這項合作的重點不只是前沿模型研究，而是把模型能力轉化為公共及私人部門可使用的方案，應用範圍包括政府服務、金融與醫療。

OpenAI 的布局之所以受到關注，一方面是因為它公開了相對明確的投資金額與職位規模；另一方面，計畫也強調前線部署工程能力，讓模型能配合新加坡的產業需求與實際工作流程落地。

NVIDIA：聚焦實體 AI 與高效率運算

NVIDIA 宣布在新加坡設立 AI 研究實驗室，這將是其亞太區第二個 AI 研究實驗室。實驗室將聚焦實體 AI（embodied AI）與高效率 AI 運算，並與大學研究人員、企業夥伴及政府機構合作。

這個方向與新加坡在先進製造、機器人及「實體 AI」方面的發展重點相互呼應。NVIDIA 也已透過與 Singtel 及新加坡理工大學（SIT）等夥伴合作，參與當地的應用 AI 與人才培育工作。

Google 與 Google DeepMind：區域研究及公私營應用

Google 在新加坡的 AI 活動涵蓋公共及私人部門合作，應用領域包括教育、醫療與科學研究。

Google DeepMind 在新加坡的布局則被描述為支援與政府、大學及公民社會組織的區域合作，讓 AI 工具更能回應東南亞多元市場的需求。 Google 另已宣布設立以安全為重點的 AI 卓越中心，研究代理型 AI（agentic AI）帶來的新風險，以及內容驗證等議題。

現有資料顯示，Google 在新加坡的 AI 布局由區域研究、負責任部署與本地技術招聘等部分組成，不能簡化為單一設施。報導亦指出，Google 正招聘超過 150 個當地職位，其中多數與科技及工程有關。

從研究走向部署的中心與合作計畫

Singtel–NVIDIA 應用 AI 卓越中心

Singtel 透過 Singtel Digital InfraCo 成立 Singtel–NVIDIA 應用 AI 卓越中心。中心將結合 Singtel 的網絡、雲端與資料中心能力，以及 NVIDIA 的加速運算平台，協助開發並商業化企業 AI 應用。

它的價值主要在於執行，而非單純展示研究成果：企業可在中心支援下，從 AI 試驗與原型開發，進一步走向安全、可管理及可部署的系統。

SIT–NVIDIA AI 中心（SNAIC）

新加坡理工大學–NVIDIA AI 中心（SNAIC）是一個由大學與企業共同建立的應用中心，協助企業測試、開發及導入 AI 解決方案。新加坡政府資料顯示，SNAIC 已支援 70 家企業，並協助部署 50 個在製造業等領域產生實際商業影響的 AI 解決方案。

SNAIC 也扮演人才與技術轉移的橋樑：企業帶來真實問題，學生與研究人員取得接觸部署環境的機會，而企業則能培養同時理解模型與營運流程的 AI 工程人才。

Punggol Digital District：讓實體 AI 在公共空間接受測試

新加坡也把 AI 測試從辦公室和實驗室延伸至真實城市環境。資訊通信媒體發展局（IMDA）、JTC 及 SIT 正與 8 家產業領導企業合作，在 Punggol Digital District 研究、測試與部署實體 AI。

該測試場域預計涵蓋公共空間的機器人服務；Certis、DHL、Grab 與 QuikBot 是經濟發展局列出的首批參與企業。

實體 AI 不只是把模型放進機器人。它還需要受控環境、營運夥伴、安全程序、基礎設施，以及在真實條件下反覆測試。Punggol Digital District 的意義，正在於提供這種從概念驗證走向商業部署的環境。

其他參與新加坡 AI 生態系的企業

新加坡公開提及的 AI 中心版圖，還包括金融、專業服務、電信、消費科技、工業與數位平台企業。不過，「AI 實驗室」、「AI 中心」、「卓越中心」與企業內部 AI 團隊並不是完全相同的類別；不同機構公開的投資、職位及設施資料也不一致，因此不宜直接比較規模。

• KPMG 在新加坡推出 Trusted AI 卓越中心，獲新加坡經濟發展局支持，協助企業從 AI 試驗階段走向可信賴、可在企業環境中運作的能力。
• Temus 主要扮演數位轉型與實施夥伴角色。AWS 與 Digital Industry Singapore 將 Temus 列為協助新加坡企業建立 AI 卓越中心、並把方案推進至最小可行產品階段的實施夥伴之一。
• Microsoft 出現在新加坡較廣泛的企業 CoE 與研究合作網絡中。不過，現有政府資料並未證實 Microsoft 在新加坡另設一座全新的 Microsoft Research Asia 研究實驗室，也沒有提供該設施的本地員工數字。對於獨立的 Microsoft–A*STAR 設施，也需要另有具體文件才能作出確認。
• Anthropic 已被報導計畫擴大在新加坡的布局，與 OpenAI 及 Google DeepMind 一樣，成為在當地發展業務的主要 AI 公司之一。 但現有資料未能確認其在新加坡設有具大規模固定編制的研究實驗室，也未披露明確的資本承諾或本地員工人數。
• Mastercard、Sea Group、Razer、Grab 與 UBS 都與新加坡更廣泛的 AI 中心及企業採用版圖有關。 公開資料可確認它們參與相關生態系或擁有 AI 能力，但未一致披露每家公司是否設有法律上獨立的本地 CoE、投資金額或專屬員工規模。
• Japfa 代表農業食品領域的 AI 應用。不過，現有證據不足以確認它在新加坡設有獨立編制的 AI 實驗室或其規模，因此較適合作為產業 AI 能力的例子，而非與 OpenAI 或 NVIDIA 已公布的實驗室直接相比。

這項區分十分重要：一家公司可以擁有龐大的 AI 工程團隊，在多個業務部門使用 AI，或參與國家級測試場域，卻不一定經營一個正式命名為「卓越中心」的獨立設施。

這些計畫如何支援 NAIS 2.0？

1. 建立從研究到商業應用的轉譯層

NAIS 2.0 鼓勵在企業內建立 AI 卓越中心，並探索按產業設立 CoE，以推動關鍵領域更深層的 AI 價值創造與採用。

企業中心的功能，是把研究成果、基礎模型、雲端工具與運算資源，轉化為企業能真正使用的產品、工作流程與營運系統。與公共研究中心相比，企業帶來的是客戶接觸、專有資料、工程專業、商業限制及按產業需求設計的評估方式。

2. 覆蓋新加坡優先發展的產業

目前的計畫涵蓋先進製造、金融服務、連接性、醫療與公共服務，也延伸至物流、支付、電子商務、交通、農業食品、遊戲與機器人。新加坡更新後的 AI 重點，特別將先進製造、金融服務、連接性及醫療列為國家 AI 任務的重要領域。

這種產業廣度，讓新加坡能同時在數位服務與實體環境測試 AI。NVIDIA 的研究實驗室與 Punggol Digital District 測試場域把議程推向實體 AI 和機器人；Singtel 的中心則更集中於企業部署。

3. 強化人才培育與技術轉移

國家 AI 研究與開發計畫以基礎 AI、應用 AI 及人才發展為三大方向，5 年投入逾 10 億新元，並規劃在公共研究機構設立 AI 研究卓越中心。

SNAIC 這類大學與企業合作中心，則提供另一條路徑：企業提出實際問題，研究人員與學生接觸部署情境，公司也能培養熟悉技術與營運的實務人才。OpenAI 對技術職位的承諾，以及 Google 擬增加本地技術職位，都反映人才已成為建立 AI 能力的核心競爭。

4. 讓「公益 AI」真正能夠落地

新加坡的策略將 AI 定位為促進公共利益與經濟發展的工具，並強調可信賴及負責任的使用。 要實現這個目標，不能只靠研究突破，還需要能把 AI 整合到醫療、政府、金融、製造與日常服務的組織，同時處理可靠性、資安、私隱與問責問題。

新加坡正在形成一種分層模式：

1. 公共機構：資助長期研究、人才培育與國家級能力。
2. 模型與基礎設施企業：提供先進 AI 系統、算力與技術專業。
3. 產業企業：提供領域知識、資料及受監管的部署環境。
4. 大學與測試場域：把研究連接到人才培育與真實世界驗證。

這些數字代表什麼，又不代表什麼？

「超過 70 個 AI 卓越中心」是了解生態系規模的重要指標，但不能視為 70 座規模相同的研究實驗室。新加坡較早的政府資料曾提到超過 60 個中心，並設定吸引超過 100 個企業 AI 卓越中心的目標；目前的數字反映生態系仍在快速變化，也可能涵蓋不同形式的企業中心、平台與能力。

同樣地，2025 至 2030 年逾 10 億新元的公共研究計畫，也不是所有企業設施都能取得的共同資金池。這筆資金主要用於公共 AI 研究，包括基礎研究、應用研究與人才發展。

最穩妥的結論，不是說每一家被點名的企業都建立了同等規模的研究實驗室，而是新加坡正在組裝一條從研究走向部署的協作管線。OpenAI 的已公布投資、NVIDIA 的研究承諾、Singtel 的應用 AI 中心、SNAIC 已公布的企業部署成果，以及 Punggol Digital District 的實體 AI 測試場域，是目前最清晰的例子。其他企業則擴大了產業覆蓋範圍，但在缺乏更具體披露前，仍不宜直接比較其本地設施規模或人力承諾。

這項合作的重點不只是前沿模型研究，而是把模型能力轉化為公共及私人部門可使用的方案，應用範圍包括政府服務、金融與醫療。

OpenAI 的布局之所以受到關注，一方面是因為它公開了相對明確的投資金額與職位規模；另一方面，計畫也強調前線部署工程能力，讓模型能配合新加坡的產業需求與實際工作流程落地。

NVIDIA：聚焦實體 AI 與高效率運算

NVIDIA 宣布在新加坡設立 AI 研究實驗室，這將是其亞太區第二個 AI 研究實驗室。實驗室將聚焦實體 AI（embodied AI）與高效率 AI 運算，並與大學研究人員、企業夥伴及政府機構合作。

這個方向與新加坡在先進製造、機器人及「實體 AI」方面的發展重點相互呼應。NVIDIA 也已透過與 Singtel 及新加坡理工大學（SIT）等夥伴合作，參與當地的應用 AI 與人才培育工作。

Google 與 Google DeepMind：區域研究及公私營應用

Google 在新加坡的 AI 活動涵蓋公共及私人部門合作，應用領域包括教育、醫療與科學研究。

Google DeepMind 在新加坡的布局則被描述為支援與政府、大學及公民社會組織的區域合作，讓 AI 工具更能回應東南亞多元市場的需求。 Google 另已宣布設立以安全為重點的 AI 卓越中心，研究代理型 AI（agentic AI）帶來的新風險，以及內容驗證等議題。

現有資料顯示，Google 在新加坡的 AI 布局由區域研究、負責任部署與本地技術招聘等部分組成，不能簡化為單一設施。報導亦指出，Google 正招聘超過 150 個當地職位，其中多數與科技及工程有關。

從研究走向部署的中心與合作計畫

Singtel–NVIDIA 應用 AI 卓越中心

Singtel 透過 Singtel Digital InfraCo 成立 Singtel–NVIDIA 應用 AI 卓越中心。中心將結合 Singtel 的網絡、雲端與資料中心能力，以及 NVIDIA 的加速運算平台，協助開發並商業化企業 AI 應用。

它的價值主要在於執行，而非單純展示研究成果：企業可在中心支援下，從 AI 試驗與原型開發，進一步走向安全、可管理及可部署的系統。

SIT–NVIDIA AI 中心（SNAIC）

新加坡理工大學–NVIDIA AI 中心（SNAIC）是一個由大學與企業共同建立的應用中心，協助企業測試、開發及導入 AI 解決方案。新加坡政府資料顯示，SNAIC 已支援 70 家企業，並協助部署 50 個在製造業等領域產生實際商業影響的 AI 解決方案。

SNAIC 也扮演人才與技術轉移的橋樑：企業帶來真實問題，學生與研究人員取得接觸部署環境的機會，而企業則能培養同時理解模型與營運流程的 AI 工程人才。

Punggol Digital District：讓實體 AI 在公共空間接受測試

新加坡也把 AI 測試從辦公室和實驗室延伸至真實城市環境。資訊通信媒體發展局（IMDA）、JTC 及 SIT 正與 8 家產業領導企業合作，在 Punggol Digital District 研究、測試與部署實體 AI。

該測試場域預計涵蓋公共空間的機器人服務；Certis、DHL、Grab 與 QuikBot 是經濟發展局列出的首批參與企業。

實體 AI 不只是把模型放進機器人。它還需要受控環境、營運夥伴、安全程序、基礎設施，以及在真實條件下反覆測試。Punggol Digital District 的意義，正在於提供這種從概念驗證走向商業部署的環境。

其他參與新加坡 AI 生態系的企業

新加坡公開提及的 AI 中心版圖，還包括金融、專業服務、電信、消費科技、工業與數位平台企業。不過，「AI 實驗室」、「AI 中心」、「卓越中心」與企業內部 AI 團隊並不是完全相同的類別；不同機構公開的投資、職位及設施資料也不一致，因此不宜直接比較規模。

• KPMG 在新加坡推出 Trusted AI 卓越中心，獲新加坡經濟發展局支持，協助企業從 AI 試驗階段走向可信賴、可在企業環境中運作的能力。
• Temus 主要扮演數位轉型與實施夥伴角色。AWS 與 Digital Industry Singapore 將 Temus 列為協助新加坡企業建立 AI 卓越中心、並把方案推進至最小可行產品階段的實施夥伴之一。
• Microsoft 出現在新加坡較廣泛的企業 CoE 與研究合作網絡中。不過，現有政府資料並未證實 Microsoft 在新加坡另設一座全新的 Microsoft Research Asia 研究實驗室，也沒有提供該設施的本地員工數字。對於獨立的 Microsoft–A*STAR 設施，也需要另有具體文件才能作出確認。
• Anthropic 已被報導計畫擴大在新加坡的布局，與 OpenAI 及 Google DeepMind 一樣，成為在當地發展業務的主要 AI 公司之一。 但現有資料未能確認其在新加坡設有具大規模固定編制的研究實驗室，也未披露明確的資本承諾或本地員工人數。
• Mastercard、Sea Group、Razer、Grab 與 UBS 都與新加坡更廣泛的 AI 中心及企業採用版圖有關。 公開資料可確認它們參與相關生態系或擁有 AI 能力，但未一致披露每家公司是否設有法律上獨立的本地 CoE、投資金額或專屬員工規模。
• Japfa 代表農業食品領域的 AI 應用。不過，現有證據不足以確認它在新加坡設有獨立編制的 AI 實驗室或其規模，因此較適合作為產業 AI 能力的例子，而非與 OpenAI 或 NVIDIA 已公布的實驗室直接相比。

這項區分十分重要：一家公司可以擁有龐大的 AI 工程團隊，在多個業務部門使用 AI，或參與國家級測試場域，卻不一定經營一個正式命名為「卓越中心」的獨立設施。

這些計畫如何支援 NAIS 2.0？

1. 建立從研究到商業應用的轉譯層

NAIS 2.0 鼓勵在企業內建立 AI 卓越中心，並探索按產業設立 CoE，以推動關鍵領域更深層的 AI 價值創造與採用。

企業中心的功能，是把研究成果、基礎模型、雲端工具與運算資源，轉化為企業能真正使用的產品、工作流程與營運系統。與公共研究中心相比，企業帶來的是客戶接觸、專有資料、工程專業、商業限制及按產業需求設計的評估方式。

2. 覆蓋新加坡優先發展的產業

目前的計畫涵蓋先進製造、金融服務、連接性、醫療與公共服務，也延伸至物流、支付、電子商務、交通、農業食品、遊戲與機器人。新加坡更新後的 AI 重點，特別將先進製造、金融服務、連接性及醫療列為國家 AI 任務的重要領域。

這種產業廣度，讓新加坡能同時在數位服務與實體環境測試 AI。NVIDIA 的研究實驗室與 Punggol Digital District 測試場域把議程推向實體 AI 和機器人；Singtel 的中心則更集中於企業部署。

3. 強化人才培育與技術轉移

國家 AI 研究與開發計畫以基礎 AI、應用 AI 及人才發展為三大方向，5 年投入逾 10 億新元，並規劃在公共研究機構設立 AI 研究卓越中心。

SNAIC 這類大學與企業合作中心，則提供另一條路徑：企業提出實際問題，研究人員與學生接觸部署情境，公司也能培養熟悉技術與營運的實務人才。OpenAI 對技術職位的承諾，以及 Google 擬增加本地技術職位，都反映人才已成為建立 AI 能力的核心競爭。

4. 讓「公益 AI」真正能夠落地

新加坡的策略將 AI 定位為促進公共利益與經濟發展的工具，並強調可信賴及負責任的使用。 要實現這個目標，不能只靠研究突破，還需要能把 AI 整合到醫療、政府、金融、製造與日常服務的組織，同時處理可靠性、資安、私隱與問責問題。

新加坡正在形成一種分層模式：

1. 公共機構：資助長期研究、人才培育與國家級能力。
2. 模型與基礎設施企業：提供先進 AI 系統、算力與技術專業。
3. 產業企業：提供領域知識、資料及受監管的部署環境。
4. 大學與測試場域：把研究連接到人才培育與真實世界驗證。

這些數字代表什麼，又不代表什麼？

「超過 70 個 AI 卓越中心」是了解生態系規模的重要指標，但不能視為 70 座規模相同的研究實驗室。新加坡較早的政府資料曾提到超過 60 個中心，並設定吸引超過 100 個企業 AI 卓越中心的目標；目前的數字反映生態系仍在快速變化，也可能涵蓋不同形式的企業中心、平台與能力。

同樣地，2025 至 2030 年逾 10 億新元的公共研究計畫，也不是所有企業設施都能取得的共同資金池。這筆資金主要用於公共 AI 研究，包括基礎研究、應用研究與人才發展。

最穩妥的結論，不是說每一家被點名的企業都建立了同等規模的研究實驗室，而是新加坡正在組裝一條從研究走向部署的協作管線。OpenAI 的已公布投資、NVIDIA 的研究承諾、Singtel 的應用 AI 中心、SNAIC 已公布的企業部署成果，以及 Punggol Digital District 的實體 AI 測試場域，是目前最清晰的例子。其他企業則擴大了產業覆蓋範圍，但在缺乏更具體披露前，仍不宜直接比較其本地設施規模或人力承諾。