懂得如何使用人工智能已不再足够，我们需要用它来创造

关于人工智能与新加坡就业的辩论已陷入一个熟悉的模式：人工智能会抢走我们的工作吗？会抢走多少？又会是哪些？

标准的答案令人安心、明智且具有典型的新加坡特色：我们将对劳动力进行再培训、技能提升，并让劳动力具备人工智能素养，确保没有人掉队。

这个答案没有错，但并不完整。

在世界知识产权组织的《2025年全球创新指数》（该指数旨在评估全球经济体的创新表现）中，新加坡在创新投入方面（包括人才、制度和研究）排名世界第一。

然而，在创新产出方面，如专利申请、高科技出口和本土企业的全球品牌价值，新加坡仅排名第九。

我们出色地奠定了基础，但收获却未能与投入相匹配。如果我们只学习操作工具，人工智能将扩大这一差距；而如果我们用它来创造，差距则会缩小。

如今的人工智能素养课程教人们如何使用提示词、使用“副驾驶”（co-pilot）工具，以及将这些机制融入日常工作。这很有用。

然而，技术的发展方向与这些课程背道而驰。随着人工智能能力的增长，操作工具这项技能的价值正在迅速下降。

当任何人都可以让模型起草、总结、编码或分析时，“懂得如何使用人工智能”就不再是差异化优势。它变成了基本技能，就像知道如何使用搜索引擎一样。

人工智能没有商品化的是判断力：知道哪些问题值得解决，如何清晰地定义问题，以及判断机器返回的答案是否优质。

它同样没有商品化任何模型都不具备的技能，例如理解客户、赢得信任和领导团队。

因此，一个单纯以素养为先的策略，可能会带来细微的偏差。我们最终可能培养出一支精通操作工具的劳动力，而这些工具很快就能自我操作；同时，在那些固有人类属性的高阶判断力方面，我们的投入却不足。

值得构建的国家能力主要不是人工智能素养，而是“问题素养”：即发现实际挑战、创造有用产品并将其转化为公司的能力。

“创造”不是从课程中学来的。自 Kenneth Arrow 在1962年提出“边做边学”的概念以来，我们就知道能力来自于生产实践，而非关于生产的指导。

你通过亲身创造来成为一名创造者：制作原型、发布产品、经历失败、学习经验，然后再次尝试。

在学习驾驭人工智能方面尤其如此，因为这类系统是概率性的、表现不均且发展迅速的。能力是通过不断的评估和迭代获得的，而不是通过一张证书。

人工智能也不仅降低了创造的成本，也降低了面向全球进行创造的成本。

翻译、市场研究、客户支持、法律和技术基础工作，现在可以由小团队利用工具完成，而这些工具以前只有大公司才能负担得起。一个精干的团队，过去因资源限制而受限于本土市场，现在可以跨越国界为客户服务。

这一点很重要，因为人工智能改变了价值可能存在的领域。通用智能和原始推理能力正变得越来越便宜和普及；前沿模型之间的差异也越来越难以区分。

而围绕特定客户、工作流程、数据、机构、语言和领域构建的特定智能，才可能是更持久价值的所在。

我们不需要在前沿竞赛中获胜，也能打造有价值的人工智能产品和公司。事实上，我们应该积极利用前沿模型。

但它们不会自动为每个市场、领域、机构、工作流程或语言进行优化。仍然需要有人来做艰苦的“转化”工作：将通用能力转化为适合实际客户、法规、数据环境和运营现实的产品。

超越采纳的信心

这并非空谈。

在新加坡成立的 PatSnap 公司，汇集了超过1.9亿项专利的专有语料库，并以此训练了自己特定领域的人工智能，将曾经需要数周的研发和专利检索工作压缩到几分钟，服务于全球客户。

同样在新加坡成立的 Tookitaki 公司，利用联邦学习技术，让亚洲的银行能够在不暴露客户数据的情况下，共享匿名的洗钱模式，从而使每家银行的侦测模型都能从网络的集体智慧中得到提升。

这两家公司都解决了困难、受严格监管且信息密集的问题。它们的优势不在于通用的人工智能能力，而在于专有数据、信任和工作流程。

这样的公司应该还有更多。

新加坡在金融、合规、海事、医疗保健、物流和鉴证服务等领域拥有可靠的起点。在这些市场中，买家关心的是可靠性、法规和跨境信任。作为一个全球枢纽，新加坡也有空间进行一些非常规的布局，且成本较低。

我们已经为人工智能投入了大量资源，从鼓励企业应用到员工培训。这些举措非常重要，值得肯定。然而，它们主要创造了“采纳”的条件。

更难的问题是，我们能否将这些条件转化为产品、收入和出口。

其他国家的政府早已超越了“采纳”阶段。海湾国家正在以国家规模进行建设。韩国在计算能力上奋起直追。越南则在引入全球合作伙伴的同时，建立本土的人工智能能力。

在中国，超过20个城市现在为“一人人工智能公司”提供补贴，上海浦东新区为个人创始人的计算成本提供高达30万元人民币（约合44,188美元）的补贴。

路径各不相同，但目标是一致的：创造未来的公司。

对新加坡而言，更难的转变不在于技术，而在于心态。

在我们历史的大部分时间里，明智的策略并非凡事都亲力亲为。我们国家小、开放且资源有限，因此我们擅长于连接各种流动。这种模式行之有效，因为价值是通过枢纽流动的。

但一个明智的策略也可能固化为一种限制性思维：小心谨慎，不要好高骛远。让更大的市场去承担产品风险。专注于成为一个值得信赖的地方，让别人在这里扩展规模。

这种本能是可以理解的，它也曾让我们受益匪浅。

但如果我们一成不变地将这种心态带入人工智能时代，我们就会在创造的成本已经下降、不创造的成本反而上升的时候，出现创造不足的问题。

我们最大的障碍不是人才、资本或市场规模，而是信心。

以色列和瑞典的例子表明，小小的本土市场并不会妨碍全球性公司的诞生。我们的挑战在于相信这里的团队也能做到同样的事情：为世界创造产品，而不仅仅是采纳、监管或托管他人在别处开发的产品。

这就是为什么“创造”应成为新加坡人工智能战略的核心。不是为了创造而创造，也不是出于民族主义的本能反应，而是因为创造是构筑能力的方式。

我们无法仅通过采纳、监管或购买来了解一项技术的全貌。我们是通过尝试制造出客户会使用、愿意付费并依赖的产品来学习的。

一份创造蓝图

首先，资助产品团队，而不仅仅是培训名额。支持有前景的本地初创企业和中小企业，并与私人资本共同投资，而不是由某个委员会来挑选赢家。

如果我们想要更多的创造者，他们就需要通过创造来学习：解决实际问题，与真实客户测试想法，并从中培养只有通过这种反馈循环才能获得的产品和商业判断力。

失败应该被纳入预算，而不是被当作丑闻。这是学习创造的成本，而不是对创造本身的否定。

其次，将商业化作为衡量标准，即关注付费客户，而不是那些被重新包装成产品的试点项目，或为吸收补助金而成立的公司。如果我们衡量课程出席率，我们得到的就会是课程出席率。如果我们衡量公平交易带来的收入，我们或许能得到全球性的公司。

第三，将渠道分销作为国家努力的一部分。打造产品只完成了一半的工作，销售产品是另一半。

市场准入、区域合规梳理、标杆客户和信任标志应被视为经济基础设施。

这些都不容易。

我们的本土市场小，后期资本薄弱，我们的体系更擅长培养高质量的运营者和专业人士，而非全球科技公司的创始人。但这些限制因素恰恰支持了这一战略，而不是反对它。

我们擅长让人民为全球经济做好准备。下一阶段应是帮助更多人去塑造它：从具备就业能力到自主创业，从采纳到创造，从试点到产品。

考验我们的不是有多少人会使用人工智能，而是我们能多成功地利用人工智能来建立遍布全球的业务。以此为标准，我们才刚刚起步。

Brian Lim 是 Wisma AI 的联合创始人兼首席执行官。Leslie Teo 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独立国际科学小组成员。

本评论基于作者的经验、观察和论点。人工智能工具被用于构思和编辑。作者对本评论的准确性、原创性和最终形式负全部责任。