新加坡与中国论坛上的企业领袖指出，人工智能鸿沟本质上是组织管理问题，而非技术难题——这一论断对泰国企业具有直接的现实指导意义。
对于仍在尝试AI聊天机器人却未见显著回报的泰国企业而言，本周在新加坡举行的一场企业领袖小组会议给出了切中要害的诊断：技术从来不是难点。真正的难点在于，企业领导层是否愿意重新设计实际的工作流程。
这场题为“将AI投入实际应用：企业领袖的差距何在”的小组讨论，是第17届“未来中国”全球论坛的第二场环节。该论坛于9月24日（星期四）在新加坡举行，主题为“强化韧性，重建信任”。
由新加坡首任总理李光耀创立的非营利组织“商业中国”（Business China）主办的这场为期两天的活动，汇聚了中新两国的政商界人士。今年，论坛首次将首日议程完全聚焦于人工智能。
该环节由SPH Media副首席执行官蔡裕庄主持，与会嘉宾包括：风险投资机构未来资本（FutureX Capital）创始人张玉、知识产权情报公司帕斯尼普（Patsnap）联合创始人兼亚太区总经理关典、英伟达全球AI技术中心首席解决方案架构师兼负责人西蒙·席（Simon See）、新加坡伊莱健康集团（IHH Healthcare）首席执行官兼AI协调团队负责人托马斯·魏（Thomas Wee），以及制造软件公司黑湖科技（Black Lake Technologies）创始人兼首席执行官周宇翔。
分界线在于组织而非技术
根据论坛简报，新加坡的“人工智能鸿沟”正日益成为企业问题而非技术问题：员工已能自由尝试各类AI工具，但企业仍因整合成本、数据安全顾虑以及对改变现有工作流的内部阻力而停滞在试点阶段。
组织方指出，真正的分界线在于领导层是否准备围绕AI重新设计工作，而非仅仅给员工分发一个聊天机器人。这一主题在台上被反复强调。
周宇翔分享了其公司如何从单纯销售AI插件工具，转向为特定工厂任务打造专用的“AI智能体”。例如，将工程设计文件直接转换为工作指令——这传统上需要熟练的人工规划师来完成。首版系统的成功率仅为60%。
性能的提升并非源于更先进的模型，而是得益于输入干净且专属的工厂数据，以及系统上线后，精准记录人类主管进行的各项修正。
周宇翔表示：“一旦达到可用水平，你的智能体就会融入用户工作流程中。在我观察到智能体在客户现场运行一到两个月后，神奇的事情发生了——准确率从稳定的92%提升到了97%和98%。”他将这一过程非正式地描述为“来自工程师的强化学习”，而非仅依赖机器本身。
关典的公司为华为、戴森和特斯拉等注重研发的客户专利与创新情报提供支持。她就模型能力与实际落地之间的差距提出了类似观点。
“扩散速度赶不上模型能力的发展速度。”她说，认为像他们这样的公司承担着将原始AI算力转化为可用、行业专属工具的关键角色，而这一角色在大多数行业中仍未得到充分填补。
医疗行业的底线
对于处理敏感数据或涉及安全关键决策的行业，小组成员强调，人工监督绝不能被简单自动化替代。
托马斯·魏介绍了伊莱健康集团（新加坡）如何将AI应用分为三个层级：直接影响诊断的临床工具（如比人眼更可靠地在肠镜检查中标记肿瘤的AI软件）；“临床支持”工具（如AI病历撰写，让医生能将精力集中在病人身上而非敲字）；以及运营工具（包括AI生成的护士排班系统）。
魏表示，该排班系统允许护士提交班次偏好（例如需要去托儿所接孩子），系统随后会将这些偏好汇总生成一份团队可接受的排班表。
“旧的/manual系统导致了护士们极大的焦虑，甚至引发大量人员流失。”他说道。在使用约18个月后，“我们的员工流失率已大幅下降。”
然而，魏同样明确划定了界限：新加坡的医疗法规要求，即使AI工具辅助操作，合格的专业医护人员也必须全程在场。
“我不能指望自己只看AI识别出的影像，然后主刀医生跑去喝咖啡。”他说道，强调在推动全球（包括中国）有前景的工具落地时，患者安全与数据保密仍是该领域的“首要任务”。
瓶颈在人，而非模型
自2018年以来已投资1700多家AI原生公司的张玉，从投资视角坦诚直言：尽管努力成为“全球最具AI原生感的风投机构”，她的团队发现，评估创始人和建立人脉关系——风险投资决策的核心——依然无法外包给AI。
“AI让我们忙得不可开交，工作量大概是两年前的五倍。”她说，同时确认这笔投资的回报是积极的。
英伟达的西蒙·席将更宏观的挑战归结为“节奏错位”：AI能力呈指数级（非线性的，也非多项式的）飞速进化，但采纳决策依赖于人类管理者，他们的推进速度远远跟不上，从而在试图追赶的组织内部制造出“一片焦虑的汪洋”。
对泰国及东盟的启示
对于泰国等市场而言，该小组会议传递的最清晰信息可能关乎监管姿态。席将中国“愿意实验、尝试、收集数据，失败后再试”的探索文化，与新加坡相对谨慎的作风进行对比。
他将后者比喻为“在空无一人的路口等待绿灯的行人”。但他认为，这种谨慎使新加坡及整个地区成为与中国在应用AI和数据使用方面合作的理想伙伴，而非盲目竞争谁拥有最大的模型。
他还指出了高度实用且可转移的应用场景。例如，他观察到中国采用AI监控的垂直农业，可实时追踪植物健康、紫外线暴露和营养剂量化。他建议该技术能直接助力新加坡的粮食安全目标，并可无缝适配泰国农业领域。
张强调了另一个影响该区域的结构性转变。她援引预测称，中国未来在AI相关领域将拥有约一亿名工程师。
结合廉价的电力与强大的供应链，这些优势已推动中国AI企业在设立区域总部。中国AI模型的全球采用率在一年内从约2%激增至50%以上。作为可靠、中立的枢纽，新加坡在帮助这些企业服务全球市场方面占据绝佳位置。
对于关注这一动态的泰国政策制定者而言，教训很明确：不应盲目竞逐前沿大模型，而应聚焦于务实的基础设施。这意味着获取更便宜的电力、培养工程师人才梯队，并建立监管沙盒。这些安全区将允许在医疗、农业和制造业进行目标明确、监管到位的AI实验，从而避免无序部署的风险。
在被问及最后寄语时，与会嘉宾的观点在“紧迫感需伴随谨慎”上达成一致。
关典表示：“我认为AI的‘Google时刻’尚未到来。”
席敦促企业采用实验性的“制度性态度”：“你需要尽早试错……如果不尝试，你就无法积累经验。”
魏认为，医疗领域最保守的地带恰恰会孕育“真正的突破”。张的言辞更为直白，她敦促在场每一位企业领导者“注册、下载开源模型，植入公司电脑”，将AI作为真正的决策工具而非边缘实验来使用。
（本文由资深经济记者Nongluck Ajanapanya撰写，专注报道驱动泰国及东南亚宏观经济、房地产与企业投资策略的宏观动态。）
