从 AI 看新加坡的转向能力

摘要

新加坡作为一个先天条件极差的城市国家——没有腹地、没有资源、没有人口纵深、没有族群同质性——却把「被世界需要」维持了 60 年。媒体常把这个故事写成地理位置、港口效率或精英政府的胜利；本文从 AI 入手，提供一个不同的观察视角：新加坡真正依靠的，是在旧优势变弱之前主动转向，并把新方向落实成制度和项目的能力。

我们首先以霍尔木兹海峡的旁路化（沙特 Petroline 扩容、阿联酋富查伊拉港、巴拿马运河枯水期、中缅油气管道）类比马六甲，指出物理枢纽的脆弱性；进而通过新加坡 60 年五次转型的轨迹，论证其「在被需要的状态尚未失效时，主动转向并把新方向变成执行」的制度本能。在 AI 这一轮转型中，我们用 GitHub Star 数据证伪「AI 精炼+认证」战略，并用 2026 年新加坡预算案与 NAIS Update 的方向转变佐证政府的快速纠偏能力。

关键词：新加坡良治、AI 战略、制度护城河、AI-native 国家、马六甲困境、SEA-LION、AI Verify、五次转型

一、导读：我们对「新加坡良治之道」的思考

1.0 研究方法与数据来源

本文以新加坡 AI 布局作为观察入口，结合一手访谈、二手数据分析与跨国对照。

数据来源：

• 一手访谈：常驻新加坡的投资人、常驻新加坡的中国创业者、新加坡本地创业者、新加坡高校教授；
• 政府文件：新加坡 IMDA、MDDI、MAS、AI Singapore 公开文件，2026 年新加坡 Budget，2026 年 NAIS Update；
• 行业报告：IMD World Digital Competitiveness、Stanford AI Index、Salesforce/Microsoft AI Adoption Surveys；
• 能源数据：U.S. Energy Information Administration（EIA）、International Energy Agency（IEA）；
• 开发者生态数据：GitHub Star/Fork 统计，截至 2026-04-30；
• 历史数据：Singapore Department of Statistics、World Bank 历年指标；
• 网络检索：补充性公开资料、新闻报道与产业博客检索。

对照样本：在论证 SEA-LION 与 AI Verify 的赛道天花板时，选取同类国家级 AI 项目（印度 AI4Bharat、泰国 SCB 10X、印度 Sarvam AI）和同类治理工具（IBM AIF360、微软 Responsible AI Toolbox、EleutherAI lm-evaluation-harness）作为对照组。

局限：一手访谈样本规模有限，且未覆盖政府决策者；开发者生态数据快照截至 2026-04-30，政策信息增补至 2026-05-20，AI 行业演进迅速，部分结论可能在数月内被刷新。

1.1 这门课在问什么

李光耀反复强调¹：

「Singapore must always be relevant to the world.」

「新加坡良治之道」里提出的真问题是：

一个先天条件极差的国家——没有腹地、没有资源、没有人口纵深、没有族群同质性——是怎么把「被需要」维持了 60 年的？

媒体常把答案归结为领导人远见、地理优势或高效政府。我们更关心的是这些表象背后的制度能力：

新加坡建立了一套在关键时刻主动转向并落地执行的制度。 它不是机械地每隔几年转型一次，而是在旧优势仍然有效、但外部环境已经开始变化时，及时把资源、机构和政策工具组织起来，推动下一轮转型²。

下文会用 AI 这一轮转型来检验这个判断。在进入具体分析之前，先给出我们观察「良治」的三个维度。

1.2 观察维度

维度一：物理枢纽的脆弱性——霍尔木兹的提醒

任何「枢纽型小国」——新加坡、巴拿马、丹麦、迪拜——都建立在同一个隐含假设上：地理位置是不可替代的。

但 2024-2025 年的霍尔木兹海峡证明这个假设正在松动：胡塞武装袭击让航运保险费翻倍后，沙特东西输油管线（Petroline）扩容到 700 万桶/日，目的就是让东部油田原油直达红海绕过霍尔木兹；阿联酋富查伊拉港同样在霍尔木兹之外建油码头。巴拿马运河枯水期让海运重新规划，中缅油气管道正在试图让中国进口原油绕开马六甲。全球约 20% 的石油消费量经霍尔木兹通道——但这条通道每次出事，市场的反应不是无法替代，而是立刻找替代。

维度二：新加坡的「五次转型」——制度本能

把视角从单一事件拉到 60 年整体轨迹，新加坡的主动转型模式异常清晰：

这些转型并不是按照固定周期发生的，而是反复出现在外部环境换挡的关键时刻。

这不是运气，是制度本能——它让新加坡敢在旧增长逻辑仍然有效时启动转型，而不是等危机爆发才被迫调整。

这正是良治二字最难复制的部分。其他国家学得到 EDB 的招商策略、IMDA 的政策工具，但学不到「在被需要的状态尚未失效时，主动转向并把新方向变成执行」的本能。

1.3 为什么从 AI 看新加坡

下文转向新加坡当下的 AI 布局。之所以从 AI 入手，有三个理由：

1. AI 正在成为新加坡下一轮转型的核心变量——看清这件事怎么推进，等于在实时观察「良治之道」的当代实验
2. AI 没有马六甲海峡——AI 不需要物理中转，迫使新加坡必须从「地理护城河」思维转向「制度护城河」思维。这把良治的本质暴露得最彻底
3. 数据可验证——GitHub Stars、中小企业采用率、政府 AI 项目落地数都是公开可查的，能把良治概念拉回到数据层面

1.4 配套产出：长期观察站 sgai.md

作为本次研究的延续，我们建立了网站 https://sgai.md（新加坡 AI 战略观察站）并开源，计划长期运营，帮助公众持续跟踪和理解新加坡的 AI 转型。

下面是我们对新加坡在 AI 时代治理方式的具体观察。

二、新加坡的 AI 马六甲海峡在哪里？

2.1 一个诱人的类比

新加坡不产一滴石油，却是全球第三大炼油中心。裕廊岛上的炼油厂群每天加工超过 130 万桶原油，壳牌和埃克森美孚在这里深耕了半个世纪。全球主要大宗商品交易商——Vitol、Trafigura、Glencore——把亚太总部设在这里。普氏（Platts）亚洲石油定价基准在这里生成。

这个能源枢纽的崛起路径清晰可循：地理位置 → 炼油产能 → 交易定价 → 生态系统 → 面向未来的转型。马六甲海峡提供了物理起点，但真正让新加坡不可替代的，是几十年叠加的产能、效率和制度密度。

当我们梳理新加坡 AI 生态的全部数据后，发现它正在沿着几乎相同的路径构建 AI 枢纽：

但这个类比有一个根本问题——AI 没有马六甲海峡。

2.2 类比的盲点：AI 没有马六甲海峡

石油必须物理移动。全球约三分之一的海运贸易经过马六甲海峡，你无法在地图上把这条水道抹掉。新加坡卡在那里，然后在这个不可绕过的物理起点上层层叠加价值。

但数据和算法不需要经过任何海峡。

AI 模型的训练和部署可以在世界任何角落发生。GPT-5 不需要在新加坡中转就能服务雅加达的用户。一家越南的 AI 创业公司不需要经过新加坡就能接入 Claude API。

也门的亚丁和埃及的苏伊士同样扼守海运要道，却没有成为能源枢纽——因为它们没有叠加炼油和交易的能力。但 AI 领域的问题更严峻：连要道本身都不存在。

那么，新加坡在 AI 版图中的马六甲海峡到底是什么？

2.3 四个候选答案，每个都有致命弱点

2.3.1 数据十字路口论

新加坡是东南亚海底光缆的汇聚点，70+ 数据中心落地于此。但这个优势正在被稀释——马来西亚柔佛、印尼巴淡岛都在大规模建设数据中心，成本更低、电力更充足。新加坡自己在 2019 年开始限制，2022 年通过 Pilot Data Centre Call 有限度恢复审批。数据中心是可以搬迁的，不是马六甲海峡。

2.3.2 制度信任论

跨国企业把敏感 AI 业务放在新加坡，信任它的法治、IP 保护和政治稳定。但制度优势可以被模仿，而且企业越来越倾向于把 AI 放在靠近自己市场和数据源的地方，而不是一个中立第三方。

2.3.3 人才汇聚点论

新加坡吸引全球 AI 人才交汇。但跟硅谷、北京、伦敦相比，新加坡的 AI 研究深度和人才密度仍有量级差距。而且人才是流动的——哪里有更好的机会就去哪里。

2.3.4 监管沙盒论

AI Verify 等治理框架比较领先，可能成为 AI 产品进入亚洲市场的合规认证中心。这是最接近数字马六甲的定位——但前提是亚洲真的形成了一个需要统一合规入口的 AI 市场格局，而这件事远未发生。

总结：新加坡在 AI 上的枢纽地位，不像能源那样有地理锁定效应。它本质上是一个可选项，而不是必经之路。

2.4 更深的危险：大模型正在吞噬精炼层

上面的分析还只是没有海峡的问题。更深层的危险已经不是理论推演——新加坡此前押注的两个核心精炼能力，SEA-LION 和 AI Verify，正在被大模型的进化直接吞噬。

2.4.1 SEA-LION：区域化适配的窗口正在关闭

SEA-LION 是 AI Singapore 开发的东南亚多语言大模型，支持 11 种语言³。它的逻辑是 AI 精炼：拿全球的基础 AI 能力，加工成东南亚区域可用的产品，就像把原油炼成适合亚太市场的成品油。

但石油的精炼是一个不可跳过的物理过程——原油不能直接加到汽车里。AI 模型的精炼却完全可以被跳过。GPT-4 发布时不擅长马来语和泰语，所以区域化适配有价值。但 GPT-5、Claude、Gemini 正在原生支持这些语言，而且质量越来越高。如果基础模型直接把精炼这一步做了，SEA-LION 就变成了在已经有高速公路的地方修自行车道。

2.4.2 AI Verify：治理框架追不上模型进化

AI Verify 是全球首个可测试的 AI 治理框架，11 项指标，开源工具包⁴——这在 2022 年是真正的先行者优势。但：

• AI Verify 测试的是可解释性、公平性、透明度——这些是 2022 年定义的问题
• Agentic AI、多模态模型、自主决策系统的风险维度每半年就变一次
• 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：欧盟 AI Act 是硬法，美国在行政令层面推进，中国有自己的一套。AI 治理标准的竞争本质上是大国博弈，新加坡作为 600 万人口的小国，在标准制定上有天然的话语权天花板。

2.4.3 数据已经说明了问题

这不只是理论分析。打开 GitHub，数据给出了直接的答案⁵。

SEA-LION 主仓库上线两年多，累计 393 个 Star、31 个 Fork。周边的部署工具和示例项目大多只有个位数 Star。AI Verify 的情况更值得关注——主仓库仅 58 个 Star、17 个 Fork；后续推出的 Moonshot 测试工具稍好，也只有 316 个 Star。

光看 SEA-LION 的数字，没法直接下结论——拿同类项目对照，印度国家级的 AI4Bharat 旗下 IndicTrans2 是 400 多 Star，泰国 SCB 10X 的 Typhoon-OCR 一百出头，Sarvam AI 的开源仓库也是几十到一百多。整个区域语言模型赛道都没能从 Meta、Mistral 这类基础模型手里抢到开发者注意力。SEA-LION 不是特例，是这个赛道的天花板。

AI Verify 的处境更值得关注。它的对照组不是 LLaMA，而是同类的 AI 治理工具——IBM 的 AIF360 有 2,800 Star，微软的 Responsible AI Toolbox 1,700 Star，更通用的 EleutherAI lm-evaluation-harness 直接超过 1.2 万。一个国家级的旗舰治理框架被同行甩开两个量级，这个差距没法用市场体量解释。

再退一步看：整个 AI 治理工具赛道的天花板（1.2 万 Star）也只有 LLaMA 一个项目（6 万）的五分之一。开发者的注意力都被基础模型吸走了，治理工具整体在 AI 行业里还是个边缘品类。所以 SEA-LION 和 AI Verify 是两类不同的失败：SEA-LION 是赛道天花板低，区域 LLM 都做不大；AI Verify 是赛道本身还没起来，自己又落在末位。

石油不会自己进化，但 AI 会。新加坡试图建设的「AI 裕廊岛」，面临的现实是——原油本身已经可以直接使用，不再需要精炼。

2.5 快速转向：精英政府的纠偏能力

到这里，新加坡看起来是押错了方向。但接下来发生的事，让这个故事变得不一样。

了解新加坡治理风格的人知道，这个政府的特点是快速提出假设、快速验证、发现偏差后快速调整。SEA-LION 和 AI Verify 与其说是战略失误，不如说是一轮被快速验证、快速消化的政策实验。

2026 年初的预算案先释放了清晰的方向转变⁶：

• 成立由总理亲自主持的 National AI Council——AI 从技术议题升格为国家最高层级治理议题
• 推出 4 项 AI Mission，全部聚焦具体的公共服务场景——从建设平台和框架，转向解决真实问题
• Enterprise Innovation Scheme 提供 400% AI 税务扣除——直接拉动企业端的 AI 采用
• one-north AI 园区、National AI Literacy Programme——从物理空间到全民素养的系统布局

2026 年 5 月，MDDI 在 ATxSummit 发布 NAIS Update，把这个转向进一步写成国家战略⁷。下一阶段的重点不再是单点技术工具，而是部门与公共部门转型、AI 采用主流化、可信 AI hub 建设；四个 National AI Missions 则落在先进制造、金融、互联互通、医疗四个先锋行业。这组更新的含义很清楚：新加坡正在把 AI 从模型、平台和框架，推进到机场、港口、金融机构、医院、制造车间和公共部门流程里。

如果把 2026 年预算案和 NAIS Update 拆开看，会看到很多分散项目；但按 AI 引入路径重组后，结构更清楚。本文将新加坡 AI 战略拆成 6 类政策工具，覆盖 115 个具体落地项目，并按「基建 → 治理 → 人才 → 应用 → 政府自用 → 外交」串成一条执行管线：

这张图谱补充说明了一点：新加坡的转向能力不只体现在「判断方向变了」，还体现在能把新方向拆成跨部门、可执行、可追踪的项目组合。它的优势不是某个 AI 技术本身，而是把制度、项目和部门协作组织成执行能力。

从造 AI 工具给别人用，到自己先把 AI 用到极致。这个转向的速度和果断程度，本身就是新加坡制度能力的证明。多少国家的政府在发现政策方向有偏差时，选择的是加倍投入来证明自己没错？新加坡选择的是直接调头，并且迅速把调头后的方向制度化。

2.6 真正的护城河：让 AI 在真实世界运转的制度能力

如果技术层的优势都是暂时的，那新加坡到底有什么是大模型无法吞噬的？

新加坡真正独特的，是让 AI 在真实世界运转的制度能力。

具体来说：

• ACE-AI 不只是一个预测模型——它背后是 Synapxe 把 AI 接入全国 1,100+ 诊所的数据管道⁸，是卫生部愿意在超老龄社会（65 岁以上人口超 21%）的压力下用 AI 重构预防医学流程
• 边境清关 AI 不只是一个算法——它背后是 ICA 愿意把审批流程重构为 AI 原生的制度勇气
• DBS 800+ AI 模型不只是技术能力——它背后是 MAS 的 FEAT → Veritas 监管路径⁹，让银行敢用 AI，而不只是能用
• 四个 National AI Missions 不只是产业口号——它把先进制造、金融、互联互通、医疗四个新加坡已有全球地位的行业，改造成 AI 深度采用的国家级试验场
• 樟宜 T5、大士港、榜鹅数字园区 不只是基础设施项目——它们把航空调度、港口自动化、机器人运行规则、数据平台和真实运营场景放在一起，让新加坡成为 AI 在复杂物理世界中落地的 living lab
• NVIDIA Singapore AI Research Lab 不只是外资落点——它把 embodied AI、高效 AI、大学、产业伙伴和政府机构接在一起，说明新加坡的吸引力来自可信技术采纳记录和全球网络，而不只是本地市场规模
• 中小企业 AI 采用率一年从 4.2% 涨到 14.5%¹⁰——这不是因为新加坡的模型更好，而是因为 400% 税务扣除和 10.5 万人完成 AI 培训
• 75% 的工人定期使用 AI 工具——这是全球第二高的采用率（仅次于 UAE）¹¹，不是技术问题，是组织变革问题

大模型可以替代 SEA-LION，但无法替代一个国家的卫生部愿意在 1,100 家诊所部署 AI，也无法替代机场、港口、金融监管、制造现场和公共服务流程同时向 AI 打开的制度能力。这些是制度成就，不是技术成就。

三、新加坡 AI 正在转向哪里

基于以上分析，我们可以把新加坡 AI 的走向看得更清楚。早期最有吸引力的设想，曾经是成为 AI 价值链中「精炼+认证」环节的亚洲枢纽：用 SEA-LION 做区域化适配，用 AI Verify 做可信治理入口，把全球基础模型加工成适合东南亚市场和监管环境的能力。

这个设想的问题在于，它建立在一个过于稳定的价值链假设上：AI 会像石油一样，存在固定、不可跳过的中间环节。但基础模型的多语言能力、工具调用能力和内置治理能力不断增强后，区域精炼和单点认证的空间会被持续压缩。新加坡要继续维持相关性，就不能只守在这个中间层。

因此，2026 年预算案与 NAIS Update 所指向的新方向是——

把新加坡变成一个 AI-native 的国家样板：让 AI 真正进入公共服务和产业流程。

换句话说，竞争焦点从 AI 价值链中的某个中间环节，转向整个国家作为 AI 全面落地样板的能力。

而 2026 年预算案与 2026 年 NAIS Update 表明，新加坡政府实际上已经在朝这个方向移动：单一模型或单一认证工具只是组件，真正被系统性加强的，是工具、治理、数据、算力、人才和产业场景共同构成的真实世界落地能力。

这个方向的核心优势是：

1. 不怕大模型吞噬。 AI 再强，也需要一个政府敢让它接入全国诊所，一个监管机构给出银行可以合规使用的路径，一个教育体系让 75% 的工人会用。这些不是模型能替代的。

2. 竞争壁垒是真实的。 制度能力需要几十年积累。马来西亚可以建更便宜的数据中心，但不能在短期内复制新加坡从 Smart Nation 2014 到 NAIS 2.0、Budget 2026、NAIS Update 2026 的完整制度演进。

3. 可输出、可变现。 全世界每个国家都面临如何让 AI 落地的问题。新加坡如果率先解决了，这套经验——从治理框架到人才体系到政府采购流程——本身就是可以输出的产品。

四、研究局限性与风险讨论

需要标注几个风险：

风险一：600 万人的样板能代表什么？ 新加坡的制度环境太特殊了——城市国家、高度集权、族群平衡、没有联邦制的摩擦。在新加坡跑通的 AI 方案，搬到印尼 2.7 亿人口、1.7 万个岛屿的环境里，可能完全不适用。

风险二：制度能力也有衰减风险。 如果新加坡的政府执行力下降、人才外流加速、或者政策出现重大失误（比如过度限制 AI 应用的合规成本），制度护城河一样会被侵蚀。

风险三：AI-native 国家可能不需要做第一个。 不像石油定价——一旦普氏基准建立就很难被替代——各国的 AI 治国路径可能是高度本地化的，不存在一个可以直接复制的模板。

五、对创业者和投资者的启示

对于在新加坡做 AI 的创业者或投资者，本文的分析框架指向一个明确的方向：机会在制度接口，不在技术本身。

1. 不要指望技术壁垒。 模型能力是全球化的，新加坡使用的 GPT 跟曼谷使用的没有本质区别。在新加坡做 AI 创业，如果壁垒只是技术，那就没有壁垒。

2. 找到制度接口带来的机会。 新加坡的独特优势在于，政府愿意让企业接入真实的公共服务和监管体系来测试和部署 AI。这在东南亚大多数国家做不到。这个接口本身就是壁垒——在 1,100 家诊所跑通的 AI 方案，在别的地方连试点机会都拿不到。

3. 「在新加坡验证，向东南亚输出」是一条真实可行的路径。 但前提是所解决的问题在制度层面具有可转移性，而不仅仅在技术层面。一个帮助医疗系统合规部署 AI 的解决方案，比一个更好的东南亚语言模型有更持久的价值。

4. 关注政府的方向信号。 2026 年预算案与 NAIS Update 的方向非常清晰：AI 应用落地是主战场。跟着这个方向走的创业者和投资者，会比坚持基础设施叙事的人获得更多实际机会。

5. 把地缘合规当成产品架构的一部分。 Manus 的经历提供了一个很好的提醒：一家 AI agent 公司可以因为全球化、融资和客户信任的需要把总部迁到新加坡，但这并不等于技术来源、团队来源、资本来源和监管风险会自动消失¹²。对创业者来说，IP 归属、数据来源、模型依赖、算力供应、出口管制、客户所在市场的监管要求，都应该从公司早期就进入架构设计；对投资者来说，尽调也不能只看产品演示和增长曲线，还要看这家公司是否真的能穿过跨境监管和大国技术竞争的窄门。新加坡的价值不是提供一个「换壳」地点，而是提供一个更可信、更可解释、更容易连接国际市场的制度接口。

对于研究新加坡 AI 生态的人，本文留下一个值得持续追问的核心问题：

那些选择留在新加坡的 AI 企业，到底是被什么锁定在这里的？那些离开的，又是在哪个节点发现新加坡不再是最优解的？那些迁入新加坡的企业，又是真的在这里建立制度能力，还是只是把新加坡当成通往国际市场的中性外壳？

如果答案集中在制度环境和政府合作机会，那就验证了本文的判断。如果答案集中在成本和市场距离，那就意味着新加坡的锁定效应比想象的更弱。

六、结论

本文从 AI 这一轮转型入手，对新加坡「良治之道」做了一次具体观察。三个核心结论如下：

结论一：物理枢纽地位可以被替代，制度能力则更难替代。 霍尔木兹的旁路化（Petroline、富查伊拉、巴拿马替代航线、中缅油气管道）证明了任何卡位优势都有保鲜期。新加坡 60 年五次转型的历史表明，比马六甲更重要的，是「在被需要的状态尚未失效时主动转向，并把新方向变成执行」的制度能力。

结论二：新加坡 AI 战略的早期押注（SEA-LION、AI Verify）正在被基础模型的进化压缩空间，但纠偏速度本身就是制度能力的体现。 GitHub Star 数据（SEA-LION 393 / AI Verify 58）与同类项目的对照说明：在「AI 精炼+认证」赛道，新加坡很难依靠单点工具形成不可替代的垄断地位。但 2026 年预算案与 NAIS Update 显示政府已快速转向：从「造工具给别人用」到「自己先把 AI 用到极致」，并把这一转向落实到先进制造、金融、互联互通、医疗四个 National AI Missions 中。这种纠偏速度本身就是良治的当代证据。

结论三：新加坡 AI 战略的重心，正在从「精炼+认证」的中间层，转向把整个国家做成 AI 全面落地的样板。 真正的护城河是让 AI 在真实世界运转的制度能力——从 ACE-AI 到 1,100 家诊所、从 MAS Veritas 到 DBS 800+ 模型、从樟宜 T5 与大士港到榜鹅数字园区、从 400% 税务扣除到 75% 工人采用率。这些是制度成就，不是技术成就，因此也不会被基础模型吞噬。

对「良治」概念的回应：政策工具（EDB、IMDA）可以被学习和移植，真正稀缺的是「在 GDP 仍在增长时启动转型」的制度本能。AI 时代最能检验这种本能，因为 AI 没有马六甲——它不允许任何国家依赖地理护城河，只能依赖制度护城河。

研究意义：对其他寻求在 AI 时代保持「relevance」的小国（爱尔兰、卢森堡、爱沙尼亚、阿联酋）而言，新加坡案例的启发在于：政策工具本身容易列举，真正难的是把资源、机构和项目组织成持续执行的能力。在技术快速迭代的时代，国家竞争力很大程度上取决于能否在旧优势变弱前主动转向，并把新方向落成制度化执行。这一判断同样适用于更大的尺度——对正在面对产业重构的大国，对处在技术拐点上的企业——「在被需要的状态尚未失效时提前行动」都是同一道护城河。

参考文献