NUS

NUS 的 AI 研究由几个核心单位承担：

• NUS AI Institute（NAII）：2024 年 3 月成立的旗舰研究院，集中基础 AI / 应用 AI / 社会影响三条线
• School of Computing（SoC）：传统 CS 强项，AI / NLP / CV / RL 都有顶尖团队
• NUS Business School：AI 在商业应用、AI for Finance
• NUS Medicine：AI for Healthcare（与 Synapxe、各医院合作）
• NUS Law TRAIL：AI 法律治理研究

NUS 还托管了 AI Singapore——AISG 的办公室、算力、教师全部嵌入 NUS 校园。这种"国家计划寄生于高校"的模式让 NUS 同时享有学术自主和国家资源。

国际合作上，NUS 与 Microsoft Research Asia 共建 IPP（Industrial PhD Programme），与 Google DeepMind 在新加坡的实验室也有研究合作。

NUS 的 AI 研究在三个层面都有强存在：

• 基础研究：在 NeurIPS / ICML / ICLR / CVPR / ACL 的论文产出位居亚洲前 3，部分细分方向（如 Trustworthy ML、Multi-modal Learning）全球前 10
• 应用研究：与本地企业、医院、政府部门有大量横向项目，是新加坡 AI 应用研究的"承接方"
• 国家计划支撑：通过 AISG 直接参与国家级项目（SEA-LION 训练、AI Verify 评估方法学等）

代表性研究方向：

• Trustworthy AI：Bryan Hooi、Reza Shokri 等团队在 AI 隐私、对抗鲁棒性方向是全球领先
• Multi-modal Foundation Models：LV-NUS 实验室在多模态 LLM 上有持续产出
• AI for Science：与生物、化学、材料学院的合作

但 NUS 的 AI 研究有一个长期问题：人才流失到大厂和海外——每年都有顶尖 PI 被 Google、OpenAI、Meta 挖走，这是新加坡作为"小国 + 高薪环境"的结构性挑战。

NUS 在新加坡 AI 战略里是"基础研究的承重墙"。

在「七条传导杠杆」里：

• 杠杆 1（基础研究）：NUS 是新加坡 AI 论文产出的最大单一机构
• 杠杆 2（人才）：NUS Computing 是本地 AI 工程师的主要培养基地，AISG 的 AIAP 学徒约 1/3 来自 NUS
• 杠杆 3（产业应用）：通过 NUS Enterprise、横向项目把研究转化

观点：NUS 是少数"既能做世界级研究、又愿意承接国家任务"的高校——这种平衡在很多研究型大学里很难达到。AISG 嵌入 NUS 是新加坡 AI 战略最关键的体制设计：让国家计划获得高校的研究力量，同时让高校的研究能被国家战略放大。

但 NUS AI Institute（2024 成立）目前还在整合期，它能否真正成为"亚洲 AI 研究中心"还需要 2-3 年观察。关键变量：能否吸引/留住顶级 PI、能否产出 SEA-LION 级别的旗舰项目、能否和 NTU 形成差异化（NTU 偏工程应用，NUS 偏基础研究）。