新加坡正在重做一次國家級 AI。
具體來說，新加坡國家 AI 計畫已經全面調整語言模型路線：原本採用 Meta 的 Llama 架構，現在正式轉向 阿里巴巴 所開源的通義千問 Qwen，並推出專為東南亞語言打造的版本。這個決就說明了原有的策略，在國家級實際使用情境下，出現了結構性不適配。
AISG 是什麼，為什麼它能做出這個轉向這項決策的核心角色，是 AISG，全名 AI Singapore。AISG 不是研究單位，也不是單一部會的專案，而是新加坡政府用來把 AI 變成國家可用能力的執行平台。
它負責的不是單一模型，而是一整套能力，包括模型路線、算力資源、資料整合、人才培養與產業合作。AISG 要回答的問題，從來不是哪個模型最先進，而是哪一條技術路線，能被政府、教育與產業長期使用十年以上。
正因為它站在這個位置，才會在實際部署後，選擇調整方向。
為什麼一開始選 Meta，後來卻必須換
早期採用 Meta 的 Llama，其實是非常合理的起手式。Llama 社群成熟、工具齊全、研究資源豐富，對一個要快速啟動國家 AI 能力的政府來說，低風險、快落地，是正確選擇。
但當模型不再只是研究或試點，而是開始進入公共服務、教育體系與企業流程，問題逐漸浮現。多語言在地化的調整成本偏高，授權與再分發條件對本地二次開發不夠友善，長期使用下，國家能力開始被平台節奏牽動。
在這個階段，模型效能已經不是關鍵變數，可調整性、可延續性與成本結構，反而成為決策核心。
為什麼轉向另一條路線
轉向阿里巴巴的 Qwen，並不是因為換一個比較強的模型，而是因為這條路線在工程與生態上，更符合國家級使用者的現實需求。
Qwen 的授權方式更有利於本地團隊進行微調與再分發，語料策略明確吸收大量東南亞語言，使模型在印尼語、泰語、馬來語等場景中，實際理解與生成表現明顯提升。同時，算力與部署成本結構更可預期，讓 AI 不再只是示範專案，而能進入常態運作。
這也是為什麼，新加坡不是升級模型，而是重做一次底層選擇。這個調整發生在此刻，並不偶然。當 AI 還停留在輔助工具層，依賴成熟平台可以換取速度；但一旦進入制度與流程核心，依賴就會轉化為鎖定。
對新加坡這樣的小國來說，延後調整，只會讓未來的轉換成本更高。不如在能力尚未完全定型前，主動重算一次，確保 AI 是能共同建設的公共能力，而不是長期租用的外部工具。
不只是一個國家的內部選擇
更深一層看，這並不只是新加坡的內部優化。東南亞是全球語言最破碎、應用場景最在地化的區域之一。如果 AI 底層能力長期由外部平台定義，整個區域只能被動適配，而無法形成自己的技術節奏。
這次從 Meta 轉向另一條路線，本質上是在為一條能被在地持續改寫、持續演化的 AI 路徑清場。因此，這不是技術豪賭，也不是政治選邊，而是一個小國在現實條件下做出的結論式判斷：
如果 AI 將成為公共建設，就不能只租用，必須能參與建設。
這正是新加坡重做一次國家級 AI 的真正原因。
