新加坡——一项计划正在酝酿中，旨在将人工智能的应用推广至四个关键领域，并在全国范围内实施，以释放新加坡的竞争优势。
总理黄循财在2026年2月12日的预算演讲中表示，他将领导一个新的跨部门委员会，推动在先进制造、金融、医疗以及连接与物流领域的AI任务执行。
黄总理表示，要充分实现AI的潜力，新加坡需要超越单个试点和孤立的实验。“我们必须以国家层面进行组织，并以速度和规模推进。”
《海峡时报》审视了这四个领域当前的AI项目、部署中存在的差距，以及在每个领域进行国家级实施可能呈现的样貌。
1. 先进制造
当前状况：
AI常被用于预测性维护，以预测机器可能发生故障的时间，从而在故障中断生产前进行维修。
预测性维护系统通常分析来自传感器的实时数据，追踪振动、温度和设备性能等因素，以识别指示潜在故障的模式。
新加坡理工学院工程集群的Stefan Winkler教授表示：“这些工具有时仅部署在单一机器或生产线上，而非贯穿整个供应链，这限制了生产率的提升。”
例如，半导体代工厂GlobalFoundries在其兀兰的300毫米半导体制造厂中部署了该技术。
另外，自2024年9月起，新加坡科技研究局（A*Star）和贸工部运营着一个制造业部门AI卓越中心，以帮助行业利用AI进行预测性维护、产品设计和工业自动化等。包括饮料生产商可口可乐和科技制造商飞利浦在内的13家公司在启动时与该中心合作。
如何扩大AI规模：
总部位于以色列的在线交易平台eToro的市场分析师Zavier Wong表示，执行预测性维护的机器可以连接到管理生产调度和备件采购的系统。
这样，即使在制造工厂发生故障或计划维护之前，其他工厂也可以自动接管生产。一个连接起来的采购系统也能自动订购必要的维修备件。
目前，许多此类系统各自独立运行，人类审核员需要手动订购零件或将生产工作转移到其他设施。
2. 连接与物流
当前状况：
用于路线优化或需求预测的AI应用越来越普遍，帮助企业更高效地运输货物。
路线优化寻找最快或成本最低的配送路径，而AI驱动的需求预测通过分析过去的销售数据和趋势来预测未来客户需求，从而规划库存和发货，避免过剩或短缺。物流巨头DHL新加坡和联邦快递新加坡都使用此类技术。
麦肯锡公司合伙人Vivek Lath表示：“例如，AI可以预测货物的预计到达时间，但如果这些数据和模型没有与卡车调度、仓库人员安排或终端消费者信息整合，则效果有限。”
如何扩大AI规模：
首先，关于道路封闭、事故或交通拥堵的实时交通数据可以输入车队管理系统，以改变车辆路线，最大限度地减少配送延误。车队管理系统还可以连接到客户服务平台，自动通知客户潜在的延迟。
货运代理、仓库、港口和配送公司也可以通过实时数据共享连接起来，使某些决策由AI系统自动完成，无需人工干预。这些决策包括如何最大化货物在集装箱内的存储空间，以及验证运输文件以自动通关。
贸易协会SGTech的AI、云和数据章节联合主席Manik Bhandari表示，挑战包括跨境合规性。还需要建立共同的数据标准以实现数据共享。
金融
当前状况：
专家表示，金融领域在AI应用方面最为成熟。
总部位于美国的咨询公司Kearney的东南亚管理合伙人Varun Arora表示，该领域拥有大量且组织良好的交易数据、高度数字化的运营，以及在受监管环境中的强大治理框架。
AI目前被用于客户画像和服务、欺诈检测和风险管理，以及自动化后台任务，如交易处理、报告和监管合规。
例如，在大华银行，其银行应用UOB TMRW使用AI根据客户的消费和储蓄习惯发送优惠推荐。该银行还使用AI来检测欺诈和洗钱。
在2024年年度报告中，华侨银行表示，银行每天有600万个决策由AI做出，从为客户个性化信用卡优惠到欺诈检测。还使用AI模型识别需要帮助偿还住房贷款的客户，使银行能够主动与他们接触，从而使客户保留率提高了20%。
如何扩大AI规模：
麦肯锡的Lath先生表示，AI可以从客户入职、风险评估到合规性进行整合。
例如，AI模型可以根据客户的收入、支出和信用记录，判断客户是否可以获得住房贷款预批准。如果客户点击预批准优惠，其申请表可以自动填写。如果贷款被接受，AI模型可以继续监控还款和债务水平，以早期发现财务压力迹象，并及时干预以提供贷款重组方案。
但eToro的Wong先生表示，确保此类AI决策透明且可问责存在挑战。例如，企业需要解释推荐或贷款决策是如何做出的。
联想新加坡的国家总经理Nigel Lee表示，当算法影响金融决策时，也必须通知客户。
医疗
当前状况：
新加坡中央医院和樟宜综合医院已经部署了一个AI系统，可以从胸部X光片中识别心脏和肺部异常。
新加坡国家卫生科技机构Synapxe的聊天机器人Lab Report Buddy能够分析医学实验室报告，并将医学术语翻译给患者。
一些医院的临床医生也经常使用AI转录和诊断工具来总结医疗记录和分析医学影像。
如何扩大AI规模：
新加坡理工学院的Winkler教授表示，医疗领域严格的数据隐私要求以及医院工作流程的复杂性，导致许多AI实施是孤立的。
他表示，机遇在于让患者记录的更新自动触发随访或专科转诊、紧急检查安排、医院出院协调和长期患者监测。AI工具还可以帮助员工排班，确保在需要时临床医生可用。
但AI诊断需要持续展现高准确率，才能实现更多的自动化。
eToro的Wong先生表示：“几乎没有容错空间……与其他领域不同，错误可能导致财务损失或运营中断，医疗领域的风险本质上更高，因为它们直接涉及人的生命。”
新加坡《健康信息法》于1月12日通过，为医疗领域更集成化的AI部署奠定了基础。这项新立法预计于2027年初生效，要求所有公立和私立医疗提供者将患者的健康信息贡献给一个名为国家电子健康记录（NEHR）系统的国家数据库。通过共享患者数据，希望患者不需要在更换医疗服务提供者时重复进行医学测试或携带实体扫描报告。
卫生部长王乙康此前曾表示，NEHR中的匿名数据可用于训练AI模型，以提供预测性和预防性护理。
Lee Li Ying是科技记者，负责报道网络安全和人工智能的影响。
【全文结束】