人工智能：能为亚细安创造复利价值的项目

人工智能系统能自行编写代码、进行复杂的分析、起草法律文书，并执行多步骤任务。尽管在对齐和安全方面仍面临公开挑战，但其能力正迅速提升。

然而，能力并不会自动转化为经济影响。信息与通信技术（ICT）革命就给了我们这样的启示。最大的收益者并非是那些制造芯片和路由器的人，而是那些围绕这些技术重组工作流程的人。

人工智能也遵循类似的模式。亚细安在利用人工智能促进经济发展方面处于有利地位。但最重要的制约因素，是任何一个成员国都无法单独解决的。

人工智能的当前影响

Anthropic经济指数显示，人工智能在亚细安地区的使用情况差异巨大。新加坡是全球人均使用率最高的国家之一，而有几个成员国则排名靠后。

该指数还报告称，前沿模型能够处理大多数计算机和数学任务，但观察到的实际使用率仅约为其潜力的三分之一。这个差距是巨大的。

在软件工程、客户服务和咨询领域的任务层面研究发现，人工智能在实际应用中带来了双位数的生产力增长。与以往的通用技术革命一样，宏观证据则相对滞后。但这一差距正在（不均衡地）缩小，且目前主要体现在发达经济体中。

扩展人工智能的影响范围

人工智能的性能不仅日益强大，其成本也在急剧下降。人工智能系统正从回答问题转向执行工作，无需人工干预即可完成多步骤任务。

这些系统也在推动科学和工程领域的发展，并越来越多地以机器人的实体形式出现。每一次转变都扩展了人工智能的影响范围：从单个任务到整个工作流程，从桌面办公到实体工作。

我们无需理论模型便能看到其潜力；亚细安自身的历史就说明了这一点。在全球金融危机之前，该区域的年均全要素生产率（TFP）增长率在1.5%至2.5%之间。如今，这一数字仅约为0.5%。

人工智能对东南亚的经济前景，并非在于探索未知领域，而在于填补这一差距，利用人工智能将亚细安的生产率拉回到危机前的高点。

每年额外1.5个百分点的全要素生产率增长会产生复利效应。20年后，人均收入最终将比当前轨迹高出约35%。若将此规模扩展到整个区域，每年新增的产值将远超一万亿美元——相当于另一个主要经济体的规模。

人工智能影响力的局限

但在扩大这种影响方面仍然存在障碍。

采纳：这是一个涉及个人、企业和国家层面的问题。制约因素不在于技术本身，而在于围绕技术建立的组织架构：包括数据基础、管理能力以及重组工作流程的意愿。

那些将人工智能简单地嫁接到旧工作流程上的公司往往收效甚微；而那些重建工作流程的公司则能获得红利。归根结底，这是一个领导力挑战，而非技术挑战。

获取机会：在国家、企业和劳动者之间，获取人工智能的机会差距正在扩大。排名前20的国家占全球人均人工智能使用量的48%，高于六个月前的45%。

在国家内部，大公司的采纳速度快于小公司，而熟练的早期采纳者则会巩固并扩大其优势。本区域的教育体系尚未做好准备来弥合这些差距。

适配性：适配性对于采纳和信任也至关重要。人工智能的能力绝大多数是基于英语、西方和白领阶层的数据构建的。例如，模型对美国商业惯例的了解程度要高于对越南商业法规的了解。

前沿模型的性能在训练数据最密集的地方提升最快，而这并非在东南亚。安全性和对齐评估也同样是以西方为中心。关键不在于通用的能力，而在于针对特定工作、特定文化和特定背景的能力。

时机：时机问题加剧了采纳、获取机会和适配性方面的挑战。拥有六个月人工智能经验的员工在执行相同任务时表现优于新用户。尽早进行重组的公司能更快地攀升学习曲线。

如今的基准决定了前沿实验室明天将优化哪些能力。延迟是有代价的。

亚细安可共同采取的行动

虽然相关讨论通常从计算能力开始，但这却是一个错误的起点。训练新的基础模型需要大规模集群，但对于推理过程而言，计算能力并非决定性的制约因素。

数据中心已遍布该区域，高性能模型甚至可以在笔记本电脑上运行。对于未来五年内的大多数区域性部署需求，我们已经拥有了所需的硬件。

决定性的制约因素在于上层建筑，而这正是资源汇集能够带来回报的地方：

用于关键用例的数据：即使是像马来语这样资源较丰富的区域性语言，在医疗保健、教育和公共管理等高风险领域所需的高质量数据依然匮乏。

一个一次性建成的越南语-中文-英语贸易文件语料库，可以服务于每一位亚细安出口商。一个公共资源库也能支撑其上的商业层：包括专有数据集、主权工作流程以及针对特定公司的微调。

商业层更难构建，也更容易维护其壁垒——但这必须建立在共享基础之上。如果能负责任地汇集资源，这将是当前回报率最高的投资。

与区域性问题挂钩的评估：大多数全球人工智能基准测试的是西方案例。建立一个针对用马来语处理许可证、用高棉语进行诊所分诊，或用区域内贸易语言进行海关分类的基准，将显著改善模型的选择和部署方式。

这同样适用于我们评估安全性的方式：区域性基准需要测试模型在我们的文化背景下以及在我们的敏感用例上的行为方式。

开放系统和共享基础设施：开放系统在过去30年里推动了软件的进步（例如Linux、Apache、PyTorch和Hugging Face），也是人工智能发展如此迅速的一个主要原因。它们持续催生了商业项目，而不是阻碍它们的发展。

新加坡的Sea-Lion、泰国的Typhoon和Wangchan、越南的PhoGPT以及印度尼西亚的Sahabat-AI，都正基于最优秀的开放模型进行构建，将本地商业法规、文化细微差异和区域性语言融入其中。它们是解决“适配性”问题的直接方案。

为本区域量身打造的代理：对亚细安而言，大部分人工智能价值不会来自现成的前沿模型，而是来自那些针对特定语言和特定工作流程进行调整的系统，其成本仅为前沿模型的一小部分。

这个应用层仍处于动态变化之中，而这正是塑造它的成本最低、且能为本区域民众带来最大影响的时候。

专业知识与人才：这是最稀缺的资源：即那些能够处理实际运营问题并部署人工智能来解决问题的专业人士。跨境借调、区域性研究员项目、联合课程和实践培训，都是成本低、回报具有复利效应的小举措。

能力建设是联合国《为人类治理人工智能》报告中的一项主要建议；亚细安可以在这方面发挥领导作用。在我们各国之间，拥有研究中心、工程人才、服务业劳动力以及全球最大的消费市场之一。

迈向一体化

没有任何一个成员国能单独拥有所有这些资源；但作为一个整体，我们拥有。区域一体化也是一个有效机制，可以确保我们的数字领先者帮助其他成员提升采纳率。

数据、评估和开放系统构成了区域性公共基础设施，商业和公共服务都建立其上。它们虽然不引人注目，却是承重支柱。专业人才和量身打造的代理将推动更广泛、更深远的影响。

随着人工智能能力的扩展，有关采纳、获取机会和适配性的问题不会自动解决。这些挑战需要通过实际的建设工作来应对。这项工作比建造一台超级计算机要慢，但这正是能产生复利效应的工作。

作者是新加坡人工智能（AI Singapore）的人工智能产品高级总监，也是联合国人工智能问题独立国际科学小组成员。本文仅代表其个人观点。他在提交草稿前，曾使用人工智能进行研究和编辑。

本文是《新全球秩序》系列的一部分，该系列探讨变化中的世界格局如何重塑商业、政治及其他领域。