新國家AI戰略!新加坡發表亞洲第一個AI工程師認證框架
新國家AI戰略!新加坡發表亞洲第一個AI工程師認證框架

新加坡政府於今年(2019)11月發布了他的AI戰略,其願景為到2030年,新加坡立志成為有影響力的AI解決方案的領導者,提供給公民和企業在關鍵領域中重要的AI解決方案。要如何化願景為實際作為呢?新加坡選定5大國家發展計畫,作為關鍵的發展重點,包含海關邊境安全、醫療、房產管理、教育和物流!

新加坡選定5大AI國家發展項目,以海關邊境安全為例

此外,新加坡智慧國家計劃中的AI技術應用,則規劃到2025年,新加坡所有移民檢查站的安全檢查都將以指紋、臉部和虹膜辨識實現全自動通關,這是新加坡智慧國家計劃中,應用AI技術的一部分。新加坡副總理王瑞杰(Heng Swee Keat)於上(11)月13日宣布新的新加坡國家AI戰略,其中也提到一部分便是將AI應用於海關安全,列為這也是五個重要國家AI項目之一。

王瑞杰在新加坡FinTech和創新與技術週上表示:「各國將需要與時俱進,利用技術來解決共同的挑戰和國家優先事項。」智慧國家和數位政府辦公室表示,除了海關安全外,宣布的其他四個AI項目為是物流、醫療、教育和房地產管理。而選擇這五個項目的原因是,是因為預期它們可以很快地發揮效果,並產生較顯著很高的社會和經濟利益。

例如,在海關使用AI將為旅客提供更快、無縫的過境體驗,方便旅客辦理出入境檢查。 此過程還將減少人為失誤,並使在櫃檯工作的移民官員能夠專注於其他更高價值的工作,像是例如關注可能需要更嚴格審查的旅客。例如,而目前已有案例可以看出其效用,據報導,新加坡樟宜機場4號航站的全自動系統,就使用了AI臉部識別技術,捕獲不同車站的乘客的照片,估計從而節省了多達20%的人力和效率。

不只是海關邊境安全,還有醫療、房產管理、教育和物流4個國家重點計畫

此外,在醫療領域,到2022年,根據新加坡醫療與AI計畫,整個新加坡也計畫2022年前於全國將部署名為Selena+ 的AI系統,以幫助更快、更準確地檢測包括糖尿病等在內的眼部睛疾病。針對醫療項目,王瑞杰說:「AI有巨大的潛力可用於預測、發現和管理慢性病。」,因為許多老年人可能不清楚自己的病情。另外,人工智慧可以用來分析臨床和基因數據、醫學圖像和健康行為,從而更好地評估個別患者的風險狀況,為了更好地進行預防和病例管理。

對於房地產管理,人工智慧可以幫助預測房屋問題,進而從而可以更好地優化房屋維護工作,例如使用AI分析數據來預測幫助預測建築物中的下一次電梯故障時間,以提前做維修、保養工作。

在教育方面,可以利用AI可用來自動執行某些英語作業的評分程序,老師這樣教師就可以騰出時間專注於其他任務上。

除了5大國家AI重點項目之外,AI戰略也要建立整體AI的生態系統

AI整體的生態系統包括:建立三方協作關係(官方、社群和產業)、資料架構、漸進式可被信任的環境、國際合作和人才與教育課程。舉例來說,新加坡的AI的人才與教育課程規劃,先以設定政策優先順序,再來幫助建立AI人才庫。

並在面臨AI人才需求持續成長,以及產業無法量化評估AI技能等問題時,新加坡將於2020年初推出首個針對AI工程師的認證框架,以幫助滿足雇主判斷持續成長對獲得具能力驗證的在地人才需求。在宣佈新加坡的工程師認證框架後,工程師將可透過認證以證明他們具有在實際情境環境中執行擴展AI項目的技能和能力。

AI工程師分級認證

要獲得第一級AI認證工程師的資格,申請人必須具有至少一年與AI相關的工作經驗,並部署了至少一個價值500,000美元(約新台幣1,526萬元)的AI項目。至於第二級和第三級的申請人,則他們必須進一步證明有能力,管理整個組織中的AI工程團隊和多款個AI應用。

這些公告表明新加坡對AI的重視,根據新加坡研究、創新和企業2020計劃,將針對數位技術(包括AI)投入超過1.5億新幣(約台幣33.5億元)。 為了在這裡培養AI人才,到2025年新加坡還計劃培訓25,000名專業人員進行基本AI編碼和應用的培訓。

微軟全球國家技術長家艾伯特(Andreas Ebert)並稱讚新加坡說:「國家AI戰略(National AI Strategy)的制定展現出新加坡已經是AI倫理和治理方面的全球性思想領袖,新加坡採取全面、包容的方法來加速國家快速適應科技技術,來增強國家能力。」新加坡的政策制定決斷力與計畫的執行能力,值得台灣借鏡。

資料來源:

  1. The straitstimes -All immigration checkpoints to have fingerprint and face scans by 2025 as part of Singapore's AI push

  2. The straitstimes -Iris and facial ID for immigration clearance goes on trial at Tuas Checkpoint

  3. The straitstimes -Facial recognition in Singapore growing in use beyond security purposes

  4. The straitstimes -Singapore to roll out first certification framework for AI engineers in early 2020

責任編輯:江可萱

關鍵字: #人工智慧
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓