certis、DHL、Grab 及 QuikBot 是首批被點名參與的企業。

實體 AI 要真正落地，單靠一個模型並唔夠，還需要受控環境、營運伙伴、安全流程、基礎設施，以及在真實條件下反覆測試。Punggol 的測試場正正提供這一層由研究走向使用的驗證環境。

其他被納入新加坡 AI 生態圈的企業

新加坡公開資料亦提到一批來自科技、金融、專業服務、電訊、消費及工業領域的公司。不過，以下機構的公開披露程度並不一致，唔應該當成規模相同的 AI 實驗室比較：

• KPMG 在新加坡推出 Trusted AI Centre of Excellence，獲新加坡經濟發展局支持，協助企業由 AI 試驗階段走向可信、可在企業內使用的能力。
• Temus 主要擔任企業及數碼轉型實施伙伴。AWS 與 Digital Industry Singapore 將 Temus 列為協助本地企業建立 AI 卓越中心、並將方案推至最小可行產品階段的實施伙伴。
• Microsoft 出現在新加坡企業 AI 卓越中心及研究合作的較大版圖之中。不過，現有政府資料並未證實 Microsoft 在新加坡另設一所全新的 Microsoft Research Asia 實驗室，亦未提供相關本地團隊人數。因此，對於一所獨立 Microsoft–A*STAR 設施的說法，亦需要另有資料支持。
• Anthropic 被報道正擴大在新加坡的業務及區域存在，與 OpenAI 及 Google DeepMind 一樣成為在當地有活動的主要 AI 公司之一。 但現有來源未能證實 Anthropic 在新加坡設有大型、獨立研究實驗室，或者披露具體投資額及本地員工人數。
• Mastercard、Sea Group、Razer、Grab 及 UBS 都與新加坡較廣泛的 AI 中心及企業採用網絡有關。 公開資料顯示它們具備相關 AI 能力或參與生態圈，但未有一致披露每家公司是否設有法律上獨立的本地 CoE、投資金額或專門團隊規模。
• Japfa 代表農業食品行業的 AI 應用方向，但現有證據未能核實一所獨立、專門駐新加坡的 AI 實驗室，亦未交代其規模。因此，較適合將 Japfa 視為行業 AI 能力的例子，而唔係直接與 OpenAI 或 NVIDIA 的已公布實驗室比較。

這個分別相當重要：一間公司可以擁有龐大的 AI 工程團隊、在多個部門使用 AI，或者參與國家級測試場，但未必營運一座正式名為「卓越中心」的獨立設施。

這些項目點樣配合 NAIS 2.0？

1. 建立由研究到商業應用的中間層

NAIS 2.0 提倡在企業內建立新的 AI 卓越中心，並探索按行業設立中心，推動更高階的 AI 價值創造及採用。

企業中心的作用，就係將研究成果、基礎模型及雲端算力，轉化為企業真正用得上的產品、工作流程及營運系統。企業亦能夠帶來客戶接觸、專有數據、工程經驗、商業限制及行業評估標準。

公共研究中心則較適合處理長期、基礎及具國家策略意義的問題。兩者係分工，而唔係互相取代。

2. 覆蓋新加坡的重點行業

相關項目涵蓋先進製造、金融服務、電訊連接、醫療及公共服務，並延伸至物流、支付、電子商貿、交通、農業食品、遊戲及機械人。

新加坡更新後的 AI 重點，特別包括先進製造、金融服務、連接性及醫療四項國家 AI 任務。 NVIDIA 的研究實驗室及 Punggol 測試場，將策略推向機械人和實體 AI；Singtel 的中心則集中於企業級部署。

3. 加強人才培訓及技術轉移

國家 AI 研究及發展計劃集中於基礎 AI、應用 AI 及人才培訓，並於五年內投入逾 10 億新加坡元，同時在公共研究機構成立研究卓越中心。

SNAIC 等大學與企業合作中心，就提供另一條由課堂走向職場的路徑：企業帶來真實問題，研究人員及學生接觸部署環境，而公司亦可以培養同時理解模型和營運的 AI 工程人才。

OpenAI 承諾支援技術職位，以及 Google 擬招聘超過 150 個本地職位的消息，亦反映人才培訓及招聘，已經成為新加坡建立 AI 能力的重要一環。

4. 令「AI 為公共利益」可以真正落地

新加坡的策略將 AI 定位為推動公共利益及經濟發展的工具，並強調可信及負責任的使用。

要達到這個目標，唔能夠只靠研究突破，還要有機構將 AI 整合到醫療、政府、金融、製造及日常服務，同時處理可靠性、安全、私隱及問責問題。

目前逐漸成形的模式，可以分成四層：

1. 公共機構：資助長期研究、人才及國家級能力。
2. 模型及基礎設施公司：提供先進 AI 系統、算力及技術專長。
3. 行業企業：提供行業知識、數據及受監管的部署環境。
4. 大學及測試場：將研究、人才培訓及真實世界驗證連接起來。

70 多個中心同 10 億新加坡元，應該點樣理解？

「超過 70 個 AI 卓越中心」係一個有用的指標，但唔代表 70 多座規模相同的研究實驗室。較早期政府資料曾提到超過 60 個中心，並提出爭取建立超過 100 個由企業主導的 CoE。 數字變化反映生態圈仍在擴展，而不同統計可能包括企業中心、樞紐、團隊及其他 AI 能力。

同樣地，公共研究計劃投入的逾 10 億新加坡元，並唔係供所有企業設施共同使用的資金池，而係投向 2025 至 2030 年的公共 AI 研究，包括基礎研究、應用研究及人才發展。

最穩妥的結論，唔係話每一間被點名的公司都建立了同樣大型的實驗室，而係新加坡正逐步砌出一條由研究到部署的完整管道：OpenAI 已公布的投資、NVIDIA 的研究承諾、Singtel 的應用 AI 中心、SNAIC 已公布的企業部署數字，以及 Punggol 的實體 AI 測試場，都是這條管道較清晰的例子。其他企業就擴闊了行業覆蓋面，但在本地設施規模及員工承諾方面，仍需要更多具體披露，先可以作直接比較。

項目的重點並唔只係前沿模型研究，而係將 AI 應用到政府服務、金融及醫療等公共和私人領域。合作方向包括由工程團隊直接協助本地機構，將模型能力轉化為可以安全部署的實際方案。

OpenAI 這項安排之所以受到關注，主要有兩個原因：一係公開披露的投資額較為具體；二係它明確將模型、前線工程及本地執行能力連接起來。

NVIDIA：研究實體 AI 與高效運算

NVIDIA 宣布在新加坡設立 AI 研究實驗室，並形容這是公司在亞太區的第二個同類研究室。實驗室將聚焦 實體 AI（embodied AI） 及高效 AI 運算，並與大學研究人員、業界伙伴及政府機構合作。

實體 AI 指能夠理解及作用於現實世界的 AI，例如機械人、自動化設備及智慧製造系統。這個研究方向，正好配合新加坡在先進製造、機械人及工業科技方面的發展重點。

NVIDIA 同時參與其他本地合作，包括 Singtel–NVIDIA 應用 AI 卓越中心，以及新加坡理工大學與 NVIDIA 合作成立的 SNAIC。換句話講，NVIDIA 在新加坡的角色同時涵蓋研究、算力，以及由研究走向企業部署的支援。

Google 與 Google DeepMind：區域研究、公共服務及安全 AI

Google 透過與新加坡政府的合作，擴大在教育、醫療及科學研究等公共和私人領域的 AI 應用。

Google DeepMind 在新加坡的活動，則被形容為支援與東南亞各地政府、大學及公民社會組織的區域合作，務求令 AI 工具更切合區內多元市場的需要。

Google 亦宣布成立以安全為重點的 AI 卓越中心，研究代理式 AI（agentic AI）帶來的新風險，以及內容驗證等問題。 現有資料顯示，Google 在新加坡採取的是區域研究、負責任部署及本地技術招聘並行的模式，而唔係由單一設施代表所有相關工作。

由研究走向落地的中心與合作項目

Singtel–NVIDIA 應用 AI 卓越中心

Singtel 透過 Singtel Digital InfraCo，成立 Singtel–NVIDIA Centre of Excellence for Applied AI。中心利用 Singtel 的網絡、雲端及數據中心能力，加上 NVIDIA 的加速運算平台，協助企業開發及商業化 AI 應用。

這個項目的實際意義在於，目標唔係停留喺概念驗證或研究原型，而係協助機構建立安全、可管理、可以正式投入運作的 AI 系統。

SIT–NVIDIA AI Centre（SNAIC）

新加坡理工大學與 NVIDIA 合作成立的 SIT–NVIDIA AI Centre，簡稱 SNAIC，主要協助企業測試、開發及實施 AI 方案。

新加坡政府資料顯示，SNAIC 已支援 70 間公司，並協助部署 50 個在製造業等行業產生實際商業影響的 AI 解決方案。

SNAIC 的特色係將應用學習、企業問題同 AI 基礎設施連接起來。企業可以帶住真實業務需要入場測試，大學生及從業員就可以接觸實際部署環境，建立由模型到營運的完整技能。

Punggol Digital District：測試實體 AI 的真實場景

新加坡亦將 AI 測試由辦公室及實驗室帶到實際社區環境。新加坡資訊通信媒體發展局（IMDA）、JTC 及新加坡理工大學，正與 8 間業界領袖企業在 Punggol Digital District 合作，研究、測試及部署實體 AI。

計劃包括在公共空間測試機械人服務。根據新加坡經濟發展局資料，Certis、DHL、Grab 及 QuikBot 是首批被點名參與的企業。

實體 AI 要真正落地，單靠一個模型並唔夠，還需要受控環境、營運伙伴、安全流程、基礎設施，以及在真實條件下反覆測試。Punggol 的測試場正正提供這一層由研究走向使用的驗證環境。

其他被納入新加坡 AI 生態圈的企業

新加坡公開資料亦提到一批來自科技、金融、專業服務、電訊、消費及工業領域的公司。不過，以下機構的公開披露程度並不一致，唔應該當成規模相同的 AI 實驗室比較：

• KPMG 在新加坡推出 Trusted AI Centre of Excellence，獲新加坡經濟發展局支持，協助企業由 AI 試驗階段走向可信、可在企業內使用的能力。
• Temus 主要擔任企業及數碼轉型實施伙伴。AWS 與 Digital Industry Singapore 將 Temus 列為協助本地企業建立 AI 卓越中心、並將方案推至最小可行產品階段的實施伙伴。
• Microsoft 出現在新加坡企業 AI 卓越中心及研究合作的較大版圖之中。不過，現有政府資料並未證實 Microsoft 在新加坡另設一所全新的 Microsoft Research Asia 實驗室，亦未提供相關本地團隊人數。因此，對於一所獨立 Microsoft–A*STAR 設施的說法，亦需要另有資料支持。
• Anthropic 被報道正擴大在新加坡的業務及區域存在，與 OpenAI 及 Google DeepMind 一樣成為在當地有活動的主要 AI 公司之一。 但現有來源未能證實 Anthropic 在新加坡設有大型、獨立研究實驗室，或者披露具體投資額及本地員工人數。
• Mastercard、Sea Group、Razer、Grab 及 UBS 都與新加坡較廣泛的 AI 中心及企業採用網絡有關。 公開資料顯示它們具備相關 AI 能力或參與生態圈，但未有一致披露每家公司是否設有法律上獨立的本地 CoE、投資金額或專門團隊規模。
• Japfa 代表農業食品行業的 AI 應用方向，但現有證據未能核實一所獨立、專門駐新加坡的 AI 實驗室，亦未交代其規模。因此，較適合將 Japfa 視為行業 AI 能力的例子，而唔係直接與 OpenAI 或 NVIDIA 的已公布實驗室比較。

這個分別相當重要：一間公司可以擁有龐大的 AI 工程團隊、在多個部門使用 AI，或者參與國家級測試場，但未必營運一座正式名為「卓越中心」的獨立設施。

這些項目點樣配合 NAIS 2.0？

1. 建立由研究到商業應用的中間層

NAIS 2.0 提倡在企業內建立新的 AI 卓越中心，並探索按行業設立中心，推動更高階的 AI 價值創造及採用。

企業中心的作用，就係將研究成果、基礎模型及雲端算力，轉化為企業真正用得上的產品、工作流程及營運系統。企業亦能夠帶來客戶接觸、專有數據、工程經驗、商業限制及行業評估標準。

公共研究中心則較適合處理長期、基礎及具國家策略意義的問題。兩者係分工，而唔係互相取代。

2. 覆蓋新加坡的重點行業

相關項目涵蓋先進製造、金融服務、電訊連接、醫療及公共服務，並延伸至物流、支付、電子商貿、交通、農業食品、遊戲及機械人。

新加坡更新後的 AI 重點，特別包括先進製造、金融服務、連接性及醫療四項國家 AI 任務。 NVIDIA 的研究實驗室及 Punggol 測試場，將策略推向機械人和實體 AI；Singtel 的中心則集中於企業級部署。

3. 加強人才培訓及技術轉移

國家 AI 研究及發展計劃集中於基礎 AI、應用 AI 及人才培訓，並於五年內投入逾 10 億新加坡元，同時在公共研究機構成立研究卓越中心。

SNAIC 等大學與企業合作中心，就提供另一條由課堂走向職場的路徑：企業帶來真實問題，研究人員及學生接觸部署環境，而公司亦可以培養同時理解模型和營運的 AI 工程人才。

OpenAI 承諾支援技術職位，以及 Google 擬招聘超過 150 個本地職位的消息，亦反映人才培訓及招聘，已經成為新加坡建立 AI 能力的重要一環。

4. 令「AI 為公共利益」可以真正落地

新加坡的策略將 AI 定位為推動公共利益及經濟發展的工具，並強調可信及負責任的使用。

要達到這個目標，唔能夠只靠研究突破，還要有機構將 AI 整合到醫療、政府、金融、製造及日常服務，同時處理可靠性、安全、私隱及問責問題。

目前逐漸成形的模式，可以分成四層：

1. 公共機構：資助長期研究、人才及國家級能力。
2. 模型及基礎設施公司：提供先進 AI 系統、算力及技術專長。
3. 行業企業：提供行業知識、數據及受監管的部署環境。
4. 大學及測試場：將研究、人才培訓及真實世界驗證連接起來。

70 多個中心同 10 億新加坡元，應該點樣理解？

「超過 70 個 AI 卓越中心」係一個有用的指標，但唔代表 70 多座規模相同的研究實驗室。較早期政府資料曾提到超過 60 個中心，並提出爭取建立超過 100 個由企業主導的 CoE。 數字變化反映生態圈仍在擴展，而不同統計可能包括企業中心、樞紐、團隊及其他 AI 能力。

同樣地，公共研究計劃投入的逾 10 億新加坡元，並唔係供所有企業設施共同使用的資金池，而係投向 2025 至 2030 年的公共 AI 研究，包括基礎研究、應用研究及人才發展。

最穩妥的結論，唔係話每一間被點名的公司都建立了同樣大型的實驗室，而係新加坡正逐步砌出一條由研究到部署的完整管道：OpenAI 已公布的投資、NVIDIA 的研究承諾、Singtel 的應用 AI 中心、SNAIC 已公布的企業部署數字，以及 Punggol 的實體 AI 測試場，都是這條管道較清晰的例子。其他企業就擴闊了行業覆蓋面，但在本地設施規模及員工承諾方面，仍需要更多具體披露，先可以作直接比較。