阿里打赢Meta、谷歌、OpenAI？新加坡给出了答案。
外面打得再厉害，都不妨碍阿里喜气洋洋过个好年。
在全球人工智能竞赛加速升级的当下，阿里的通义千问（Owen）不仅在国内与深度求索正面短兵相接，在国际开源生态中也以出人意料的速度逼近Meta、谷歌主流模型体系。
而真正让这种“势头”从行业感知落到政策层面的，是新加坡突然抛出的那记关键信号——新加坡全国人工智能核心（AI Singapore，简称AISG）在一番从Meta到谷歌的路线摸索之后，把国家级大模型SEA-LION的下一阶段，交给了通义千问。
新加坡不做“第二个硅谷
SEA-LION项目诞生2023年底。当时，新加坡资讯通信媒体发展局（IMDA）、新加坡科技研究局 （A*STAR）与新加坡全国人工智能核心宣布投入7000万新元，建设一个覆盖区域语言的大模型计划。
表面上，它与世界其他国家涌现的大模型计划并无不同，但实际意义完全不同。新加坡在AI上的野心从来不是“追赶GPT”，它真正想要解决的是一个全球模型都未能解决的痛点：东南亚6.7亿人口，拥有1200种语言，却没有一个能够真正理解本地语境的大模型。
主流模型使用英语语料训练，最多加上部分中文内容。在新加坡、马来西亚、泰国、印尼等地，人们用的语言在语义、句法、文化表达上，与英语世界存在巨大差异。
正如新加坡全国人工智能核心执行主席何德华教授坦言：
“现有的大语言模型如ChatGPT，用的数据都是西方国家的资料，没有完全捕捉到东南亚语言的细微差别，所以很多时候我们问它一些问题，它答非所问，因为它的资料不是我们本地或者东南亚的资料。”
SEA-LION的出发点，是让模型真正具备区域语义理解能力。它的目标，是成为整个东南亚的AI语言基础设施。这也解释了为什么印尼和泰国随后用SEA-LION的架构打造了自己的模型Sahabat-AI与WangchanLion。
为什么选择通义千问？
就在昨天（11月25日），新加坡人工智能国家计划决定基于阿里巴巴的通义千问（Owen）大模型开发其SEA-LION模型。在南华早报的报道里称这对“在东南亚积极推广AI服务的中国科技巨头而言是一次重要胜利”。
这一幕也几乎印证了李开复在《人工智能超级大国》中关于“全球AI技术版图终将被中美两大数据与人才密集体主导”的判断——在他看来，风险投资、科研人才和数据规模共同决定了大模型的最终竞争力，而中国与美国恰恰是当下全球唯二同时具备这三个条件的经济体，能够不断将海量数据转化为更高质量的模型产品，并通过更优质的模型产品吸引更多用户与更多数据，从而形成持续强化的正向循环。
新加坡既不具备美国式的超大规模资本与算力优势，也无法像中国那样拥有足以训练庞大模型的海量语料，更不愿意在AI主权这样关乎国家未来的基础设施上完全依赖外部供应方，因此只能在开放生态、成本结构、本地化能力和区域战略之间持续寻求最佳的平衡点。
但外界总喜欢把这类事情解读成“地缘政治的风吹草动”。实际上新加坡在技术采纳上一直遵循一个原则：务实优先，效果优先。
AISG选择通义千问的原因，来自三个层面，分别是开源体系的成熟度与可控性、模型在区域语言任务上的表现以及成本结构的根本性差异。
新加坡不是没有使用美国模型。SEA-LION最早的版本基于Meta的Llama；今年8月升级时，AISG又发布了基于Google DeepMind Gemma的多模态版本。但它迟迟没有在这些模型上“停下来”。Llama的开放程度高，但在区域语种表现有限；Gemma在多模态和泛化能力上更强，但开源程度不足，无法完全满足本地化和数据主权的要求。而新加坡最终需要的，是一个既能做本地化训练、又能保障数据主权，还能让区域企业用得起，同时能够持续演进的大模型底座。
这一切，使得通义千问在今年迅速进入新加坡的视野。
自2023年8月开源以来，Qwen系列在全球获得超过6亿次下载，催生了17万多个衍生模型，成为目前全球最大的开源模型家族之一。更重要的是，Qwen本身是完全开源的、可下载权重的、可本地部署的，这意味着新加坡能够在模型之上进行完全的本地化训练，把自己的区域语料放进去，把自己的安全策略写进去，把自己的行业场景做进去，而不必担心“数据在国外训练”“模型未来不可控”等结构性风险。
而当AISG最新一代Qwen-SEA-LION-V4通义千问3-32B训练后，在SEA-HELM区域语言基准测试中跃升为2000亿参数以下表现最好的开源模型，这让技术选择变成了必然选择——能力已经在结果上给出答案。
但能力并不是全部，更关键的是成本结构。在AI进入全面产业化阶段之前，企业的真实痛点从来不是“模型有多强”，而是“我们能不能用得起”。推理成本、API调用费用、算力租赁、本地化训练成本、行业部署的工程代价——这些现实问题正在真正决定 AI 技术到底是否能落地。
阿里巴巴董事局主席蔡崇信就表示，AI领域的赢家应该取决于"谁能更快落地应用"，而非“谁能开发出最强大的AI模型”。他认为，中国发展高性价比开源人工智能的道路，比美国投入数十亿美元开发万亿参数模型的做法更“有利于快速普及”。
而Qwen的开源策略极大降低了这些门槛。日本的Abeja、新加坡的多家企业都因为“成本更低、灵活性更高”选用了Qwen。
甚至美国本土，越来越多企业开始因为成本和灵活性，主动转向开源体系。作为OpenAI创始人萨姆·奥尔特曼的朋友，爱彼迎联合创始人兼首席执行官布莱恩·切斯基在接受彭博采访时直言：“ChatGPT的集成能力还没准备好满足我们的需求，而通义千问速度快、成本低，更适合我们。”爱彼迎的客服系统完全改用通义千问，这本身就是一种极高强度的商业验证。
AI出海的选择：新加坡
这一选择，也和新加坡正在形成的AI战略整体方向高度一致。
根据何教授的观点，“AISG有三大目标，第一是创造新的工作岗位，提升现有员工的工作效率；第二是创造新企业和增强现有企业的竞争力；第三是让我们每个人的生活质量提升，让大家活得更健康更美好。”
过去一年里，新加坡几乎把所有新兴的AI能力都吸收到本地：
澳大利亚医疗AI公司Heidi在新加坡设立区域总部，未来三年投资1046万新元；美国科技公司沃科拓（Workato）建设本地Agentic AI实验室，新增65个高价值岗位；东南亚科技巨头冬海集团（Sea Limited）的CEO李小冬在今年的内部信中明确指出，AI时代将重塑公司价值结构，集团市值有望在AI驱动下冲击万亿美元；新加坡国防部与法国科技公司Mistral AI合作，用生成式AI提升军事决策和情报处理能力。
根据由谷歌、淡马锡与贝恩联合发布的2025年东南亚数字经济报告，目前东南亚六国超过680家AI起步公司中，有495家位于新加坡，占比超过70%，新加坡实际上已经成为东南亚事实上的“AI总部区”。
新加坡的本质选择不是“中国”，而是“开放、可控、可落地的 AI 未来”。无论是 SEA-LION的下一轮升级，还是新加坡吸纳全球AI创业公司、与欧洲开源体系合作、继续深化与美国算力产业链的联动，新加坡都在用小国智慧做一个大时代的布局：谁能让AI更快、更安全、更本地、更可控地产生价值，新加坡就选择谁。
而在这个时间节点，通义千问给出的答案，恰好契合了新加坡的需求。对即将或正在出海的新一代中国AI企业而言，新加坡无疑正处在一个罕见的战略窗口期：它的监管透明、人才密度高、政府愿意与企业共建生态，且东南亚6.7亿人口的市场正在快速进入AI基础设施建设的早期阶段，谁能更快进入，谁就能获得更多的市场份额。
如果你正在考虑将AI产品、算法团队或区域总部布局在新加坡；如果你正在评估新加坡的合规要求、补贴政策、人才引进、技术备案或跨境架构；或正在比较新加坡vs香港的AI落地成本和战略空间——
