AIAP

AIAP 的設計非常獨特：

• 學徒制：不是上課，而是帶薪做真實專案
• 9 個月：第 1 個月 deepskilling（惡補 ML 基礎），第 2-9 個月做 100E 實際專案
• 導師制：每組學徒配資深 AI 工程師 / 研究員做 mentor
• 篩選嚴格：每年申請 1000+，錄取約 60-80 人

學徒來源：

• 跨界轉型：傳統軟體工程師轉 AI（最大群體）
• 應屆畢業生：CS / 數學 / 物理背景
• 海歸：海外 AI 碩博畢業回新加坡
• 行業轉型：金融、醫療等行業 IT 人轉 AI

畢業後約 70% 留在新加坡 AI 行業，30% 流向海外大廠。

AIAP 解決的核心問題：新加坡本地 AI 工程師供給嚴重不足。

新加坡的高校 CS 畢業生質量高但數量少（NUS / NTU 一年合計也就千把人），其中真正做 AI 的更少。商業 AI 團隊（DBS、Singtel、Grab）和創業公司常年在搶人。AIAP 的存在讓"非 CS 背景但有學習能力"的工程師能快速進入 AI 工程領域，相當於給本地 AI 人才市場加了一條"側門通道"。

技術上 AIAP 的訓練強度很高——9 個月從零到能寫 production 級 AI 專案，要求學徒每天工作 10+ 小時。這種強度篩掉了不適合的人，留下來的都是真正能幹活的。

AIAP 是新加坡 AI 戰略"槓桿 2（人才）"的核心抓手。

在「七條傳導槓桿」裡：

• 槓桿 2（人才）：本地 AI 工程師培養主管道
• 槓桿 3（應用）：通過 100E 專案讓學徒在企業實戰

觀點：AIAP 的"學徒 + 專案"模式是新加坡 AI 人才戰略的最大創新。它不是高校能做的（高校太學術），不是企業能做的（企業不願意花 9 個月慢慢帶新人），只能由 AISG 這種"國家計劃 + 商業專案橋樑"型機構來做。

但 AIAP 也有結構性挑戰：人才流失率高——9 個月後學徒進入私企，AISG 留不住自己培養的人；專案質量依賴企業方——100E 合作企業的專案水平參差不齊；規模天花板——每年 60-80 人的產出對新加坡 AI 行業仍然是杯水車薪。

NAIS 2.0 時期 AIAP 的關鍵問題：能否擴大到每年 200+？能否提高留存率？能否產出更高質量的 AI 工程師？