過去幾十年，新加坡一直在回答同一個問題：一個沒有龐大本土市場、自然資源有限的城市國家，如何在全球產業鏈中占據重要位置？
它的答案，是製造業、精密工程、半導體和數字化。從吸引跨國企業落地，到建設高度數字化的城市，新加坡逐漸形成了一套獨特的競爭優勢：既能承接複雜的製造任務，也擁有發展數位技術所需要的基礎設施、人才與國際網絡。
但AI正在改變下一階段的競爭規則。當人工智慧不再只存在於電腦螢幕中，而是開始驅動機器人走進工廠、建築工地和公共設施，決定一家科技企業競爭力的，就不再只有算法和軟體。晶片、傳感器、機械結構、控制系統，以及讓它們協同工作的技術，都變得同樣重要。
這恰好把新加坡過去積累的兩種能力——製造與數位技術，重新推到了同一個賽道上。
圖源：dConstruct
一家來自新加坡的機器人企業新創智能（dConstruct），正在這個交匯點上尋找機會。它獲得的大額融資，固然是值得關注的商業新聞，但比融資本身更值得討論的，是它所代表的另一種可能：新加坡能否在繼續參與全球科技產業的同時，培育出更多擁有自主技術、核心產品和國際市場的本土企業？
如果這種可能逐步成為現實，變化就不會只發生在工廠和科技公司里，也會延伸到大學課堂。
對於計劃赴新加坡留學的學生而言，一個值得重新思考的問題隨之出現：當AI開始進入真實世界，未來想進入科技行業，是否還應該只盯著計算機科學？人工智慧、數據科學、計算機工程、機器人與機械控制等專業，又分別在培養什麼樣的人才？
要回答這個問題，不妨先從新加坡正在面對的產業變化說起。
AI的下一站，不只是寫代碼
過去幾年，人工智慧競爭主要圍繞大語言模型、算力、數據和算法展開。ChatGPT等生成式AI產品的普及，也讓許多人形成了一種印象：AI產業的核心，就是軟體和模型。
但當AI開始進入現實世界，技術面臨的挑戰發生了變化。
以機器人為例，一台能夠在建築工地自主巡檢的設備，不僅需要識別環境，還必須知道自己在哪裡、怎樣規劃路線、如何避開障礙，以及怎樣在不斷變化的環境中穩定運行。它需要將感知、定位、決策、控制和機械執行整合成一個完整系統。
dConstruct的業務就涉及這一技術鏈條。通過三維掃描、傳感器和自主移動技術，機器人可以獲取環境信息、建立空間模型，並在建築、設施管理等場景中執行巡檢與相關任務。
這類產品的難點，並不只是讓機器具備某種智能，而是讓它在真實場景中持續、可靠地工作。
語言模型生成一段錯誤內容，通常可以重新生成；機器人如果在工地、鐵路或公共空間中判斷失誤，則可能帶來現實風險。技術不僅要有效，還必須考慮安全、穩定性和實際運行成本。
因此，具身智能並不是給大語言模型裝上一副機械身體那麼簡單，它需要計算機科學、人工智慧、電子工程、機械設計、控制系統和數據處理等多種能力共同參與。
當AI從數字世界走進物理世界，技術競爭的邊界也隨之擴大。
這也是機器人產業值得關注的原因。它讓軟體重新與製造業發生深度聯繫，也讓工程教育與計算機教育之間的關係變得更加緊密。
新加坡的優勢，為什麼恰好在這裡？
圖源：AI
新加坡今天的產業基礎，並非一朝一夕形成。獨立初期，新加坡面對的是就業機會不足、資源有限和國內市場狹小等現實問題。
通過建設工業區、吸引跨國公司投資、完善基礎設施與職業教育，新加坡逐步從勞動密集型製造轉向半導體、精密工程、航空和生物醫藥等高附加值產業。
這套發展模式讓新加坡積累了成熟的製造能力、工程人才、國際供應鏈和穩定的營商環境。
進入數字化時代，新加坡又通過Smart Nation等戰略，持續推動公共服務、交通、支付和城市管理的數字化。製造業與數位技術，成為支撐其經濟發展的兩類重要能力。
而AI進入現實世界，讓這兩類能力有了進一步融合的機會。
一方面，機器人產業需要精密硬體、傳感器、工程系統和實際應用場景；另一方面，它也需要算法、軟體、數據與智能決策能力。新加坡長期積累的工業基礎和數字化經驗，可以為這類技術提供發展條件。
對於一個人口和國內市場有限的城市國家而言，這也可能是一條更現實的產業升級路徑：不必在所有環節與全球最大經濟體競爭，而是尋找具有技術門檻、能夠服務國際市場的細分領域。
當然，dConstruct獲得融資，並不意味著新加坡已經完成從製造中心向AI創新中心的轉型。硬科技企業從研發走向規模化商業應用，仍要面對成本、可靠性、市場需求和國際競爭等挑戰。
但它所代表的方向值得觀察：新加坡能否不只為全球科技企業提供生產與研發條件，還能培育更多掌握核心技術、擁有自主產品並走向國際市場的本土公司？
如果這一轉變逐步發生，對人才的需求也可能隨之擴展。
想學AI，別只盯著計算機科學
產業變化最終會反映到人才培養上。對計劃赴新加坡讀本科的學生來說，一個重要的變化是：AI相關職業並不只有一條專業路徑。
第一條路徑：計算機科學與人工智慧。
*NUS的計算機學院本科課程
如果學生喜歡編程、數學、算法和模型研究，可以重點了解新加坡國立大學（NUS）的Computer Science、Artificial Intelligence，以及南洋理工大學（NTU）的Computer Science、Data Science and Artificial Intelligence等本科項目。
這類專業通常重視計算機基礎、算法、數據處理和機器學習。進一步學習後，學生可以根據課程選擇與個人興趣，探索計算機視覺、自然語言處理、智能系統等方向。
這條路徑適合希望從軟體和算法層面解決問題的學生。不過，AI專業並不意味著可以繞過數學、編程和計算機基礎。真正理解模型為什麼有效、何時會失效，往往需要紮實的理論訓練。
第二條路徑：計算機工程與電子電氣工程。
如果學生對晶片、傳感器、嵌入式系統和軟硬體協同更感興趣，計算機工程可能是另一種選擇。
NTU的Computer Engineering項目結合計算與電子工程，涉及計算系統、硬體與軟體集成等內容，與機器人、智能設備和工業系統等應用方向存在聯繫。
這類專業關注的不只是軟體如何運行，還包括計算系統如何與真實設備連接。對於希望參與智能硬體、機器人系統或邊緣計算開發的學生，值得進一步了解其課程結構與實踐機會。
第三條路徑：機器人、機械工程與控制相關方向。
如果學生更喜歡設計實體設備、研究運動控制和解決機器在現實環境中遇到的問題，機器人學、機械工程及相關工程方向同樣值得考慮。
NTU設有Robotics本科項目，相關培養涉及機器人系統及其所依賴的機械、電氣、控制和智能技術。
這條路徑尤其能說明一個問題：想進入機器人產業，並不一定要從純計算機專業起步。算法工程師、硬體工程師、控制工程師和機械設計人員，可能在同一套產品中承擔不同但互相依賴的任務。
此外，新加坡科技設計大學（SUTD）的Computer Science and Design、Design and Artificial Intelligence等方向，也可以作為關注計算、設計與產品開發的學生的考察對象。
需要強調的是，學校提供某個專業，不代表該項目的所有課程都集中在機器人或具身智能上。具體選擇仍應查看當年的課程結構、選修空間、項目實踐和招生要求，而不是只根據專業名稱判斷。
專業選擇的關鍵，不是追逐最熱的名稱
面對AI熱潮，不少家長習慣先問：哪個專業最熱門？哪所大學的AI排名最高？畢業以後是不是更容易找到工作？
這些問題可以參考，卻不足以支撐長期的專業選擇。更重要的是理解孩子對什麼問題真正感興趣，以及不同專業需要怎樣的能力基礎。
喜歡編程、算法和抽象推理，可以深入研究計算機科學與人工智慧；對數學、機率和數據建模感興趣，可以考察數據科學；希望理解晶片、硬體和軟體如何協同，可以了解計算機工程；喜歡實體設備、機械結構與運動控制，則可以進一步研究機器人和相關工程專業。
這不是說某個專業一定比其他專業更有前景，而是AI應用範圍正在擴大，技術崗位所需的能力也更加多元。
與此同時，學生還需要關注專業的實際培養方式。同樣叫作人工智慧的項目，可能在數學基礎、計算機核心課程、工程實踐和跨學科訓練方面存在明顯差異。選擇時應比較具體課程，而不是只看專業名稱或宣傳中的熱門關鍵詞。
就業問題也需要理性看待。機器人企業獲得融資，不等於相關專業的畢業生就業率必然上升；國家重視AI，也不代表所有AI畢業生都能獲得理想崗位。國際學生還需要結合實際崗位需求、畢業生就業數據，以及畢業時適用的工作準證政策綜合判斷。
真正有價值的專業選擇，不是追逐今天最熱的名稱，而是建立能夠適應技術變化的基礎能力。
