SMU

SMU 与 NUS / NTU 的差异化：

• SMU 不做硬核基础研究（不去刷 NeurIPS / ICML）
• SMU 做应用 AI + 商业 AI：SCIS 与本地金融、零售、政府部门有大量横向项目
• SMU 有 AI 政策研究：法学院、社科学院做 AI 治理、AI 与劳动力市场等议题

代表方向：

• AI for Business：决策支持、客户分析、运营优化
• AI Ethics & Governance：社科视角的 AI 政策研究
• Behavioural AI：人机交互、AI 在社会服务中的应用
• FinTech AI：与 MAS、新加坡金融机构合作

SMU 在 AI 上的角色是"应用研究的承接器"——它不出顶尖技术，但能帮助本地企业和政府部门把 AI 真正用起来。

代表性贡献：

• 与 DBS、UOB 等银行的 AI 应用合作
• 与 IMDA、PDPC 的 AI 政策研究合作
• AI 在公共服务（教育、社会工作、就业辅导）中的部署研究

技术上不是 SMU 的强项，但 SMU 的特色是"懂商业语言 + 懂技术"的混合人才培养——这种"翻译层"人才在新加坡 AI 落地里非常稀缺。

SMU 在新加坡 AI 战略里是"商业 AI + 政策 AI 的桥梁"。

在「七条传导杠杆」里：

• 杠杆 3（产业应用）：商业 AI 应用研究主力
• 杠杆 4（治理）：AI 政策与社会影响研究

观点：SMU 不是 AI 创新源头，但它是"技术翻译为商业价值"的关键节点。新加坡 AI 落地缺的不是技术（NUS / NTU / AISG / A*STAR 已经有），而是能把技术对接到商业场景的人才——SMU 培养的就是这类人。