新加坡四大國家級 AI 任務：為何航空業率先上場？

新加坡正把人工智慧（AI）戰略從「鼓勵各界嘗試」推進到「以整個產業為單位落地」。2026 年預算案公布的四大國家級 AI 任務，涵蓋先進製造、互聯互通、金融服務與醫療；2026 年 5 月更新的《國家 AI 策略 2.0》（NAIS 2.0）則說明，這些任務將由應用研究、人才、資料、測試環境與治理框架共同支撐。

四大任務，先看重點

這些任務並非把 AI 當成彼此割裂的單點實驗，而是選定新加坡已有較完整經濟與營運能力的領域，推動 AI 進行產業級轉型。

1. 互聯互通：航空業率先啟動

目前已開始在航空業推進相關工作，這被描述為四大任務下首個跨產業項目。初步方向包括以安全為優先的新一代空中交通管理，以及在航空運能持續增加之際，運用 AI 改善飛機排序、旅客流動與行李處理。

航空業之所以成為最早案例，至少從現有規劃可看出它具備幾項條件：運作流程高度協調、資料密集，而且安全要求明確。這讓 AI 可以先應用於營運調度與資源最佳化，同時保留清晰的人為監督界線。不過，現有資料並未明確說明政府選擇航空業的單一官方理由。

互聯互通任務的範圍也不限於機場，還包括新加坡的海事與港口網絡。樟宜機場（Changi Airport）和大士港（Tuas Port）都是複雜、資料豐富的營運環境，可用於探索機場、海事與物流最佳化。

2. 先進製造：讓 AI 走進工廠

先進製造任務聚焦能夠與實體生產環境互動的 AI，亦即常說的「實體 AI」或「具身 AI」。規劃中的應用包括機器人、用於重新設計生產流程的模擬、數位孿生，以及預測性維護。

這些工具有望協助製造商更早發現生產問題，並減少物料浪費與停機時間；但就現有資料而言，這些仍是預定應用方向，並非已獲證實的全國性成果。

新加坡把實體 AI 放在應用研究和真實世界實驗的重要位置，也反映出單靠軟體示範或模型基準測試，無法完整評估機器人在工廠中的可靠度、安全性與協作能力。

3. 金融服務：更早發現犯罪，也讓交易更聰明

金融服務任務預計涵蓋日益複雜的金融犯罪偵測、更完善的財務管理工具，以及新一代跨境支付系統。

金融 AI 的挑戰在於，它必須在敏感資料、合規義務和高影響決策交織的制度中運作。因此，NAIS 2.0 強調受治理的資料存取與負責任部署，並不是附加條件，而是讓相關應用能夠擴大使用的實際基礎。

4. 醫療：從臨床支援走向個人化照護

醫療任務列出的應用包括診斷與臨床決策、醫療資源規劃，以及更個人化的健康建議與照護。

這些都屬於高風險用途，因此技術目標必須與問責制度及風險控制同步推進。現有資料確認了政策方向，但並未證明上述每一項應用已在全國層級完成部署。

NAIS 2.0 如何把任務推向落地？

更新後的策略並不只是列出幾個試點，而是把產業問題與一套完整的落地能力連在一起，包括應用 AI 研究與工程能力、兼具領域知識和 AI 能力的「AI 雙語人才」、受治理的相關資料存取，以及更深入的公共部門轉型。

這種設計正面回應 AI 導入時常見的落差：一個表現亮眼的模型本身並不足夠。組織還需要懂行業的專業人才、可用資料、技術基礎設施、真實測試環境，以及在高影響場景部署 AI 時清楚而可執行的規則。

逾 10 億新元研究投資，人才也被視為基礎設施

新加坡已在《國家 AI 研究與發展計劃》下，承諾於 2025 年至 2030 年投入超過10 億新元，支持基礎與應用 AI 研究，以及人才培育；範圍從大專前教育、教研人員，到國際研究合作。

NAIS 2.0 同時把「AI 雙語人才」列為優先方向。這裡的「雙語」不是指自然語言能力，而是指一個人同時具備特定領域專業，以及有效運用 AI 的能力。對航空、製造和醫療而言，這一點尤其重要：成功的系統必須符合現有工作流程和安全要求，而不只是產生技術上令人驚艷的輸出。

Punggol 與研究生態系成為 AI 測試場

新加坡正把 Punggol Digital District（榜鵝數碼區）發展為實體 AI 和應用 AI 的前沿測試場域。規劃中的實驗包括讓企業部署機器人，執行清潔、巡邏和送餐等任務。

新加坡也透過 Nvidia 在當地的研究布局擴大 AI 研究生態系。該研究據點預計與本地大學、企業及政府合作，研究機器人、能源效率更高的 AI 模型，以及相關基礎設施。

這些場域的價值在於，實體 AI 不能只靠電腦基準測試或軟體展示來驗證。機器人和自主系統必須在真實環境中接受測試，才能觀察其可靠度、協調能力與安全表現。

信任與問責仍是底線

新加坡的《代理式 AI 模型人工智慧治理框架》（Model AI Governance Framework for Agentic AI）為企業部署自主 AI 系統提供負責任使用指引。框架把人與組織的問責放在核心，要求企業建立治理結構、指定監督角色，並按照系統的自主程度與風險配置相應的風險控制。

其中一項關鍵保障是：高風險或不可逆的行動，不應在沒有人員審查的情況下執行。企業應設定需要人員批准的檢查點或行動界線。

這項原則與四大任務直接相關。AI 可以協助最佳化港口、找出可疑金融活動，或支援臨床判斷；但最終仍由部署系統的組織，對系統如何運作，以及人員如何介入負責。

真正的考驗：能否從示範走到整個產業

新加坡的 AI 計劃之所以值得關注，在於它沒有只押注模型能力，而是把四大產業任務與長期研究資金、人才培育、共享及真實世界測試場域、相關資料存取和部署指引放在同一個架構內。

航空業提供了最清晰的早期案例：它是一個具全國重要性的複雜系統，可以在安全要求明確的前提下，探索 AI 如何改善營運協調。至於製造、金融與醫療，則各自面對不同的技術和監管難題；現有來源尚未證明四大任務已全部完成大規模落地。

因此，NAIS 2.0 的即時訊息很明確：新加坡要把 AI 從零散試驗推向產業級實施。這項企圖能否轉化為可量化的改善，仍取決於部署品質、人為監督的強度，以及開發者能否從真實營運需求出發，而不是停留在展示技術本身。