區域焦點｜東南亞

區域：東南亞

這個區域上次被寫進區域焦點是 9/18，距今 6 週。本週剛好有兩條清楚的主線交會：政府端在用三箭並發的方式把 AI 能力留在國家手上，平台端卻在同一時間加碼對外採購 AI 能力、同時縮減自己的研發支出——兩條線放在一起看，比單獨看任何一條更能說明這個區域現在的位置。

本週重要動態

新加坡 SWITCH 2026：Champions of AI、MARVEL-AI、SME workshops 三箭並發

新加坡副總理兼貿工部長甘金勇（Gan Kim Yong）10/27 在新加坡創新科技週（SWITCH 2026）上宣布一套新的 AI 政策組合，延續今年 Budget 2026 宣布的製造、金融、醫療、連結四大國家 AI 任務。第一箭是企業發展局（Enterprise Singapore）主導的「Champions of AI」計畫，首批納入 DBS、OCBC、UOB、新加坡航空、新加坡電信、吉寶、勝科等 24 家本地企業，由政府協助制定長期 AI 轉型路線圖，官方定位為「國家級旗艦計畫」。第二箭是 A*STAR 主導、政府投入約 1.5 億新幣（約 1.16 億美元）的材料科學 AI 加速器 MARVEL-AI。第三箭是擴大辦理中小企業的 agentic AI workshops，官方數據顯示試辦階段已有超過 280 家微型與小型企業參加，用 ChatGPT、Claude、Manus 等工具打造客製化的原型。（e27）

這三項計畫合在一起，對應的其實是三種不同規模企業的 AI 導入路徑：大型企業用「國家協助制定路線圖」，中小企業用「workshop 練手」，研究機構用「政府出資的共用加速器」——新加坡政府明確把自己定位成補位者，而不是等市場自己長出能力。

MAS 金融業 AI 風險管理準則定案，Agent 治理進入兩年倒數

新加坡金融管理局（MAS）10/7 正式發布《AI 風險管理準則》（AI Risk Management Guidelines, AIRG）終版，要求金融機構針對每個 AI 使用案例，依「影響力、複雜度、依賴度」評估風險，低風險案例可以走簡化的治理流程，但必須記錄 Agent 的身分、工具存取權限與防護機制。準則特別點名生成式 AI 與 Agent，要求對它們的防護措施做有效性測試；同時鬆綁了一項要求——不再強制金融機構為 AI 治理另外成立專責委員會，可以沿用既有的治理架構。整套準則設有分階段生效時鐘，給金融機構約兩年時間逐步合規。（MAS 官方公告）

MAS 這份準則的特點是「先有自願性框架、再有監理期待」——新加坡資通訊媒體發展局（IMDA）去年發布的《Agentic AI 治理框架》是自願性指引，MAS 這次等於是把其中一部分原則，正式寫進對金融機構有約束力的監理期待裡。

Sea、Grab 加碼對外 AI 夥伴關係，研發支出卻在縮

Sea 集團（Shopee 母公司）10/15 宣布深化與 Google AI Futures Fund 的合作，Sea Labs 將取得 Google 部分前沿模型與專家資源，用於應用型 AI 產品開發。這份合作建立在雙方 2026 年 2 月簽署的協議之上，當時涵蓋遊戲、agentic 電商與 agentic 支付，但雙方都未揭露投資金額、產品里程碑，也沒有交代 2 月那輪合作目前的進度。值得注意的是，Sea 第四季的研發支出年減 7.8% 至 2.776 億美元，同期集團營收卻成長 38.4%——一邊深化 AI 合作，一邊縮減自有研發預算，兩個數字放在一起看並不對稱。（e27）

Grab 則是另一條路：10/14 宣布與 OpenAI（合作關係始於 2024 年）把訓練計畫擴大到泰國，教當地司機、商家使用 agentic AI 能力（如委派多步驟任務、建立簡易網站、設計重複性工作流程），Grab 的 Driver AI Assistant 目前已覆蓋超過 50 萬名司機。（CNN）同一週，Grab 與 SoftBank、砂拉越石油公司（PETROS）簽署框架協議，探索在馬來西亞砂拉越建設 AI 與數位基礎設施平台，呼應砂拉越在 2030 年成為高收入地區的政策目標。（SoftBank 官方公告）兩家東南亞最大的消費型平台，都選擇向美系或日系夥伴採購 AI 能力，而不是自建。

深度分析

我認為這週東南亞最適合用資源依賴理論（Resource Dependence Theory）來看，因為本週三則新聞剛好呈現了同一個依賴關係的兩端——誰在補位依賴、誰在加深依賴。

平台端在加深對外依賴，同時削弱自建能力的資源基礎：Sea 和 Grab 都沒有自建前沿模型的路線圖，而是選擇向 Google、OpenAI、SoftBank 這類外部夥伴採購 AI 能力。資源依賴理論認為，當一個組織把關鍵能力的取得管道交給外部夥伴，就把自己的策略彈性讓渡出去一部分；Sea 第四季研發支出年減 7.8%，正是這種依賴關係物質化的證據——不是暫時縮手，是把原本可能投入自建的資源，轉成對外採購的預算。

政府端在反向操作，試圖用國家層級的資源補位：新加坡政府的三箭（Champions of AI、MARVEL-AI、SME workshops）本質上都是在降低企業對單一外部 AI 供應商的依賴——幫大企業制定自己的轉型路線圖（而不是直接套用供應商的方案）、用政府資金讓研究機構擁有自己的材料科學 AI 平台、讓中小企業練出自己動手打造原型的能力。MAS 的風險管理準則也是同一個邏輯的延伸：把「第三方 AI」單獨列為重點強化的領域，等於是在制度層面提醒金融機構，依賴外部 AI 供應商本身就是一種需要治理的風險，不是中立的技術選擇。

依賴關係裡的權力不對等，決定了誰承擔風險：資源依賴理論的核心主張是「誰掌握稀缺資源，誰就有權力」——Google、OpenAI、SoftBank 掌握前沿模型與基礎設施這個稀缺資源，Sea、Grab 這類區域平台即使市值和使用者規模驚人，在這組關係裡仍是資源的接受方。新加坡政府顯然意識到這一點，所以選擇在國家層級補足「資源自主」這一塊，而不是放任市場上所有企業都走向同一種對外依賴的路徑。

對台灣創業者的啟示

• 如果你在做企業 AI 轉型顧問或工具：新加坡「Champions of AI + SME workshops + 產業加速器」三層式打法值得參考，它的核心不是補助金額大小，而是依企業規模給出對應的能力建構路徑——台灣如果要設計類似的扶植計畫，應該優先複製這個「分層」邏輯，而不是對所有規模的企業提供同一種補助
• 如果你的客戶是金融業：MAS 這份準則對第三方 AI 的強化監理、以及「兩年分階段生效時鐘」的設計，很可能成為其他亞洲金融監理機關（包含台灣金管會）參考的樣板——台灣團隊若服務金融業客戶，現在就該開始準備 Agent 身分紀錄、工具存取權限盤點這類治理文件，不要等到台灣自己的準則定案才動手
• 如果你在做平台型產品、正在評估要不要自建 AI 能力：Sea 和 Grab 的案例是一個警示訊號——「用大廠的模型快速上架功能」短期看起來效率最高，但代價是把關鍵能力的掌控權讓渡出去，而且這種依賴一旦形成，很難在財報上被看見（直到研發支出開始下滑才會有人注意）；台灣團隊在簽訂這類外部 AI 合作前，應該先想清楚哪些能力是絕對不能外包的核心
• 如果你在評估東南亞市場的基礎設施布局：Grab、SoftBank、PETROS 在馬來西亞砂拉越的 AI 基礎設施計畫，呼應的是整個東南亞正在加速的算力與資料中心建設潮——這對台灣的硬體供應鏈（伺服器、散熱、電源管理）是正面訊號，不管最後誰在應用層的競爭中勝出，底層的基礎設施建設需求都會持續成長

今日收穫

之前以為東南亞這週的 AI 故事是「各家平台在拼 agentic 功能的軍備競賽」，細看新加坡 SWITCH 2026 的三項計畫和 Sea 的財報數字後才發現，真正的分野不是誰的 agent 功能更強，而是「誰在養自己的 AI 能力、誰只是在租」——Sea 和 Grab 選擇向外採購，甚至在加碼合作的同時縮減自己的研發支出；反而是新加坡政府用 MARVEL-AI 和 Champions of AI 在補位，試圖讓國家層級保留一部分 AI 能力的所有權，而不是把整個生態系統的 AI 自主權，都讓渡給少數幾家美系或日系大廠。

參考資料

• e27 — Inside Singapore's AI Push: Lighthouses, Rice Importers and Robot Labs
• MAS — MAS Sets Out Supervisory Expectations on Responsible AI Adoption by Financial Institutions
• e27 — Sea and Google Open Chapter Two of Their AI Pact Before Chapter One Ships
• CNN — Grab Announces New Thailand Initiative With OpenAI
• SoftBank — SoftBank Group, Grab and PETROS Sign Framework Agreement to Explore AI Infrastructure in Sarawak