亚洲自我支撑的 AI 推进令西方企业面临错失变局的风险

Google News 带出了一项鲜明观点：尽管西方企业仍掌控许多领先模型和云平台，亚洲的 AI 市场正逐步实现自我支撑。

《商业时报》提出的这一论点，并非又一则关于区域科技增长的预测。它认为，亚洲企业正越来越能够在相互连接的本地市场中为 AI 融资、开发、部署和采购。西方供应商不再天然掌控每一个环节。

这一结论仍需审慎看待。亚洲并非一个统一的科技市场，美国依然拥有巨大的资本优势。然而，该区域如今已具备更多自主模型、基础设施、客户、芯片和公共投资。力量平衡正从依赖转向有选择的独立。

因此，真正的竞争并非简单的亚洲与西方之间的模型基准之争，而是在本地化系统与为全球规模而设计的西方平台之间展开。一方提供深厚的区域语境和灵活部署能力，另一方则拥有更大的研发预算、成熟云服务和广泛的企业分发网络。

Google News 的标题捕捉到一场结构性转变

亚洲的 AI 叙事正从技术采用转向对生产链的掌控。

Google News 呈现的《商业时报》标题描述了一个能够支撑更多自主研发的生态系统。这并不意味着亚洲企业已停止使用美国芯片、云服务或基础模型，而是意味着本地参与者可以将这些组件与区域资本、数据、研究和分发渠道结合起来。

多项发展支持这一判断。东南亚各国政府正在资助本土 AI 项目，区域运营商正在扩建数据中心，本地研究人员则在为全球系统覆盖不均衡的市场开发语言模型。

资本也正流向这一领域。Google、Temasek 和 Bain 报告称，在其 区域 AI 报告 所覆盖的年度内，投资者向东南亚 680 多家 AI 初创企业投入超过 23 亿美元。2025 年上半年，AI 占私人融资总额的 30% 以上。

同一份报告预计，东南亚将新增超过 4,600 兆瓦的数据中心容量。这将意味着 180% 的增长，而亚太其他地区的增幅为 120%。

这些数字所描述的不只是对聊天机器人的需求。数据中心为本地企业提供了训练、微调和运行模型的场所，区域初创企业为本地客户开发软件，政府则影响采购、数据治理和语言覆盖。

一个自我支撑的系统，并不要求每个组件都源自本地。没有任何主要科技经济体是如此运作的。它需要的是足够多的替代供应商和买家，以避免某一家外部供应商决定所有条件。

这一区别很重要，因为该地区的 AI 活动此前更容易被描述为下游采用：西方企业提供核心平台，亚洲企业将其整合进消费者和企业产品。如今，这种关系看起来已不再那么固定。

开放权重模型也在加快这一转变。开放权重是开发者可下载并在所选基础设施上运行和适配的模型参数。团队无需将每次请求都发送到外国供应商的应用程序编程接口，便可构建区域产品。

中国的模型开发商构成了这一供给体系的一部分，新加坡的公共研究项目则构成另一部分。印度、日本、韩国、印度尼西亚和马来西亚则带来人才、制造能力、语言数据和国家支持的不同组合。

这一变化尚未完成，但已可衡量。亚洲日益拥有足够的内部能力，能够决定西方技术应处于何种位置，而非将其视为默认基础。

本地模型正在填补全球平台留下的空白

当语言、文化、监管和运营成本比全球基准领先优势更重要时，区域模型便能体现其价值。

新加坡的 SEA-LION 展示了这一机制。该开放模型家族由 AI Singapore 开发，专注于东南亚语言和文化语境，其覆盖范围包括许多全球训练系统较少关注的语言和区域方言。

新加坡资讯通信媒体发展局表示，SEA-LION 可处理超过 13 种区域语言。根据该机构的 国家模型计划，它支持混合语言交流和本地化文档任务。

这些功能契合东南亚常见的商业环境。一段客服对话可能在英语、马来语、普通话和本地表达之间切换；政府文档系统可能需要解读多种文字；销售助手则可能遇到具有特定文化背景的产品描述。

全球模型可以用多种语言作答，但基础语言支持并不意味着准确性同样出色。当用户在同一句话中切换语言，或依赖区域名称、机构和社会习惯时，表现可能发生变化。

新加坡的 AI 安全测试发现，知名模型的语言能力并不均衡。评估还指出，模型开发商并不总能清晰说明其在主要语言之外的熟练程度。

这一缺口为区域系统创造了空间。本地适配模型并不需要在每项基准上击败所有西方模型；它需要在决定其目标市场采用与否的任务上表现可靠。

SEA-LION 还表明，亚洲体系可以复用外部研究成果，而不必在商业上依赖单一供应商。该项目以开放基础模型为基础，其中包括与 Google、Meta 及中国 Qwen 相关的模型家族。本地研究人员随后利用区域数据和评估对这些基础进行适配。

这并非完全的技术独立，而是模块化独立。开发者可以替换技术栈中的部分组件，同时保留有效的部分。

新加坡更广泛的国家计划进一步强化了这一路径。政府启动了一项多模态语言模型计划，并提供 7,000 万新元支持。多模态系统可理解的不仅是文本，还包括图像、语音或其他输入。

IMDA 年度报告称，SEA-LION 的下载量已超过 23.5 万次，且已被印度尼西亚和泰国的学术机构及企业使用。下载量并不能证明其已持续用于生产环境，但显示出一个国家实验室之外的开发者兴趣。

中国为同一模式增添了规模。其企业发布性能强大的开放权重模型，运营大型消费者平台，并向国内企业销售服务。韩国和日本则贡献半导体专长、电子制造、机器人技术和成熟的工业客户群。

这些市场并未构成一个协调一致的集团。它们的政治制度、商业规则、语言以及与美国的关系差异很大。不过，它们的能力可以通过投资、开放软件、供应合同和共同的部署需求相互补充。

这正是 Google News 标题值得关注的原因。区域机遇不再局限于在本地化界面背后转售西方模型。亚洲团队日益能够选择模型、对其进行适配、托管它们，并通过区域网络销售由此形成的应用。

西方 AI 企业仍居领先地位，但资本本身并不能锁定亚洲

美国企业仍拥有最大的资金优势，但这一优势并不保证其能够掌控区域部署。

资本差距依然明显。Stanford 的 2025 AI Index 记录显示，2024 年美国私人 AI 投资达到 1,091 亿美元。中国吸引了 93 亿美元，英国则录得 45 亿美元。

AI Index 的研究结果还统计出，2024 年美国机构推出了 40 个值得关注的模型，中国推出 15 个，欧洲推出 3 个。按这些指标衡量，美国的领先地位十分明确。

然而，同一研究发现，中国模型在主要基准测试中的性能差距已经缩小。中国在 AI 论文和专利方面也仍处于领先地位。因此，格局虽不均衡，却并非静止不变。

西方企业拥有显著优势。Microsoft、Amazon 和 Google 运营成熟的云平台；OpenAI、Anthropic、Google DeepMind 和 Meta 拥有庞大的研究团队；Nvidia 的软件和加速器系统仍是全球大部分 AI 市场的核心。

当供应商认为技术领先会自动带来本地忠诚度时，这些优势可能反而成为弱点。亚洲买家除整体模型性能外，也会评估数据存放位置、语言质量、采购规则、定制能力和地缘政治风险。

一家跨国模型供应商往往寻求一个可服务多个国家的平台，而区域开发商可以针对更狭窄的运营环境进行优化。这类开发商可能接受在英语基准测试中得分较低，以换取更出色的本地文档处理能力。

数据治理带来了另一重压力。银行、公共机构、医疗服务提供商和工业企业可能不希望敏感信息通过外国托管服务处理。一些机构会要求本地托管，或要求对模型行为拥有更直接的控制权。

开放权重系统为买家提供了另一种谈判选择。企业可以通过本地云服务商托管模型，聘请区域集成商，并在日后调整其部署架构。这种灵活性降低了封闭平台所能形成的锁定效应。

成本同样影响决策。最适合高价值研究任务的模型，未必适合处理数百万次常规分类、翻译或支持互动。区域供应商可以通过为特定工作负载匹配更小的模型来展开竞争。

西方企业正通过本地云区域、投资、合作伙伴关系和研究团队作出回应。这些活动印证了亚洲的重要性，但并不确保价值最终回流至西方总部。

一个云区域可以支持本地初创企业，而这些企业日后可能与云服务商自身的 AI 产品竞争。西方企业发布的开放模型，可以成为本地品牌服务的基础。投资可以壮大市场，同时削弱投资者的控制力。

因此，主要竞争发生在平台所有权与区域适配之间。西方企业希望客户留在其集成云服务和专有模型服务之中；亚洲开发商则希望自行选择组件，同时掌控最终产品和客户关系。

两种路径不会在所有地方都胜出。当企业重视支持、安全工具和可预测的集成时，封闭平台仍具吸引力。当本地语境和部署控制权影响采购决策时，区域系统则更具吸引力。

面临最大压力的未必是规模最大的实验室，而是那些将亚洲视为分销地区、而非模型、产品设计和技术标准来源的西方供应商。

亚洲的 AI 体系正围绕不均衡的枢纽发展

区域性论断具有可信度，但其收益仍集中于少数市场和企业。

将亚洲称为自给自足，可能会掩盖显著的内部差异。新加坡拥有深厚的资本市场、强大的数字基础设施和集中的 AI 人才。印度尼西亚拥有庞大的消费市场。马来西亚和泰国正在吸引数据中心投资。其他国家则面临更大的基础设施和技能缺口。

OECD 报告称，东盟六大经济体的 AI 初创企业融资从 2015 年的 1.13 亿美元增至 2024 年的 38 亿美元。不过，投资高度集中。

根据 OECD 的数字贸易审查，2015 年至 2024 年间，新加坡获得了 127 亿美元资金，占东盟 AI 风险投资的 80%；印度尼西亚以 16 亿美元位居其后。

基础设施也呈现类似的集聚趋势。OECD 表示，已宣布的面向 AI 的东盟数据中心投资超过 500 亿美元。其中，马来西亚占 250 亿美元，新加坡占 90 亿美元，泰国占 80 亿美元。

人才分布同样不均衡。OECD 统计，新加坡每 1,000 名劳动者中有 3.5 名 AI 专业人才。马来西亚为 0.5 名，而其他几个东盟主要经济体约为 0.2 名。

这些差异削弱了自给自足论述最简单的版本。少数枢纽能够支持区域发展，但许多企业仍依赖外国资本、进口加速器和外部云服务。

该地区在半导体供应链中的地位也应谨慎解读。台湾和韩国是先进芯片制造与存储器领域的核心。日本供应重要设备和材料。但许多相关芯片设计软件和加速器架构仍与美国企业密切相关。

出口管制可能会中断这一网络。采购限制会改变中国实验室可获得的芯片种类。各国政府也可能就设备、托管或技术转移向供应商施压。

能源是另一项约束。AI 数据中心需要大量、可靠的电力供应和冷却系统。只有在开发商获得场地、电网连接、设备和客户之后，已宣布的容量才能转化为可用算力。

融资格局也不像标题所暗示的那样均衡。美国以外的风险投资一直难以匹敌美国领先实验室所获得的巨额融资。一些亚洲创始人仍会将业务或公司总部迁往美国，以接触投资者和客户。

根据 2026 年 7 月的一项融资分析，东南亚科技融资从 2022 年约 101 亿美元降至 2024 年的 22 亿美元。该报告还称，创始人正向资金更充裕的美国市场迁移。

这种流动并不能否定区域生态系统的论断。它表明人才与所有权可以分离。一位在亚洲成长的创始人可能在加州创业，而一家美国公司可能在新加坡开展研究，并通过印度尼西亚合作伙伴进行销售。

生产环境中的采用情况带来了另一项不确定性。初创企业数量、模型下载量和数据中心公告衡量的是能力或兴趣，不能证明企业正从 AI 系统中获得持久回报。

一个自给自足的生态系统需要的是持续客户，而不只是政府补助和风险融资。它必须将试点转化为运营软件，并让企业在推广性资金结束后仍持续购买。

因此，最有力的解读应更为有限。亚洲目前拥有多个互联的 AI 枢纽，能够产生模型、基础设施和需求。这些枢纽可以支持区域替代方案，尽管它们并未消除对外部的依赖。

Google News 的论断并未证明什么

不断增长的区域供应链并不能证明亚洲企业将获得大部分利润，或取代西方技术。

第一个不确定性在于“亚洲”的含义。中国的科技市场遵循着不同于日本、印度、新加坡或印度尼西亚的规则。将它们视为一个竞争单元，或许能形成有说服力的标题，却难以构成有力的商业预测。

贸易争端加剧了这些分歧。中国模型可能价格低廉且易于适配，但一些买家会因安全政策或监管风险而避开它。美国供应商也可能面临自身的数据主权异议。

第二个不确定性是商业可持续性。公共项目可以资助私人用户很少采用的模型。基础设施投资者可以比客户消耗速度更快地建设容量。初创企业可以吸引资金，却找不到盈利市场。

第三个问题是衡量方式。模型基准测试常常强调英语、编程、数学或标准化推理任务。本地语言评测可能使用规模较小的数据集和不同的方法论。任何一类指标都无法单独捕捉真实商业工作流程中的表现。

新加坡的区域模型工作为语言代表性不足提供了真实回应。不过，官方项目说明并不能独立证明本地模型在每项企业任务中都表现更好。

同样的谨慎也适用于整个市场中的企业说法。供应商可能报告较低的推理成本，却未计入集成、监控、安全审查和维护。另一家企业可能宣传本地托管，同时仍依赖外国软件或硬件。

开发者和企业买家应审视整个运营链条。这包括模型许可证、托管条款、数据保留、评测方法、硬件可用性以及更换供应商的成本。

知识密集型团队面临额外挑战。当模型回答依赖不完整的公司上下文时，其地理来源的重要性会降低。实际优势往往来自于将合适的模型连接到受治理的内部文档。

维护良好的AI 知识库可以让模型比较更具意义。团队可以针对相同的已批准材料测试竞争系统，而不是依赖通用演示。

安全和保障标准也可能决定哪些区域产品能够实现规模化。本地语境可以提高相关性，但也会在多种语言之间带来新的评估要求。有害内容、政治敏感性和文化假设无法在不同市场之间顺畅迁移。

新加坡一直通过其 AI 保障工作构建区域测试方法。其多元文化安全框架强调在东南亚语言和语境中进行评估。

这项工作凸显了核心权衡。区域适配可以提高实用性，但碎片化可能让测试更加困难。每增加一种语言、部署环境和模型变体，保障负担都会扩大。

如果西方企业将本地化视为工程工作而非营销手段，仍然拥有机会。它们可以支持本地托管，发布更清晰的语言评测，与区域研究机构合作，并给予客户更多架构选择。

亚洲供应商则面临相反的考验。他们必须证明本地相关性能带来可靠运营，而不只是国家品牌叙事。他们还需要可信的安全实践，以及支持大型企业部署的充足服务能力。

因此，应将《Business Times》的论断视为对市场结构的警示，而非胜利宣言。亚洲已获得更多议价能力。收入、标准和所有权的最终分配仍未确定。

三个信号将显示这一转变能否延续

下一阶段将由生产环境使用、基础设施交付以及西方平台的行为决定。

第一个信号是区域模型能否获得持续的企业采用。下载量和试用项目显示的是兴趣，而持续的生产工作负载则提供更有力的证据。

买家应关注银行、电信企业、公共机构和工业运营商是否续约区域 AI 部署。案例研究应披露任务、语言、评测方法和运营规模。

如果 SEA-LION、MERaLiON 或其他区域系统持续扩展至客户服务、文档分析和受监管工作流程，将强化自给自足论断。缺乏持续使用的有限实验则会削弱它。

第二个信号是已宣布的数据中心容量是否真正投入服务。东南亚已吸引大量基础设施承诺，但建设取决于电力、设备、网络接入和监管。

投入运营的容量将为区域开发者提供更多托管选择。它还可以降低延迟，并帮助企业遵守数据驻留要求。反复延迟或低利用率将表明投资已领先于需求。

第三个信号是西方企业如何调整其产品和合作策略。供应商若增加本地托管，却未改善语言评测，只解决了部分问题。

更具实质意义的回应将包括透明的区域基准测试、支持客户自行选择模型、与亚洲研究机构建立更深入的合作关系，以及让企业能够在供应商之间迁移工作负载的工具。

在这一信号中，收购将提供另一项线索。西方企业可能收购区域团队，以获得语言数据、企业关系或专业技术。这些交易可能验证本地创新，同时将所有权转移至区域之外。

或者，亚洲企业可能收购邻近市场的初创公司，并自行建立区域分销体系。这种模式将更有力地证明，本地资本和客户能够支撑整合。

通过 Google News 关注这一故事的读者，应区分公告与已完成部署。只有当新的基金、实验室或数据中心改变了谁能够构建和购买有用系统时，它才具有意义。

开发者应根据实际语言和文档比较模型。企业买家应询问数据在哪里处理，以及他们能否轻松更换供应商。投资者应追踪经常性收入，而非只计算模型发布数量。

核心判断已比数年前更清晰。西方企业仍是亚洲 AI 的重要参与者，但它们正成为更广泛体系中的参与者，而不再是毋庸置疑的所有者。

它们会通过给予区域客户更多控制权来回应，还是继续将本地化视为销售层？答案将决定下一条 Google News 标题描述的是合作、竞争，还是西方企业任由其在自身周边发展的市场。