🔬 基礎研究 法定機構 運營中 成立 1991

A*STAR

主管部委
貿工部(MTI)
規模 / 指標
20+ 研究院所,員工 5000+,年研發支出 SGD 4.6 億+
官網
a-star.edu.sg
資訊更新
2026-05-02

A*STAR(Agency for Science, Technology and Research)是新加坡的國家科研機構,1991 年成立,掛在貿工部(MTI)下面。它不像高校那樣既要教學又要科研,而是**純粹做應用導向的研究**,是新加坡 AI 基礎研究和工業落地的"國家級 R&D 部門"。在 AI 領域,A*STAR 的 I2R(資訊通訊研究院)和 CFAR(前沿 AI 研究中心)是兩個核心節點。

📖 是什麼

A*STAR 是新加坡最大的公共研究機構,由 20+ 研究院所組成(如 I2R、IHPC、SIMTech、IMRE、IBN、CFAR 等),覆蓋資訊通訊、生物醫學、化學材料、製造、可持續能源等領域。

與 AI 直接相關的核心單位有:

  • I2R(Institute for Infocomm Research):新加坡最大的 ICT 研究院,AI / 計算機視覺 / NLP / 機器學習的傳統重鎮
  • CFAR(Centre for Frontier AI Research):2022 年成立的"前沿 AI 中心",專攻 LLM、生成式 AI、AI for Science
  • IHPC(Institute of High Performance Computing):超算 + AI for Science 的交叉研究

A*STAR 的角色定位非常清楚:做企業不願意做、高校做不深的中間層研究。它的研究成果通過 ETPL(Exploit Technologies Pte Ltd)做技術轉化,授權給本地企業商用。

🤖 與 AI 的關係

A*STAR 在新加坡 AI 生態裡是"基礎設施層"——很多東西它做了但你不知道是它

具體貢獻:

  • CFAR 與 AISG 共同孵化 SEA-LION:CFAR 提供 LLM 訓練經驗和算力資源,AISG 負責工程化和產品化
  • I2R 是新加坡 NLP / CV 研究的祖師爺:早年的 SGNLP(後轉給 AISG 維護)、新加坡英語方言識別等都源自 I2R
  • AI for Science:A*STAR 在材料、生物、化學領域用 AI 做發現,是新加坡少數有完整 AI4S 閉環的地方
  • 國家算力中心(NSCC)的運營方:SEA-LION、本地科研專案的算力都依賴 A*STAR 協調

技術路線上,A*STAR 不追求"全球第一論文",而是追求"產業可落地"——這是它和 NUS / NTU 這種純學術機構的根本差異。

🇸🇬 與新加坡的關係

A*STAR 是新加坡 AI 戰略中最容易被低估、但最不可或缺的角色

在「七條傳導槓桿」裡:

  • 槓桿 1(基礎研究):A*STAR 是國家研究投入的主要承接方,CFAR 直接對標全球前沿
  • 槓桿 3(產業應用):通過 I2R / SIMTech 把 AI 技術轉給本地製造業、醫療、金融
  • 槓桿 5(政府自用):政府部門很多 AI 專案(醫療影像、智慧國家平臺)都用 A*STAR 的技術棧

觀點:**A*STAR 的真正價值不在它的論文產出,而在它扮演了"國家技術轉化器"的角色**——把高校的純研究、企業的具體需求、國家的戰略目標,三者粘合起來。這是新加坡少數能做"從基礎研究到產品落地"全鏈條的機構。

但 A*STAR 也有明顯的瓶頸:人才與高校 / 大廠相比缺乏吸引力(薪資中等、晉升路徑窄)、研究產出效率受層級管理拖累部分研究院所方向陳舊(這是一個 1991 年的老牌機構)。NAIS 2.0 時期,A*STAR 在 AI 領域的角色定位需要重新審視——是繼續做"應用研究中臺",還是聚焦少數前沿(如 CFAR)?

🗓️ 關鍵里程碑

  1. 1991
    A*STAR 前身 NSTB 成立

    當時叫國家科技局(National Science and Technology Board)。

  2. 2002
    更名為 A*STAR
  3. 2002
    I2R 成立

    成為新加坡最大的 ICT 研究院。

  4. 2022-09
    CFAR 前沿 AI 研究中心成立

    專攻 LLM、生成式 AI、AI for Science。

  5. 2023
    CFAR 參與 SEA-LION 訓練

👥 關鍵人物

🔗 關聯資源

資料來源

同屬「🔬 基礎研究」

NUS
新加坡國立大學,AI 研究排名亞洲前列。2024.3 成立 NUS AI Institute,整合基礎 AI、應用 AI 及社會影響研究
NTU
南洋理工大學,AI 與資料科學研究重鎮
SMU
新加坡管理大學,AI 在商業與社會應用
SUTD
新加坡科技設計大學,AI 與設計交叉創新
AI新加坡與美國NSF研究人員的研究合作專案
該專案由南洋理工大學張捷教授領導,與美國麻省理工學院合作,致力於開發可信任、可解釋的人工智慧-人類互動最佳化系統。研究重點是建立自然語言作為組合最佳化問題的魯棒介面,使AI系統能夠從人類語言中制定最佳化問題、進行強大的AI輔助最佳化,並提供可解釋的反饋。該專案旨在為物流、製造、金融等行業提供高效的決策支援工具,同時推進可信任AI的基礎研究。
PINNACLE:PINN 自適應配置點和實驗點選擇方法
PINNACLE 是一種自適應點選擇方法,用於改進物理資訊神經網路(PINN)的訓練效率。該方法基於經驗神經切線核理論,能夠自動聯合最佳化所有型別訓練點的選擇,包括實驗點和配置點,在前向問題、反演問題和遷移學習等多個任務中顯著超越現有基準方法。
BadEdit:通過模型編輯對大語言模型進行後門注入
AI Singapore 研究團隊提出 BadEdit 框架,這是一種創新的後門注入方法,通過直接修改模型引數來對預訓練大語言模型進行高效的後門攻擊。該方法僅需 15 個數據樣本和 120 秒即可成功注入後門,攻擊成功率接近 100%,同時保持對清潔資料的最小副作用。BadEdit 相比傳統權重中毒方法的優勢在於資料需求少、效率高,適用於多種任務領域包括文本分類、事實核查和對話情感生成。
利用符號迴歸為決策樹發現更大類別的分割
本研究介紹了符號迴歸增強決策樹(SREDT),通過符號迴歸發現非線性、多變數的決策樹分割規則。與傳統決策樹相比,SREDT具有更好的預測效能、更小更緊湊的樹結構、更快的推理速度以及對噪聲的魯棒性。該方法通過遺傳程式設計搜尋閉式解析表示式,在分類任務上明顯優於標準決策樹。

同主題更多