從 AI 看新加坡的轉向能力

摘要

新加坡作為一個先天條件極差的城市國家——沒有腹地、沒有資源、沒有人口縱深、沒有族群同質性——卻把「被世界需要」維持了 60 年。媒體常把這個故事寫成地理位置、港口效率或精英政府的勝利；本文從 AI 入手，提供一個不同的觀察視角：新加坡真正依靠的，是在舊優勢變弱之前主動轉向，並把新方向落實成制度和專案的能力。

我們首先以霍爾木茲海峽的旁路化（沙特 Petroline 擴容、阿聯酋富查伊拉港、巴拿馬運河枯水期、中緬油氣管道）類比馬六甲，指出物理樞紐的脆弱性；進而通過新加坡 60 年五次轉型的軌跡，論證其「在被需要的狀態尚未失效時，主動轉向並把新方向變成執行」的制度本能。在 AI 這一輪轉型中，我們用 GitHub Star 資料證偽「AI 精煉+認證」戰略，並用 2026 年新加坡預算案與 NAIS Update 的方向轉變佐證政府的快速糾偏能力。

關鍵詞：新加坡良治、AI 戰略、制度護城河、AI-native 國家、馬六甲困境、SEA-LION、AI Verify、五次轉型

一、導讀：我們對「新加坡良治之道」的思考

1.0 研究方法與資料來源

本文以新加坡 AI 佈局作為觀察入口，結合一手訪談、二手資料分析與跨國對照。

資料來源：

• 一手訪談：常駐新加坡的投資人、常駐新加坡的中國創業者、新加坡本地創業者、新加坡高校教授；
• 政府檔案：新加坡 IMDA、MDDI、MAS、AI Singapore 公開檔案，2026 年新加坡 Budget，2026 年 NAIS Update；
• 行業報告：IMD World Digital Competitiveness、Stanford AI Index、Salesforce/Microsoft AI Adoption Surveys；
• 能源資料：U.S. Energy Information Administration（EIA）、International Energy Agency（IEA）；
• 開發者生態資料：GitHub Star/Fork 統計，截至 2026-04-30；
• 歷史資料：Singapore Department of Statistics、World Bank 歷年指標；
• 網路檢索：補充性公開資料、新聞報道與產業部落格檢索。

對照樣本：在論證 SEA-LION 與 AI Verify 的賽道天花板時，選取同類國家級 AI 專案（印度 AI4Bharat、泰國 SCB 10X、印度 Sarvam AI）和同類治理工具（IBM AIF360、微軟 Responsible AI Toolbox、EleutherAI lm-evaluation-harness）作為對照組。

侷限：一手訪談樣本規模有限，且未覆蓋政府決策者；開發者生態資料快照截至 2026-04-30，政策資訊增補至 2026-05-20，AI 行業演進迅速，部分結論可能在數月內被重新整理。

1.1 這門課在問什麼

李光耀反覆強調¹：

「Singapore must always be relevant to the world.」

「新加坡良治之道」裡提出的真問題是：

一個先天條件極差的國家——沒有腹地、沒有資源、沒有人口縱深、沒有族群同質性——是怎麼把「被需要」維持了 60 年的？

媒體常把答案歸結為領導人遠見、地理優勢或高效政府。我們更關心的是這些表象背後的制度能力：

新加坡建立了一套在關鍵時刻主動轉向並落地執行的制度。 它不是機械地每隔幾年轉型一次，而是在舊優勢仍然有效、但外部環境已經開始變化時，及時把資源、機構和政策工具組織起來，推動下一輪轉型²。

下文會用 AI 這一輪轉型來檢驗這個判斷。在進入具體分析之前，先給出我們觀察「良治」的三個維度。

1.2 觀察維度

維度一：物理樞紐的脆弱性——霍爾木茲的提醒

任何「樞紐型小國」——新加坡、巴拿馬、丹麥、迪拜——都建立在同一個隱含假設上：地理位置是不可替代的。

但 2024-2025 年的霍爾木茲海峽證明這個假設正在鬆動：胡塞武裝襲擊讓航運保險費翻倍後，沙特東西輸油管線（Petroline）擴容到 700 萬桶/日，目的就是讓東部油田原油直達紅海繞過霍爾木茲；阿聯酋富查伊拉港同樣在霍爾木茲之外建油碼頭。巴拿馬運河枯水期讓海運重新規劃，中緬油氣管道正在試圖讓中國進口原油繞開馬六甲。全球約 20% 的石油消費量經霍爾木茲通道——但這條通道每次出事，市場的反應不是無法替代，而是立刻找替代。

維度二：新加坡的「五次轉型」——制度本能

把視角從單一事件拉到 60 年整體軌跡，新加坡的主動轉型模式異常清晰：

這些轉型並不是按照固定週期發生的，而是反覆出現在外部環境換擋的關鍵時刻。

這不是運氣，是制度本能——它讓新加坡敢在舊增長邏輯仍然有效時啟動轉型，而不是等危機爆發才被迫調整。

這正是良治二字最難複製的部分。其他國家學得到 EDB 的招商策略、IMDA 的政策工具，但學不到「在被需要的狀態尚未失效時，主動轉向並把新方向變成執行」的本能。

1.3 為什麼從 AI 看新加坡

下文轉向新加坡當下的 AI 佈局。之所以從 AI 入手，有三個理由：

1. AI 正在成為新加坡下一輪轉型的核心變數——看清這件事怎麼推進，等於在即時觀察「良治之道」的當代實驗
2. AI 沒有馬六甲海峽——AI 不需要物理中轉，迫使新加坡必須從「地理護城河」思維轉向「制度護城河」思維。這把良治的本質暴露得最徹底
3. 資料可驗證——GitHub Stars、中小企業採用率、政府 AI 專案落地數都是公開可查的，能把良治概念拉回到資料層面

1.4 配套產出：長期觀察站 sgai.md

作為本次研究的延續，我們建立了網站 https://sgai.md（新加坡 AI 戰略觀察站）並開源，計劃長期運營，幫助公眾持續跟蹤和理解新加坡的 AI 轉型。

下面是我們對新加坡在 AI 時代治理方式的具體觀察。

二、新加坡的 AI 馬六甲海峽在哪裡？

2.1 一個誘人的類比

新加坡不產一滴石油，卻是全球第三大煉油中心。裕廊島上的煉油廠群每天加工超過 130 萬桶原油，殼牌和埃克森美孚在這裡深耕了半個世紀。全球主要大宗商品交易商——Vitol、Trafigura、Glencore——把亞太總部設在這裡。普氏（Platts）亞洲石油定價基準在這裡生成。

這個能源樞紐的崛起路徑清晰可循：地理位置 → 煉油產能 → 交易定價 → 生態系統 → 面向未來的轉型。馬六甲海峽提供了物理起點，但真正讓新加坡不可替代的，是幾十年疊加的產能、效率和制度密度。

當我們梳理新加坡 AI 生態的全部資料後，發現它正在沿著幾乎相同的路徑構建 AI 樞紐：

但這個類比有一個根本問題——AI 沒有馬六甲海峽。

2.2 類比的盲點：AI 沒有馬六甲海峽

石油必須物理移動。全球約三分之一的海運貿易經過馬六甲海峽，你無法在地圖上把這條水道抹掉。新加坡卡在那裡，然後在這個不可繞過的物理起點上層層疊加價值。

但資料和演算法不需要經過任何海峽。

AI 模型的訓練和部署可以在世界任何角落發生。GPT-5 不需要在新加坡中轉就能服務雅加達的使用者。一家越南的 AI 創業公司不需要經過新加坡就能接入 Claude API。

葉門的亞丁和埃及的蘇伊士同樣扼守海運要道，卻沒有成為能源樞紐——因為它們沒有疊加煉油和交易的能力。但 AI 領域的問題更嚴峻：連要道本身都不存在。

那麼，新加坡在 AI 版圖中的馬六甲海峽到底是什麼？

2.3 四個候選答案，每個都有致命弱點

2.3.1 資料十字路口論

新加坡是東南亞海底光纜的匯聚點，70+ 資料中心落地於此。但這個優勢正在被稀釋——馬來西亞柔佛、印尼巴淡島都在大規模建設資料中心，成本更低、電力更充足。新加坡自己在 2019 年開始限制，2022 年通過 Pilot Data Centre Call 有限度恢復審批。資料中心是可以搬遷的，不是馬六甲海峽。

2.3.2 制度信任論

跨國企業把敏感 AI 業務放在新加坡，信任它的法治、IP 保護和政治穩定。但制度優勢可以被模仿，而且企業越來越傾向於把 AI 放在靠近自己市場和資料來源的地方，而不是一箇中立第三方。

2.3.3 人才匯聚點論

新加坡吸引全球 AI 人才交匯。但跟矽谷、北京、倫敦相比，新加坡的 AI 研究深度和人才密度仍有量級差距。而且人才是流動的——哪裡有更好的機會就去哪裡。

2.3.4 監管沙盒論

AI Verify 等治理框架比較領先，可能成為 AI 產品進入亞洲市場的合規認證中心。這是最接近數字馬六甲的定位——但前提是亞洲真的形成了一個需要統一合規入口的 AI 市場格局，而這件事遠未發生。

總結：新加坡在 AI 上的樞紐地位，不像能源那樣有地理鎖定效應。它本質上是一個可選項，而不是必經之路。

2.4 更深的危險：大模型正在吞噬精煉層

上面的分析還只是沒有海峽的問題。更深層的危險已經不是理論推演——新加坡此前押注的兩個核心精煉能力，SEA-LION 和 AI Verify，正在被大模型的進化直接吞噬。

2.4.1 SEA-LION：區域化適配的視窗正在關閉

SEA-LION 是 AI Singapore 開發的東南亞多語言大模型，支援 11 種語言³。它的邏輯是 AI 精煉：拿全球的基礎 AI 能力，加工成東南亞區域可用的產品，就像把原油煉成適合亞太市場的成品油。

但石油的精煉是一個不可跳過的物理過程——原油不能直接加到汽車裡。AI 模型的精煉卻完全可以被跳過。GPT-4 釋出時不擅長馬來語和泰語，所以區域化適配有價值。但 GPT-5、Claude、Gemini 正在原生支援這些語言，而且質量越來越高。如果基礎模型直接把精煉這一步做了，SEA-LION 就變成了在已經有高速公路的地方修腳踏車道。

2.4.2 AI Verify：治理框架追不上模型進化

AI Verify 是全球首個可測試的 AI 治理框架，11 項指標，開源工具包⁴——這在 2022 年是真正的先行者優勢。但：

• AI Verify 測試的是可解釋性、公平性、透明度——這些是 2022 年定義的問題
• Agentic AI、多模態模型、自主決策系統的風險維度每半年就變一次
• 治理框架的迭代速度是年，模型能力的迭代速度是月

更根本的是：歐盟 AI Act 是硬法，美國在行政令層面推進，中國有自己的一套。AI 治理標準的競爭本質上是大國博弈，新加坡作為 600 萬人口的小國，在標準制定上有天然的話語權天花板。

2.4.3 資料已經說明了問題

這不只是理論分析。開啟 GitHub，資料給出了直接的答案⁵。

SEA-LION 主倉庫上線兩年多，累計 393 個 Star、31 個 Fork。周邊的部署工具和示例專案大多隻有個位數 Star。AI Verify 的情況更值得關注——主倉庫僅 58 個 Star、17 個 Fork；後續推出的 Moonshot 測試工具稍好，也只有 316 個 Star。

光看 SEA-LION 的數字，沒法直接下結論——拿同類項目對照，印度國家級的 AI4Bharat 旗下 IndicTrans2 是 400 多 Star，泰國 SCB 10X 的 Typhoon-OCR 一百出頭，Sarvam AI 的開源倉庫也是幾十到一百多。整個區域語言模型賽道都沒能從 Meta、Mistral 這類基礎模型手裡搶到開發者注意力。SEA-LION 不是特例，是這個賽道的天花板。

AI Verify 的處境更值得關注。它的對照組不是 LLaMA，而是同類的 AI 治理工具——IBM 的 AIF360 有 2,800 Star，微軟的 Responsible AI Toolbox 1,700 Star，更通用的 EleutherAI lm-evaluation-harness 直接超過 1.2 萬。一個國家級的旗艦治理框架被同行甩開兩個量級，這個差距沒法用市場體量解釋。

再退一步看：整個 AI 治理工具賽道的天花板（1.2 萬 Star）也只有 LLaMA 一個專案（6 萬）的五分之一。開發者的注意力都被基礎模型吸走了，治理工具整體在 AI 行業裡還是個邊緣品類。所以 SEA-LION 和 AI Verify 是兩類不同的失敗：SEA-LION 是賽道天花板低，區域 LLM 都做不大；AI Verify 是賽道本身還沒起來，自己又落在末位。

石油不會自己進化，但 AI 會。新加坡試圖建設的「AI 裕廊島」，面臨的現實是——原油本身已經可以直接使用，不再需要精煉。

2.5 快速轉向：精英政府的糾偏能力

到這裡，新加坡看起來是押錯了方向。但接下來發生的事，讓這個故事變得不一樣。

瞭解新加坡治理風格的人知道，這個政府的特點是快速提出假設、快速驗證、發現偏差後快速調整。SEA-LION 和 AI Verify 與其說是戰略失誤，不如說是一輪被快速驗證、快速消化的政策實驗。

2026 年初的預算案先釋放了清晰的方向轉變⁶：

• 成立由總理親自主持的 National AI Council——AI 從技術議題升格為國家最高層級治理議題
• 推出 4 項 AI Mission，全部聚焦具體的公共服務場景——從建設平臺和框架，轉向解決真實問題
• Enterprise Innovation Scheme 提供 400% AI 稅務扣除——直接拉動企業端的 AI 採用
• one-north AI 園區、National AI Literacy Programme——從物理空間到全民素養的系統佈局

2026 年 5 月，MDDI 在 ATxSummit 釋出 NAIS Update，把這個轉向進一步寫成國家戰略⁷。下一階段的重點不再是單點技術工具，而是部門與公共部門轉型、AI 採用主流化、可信 AI hub 建設；四個 National AI Missions 則落在先進製造、金融、互聯互通、醫療四個先鋒行業。這組更新的含義很清楚：新加坡正在把 AI 從模型、平臺和框架，推進到機場、港口、金融機構、醫院、製造車間和公共部門流程裡。

如果把 2026 年預算案和 NAIS Update 拆開看，會看到很多分散專案；但按 AI 引入路徑重組後，結構更清楚。本文將新加坡 AI 戰略拆成 6 類政策工具，覆蓋 115 個具體落地專案，並按「基建 → 治理 → 人才 → 應用 → 政府自用 → 外交」串成一條執行管線：

這張圖譜補充說明了一點：新加坡的轉向能力不只體現在「判斷方向變了」，還體現在能把新方向拆成跨部門、可執行、可追蹤的專案組合。它的優勢不是某個 AI 技術本身，而是把制度、專案和部門協作組織成執行能力。

從造 AI 工具給別人用，到自己先把 AI 用到極致。這個轉向的速度和果斷程度，本身就是新加坡制度能力的證明。多少國家的政府在發現政策方向有偏差時，選擇的是加倍投入來證明自己沒錯？新加坡選擇的是直接調頭，並且迅速把調頭後的方向制度化。

2.6 真正的護城河：讓 AI 在真實世界運轉的制度能力

如果技術層的優勢都是暫時的，那新加坡到底有什麼是大模型無法吞噬的？

新加坡真正獨特的，是讓 AI 在真實世界運轉的制度能力。

具體來說：

• ACE-AI 不只是一個預測模型——它背後是 Synapxe 把 AI 接入全國 1,100+ 診所的資料管道⁸，是衛生部願意在超老齡社會（65 歲以上人口超 21%）的壓力下用 AI 重構預防醫學流程
• 邊境清關 AI 不只是一個演算法——它背後是 ICA 願意把審批流程重構為 AI 原生的制度勇氣
• DBS 800+ AI 模型不只是技術能力——它背後是 MAS 的 FEAT → Veritas 監管路徑⁹，讓銀行敢用 AI，而不只是能用
• 四個 National AI Missions 不只是產業口號——它把先進製造、金融、互聯互通、醫療四個新加坡已有全球地位的行業，改造成 AI 深度採用的國家級試驗場
• 樟宜 T5、大士港、榜鵝數字園區 不只是基礎設施專案——它們把航空排程、港口自動化、機器人執行規則、資料平臺和真實運營場景放在一起，讓新加坡成為 AI 在複雜物理世界中落地的 living lab
• NVIDIA Singapore AI Research Lab 不只是外資落點——它把 embodied AI、高效 AI、大學、產業夥伴和政府機構接在一起，說明新加坡的吸引力來自可信技術採納記錄和全球網路，而不只是本地市場規模
• 中小企業 AI 採用率一年從 4.2% 漲到 14.5%¹⁰——這不是因為新加坡的模型更好，而是因為 400% 稅務扣除和 10.5 萬人完成 AI 培訓
• 75% 的工人定期使用 AI 工具——這是全球第二高的採用率（僅次於 UAE）¹¹，不是技術問題，是組織變革問題

大模型可以替代 SEA-LION，但無法替代一個國家的衛生部願意在 1,100 家診所部署 AI，也無法替代機場、港口、金融監管、製造現場和公共服務流程同時向 AI 開啟的制度能力。這些是制度成就，不是技術成就。

三、新加坡 AI 正在轉向哪裡

基於以上分析，我們可以把新加坡 AI 的走向看得更清楚。早期最有吸引力的設想，曾經是成為 AI 價值鏈中「精煉+認證」環節的亞洲樞紐：用 SEA-LION 做區域化適配，用 AI Verify 做可信治理入口，把全球基礎模型加工成適合東南亞市場和監管環境的能力。

這個設想的問題在於，它建立在一個過於穩定的價值鏈假設上：AI 會像石油一樣，存在固定、不可跳過的中間環節。但基礎模型的多語言能力、工具呼叫能力和內建治理能力不斷增強後，區域精煉和單點認證的空間會被持續壓縮。新加坡要繼續維持相關性，就不能只守在這個中間層。

因此，2026 年預算案與 NAIS Update 所指向的新方向是——

把新加坡變成一個 AI-native 的國家樣板：讓 AI 真正進入公共服務和產業流程。

換句話說，競爭焦點從 AI 價值鏈中的某個中間環節，轉向整個國家作為 AI 全面落地樣板的能力。

而 2026 年預算案與 2026 年 NAIS Update 表明，新加坡政府實際上已經在朝這個方向移動：單一模型或單一認證工具只是元件，真正被系統性加強的，是工具、治理、資料、算力、人才和產業場景共同構成的真實世界落地能力。

這個方向的核心優勢是：

1. 不怕大模型吞噬。 AI 再強，也需要一個政府敢讓它接入全國診所，一個監管機構給出銀行可以合規使用的路徑，一個教育體系讓 75% 的工人會用。這些不是模型能替代的。

2. 競爭壁壘是真實的。 制度能力需要幾十年積累。馬來西亞可以建更便宜的資料中心，但不能在短期內複製新加坡從 Smart Nation 2014 到 NAIS 2.0、Budget 2026、NAIS Update 2026 的完整制度演進。

3. 可輸出、可變現。 全世界每個國家都面臨如何讓 AI 落地的問題。新加坡如果率先解決了，這套經驗——從治理框架到人才體系到政府採購流程——本身就是可以輸出的產品。

四、研究侷限性與風險討論

需要標註幾個風險：

風險一：600 萬人的樣板能代表什麼？ 新加坡的制度環境太特殊了——城市國家、高度集權、族群平衡、沒有聯邦制的摩擦。在新加坡跑通的 AI 方案，搬到印尼 2.7 億人口、1.7 萬個島嶼的環境裡，可能完全不適用。

風險二：制度能力也有衰減風險。 如果新加坡的政府執行力下降、人才外流加速、或者政策出現重大失誤（比如過度限制 AI 應用的合規成本），制度護城河一樣會被侵蝕。

風險三：AI-native 國家可能不需要做第一個。 不像石油定價——一旦普氏基準建立就很難被替代——各國的 AI 治國路徑可能是高度本地化的，不存在一個可以直接複製的模板。

五、對創業者和投資者的啟示

對於在新加坡做 AI 的創業者或投資者，本文的分析框架指向一個明確的方向：機會在制度介面，不在技術本身。

1. 不要指望技術壁壘。 模型能力是全球化的，新加坡使用的 GPT 跟曼谷使用的沒有本質區別。在新加坡做 AI 創業，如果壁壘只是技術，那就沒有壁壘。

2. 找到制度介面帶來的機會。 新加坡的獨特優勢在於，政府願意讓企業接入真實的公共服務和監管體系來測試和部署 AI。這在東南亞大多數國家做不到。這個介面本身就是壁壘——在 1,100 家診所跑通的 AI 方案，在別的地方連試點機會都拿不到。

3. 「在新加坡驗證，向東南亞輸出」是一條真實可行的路徑。 但前提是所解決的問題在制度層面具有可轉移性，而不僅僅在技術層面。一個幫助醫療系統合規部署 AI 的解決方案，比一個更好的東南亞語言模型有更持久的價值。

4. 關注政府的方向訊號。 2026 年預算案與 NAIS Update 的方向非常清晰：AI 應用落地是主戰場。跟著這個方向走的創業者和投資者，會比堅持基礎設施敘事的人獲得更多實際機會。

5. 把地緣合規當成產品架構的一部分。 Manus 的經歷提供了一個很好的提醒：一家 AI agent 公司可以因為全球化、融資和客戶信任的需要把總部遷到新加坡，但這並不等於技術來源、團隊來源、資本來源和監管風險會自動消失¹²。對創業者來說，IP 歸屬、資料來源、模型依賴、算力供應、出口管制、客戶所在市場的監管要求，都應該從公司早期就進入架構設計；對投資者來說，盡調也不能只看產品演示和增長曲線，還要看這家公司是否真的能穿過跨境監管和大國技術競爭的窄門。新加坡的價值不是提供一個「換殼」地點，而是提供一個更可信、更可解釋、更容易連線國際市場的制度介面。

對於研究新加坡 AI 生態的人，本文留下一個值得持續追問的核心問題：

那些選擇留在新加坡的 AI 企業，到底是被什麼鎖定在這裡的？那些離開的，又是在哪個節點發現新加坡不再是最優解的？那些遷入新加坡的企業，又是真的在這裡建立制度能力，還是隻是把新加坡當成通往國際市場的中性外殼？

如果答案集中在制度環境和政府合作機會，那就驗證了本文的判斷。如果答案集中在成本和市場距離，那就意味著新加坡的鎖定效應比想象的更弱。

六、結論

本文從 AI 這一輪轉型入手，對新加坡「良治之道」做了一次具體觀察。三個核心結論如下：

結論一：物理樞紐地位可以被替代，制度能力則更難替代。 霍爾木茲的旁路化（Petroline、富查伊拉、巴拿馬替代航線、中緬油氣管道）證明了任何卡位優勢都有保鮮期。新加坡 60 年五次轉型的歷史表明，比馬六甲更重要的，是「在被需要的狀態尚未失效時主動轉向，並把新方向變成執行」的制度能力。

結論二：新加坡 AI 戰略的早期押注（SEA-LION、AI Verify）正在被基礎模型的進化壓縮空間，但糾偏速度本身就是制度能力的體現。 GitHub Star 資料（SEA-LION 393 / AI Verify 58）與同類項目的對照說明：在「AI 精煉+認證」賽道，新加坡很難依靠單點工具形成不可替代的壟斷地位。但 2026 年預算案與 NAIS Update 顯示政府已快速轉向：從「造工具給別人用」到「自己先把 AI 用到極致」，並把這一轉向落實到先進製造、金融、互聯互通、醫療四個 National AI Missions 中。這種糾偏速度本身就是良治的當代證據。

結論三：新加坡 AI 戰略的重心，正在從「精煉+認證」的中間層，轉向把整個國家做成 AI 全面落地的樣板。 真正的護城河是讓 AI 在真實世界運轉的制度能力——從 ACE-AI 到 1,100 家診所、從 MAS Veritas 到 DBS 800+ 模型、從樟宜 T5 與大士港到榜鵝數字園區、從 400% 稅務扣除到 75% 工人採用率。這些是制度成就，不是技術成就，因此也不會被基礎模型吞噬。

對「良治」概念的回應：政策工具（EDB、IMDA）可以被學習和移植，真正稀缺的是「在 GDP 仍在增長時啟動轉型」的制度本能。AI 時代最能檢驗這種本能，因為 AI 沒有馬六甲——它不允許任何國家依賴地理護城河，只能依賴制度護城河。

研究意義：對其他尋求在 AI 時代保持「relevance」的小國（愛爾蘭、盧森堡、愛沙尼亞、阿聯酋）而言，新加坡案例的啟發在於：政策工具本身容易列舉，真正難的是把資源、機構和專案組織成持續執行的能力。在技術快速迭代的時代，國家競爭力很大程度上取決於能否在舊優勢變弱前主動轉向，並把新方向落成制度化執行。這一判斷同樣適用於更大的尺度——對正在面對產業重構的大國，對處在技術拐點上的企業——「在被需要的狀態尚未失效時提前行動」都是同一道護城河。

參考文獻