🗂️ 実践ノート

コミュニティから集めた現場の実践知。テーマ別に整理し匿名化したうえで、回り道を減らすために共有します。

💡 これらのノートはシンガポール AI スタートアップコミュニティの実際の対話から集めたもので、公開前に構造化と匿名化を行っています。各エントリーには企業プロフィールと適用条件が付記されています。指示ではなく参考としてご覧ください。政策の詳細は最新の公式文書を参照してください。

研究マンスリー National University of Singapore Nanyang Technological University EDB EP 申請 税務コンプライアンス 補助金政策 会社設立

Singapore AI 研究月報(2026-07)

📅 2026-07 📖 OpenAlex + 当サイトの選定
研究マンスリー National University of Singapore Nanyang Technological University

AI安全と評価

  • · 【National University of Singapore】A Practical Guide to Interpretability Metrics for Chain of Thought Reasoning — NUS著の調査は、思考の連鎖解釈可能性指標の断片化された状況を体系的に整理し、LLM推論トレースが忠実であるか、単なるもっともらしく見えるだけかという問題に直接対処しています。これはフロンティア推論モデルへの信頼に中心的な問題に関する中核的なAI安全性・評価作業です。(https://doi.org/10.5281/zenodo.21127002)
  • · 【Nanyang Technological University】Are heterogeneous graph neural networks truly effective for node classification? A causal perspective — 本論文はNTUが主導し、因果推論を用いて、ヘテロジニアスグラフニューラルネットワークのノード分類における報告された改善が本物であるか、あるいはデータセット・アーティファクトによる交絡であるかをテストするもので、厳密性に焦点を当てた貢献として尊敬される学術誌『Knowledge-Based Systems』に掲載されています。本研究はダウンストリーム領域応用というより、実質的なシンガポール主導のAI方法論研究を表しています。(https://doi.org/10.1016/j.knosys.2026.116595)
  • · 【Singapore University of Social Sciences】Governance-Aware Agentic AI for Enterprise Engineering Systems: A Design-Science Reference Architecture and Quantitative Risk-Control Model — シンガポール社会科学大学で執筆された本論文は、エンタープライズ環境におけるエージェント型AIを統治するための、デザイン・サイエンス参照アーキテクチャおよび定量的リスク管理モデルを提案しており、監査可能性、ツール呼び出し制御、および人間へのエスカレーションをカバーしています。エンタープライズ・エージェント型AIの採用が加速する中、このガバナンス・フレームワークはシンガポールのAIポリシー・エコシステムに直接的に関連していますが、これは概念段階のプレプリント(Zenodo)のままであり、経験的検証がされていません。(https://doi.org/10.5281/zenodo.21264296)

LLMとエージェント

  • · 【Nanyang Technological University】Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution — NTU の研究者は、大規模リポジトリをナビゲートするコーディングエージェントの既知の失敗モードに対処するエージェント型課題解決のための二重モーダル(テキスト+コード構造)推論アプローチ DUALVIEW を提案しています。このアプローチは、現在の LLM エージェント研究を支配する急速に進化するエージェント型コーディング領域に正に位置しています。(https://openalex.org/W7167379738)
  • · 【Singapore Management University】Knowledge-State Generative Agents for Pre Assessment Question Evaluation — SMUの研究者は、さまざまな習熟度レベルを有する学生をシミュレートするLLMベースの生成エージェントを構築し、実証的に検証しました。これは評価問題の質を評価するために設計されており、424人の学生からの実データでテストされました。この研究は一流の情報システム誌に掲載されており、教育エコシステムとの明確な関連性を有する、信頼できる応用的なLLMエージェント研究を示しています。(https://openalex.org/W7164709949)
  • · 【National University of Singapore】ChakapBot: A Generative AI-Powered Chatbot for the Revitalisation of Baba Malay — NUS で構築された ChakapBot は、絶滅危機にある Singapore の伝統言語である Baba Malay の復興と記録を支援するため、コミュニティによってキュレーションされたコーパスで訓練された生成 AI チャットボットであり、26 人の参加者による試験で検証されました。これは特徴的で社会的に根ざした LLM アプリケーションであり、明確なエコシステムおよび文化保全の意義を有し、典型的な商用利用を超えた価値を持つものです。(https://doi.org/10.3390/languages11070145)

マルチモーダル・ビジョン

  • · 【Nanyang Technological University】LongVQUBench: Benchmarking Long-Term Video Quality Understanding of Vision-Language Models — LongVQUBenchは、NTUが開発した実質的な新ベンチマーク(1,200本以上の動画、1,500のQAペア)です。大規模なビジョン言語モデルにおける長期的な動画品質理解を評価するためのもので、従来のベンチマークが短いクリップのみをカバーしているという現実のギャップを埋めています。最先端のマルチモーダルモデルの時間的推論能力を直接テストするものです。(https://openalex.org/W7167289797)
  • · 【National University of Singapore】NoPA: Non-Parametric Online 3D Scene Graph Generation — NUS主導のNoPA は、粗い単一ガウス分布オブジェクト近似を置き換えることで、リアルタイム3Dシーングラフ生成を進展させ、身体的/ロボット知覚に対する速度と幾何学的忠実性の両方を改善しています。これは、実用的なロボット工学への関連性を持つ中核的なマルチモーダル知覚問題への堅実な技術的貢献です。(https://openalex.org/W7167290256)

科学とヘルスケアのAI

  • · 【Nanyang Technological University】Reaction-aware molecular representation learning: Toward generalizable artificial intelligence for enzymatic catalysis — NTU研究者が、酵素触媒作用のための汎用化可能なAIを目指す反応認識型分子表現学習フレームワークを提案し、Acta Pharmaceutica Sinica Bに発表しました。これは狭い段階的なユースケースではなく、AI-for-scienceの中核的なボトルネック—化学反応の転移可能な表現—を対象としています。(https://doi.org/10.1016/j.apsb.2026.06.033)
  • · 【Agency for Science, Technology and Research】CycPeptMPDB-4D: Multi-Solvent Conformational Ensembles for Predicting Cyclic Peptide Permeability — CycPeptMPDB-4Dは、A*STAR、NUS、NTUを含む複数機関による大規模なリソースです。5,160個の環状ペプチドに対する分子動力学から導出された立体配置アンサンブルを備えており、膜透過性予測のための3D/4D深層学習モデルの訓練を明示的な目的として構築されています。これは物理ベースシミュレーションとAI駆動型創薬を橋渡しする基礎的なデータセット貢献であり、シンガポールの科学向けAI基盤分野における成長する役割を反映しています。(https://doi.org/10.5281/zenodo.21237441)
💬 まとめ: シンガポールの7月の論文は、フロンティアモデル開発からエージェント型AIシステムおよびAI for Science基盤へのシフト、ならびにガバナンス、解釈可能性、および厳密な評価手法への重点の高まりを明らかにしています。リアルタイム3D知覚エージェント、応用教育エージェント、分子発見データセット、およびエンタープライズガバナンスフレームワークを網羅するポートフォリオは、シンガポールを信頼性評価者およびハイステークス領域向けAI配備基盤の設計者として明確に位置付けています。

AI スタートアップ企業と EDB の会議紀要

📅 2026-02 📖 コミュニティシェア
EDB EP 申請 税務コンプライアンス 補助金政策 会社設立
🏢 企業プロフィール: AI プラットフォーム企業、ARR が $100M に接近、シンガポールに登録、チームは主にリモート、約 10 人

企業属性の判定:株式構造を確認し、創業者の国籍は確認しない 構造を見て、パスポートを見ない

  • · EDB は「シンガポール企業」か「中国資本企業」かを明確な基準で見ます。法人がどこで登録されているか、株主構成に中国企業があるか、顧客と売上がグローバルかどうかです。
  • · 会社がシンガポールで登録され、株主に中国主体がなく、事業が北米・欧州・グローバル中心なら、シンガポール企業として扱われます。
  • · この判定で、本部型ルートに進むのか、特別な取り扱いが必要なのかが決まります。

EP 申請:通常のプロセスで申請する方が、人脈を頼るより円滑です

  • · CEO / CTO など主要幹部の EP 要件は高くなく、先にローカル社員を雇う必要もありません。
  • · 給与はシンガポール法人から支払う必要があります。
  • · 却下の約 90% は政策上の問題ではなく、申請書類のミスによるものです。
  • · 初期段階(10〜20 人)が最も柔軟で、規模が大きくなると多様性要件がかかります。
  • · 提案:まず自分でオンライン申請し、却下された場合にだけ代理人を使う。

真の赤線:チームの単一性 多元化は見せかけではなく、実質的な要件です

  • · シンガポールは固定のローカル社員比率を強制しませんが、チームの多様性を非常に重視します。
  • · 望ましくない構成:全員が中国チーム、全員がインドチーム、全員が米国チーム。
  • · 許容されやすい構成:中国 + 北米 + 欧州 + オーストラリア。
  • · 単一文化の会社は本当の意味で国際化しにくい。これは長期観察からの結論であり、政治的正しさではありません。

対照事例:Manus は特例です

  • · EDB 側から Manus の話題が出ましたが、同時にそれは特殊ケースだと明確に説明されました。
  • · Manus は外部規制による時間制約に直面し、極めて短期間で中核チームを移す必要がありました。
  • · EDB は深く関与し、事前に人材省と調整し、移転対象者を複数バッチに分けました。
  • · 元のチームの一部を残さざるを得ない、という前提でした。
  • · 結論:通常の会社は通常プロセスを進めた方が成功率が高い。特別支援は「他に選択肢がない」状況でだけ現れます。
  • · 後続検証(2026-04-27):中国国家発展改革委員会は国家安全保障を理由に、Meta による Manus の 20 億米ドル買収を停止し、技術主権・データ主権・国家安全保障の 3 つのレッドラインを示しました。EDB が当時語った「時間制約」と「中核チーム移転」は、後から見ると出所国の規制動向に由来していました。登記地を移すだけでは出所国の管轄から離れられず、「Singapore washing」戦略は初めて明示的に退けられました。
  • · 後続検証(2026-08-11):Manus はユーザーへの書簡で独立運営への復帰を発表し、Meta による買収は正式に解消されました。Meta 所有期間(2025-12-29 以降)のユーザーデータは削除されます。否決から解消までの一連の流れが完結し、Manus の本社は引き続きシンガポールにあります。

実際の操作順序:コンプライアンスは税制優遇より先です 先にコンプライアンスを、その後優遇措置を受ける

  • · $100M ARR に近い会社に対して、EDB は次の順序を勧めます。
  • · 第 1 歩:税務コンプライアンス。国際税務 + Transfer Pricing を整え、なぜ売上がここにあり、利益がこのように配分されるのかを説明できるようにする。四大会計事務所を直接使うのがよい。
  • · 第 2 歩:本部機能の位置づけを決める。
  • · 第 3 歩:その後に税率優遇を検討する。
  • · 税率優遇:17% → 15%(約 15 人)、17% → 10%(25 人、5 年目に達成)。
  • · 優遇政策は、すでに機能している構造を報いるもので、壊れた構造を救うためのものではありません。

コストパフォーマンスが高い 2 つの政策

  • · R&D 補助:10 人以内の技術チームに向いており、コア技術に関係する実質的な研究開発であれば申請できます。
  • · ローカル新卒研修補助:ローカル新卒を 5 人フルタイムで採用し、CTO または中核技術者が育成する場合、政府が給与の一部を補助します。
  • · Enterprise Compute Initiative:政府がローカル企業の AI インフラプロバイダー利用を補助します。参加にはシンガポール拠点のチームが必要で、AWS、Microsoft、Google などと組み合わせられます。

企業登録と取締役

  • · シンガポール法人を設立した時点で、取締役は agency が用意し、本人はまだ EP を持っていないというケースはよくあります。
  • · 操作手順:シンガポール法人を使って自分の EP を申請し、EP 取得後に自分が取締役になります。
  • · 取締役は法的責任を負います。
  • · 自分で手続きすることも、第三者 agent に委託することもできます。
💬 まとめ: シンガポールの政策は、「既に動き始めているが、構造的な失敗を避けたい」という企業のために用意されています。まだ PMF を検証している段階なら、政府は重要ではありません。しかし、リスクが「実現可能性」から「構造、コンプライアンス、長期的な持続可能性」へと変わるとき、このような対話には価値があります。

現場経験を共有したい方は GitHub 経由でご投稿ください。

全ての投稿は構造化と匿名化を経て公開されます。