为什么新加坡不会打造前沿AI | AI生成和翻译

Home 2026.06

问题： DeepSeek 用大约100人打造了V2模型。为什么新加坡最顶尖的100到500名人才做不到这一点？

回答：

技术上来说，他们可以做到。但新加坡选择了不这么做——这是一个深思熟虑的战略决策，而非能力上的差距。

以下是其中的不对称性：

DeepSeek的实际优势

DeepSeek起步于一家名为幻方量化（High-Flyer）的对冲基金内部。在2019年至2022年间，幻方量化花费约1.39亿美元，囤积了10000块英伟达A100 GPU，这发生在美国政府于2023年10月对华实施出口管制之前。这批GPU库存成了DeepSeek的护城河——在出口管制生效后，当国内大多数同行无法训练前沿模型时，它依然能够做到。

DeepSeek的核心团队不到140人。除此之外，它与幻方量化共享高级管理层、运营、人力资源、财务等几乎所有非研发职能。所以并非140人包揽一切，而是140名研究员加上借用的企业基础设施。

关键点：DeepSeek的文化强调自主权和自下而上的决策——”好奇心、热情、自驱力”——这与字节跳动的做法类似。在约200人的规模下，这种松散结构是其最大的竞争护城河。

为什么新加坡不会这样做

新加坡的国家人工智能战略明确指出：”我们的优势不在于构建最大的前沿模型，而在于高效、负责任且快速地部署AI。”这不是谦虚，而是刻意的政策选择。

新加坡自主研发的模型（如SEA-LION、MERaLiON）优先针对东南亚地区语言进行训练，而非追求前沿能力。它们侧重于部署测试和应用层面的安全性，而非模型层面的控制。

新加坡正在围绕先进制造、具身智能以及与英伟达新研究实验室的合作来构建行业使命——但这些都发生在部署和试验平台（如榜鹅数码园区）的背景下，而非前沿模型开发。

新加坡不推进的真正原因

  1. 资本结构不匹配：DeepSeek背后有一家资产规模达80亿美元的对冲基金。新加坡的AI公司则依靠风险投资支持，需要在7至10年内实现退出。前沿模型是5至10年的赌注，且变现方式不确定。风投不会为此买单。

  2. GPU获取渠道：幻方量化在出口管制之前就购入了10000块A100。新加坡没有历史GPU库存，在现行限制下获取H100也更加困难。中国的国内供应链在此发挥了作用。

  3. 监管舒适度：新加坡将自己定位为可信赖的治理中心。构建前沿模型会带来责任和地缘政治摩擦。从政治角度看，部署加测试更为稳妥。

  4. 市场狭小：新加坡人口570万，中国则有14亿。DeepSeek需要的是中文语境下的模型。新加坡的区域重心（东南亚）相对薄弱。

  5. 激励机制错位：新加坡希望成为企业比大国更快测试和部署AI的枢纽，而非直接与OpenAI或DeepSeek竞争。构建前沿模型并不会加速这一使命。

残酷的现实

新加坡拥有人才（顶尖大学、优秀的机器学习研究员）和资本（强大的金融科技生态系统）。但构建前沿模型需要：

新加坡作为部署中心的定位，实际上从长远来看更具防御性。前沿模型竞赛是零和博弈（中美之间，或许还有欧盟）。但成为整个东南亚地区安全部署、测试和治理AI的最佳地点？那才是一个持久的护城河。

更深层的教训：不要将”能做”与”应该做”混为一谈。新加坡可以构建前沿模型，但它选择占据价值链中另一个不那么拥挤的部分。

参考文献：

Back Donate