<p>【新加坡】新加坡科技电信全球数据中心的一项新研究发现，亚洲的组织在通过人工智能转型运营和创造新收入来源方面遇到了障碍。尽管该地区约 90% 的组织已开始采用人工智能，但约 70% 的组织在将人工智能试点项目规模化到生产中时面临困难，该研究在 4 月 15 日发布的《弥合人工智能基础设施准备差距》中指出。调查涵盖了 644 家来自银行和金融服务、制造业以及能源和公用事业等各个行业的公司。</p>
<p>拥有 1000 名或更多员工的企业占受访公司的 43%。29% 的公司员工在 250 到 999 人之间，28% 的公司为数字原生企业。</p>
<p>研究发现，亚洲的人工智能基础设施准备情况 “基本停滞”。只有 16% 的公司拥有可操作的人工智能战略、强大的基础设施和支持其部署的治理结构。</p>
<p>此外，仅有 1% 的组织被发现已将人工智能完全嵌入其业务中。</p>
<p>研究还显示，56% 的公司无法衡量人工智能的生产价值，并面临预算限制。他们也缺乏将人工智能试点项目规模化到生产的基础设施。</p>
<p>这导致了部署差距，阻碍了人工智能的投资回报和生产价值的显现。因此，公司将无法解锁可衡量的收益，研究指出。</p>
<h2>亚洲的成熟市场和新兴市场</h2>
<p>研究发现，亚洲的人工智能准备情况分为两类。</p>
<p>第一类是 “成熟市场”，指的是那些在人工智能采用竞赛中处于领先地位的市场。第二类是 “新兴市场”，尚未充分挖掘其在人工智能部署方面的潜力。</p>
<p>然而，这两类市场都面临基础设施限制和人才短缺的类似挑战。研究补充道，这些障碍可以通过与专业提供商合作来克服。</p>
<p>新加坡、日本和韩国是具有强大运营和监管准备的成熟市场。</p>
<p>特别是新加坡在该地区领先，拥有 “强大的公私合作伙伴关系”，并支持 “治理和人才管道”，例如其在 2023 年推出的国家人工智能战略 2.0。</p>
<p>然而，共和国面临土地和能源容量的限制，无法支持高密度人工智能训练的增长。这促使新加坡在传统数据中心建设地点之外进行扩展。</p>
<p>马来西亚、印度尼西亚、菲律宾和越南等新兴市场展示了在进一步推动人工智能部署方面的潜力，这需要 “不断增长的技术专长” 和 “完善的治理”。</p>
<p>这一组市场拥有土地、电力和成本优势，可以解决成熟市场的容量限制。</p>
<p>他们还可以从该地区的人工智能领导者那里获得基础设施和人才的支持。</p>
<p>马来西亚的土地、电力和容量与新加坡在柔佛州的人工智能扩展相辅相成。印度尼西亚广阔的可再生能源潜力和如巴淡岛的农萨数字园区等战略区域也有助于缓解该地区的基础设施容量紧张。</p>
<p>“这种互补的动态将催生一个跨越亚洲的超连接数字基础设施生态系统，使该地区成为全球人工智能供应链中的关键节点，” 研究补充道。</p>
<h2>基础设施差距</h2>
<p>72% 的亚洲组织预计在未来三年内人工智能工作负载将实现中等到指数级增长。然而，这种加速的步伐需要适当的人工智能准备基础设施，而大多数组织并不具备，研究显示。</p>
<p>因此，公司希望通过硬件投资来购买人工智能准备，64% 的公司优先考虑图形处理单元的采购。</p>
<p>与基础设施相关的差距和关键的运营专业知识也被忽视。</p>
<p>几乎 50% 的公司报告称，人工智能工作负载的计算能力不足，只有 7% 的公司拥有 “足够的空间来支持复杂的人工智能应用和采用增长”，报告指出。</p>
<p>公司还面临网络限制，82% 的公司报告网络瓶颈、延迟问题或对高需求人工智能工作负载的优化不足。</p>
<p>此外，83% 的亚洲公司报告称，他们的信息技术位置中不到一半是人工智能准备好的，因此无法提供更好的用户体验，并满足数据驻留和主权要求。</p>

SUPX

<p>新加坡科技电信全球数据中心的一份报告显示，亚洲的人工智能部署面临重大挑战。虽然 90% 的组织已经开始采用人工智能，但 70% 在将试点项目扩展到生产阶段时遇到困难。只有 16% 的组织拥有强大的运营人工智能战略，1% 的组织已完全嵌入人工智能。公司指出，预算限制和基础设施不足是主要障碍。研究强调了成熟市场（如新加坡、日本和韩国）与新兴市场（如马来西亚和印度尼西亚）之间的差距，这两个市场都面临类似的挑战。72% 的组织预计人工智能工作负载将增长，但缺乏必要的基础设施</p>

<p>[SINGAPORE] Organisations in Asia have hit roadblocks in transforming their operations and generating new revenue streams through artificial intelligence, a new research study by Singapore Technologies Telemedia Global Data Centres has found. Although about 90 per cent of organisations in the region have started to adopt AI, around 70 per cent struggle to scale AI pilots into production, stated <em>Mind the Gap: Bridging the AI Infrastructure Readiness Divide</em> on Wednesday (Apr 15). A total of 644 companies in various sectors such as banking and financial services, manufacturing, and energy and utilities were surveyed.</p>
<div class="lb-trans"><p>【新加坡】新加坡科技电信全球数据中心的一项新研究发现，亚洲的组织在通过人工智能转型运营和创造新收入来源方面遇到了障碍。尽管该地区约 90% 的组织已开始采用人工智能，但约 70% 的组织在将人工智能试点项目规模化到生产中时面临困难，该研究在 4 月 15 日发布的《弥合人工智能基础设施准备差距》中指出。调查涵盖了 644 家来自银行和金融服务、制造业以及能源和公用事业等各个行业的公司。</p>
</div><p>Enterprises with 1,000 or more employees made up 43 per cent of the respondent companies. Twenty-nine per cent were companies with 250 to 999 employees, and 28 per cent were digital natives.</p>
<div class="lb-trans"><p>拥有 1000 名或更多员工的企业占受访公司的 43%。29% 的公司员工在 250 到 999 人之间，28% 的公司为数字原生企业。</p>
</div><p>The study found that across Asia, AI infrastructure readiness was “fundamentally stalled”. Only 16 per cent of firms have an operational AI strategy, robust infrastructure and governance to support its deployment.</p>
<div class="lb-trans"><p>研究发现，亚洲的人工智能基础设施准备情况 “基本停滞”。只有 16% 的公司拥有可操作的人工智能战略、强大的基础设施和支持其部署的治理结构。</p>
</div><p>Additionally, only 1 per cent of organisations were found to have fully embedded AI in their businesses.</p>
<div class="lb-trans"><p>此外，仅有 1% 的组织被发现已将人工智能完全嵌入其业务中。</p>
</div><p>It also showed that 56 per cent of companies were unable to measure AI production value and faced budget constraints. They also lacked the infrastructure to scale AI pilots into production.</p>
<div class="lb-trans"><p>研究还显示，56% 的公司无法衡量人工智能的生产价值，并面临预算限制。他们也缺乏将人工智能试点项目规模化到生产的基础设施。</p>
</div><p>This has resultedin a deployment gap, which prevents clear return on investment and production value of AI from emerging. Companies will therefore be unable to unlock measurable benefits, said the study.</p>
<div class="lb-trans"><p>这导致了部署差距，阻碍了人工智能的投资回报和生产价值的显现。因此，公司将无法解锁可衡量的收益，研究指出。</p>
</div><h2>Mature and emerging markets in Asia</h2>
<div class="lb-trans"><h2>亚洲的成熟市场和新兴市场</h2>
</div><p>The study found that AI readiness in Asia was divided into two camps.</p>
<div class="lb-trans"><p>研究发现，亚洲的人工智能准备情况分为两类。</p>
</div><p>The first is “mature markets”, which refers to those that are leading the AI adoption race. The second is “emerging markets”, who have yet to tap into their full potential in deploying AI.</p>
<div class="lb-trans"><p>第一类是 “成熟市场”，指的是那些在人工智能采用竞赛中处于领先地位的市场。第二类是 “新兴市场”，尚未充分挖掘其在人工智能部署方面的潜力。</p>
</div><p>Both markets however, face similar challenges of infrastructure limitations and talent shortages. These hurdles can be overcome by partnering specialised providers, the study added.</p>
<div class="lb-trans"><p>然而，这两类市场都面临基础设施限制和人才短缺的类似挑战。研究补充道，这些障碍可以通过与专业提供商合作来克服。</p>
</div><p>Singapore, Japan and South Korea are mature markets with strong operational and regulatory readiness.</p>
<div class="lb-trans"><p>新加坡、日本和韩国是具有强大运营和监管准备的成熟市场。</p>
</div><p>In particular, Singapore leads the region with its “strong public-private partnerships”, supported by “governance and talent pipelines” such as its National AI strategy 2.0 launched in 2023.</p>
<div class="lb-trans"><p>特别是新加坡在该地区领先，拥有 “强大的公私合作伙伴关系”，并支持 “治理和人才管道”，例如其在 2023 年推出的国家人工智能战略 2.0。</p>
</div><p>However, the Republic faces land and energy capacity constraints to support growth in high-density AI training. This has since fuelled Singapore’s expansion beyond traditional data centre building sites.</p>
<div class="lb-trans"><p>然而，共和国面临土地和能源容量的限制，无法支持高密度人工智能训练的增长。这促使新加坡在传统数据中心建设地点之外进行扩展。</p>
</div><p>Emerging markets such as Malaysia, Indonesia, the Philippines and Vietnam have demonstrated their potential in furthering AI deployment, which requires “growing technical expertise” and “refined governance”.</p>
<div class="lb-trans"><p>马来西亚、印度尼西亚、菲律宾和越南等新兴市场展示了在进一步推动人工智能部署方面的潜力，这需要 “不断增长的技术专长” 和 “完善的治理”。</p>
</div><p>This group possesses land, power and cost advantages that address mature market capacity constraints.</p>
<div class="lb-trans"><p>这一组市场拥有土地、电力和成本优势，可以解决成熟市场的容量限制。</p>
</div><p>They also stand to benefit from accessing infrastructure and talent from AI leaders in the region.</p>
<div class="lb-trans"><p>他们还可以从该地区的人工智能领导者那里获得基础设施和人才的支持。</p>
</div><p>Malaysia’s land, power and capacity complement Singapore’s AI expansion within the Johor state. Indonesia’s vast renewable energy potential and strategic zones such as Nongsa Digital Park in Batam also help alleviate the region’s infrastructure capacity crunch.</p>
<div class="lb-trans"><p>马来西亚的土地、电力和容量与新加坡在柔佛州的人工智能扩展相辅相成。印度尼西亚广阔的可再生能源潜力和如巴淡岛的农萨数字园区等战略区域也有助于缓解该地区的基础设施容量紧张。</p>
</div><p>“This complementary dynamic will spawn a hyper-connected digital infrastructure ecosystem spanning Asia, positioning the region as a critical node in the global AI supply chain,” the study added.</p>
<div class="lb-trans"><p>“这种互补的动态将催生一个跨越亚洲的超连接数字基础设施生态系统，使该地区成为全球人工智能供应链中的关键节点，” 研究补充道。</p>
</div><h2>Infrastructural gaps</h2>
<div class="lb-trans"><h2>基础设施差距</h2>
</div><p>Seventy-two per cent of organisations in Asia expect moderate to exponential growth of AI workloads over the next three years. However, this accelerated pace requires appropriate AI-ready infrastructure that most organisations lack, the study showed.</p>
<div class="lb-trans"><p>72% 的亚洲组织预计在未来三年内人工智能工作负载将实现中等到指数级增长。然而，这种加速的步伐需要适当的人工智能准备基础设施，而大多数组织并不具备，研究显示。</p>
</div><p>Therefore, companies are looking to purchase AI readiness through hardware investment alone, with 64 per cent prioritising graphic processing unit acquisitions.</p>
<div class="lb-trans"><p>因此，公司希望通过硬件投资来购买人工智能准备，64% 的公司优先考虑图形处理单元的采购。</p>
</div><p>Infrastructure-related gaps and critical operational expertise are also overlooked.</p>
<div class="lb-trans"><p>与基础设施相关的差距和关键的运营专业知识也被忽视。</p>
</div><p>Almost 50 per cent of companies report insufficient compute capacity for AI workloads, with only 7 per cent having “adequate headroom for complex AI applications and adoption growth”, the report stated.</p>
<div class="lb-trans"><p>几乎 50% 的公司报告称，人工智能工作负载的计算能力不足，只有 7% 的公司拥有 “足够的空间来支持复杂的人工智能应用和采用增长”，报告指出。</p>
</div><p>Firms also face networking limitations, with 82 per cent reporting network bottlenecks, latency issues or insufficient optimisation for high-demand AI workloads.</p>
<div class="lb-trans"><p>公司还面临网络限制，82% 的公司报告网络瓶颈、延迟问题或对高需求人工智能工作负载的优化不足。</p>
</div><p>Additionally, 83 per cent of firms in Asia report that less than half of their information technology locations are AI-ready,and are therefore unable to facilitate better user experiences and meet data residency and sovereignty requirements.</p>
<div class="lb-trans"><p>此外，83% 的亚洲公司报告称，他们的信息技术位置中不到一半是人工智能准备好的，因此无法提供更好的用户体验，并满足数据驻留和主权要求。</p>
</div>

报告指出，亚洲大多数公司的 AI 部署已经 ‘停滞不前’