SMU

SMU 與 NUS / NTU 的差異化：

• SMU 不做硬核基礎研究（不去刷 NeurIPS / ICML）
• SMU 做應用 AI + 商業 AI：SCIS 與本地金融、零售、政府部門有大量橫向專案
• SMU 有 AI 政策研究：法學院、社科學院做 AI 治理、AI 與勞動力市場等議題

代表方向：

• AI for Business：決策支援、客戶分析、運營最佳化
• AI Ethics & Governance：社科視角的 AI 政策研究
• Behavioural AI：人機互動、AI 在社會服務中的應用
• FinTech AI：與 MAS、新加坡金融機構合作

SMU 在 AI 上的角色是"應用研究的承接器"——它不出頂尖技術，但能幫助本地企業和政府部門把 AI 真正用起來。

代表性貢獻：

• 與 DBS、UOB 等銀行的 AI 應用合作
• 與 IMDA、PDPC 的 AI 政策研究合作
• AI 在公共服務（教育、社會工作、就業輔導）中的部署研究

技術上不是 SMU 的強項，但 SMU 的特色是"懂商業語言 + 懂技術"的混合人才培養——這種"翻譯層"人才在新加坡 AI 落地裡非常稀缺。

SMU 在新加坡 AI 戰略裡是"商業 AI + 政策 AI 的橋樑"。

在「七條傳導槓桿」裡：

• 槓桿 3（產業應用）：商業 AI 應用研究主力
• 槓桿 4（治理）：AI 政策與社會影響研究

觀點：SMU 不是 AI 創新源頭，但它是"技術翻譯為商業價值"的關鍵節點。新加坡 AI 落地缺的不是技術（NUS / NTU / AISG / A*STAR 已經有），而是能把技術對接到商業場景的人才——SMU 培養的就是這類人。