新加坡: AI 工程师之国 - 杨莉明部长访谈

杨莉明在 Latent Space 播客中讲述新加坡 AI 战略的形成过程。原通讯与新闻部正式更名为数码发展与新闻部，名字来自对城市开发者的类比——构思、规划、执行、修正，并关注更高的社会目标。智慧国战略由数字经济、数字社会、数字政府和数字安全四根支柱支撑。

在企业层面，Grab 曾停工一周培训生成式 AI，新加坡航空和大型银行也设有 AI 团队。政府投入算力、放开金融与物流数据、并按 AI 创造者、AI 从业者和 AI 用户三层组织人才。AI Verify 用于传统模型，Project Moonshot 处理生成式 AI 的红队和基准测试。

杨莉明明确表示监管不会一刀切：对选举内容已立法要求基于真实言行，但开发者层面以原则、测试工具和教育为主。她也强调 EDB 是外资进入新加坡的便捷入口，新加坡内部对实验空间相当开放。

字幕语言：zh-CN · 抓取日期：2026-05-02 · 翻译日期：2026-05-02

[音乐]大家好，欢迎收听Laden Space播客，我是Alesio，Deciel Partners的合伙人兼C2和居民。今天我和我的联合主持人Swix，小i的创始人，一起录制这期非常特别的节目。大家好。今天我们邀请到了来自新加坡的Josephine先生，欢迎您。 你好，Sean，你好，Alesio，谢谢你们邀请我。 当然，您是数字发展与信息部部长，同时也是内政部第二部长。我们现在在新加坡的RAI机构见面，或许您可以介绍一下新加坡在人工智能方面的工作。 我们国家层面已经有人工智能战略多年了。大约两年前，生成式人工智能变得非常突出，我们觉得是时候刷新我们的国家人工智能战略了。在这种情况下，我们广泛征求意见，想和熟悉该领域的人交流，和活跃的从业者交流，也想和新加坡本地对人工智能生态系统发展感兴趣的人交流。 通过这些交流，我们偶然发现了一个额外的收获，那就是已经有新加坡人在人工智能领域非常活跃，尤其是在美国，特别是湾区。对我们来说，令人兴奋的是，如何也能咨询这些新加坡人，他们显然仍然对新加坡充满热情，关心国内的发展，并希望为此做出贡献。 这就是RAI的由来。RAI实际上早于我们去年12月发布的国家人工智能战略刷新版本。RAI参与者的意见帮助我们明确了建设人工智能生态系统的重要方向。在RAI参与者的鼓励下，主要是那些在美国做出卓越贡献的新加坡人，我们决定提升我们的雄心，这也是为什么我们提出“为公共利益服务的人工智能”，认识到商业利益肯定会推动行业内令人兴奋的发展，但我们也必须确保人工智能服务于公共利益，我们说的是为新加坡和世界服务。 我们的理念是，新加坡进行的实验和规模化的项目，可能会对世界其他地方产生贡献，所以“为新加坡和世界的公共利益服务的人工智能”就是我们的出发点。 我听过您之前的一些采访，甚至您所在部委名称中“发展”一词的选择都非常讲究。您提到命名很重要，能否解释一下部委的职责，不仅仅是资助研发，还包括思考如何将技术应用于产业，给大家一个概览，因为美国没有完全对应的机构。 当人们谈论我们的智慧国计划时，我们强调几个关键支柱：一个是充满活力的数字经济，一个是稳定的数字社会，因为数字技术的使用方式有时会导致社会分裂或加剧极化，也可能引发社会动荡。我们谈论稳定的数字社会，就是考虑如何维护社会凝聚力。 我们还说政府在这个领域必须是进步的，不能指望新加坡其他部分数字化，而政府却落后，所以进步的数字政府是另一个非常重要的支柱。 支撑这一切的是全面的数字安全，当然包括网络安全，还有个人在数字领域的安全感，无论是在社交媒体上，还是使用数字化服务和设备。 当我们谈论智慧国的这四个支柱时，人们能够理解。然后我们问自己，如何恰当地定义这个部委。我们以前叫做通信与信息部，实际上已经做了很多数字化工作，但名称中没有体现。最终决定改名时，有几个选项：数字技术、数字进步、数字创新，但我们最终选择了数字发展，因为我们关心的不是技术本身、进步或创新，它们固然重要，但我们更关注它们对社会和社区的影响。 我们思考如何塑造这些发展，如何实现值得信赖的数字体验，如何确保社会中每个人，不仅是数字化程度高的个体，都能感受到拥抱技术带来的进步和利益。 我们也相信，如果不关注这些，就可能无意识地让技术使用导致社会分裂。虽然听起来很严峻，但我们认为用技术促进社会团结是重要目标，这就是我们选择“数字发展”这个名称的原因。 还有一个维度，我们借鉴了城市物理发展的概念。开发者必须构思、规划、实施，并在实施过程中监控，遇到问题时进行修正。任何优秀的开发者都必须这样做。 顶尖开发者还会考虑更高的目标，思考合作伙伴，而不是独自完成所有事情。最重要的是，顶尖开发者会成为思想和行动的领导者。 所以我们说，如果称自己为数字发展部，如何在数字经济、数字社会、数字安全和数字政府的思考中体现这些价值观，成为桥梁建设者，关注长远影响，服务更高目标。 这是我们在改名讨论中带入的理念，对整个团队来说是一次很好的经历。 外界看来，我其实很惊讶，我找不到通信与信息部的标识，因为你们改名了。 是的，我们不得不把摄像头的标志换了。 我很喜欢你们现在正式认可数字发展技术的角色。以前叫信息通信与艺术部。 我们还会谈到新加坡作为工程中心的发展，比如OpenAI在新加坡开设办公室，以及如何培养更多人工智能工程师，因为我认为无论是为了个人职业发展还是在新加坡招聘，这都是大家感兴趣的话题。 也许现在是谈谈国家人工智能战略的好时机。你已经向总理提交了战略方案。新加坡有新总理，我不太清楚具体流程。我们的听众大多不是新加坡人，他们可能没听说过新加坡，但他们来自也在制定国家人工智能战略的国家。你是如何制定国家人工智能战略的？ 某种意义上，我们回到起点，问自己希望人工智能在新加坡实现什么。虽然有很多令人兴奋的发展，我们希望参与其中，但人工智能必须服务于某种目标。我们关注的是持续提升人民的能力，因为任何国家战略要成功，必须惠及本地社区。 本地社区定义很广泛，包括公民社区，公民希望获得更好的工作和更高的收入，但不仅限于此。公民也参与企业活动。 企业社区在新加坡的情况很有趣，和其他经济体一样，我们有中小企业，也有处于前沿的跨国公司。为了在新加坡成功，它们必须非常有竞争力。问题是，如何通过技术和人工智能为客户和股东提供更高价值。 我们非常关注人工智能在企业中的应用，这也与劳动力相关，因为员工看到雇主实施人工智能模型并识别应用场景，会极大激励他们学习相关技能。 对于大量中小企业来说，获取技术总是更难，我们如何帮助它们利用人工智能的优势？因此，我们需要一个全面的战略，激活多个引擎。 我们首先为研究社区提供计算资源，同时确保有需要的企业也能获得计算能力。如何实现这是我们需要解决的问题。 另一个重要方面是数据的可用性。早在十多年前，我们就有隐私保护法律，数据保护法律也不断更新，以支持合法的商业用途，确保明确性和确定性。 我们还努力组织数据，使其更易获取，比如金融领域、物流领域的特定数据，以及政府持有的各种数据，正向私营部门开放。 第三个重要部分是人才，我们考虑不同层次的人才。最高层是所谓的人工智能创造者，他们非常抢手，全球数量有限。我们希望吸引他们与新加坡合作，虽然他们可能不常驻新加坡，但保持国际联系，参与全球领先项目非常重要。 这些创造者需要由人工智能从业者支持，即数据科学家、机器学习工程师等。 同时还需要大量人工智能用户，他们能够熟练使用提供的工具。比如公司内部有设计人工智能机器人或寻找应用场景的团队，但如果同事不习惯使用，整体效果不完整。 我们希望在所有层面解决人才问题。新加坡足够紧凑，便于组织这些干预措施。我们已有健全的培训基础设施，大家知道有哪些资金支持，培训机构知道如果设计出能带来良好就业的课程，能获得补贴支持。 这个生态系统能够支持我们希望通过人工智能战略实现的目标。 这只是我们实施的部分措施，总共有15项。感兴趣的人可以查阅。很多人甚至不知道我们有非常活跃的人工智能战略，实际上这是第二个战略，之前还有一个五年计划，早于生成式人工智能。 我们也关注如何负责任地开发和部署人工智能，确保其可信赖。我们参与前沿对话，设有人工智能安全研究所，与美国、英国等地的同行合作，推动对该主题的理解。 更重要的是，我们必须为商业社区和人工智能开发者提供实用工具。我们开发了测试工具，虽然不完美，但已是起点。 由于AI Verify是为传统人工智能设计的，生成式人工智能需要不同的工具，包括红队测试和基准测试。 我们的兴趣超越治理框架和实用工具，进入研究领域，探讨如何证明人工智能系统真正安全，如何用数学方法证明。虽然我不是专家，但大家都能理解，除非能证明安全，否则其他测试只能提供一定程度的安慰，某些方面可能根本无法证明，可能需要接受这一点。 模拟测试尤其有趣。新加坡国立大学将成为首批拥有人工智能红队训练网络的大学之一。我们有公司专门做人工智能红队测试，客户包括一些最大的基础模型应用。GTech是唯一的政府机构参与此类工作。 新加坡一直走在前沿。我在访问时与Grab的首席产品官Philip Kendall会面，他们关闭公司一周，专注于生成式人工智能培训。只要在Grab工作，就必须参与生成式人工智能的学习和适应。 政府的兴趣很容易传导到企业，形成国家优先事项，大家都应投入时间。 Grab的做法是让全公司广泛提高意识，达到使用生成式工具的舒适度，这是明智之举，因为回报会在未来显现。 不仅Grab，领先银行和新加坡航空也有专门团队研究人工智能应用。航空运营复杂，有许多优化和合规需求，人工智能在此领域有很大潜力。 政府也不能落后。我们相信未来可能需要设立护栏，但如果政府自己使用技术，设立护栏会更有效。 我们很早就制定了政府官员使用生成式人工智能的指导原则，并开发工具供他们实践。现在政府内部有足够多的同事能够自主生成人工智能机器人，协助同事，这是令人兴奋的进展。 作为公民和人工智能发展爱好者，我担心我们强调安全和公共利益，但政府是否意识到“安全”在某些人工智能圈子里是个敏感词，常与审查、过度监管挂钩。 过度监管意味着削弱能力，这会阻碍人工智能创造者或语言模型训练者的发展。安全和前沿技术之间存在权衡，不能两者兼得。 我不确定正确答案是什么，但我感觉旧金山湾区倾向于尽可能少监管，探索前沿；欧洲则倾向于在创建前沿人工智能前就召开政府会议讨论安全；新加坡则处于中间位置。 这是个有趣的问题：如何看待人工智能发展？是否应遵守伦理原则？是否应有指导开发者的准则？ 我们尚未出台相关法律，最近刚提出一项尚未通过的法律，针对选举期间使用的人工智能生成内容和合成材料，范围非常具体。 对于更广泛的人工智能开发者和模型部署者，我们制定了原则，阐述良好治理应有的样子，并进一步推出测试工具和框架。 我们建议开发者考虑安全因素，保持透明，比如数据来源和使用场景。 这些指导原则大多是自愿性质，但我们希望通过教育，让受影响方学会提出正确问题，推动责任落实。 我同意，在明确目标前制定法规可能适得其反，许多领域都有类似情况。 人工智能常被称为通用技术，类似电力。电力生产有安全法规保护工人，但对电力使用本身并无过多限制。 我认为人工智能也应如此，视具体应用而定。比如选举应用会有规则，非选举用途则相对自由，但有害行为另当别论。 技术发展迅速，如何构建部委架构？比如新加坡最近取消了数据中心建设禁令，如何权衡人工智能相关政策的前瞻性和观望？ 新加坡政府是单一层级的城市国家，没有联邦和省州之分，这本身极大便利了决策。 我们有强烈的跨部委合作文化，数字领域尤为如此。 不仅数字发展部关注人工智能应用，交通部关心如何用人工智能优化轨道交通维护，从事预测性维护以提升可靠性。 卫生部关注如何用人工智能辅助医生诊断和制定治疗方案，尽管医生短期内不会被取代。 我们的组织结构允许各部委承担责任，推动创新。 我们保持相对精简，设有关注数字经济、数字社会、数字政府的团队，但跨学科合作频繁。 数字政府数字化服务时，必须考虑安全架构和韧性，不能孤立操作。 标准若与行业不兼容，服务就无法互操作。 灵活性和责任感是关键，不能说“这不是我的事”，必须持续搭建桥梁。 关于医疗领域，外国初创企业或新加坡创始人想进入该领域，应联系谁？ 新加坡的优势是最终能找到合适联系人，但对外界来说需要入口。 经济发展局（EDB）提供了良好的入口，设有40多个城市的办事处，能提供建议和对接。 我个人与EDB合作过，他们响应迅速，给想来新加坡投资的企业提供热情欢迎。 对于新领域，我们不会立即拒绝机会，而是寻找合适团队连接。 外界对新加坡的印象仍受30年前小事件影响，认为我们保守。其实新加坡内部清楚“OB标杆”，在此框架内有大量实验空间。 新加坡金融业的成功部分源于对可行方案的开放接受。 我希望想来新加坡探索的人不要有先入为主的观念，认为我们难以合作，我们非常热情。 我迫不及待想飞去新加坡，参观你们。 明年我计划举办类似奥运会规模的机器学习大会，你们机构参与其中，我也会举办人工智能工程师大会。 非常欢迎你们参加。 我希望很多人工智能创造者首次来新加坡，看到研究成果，也希望工程师队伍壮大。 谈谈人才方面吧。 我听你们播客时，你解释了人工智能工程师的不同维度。虽然我们还没正式称呼他们为人工智能工程师，但在公司里对人工智能表现出浓厚兴趣的人，已经符合你心目中的人工智能工程师标准。 他们可能没有博士学位，未必学过计算机科学，未必熟悉自然语言处理，但他们快速学习，转型，拥有领域知识。 他们能将通用基础模型转化为有用产品，这正是我们想要的。 大家都想要有用的产品，而非泛泛的通用模型。 今天有些人佩戴着工作证，很酷。 你们有很多术语，比如人工智能创造者、人工智能从业者。 国家人工智能战略中有个目标是将人工智能从业者人数从5,000增加到15,000。 但人们并不以“人工智能从业者”为职称。 确实，职称是招聘和技能提升的简化表达。 我是个务实的人，很多新加坡人也是，这就是我对人工智能工程师的看法。 谢谢你的建议，我们会考虑如何帮助新加坡人了解成为人工智能工程师的机会。 很多政府都在努力培训公民，提供机会。 我没在新加坡职场工作过，除了SkillsFuture外不太了解其他资源。 很多人想获得帮助，参加课程，拿证书，但如何帮助他们顺利进入行业，成为成功工程师？我担心会产生一堆无用证书。你怎么看？ 新加坡多年来也认识到不能过度依赖学历和资质。 有些人选择不走传统路径，尝试创业等不同方式。 我们发现，雇主的信号最重要，员工对雇主需求反应敏感。 如果公司推动组织范围的培训，比如Grab关闭一周专注生成式人工智能培训，信号非常强烈。 政府资金会支持企业开展此类项目，称为企业主导培训计划。 但不是所有人都在进步的公司工作，如果公司不支持，个人怎么办？ 我们提供替代方案，与行业专家合作，为特定行业识别未来3-5年内将影响工作的技术。 我们不看很长远，因为没人能准确预测15-35年后的工作。 但可以预测学习周期缩短，技能衰退加快。 具体到今天的工作，3-5年后会如何变化？ 比如物流行业，机器人技术会改变工作方式；金融服务则更多依赖人工智能和机器学习。 确定时间框架和技术后，针对具体岗位说明现状和未来变化，帮助个人规划学习。 举例来说，会计行业很多常规工作将被替代，员工需学会使用人工智能工具，转向其他任务。 比如财务犯罪取证仍需人类理解，具审计经验者适合转做数字取证。 如果雇主愿意投资培训，这是好事。 我们鼓励个人参考职业转型图，规划职业路径。 我们已有十多种职业转型图，涵盖多个行业。 这类似开源职业转型项目。 你说得比我好，我负责市场推广。 有人会把这些内容输入模型。 确实，如果用RAG技术，不难实现，因为文档长度适合。 这是规划任务。 本周热点是OpenAI的01模型，下一代RAG是规划和推理。 步骤需要合理，RAG主要是事实回忆，而规划涉及序列合理性。 这很有趣，我希望审计师能提供推理轨迹，供语言模型训练。 几年前我在Manpower部时，和美国招聘公司谈过，职业转型往往不是一步到位，而是有路径。 如果能研究大量职业路径数据库，就能为每个人定制转型方案。 我坦率分享自己从金融转向科技的经历，Quincy Lson教我编程，我相信他也能教新加坡人编程。 他们会互补。 规划和RAG互为补充，RAG不具备个性化职业路径。 我们今早谈到“赢得30年战争”，很多计划短期且急于求成。 比如OpenAI在新加坡开设办公室，吸引谷歌DeepMind等顶尖团队。 30年战争在我看来是技能运营的长期战略。 我们政府战略性地推广英语，作为商业语言。 我们讨论是否该推广编程语言，作为第三语言，类似英语和普通话。 我想听你对这个疯狂想法的看法。 计算机素养多年前被认定为重要，推行了多项计划，帮助各阶段学习者，包括成人，掌握技能。 人工智能素养并非天方夜谭。 是否所有人都需学习编程尚无定论。 我们与全球教育专家讨论过，他们关注课程设计，帮助孩子未来发展。 目前尚无明确结论是否人人需学编程。 有些参与者并非技术背景，晚入行也能快速成长。 新加坡有条件在未来推广人工智能素养，可能成为第三语言或类似数学的普及技能。 7月我们在新加坡举办了主权人工智能峰会，向Tamas、GSSE、EDVI等领导介绍硅谷经验和各国人工智能建设情况。 新加坡占NVIDIA 2023年第三季度收入的15%，在主权数据基础设施和电网建设上有重大投资。 马来西亚在这方面也很活跃。 你如何看待拥有基础设施的重要性，尤其是模型运行地点的掌控？ 这涉及自主权，也关系到选举内容生成的安全环境。 还有更多地缘政治层面的问题，我们不展开。 为什么新加坡这么早做出重大投资？ 你们是最先进的国家之一，能分享规划和决策过程吗？ 你提到选举问题，我们稍后单独讨论。 几年前，我们为政府制定了云优先战略，认可将部分工作负载迁移云端的好处。 云端带来灵活性，无需一直保持全部容量。 但云端不适合所有工作负载，需混合架构，部分工作负载留在本地。 识别适合云端的系统后，本地工作负载减少，资源可更集中保护。 同时依赖云服务商的安全架构。 这种混合策略定义了政府工作负载的管理方式。 对人工智能工作负载的思考也类似。 从政府角度看，整个新加坡也面临类似问题。 并非所有人工智能工作负载都能在新加坡托管。 我喜欢的比喻是制造业，部分早期制造活动因不可持续转移到其他地区。 供应链是全球和区域性的，每个环节都应发挥自身优势，整体受益。 我们也这样看待人工智能工作负载分布。 不可能托管所有工作负载，除非我们毫无野心，人工智能工作量极小。 工作负载必须分布到其他地方。 并非所有工作负载都需要极低延迟，有些可以分布式处理。 我们会观察情况。 新加坡数据中心容量相对于GDP和人口已是全球最高密度之一。 这不意味着停止扩容，我们仍在开拓空间，推动绿色数据中心。 绿色数据中心主要通过减少能耗和使用绿色能源实现，我们在两方面都有行动。 主权团队的理念之一是政府成为智能服务提供者。 比如你提到的会计工作，未来部分可由模型完成。 你怎么看政府提供人工智能会计服务？ 随着人口萎缩和劳动力减少，生产率增长需弥补差距。 政府拥有部分基础设施，向本地企业和中小企业提供服务，是缩小差距的驱动力之一。 你怎么看？ 我们确实考虑如何扩展和外包。 我们为初创企业和研究社区预留了计算资源预算。 私营部门，尤其是大型云服务商和数据中心运营商，积极提供计算服务。 他们愿意与有需求的实体合作。 政府会监控形势，补充私营部门不足，不一定全部介入。 你提到政府与私营部门合作方式的变化，尤其是培训领域。 成人教育中，私营培训机构更贴近行业需求，了解雇主要求，政府不应独占提供者角色。 我们的高等院校也提供相关课程，但不是唯一选择。 具体情况决定谁更适合提供培训。 我们时间有限，你还有其他活动。 新加坡政府和GTech有很多项目利用人工智能服务公众和内部使用，我会在节目说明中分享。 你个人有没有喜欢的人工智能应用案例，影响了你或孩子的生活？ 这是个好问题。 我更为同事们的热情感到自豪。 内部有个叫AI Bot的系统，你们听说过吗？ 你的团队给我发过三次信息，我当时不明白。 它是新加坡政府的RAG系统。 我们鼓励同事们尝试，系统能访问各部委的内部备忘录，积累了丰富的机构问题处理经验。 比如税务局处理税务申诉，过去多次有判决，新同事可以通过RAG系统快速找到答案。 这不意味着不需要理解判决理由，推理部分仍需完善。 目前许多机构开发了类似机器人，帮助处理复杂问题。 比如税务局、社会保障机构等。 之前的助手不够智能，回答标准化，无法深入理解问题，令人沮丧。 现在的人工智能机器人能提供更智能的回答，虽然还处于早期阶段，但代表了进步。 Jensen Juan称之为“机构知识保存”，知识转移更容易。 我也看好这对人口老龄化的积极影响。 新加坡出生率极低，智能化政府系统对他们尤为重要。 作为工程师，这是最激励我的工作。 还有什么我们应该问你的吗？ Leio还有个问题没问完，就是选举相关。 你对人工智能在选举中的影响有多担忧？ 这是我们非常关注的话题。 我们看到其他国家也出现类似情况，比如斯洛伐克，有虚假内容发布，严重损害被描绘者。 我们认为政治话语必须建立在事实基础上。 可以批评对方，不必认同对方观点，但话语必须基于事实。 人工智能生成内容和合成材料不再基于事实，而是虚构。 如果有人被逼真地描绘说了没说的话，做了没做的事，选民会困惑。 这可能正面或负面影响选举，均不正确。 我们决定选举期间必须基于真实发生的事实和言论。 即使不喜欢，也必须是实际说过的内容。 不能制造虚假内容取代真实信息。 这是我们制定的非常具体的要求。 选举中应只展示真实言论和行为，任何其他内容都是对事实准确性的攻击，不应成为常态。 选民应信任所见所闻。 感谢您的时间，您非常慷慨，作为部长收听我们的节目。 希望对您也有帮助。 如果您感兴趣，祝您的人工智能工程师大会在新加坡取得圆满成功。 请告诉我们，我们愿意提供帮助。 谢谢。[音乐]