<p>【新加坡】新加坡科技電信全球數據中心的一項新研究發現，亞洲的組織在通過人工智能轉型運營和創造新收入來源方面遇到了障礙。儘管該地區約 90% 的組織已開始採用人工智能，但約 70% 的組織在將人工智能試點項目規模化到生產中時面臨困難，該研究在 4 月 15 日發佈的《彌合人工智能基礎設施準備差距》中指出。調查涵蓋了 644 家來自銀行和金融服務、製造業以及能源和公用事業等各個行業的公司。</p>
<p>擁有 1000 名或更多員工的企業佔受訪公司的 43%。29% 的公司員工在 250 到 999 人之間，28% 的公司為數字原生企業。</p>
<p>研究發現，亞洲的人工智能基礎設施準備情況 “基本停滯”。只有 16% 的公司擁有可操作的人工智能戰略、強大的基礎設施和支持其部署的治理結構。</p>
<p>此外，僅有 1% 的組織被發現已將人工智能完全嵌入其業務中。</p>
<p>研究還顯示，56% 的公司無法衡量人工智能的生產價值，並面臨預算限制。他們也缺乏將人工智能試點項目規模化到生產的基礎設施。</p>
<p>這導致了部署差距，阻礙了人工智能的投資回報和生產價值的顯現。因此，公司將無法解鎖可衡量的收益，研究指出。</p>
<h2>亞洲的成熟市場和新興市場</h2>
<p>研究發現，亞洲的人工智能準備情況分為兩類。</p>
<p>第一類是 “成熟市場”，指的是那些在人工智能採用競賽中處於領先地位的市場。第二類是 “新興市場”，尚未充分挖掘其在人工智能部署方面的潛力。</p>
<p>然而，這兩類市場都面臨基礎設施限制和人才短缺的類似挑戰。研究補充道，這些障礙可以通過與專業提供商合作來克服。</p>
<p>新加坡、日本和韓國是具有強大運營和監管準備的成熟市場。</p>
<p>特別是新加坡在該地區領先，擁有 “強大的公私合作伙伴關係”，並支持 “治理和人才管道”，例如其在 2023 年推出的國家人工智能戰略 2.0。</p>
<p>然而，共和國面臨土地和能源容量的限制，無法支持高密度人工智能訓練的增長。這促使新加坡在傳統數據中心建設地點之外進行擴展。</p>
<p>馬來西亞、印度尼西亞、菲律賓和越南等新興市場展示了在進一步推動人工智能部署方面的潛力，這需要 “不斷增長的技術專長” 和 “完善的治理”。</p>
<p>這一組市場擁有土地、電力和成本優勢，可以解決成熟市場的容量限制。</p>
<p>他們還可以從該地區的人工智能領導者那裏獲得基礎設施和人才的支持。</p>
<p>馬來西亞的土地、電力和容量與新加坡在柔佛州的人工智能擴展相輔相成。印度尼西亞廣闊的可再生能源潛力和如巴淡島的農薩數字園區等戰略區域也有助於緩解該地區的基礎設施容量緊張。</p>
<p>“這種互補的動態將催生一個跨越亞洲的超連接數字基礎設施生態系統，使該地區成為全球人工智能供應鏈中的關鍵節點，” 研究補充道。</p>
<h2>基礎設施差距</h2>
<p>72% 的亞洲組織預計在未來三年內人工智能工作負載將實現中等到指數級增長。然而，這種加速的步伐需要適當的人工智能準備基礎設施，而大多數組織並不具備，研究顯示。</p>
<p>因此，公司希望通過硬件投資來購買人工智能準備，64% 的公司優先考慮圖形處理單元的採購。</p>
<p>與基礎設施相關的差距和關鍵的運營專業知識也被忽視。</p>
<p>幾乎 50% 的公司報告稱，人工智能工作負載的計算能力不足，只有 7% 的公司擁有 “足夠的空間來支持複雜的人工智能應用和採用增長”，報告指出。</p>
<p>公司還面臨網絡限制，82% 的公司報告網絡瓶頸、延遲問題或對高需求人工智能工作負載的優化不足。</p>
<p>此外，83% 的亞洲公司報告稱，他們的信息技術位置中不到一半是人工智能準備好的，因此無法提供更好的用户體驗，並滿足數據駐留和主權要求。</p>

SUPX

<p>新加坡科技電信全球數據中心的一份報告顯示，亞洲的人工智能部署面臨重大挑戰。雖然 90% 的組織已經開始採用人工智能，但 70% 在將試點項目擴展到生產階段時遇到困難。只有 16% 的組織擁有強大的運營人工智能戰略，1% 的組織已完全嵌入人工智能。公司指出，預算限制和基礎設施不足是主要障礙。研究強調了成熟市場（如新加坡、日本和韓國）與新興市場（如馬來西亞和印度尼西亞）之間的差距，這兩個市場都面臨類似的挑戰。72% 的組織預計人工智能工作負載將增長，但缺乏必要的基礎設施</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】新加坡科技電信全球數據中心的一項新研究發現，亞洲的組織在通過人工智能轉型運營和創造新收入來源方面遇到了障礙。儘管該地區約 90% 的組織已開始採用人工智能，但約 70% 的組織在將人工智能試點項目規模化到生產中時面臨困難，該研究在 4 月 15 日發佈的《彌合人工智能基礎設施準備差距》中指出。調查涵蓋了 644 家來自銀行和金融服務、製造業以及能源和公用事業等各個行業的公司。</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>擁有 1000 名或更多員工的企業佔受訪公司的 43%。29% 的公司員工在 250 到 999 人之間，28% 的公司為數字原生企業。</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>研究發現，亞洲的人工智能基礎設施準備情況 “基本停滯”。只有 16% 的公司擁有可操作的人工智能戰略、強大的基礎設施和支持其部署的治理結構。</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，僅有 1% 的組織被發現已將人工智能完全嵌入其業務中。</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>研究還顯示，56% 的公司無法衡量人工智能的生產價值，並面臨預算限制。他們也缺乏將人工智能試點項目規模化到生產的基礎設施。</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>這導致了部署差距，阻礙了人工智能的投資回報和生產價值的顯現。因此，公司將無法解鎖可衡量的收益，研究指出。</p>
</div><h2>Mature and emerging markets in Asia</h2>
<div class="lb-trans"><h2>亞洲的成熟市場和新興市場</h2>
</div><p>The study found that AI readiness in Asia was divided into two camps.</p>
<div class="lb-trans"><p>研究發現，亞洲的人工智能準備情況分為兩類。</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>第一類是 “成熟市場”，指的是那些在人工智能採用競賽中處於領先地位的市場。第二類是 “新興市場”，尚未充分挖掘其在人工智能部署方面的潛力。</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，這兩類市場都面臨基礎設施限制和人才短缺的類似挑戰。研究補充道，這些障礙可以通過與專業提供商合作來克服。</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、日本和韓國是具有強大運營和監管準備的成熟市場。</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>特別是新加坡在該地區領先，擁有 “強大的公私合作伙伴關係”，並支持 “治理和人才管道”，例如其在 2023 年推出的國家人工智能戰略 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，共和國面臨土地和能源容量的限制，無法支持高密度人工智能訓練的增長。這促使新加坡在傳統數據中心建設地點之外進行擴展。</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>馬來西亞、印度尼西亞、菲律賓和越南等新興市場展示了在進一步推動人工智能部署方面的潛力，這需要 “不斷增長的技術專長” 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>這一組市場擁有土地、電力和成本優勢，可以解決成熟市場的容量限制。</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>他們還可以從該地區的人工智能領導者那裏獲得基礎設施和人才的支持。</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>馬來西亞的土地、電力和容量與新加坡在柔佛州的人工智能擴展相輔相成。印度尼西亞廣闊的可再生能源潛力和如巴淡島的農薩數字園區等戰略區域也有助於緩解該地區的基礎設施容量緊張。</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>“這種互補的動態將催生一個跨越亞洲的超連接數字基礎設施生態系統，使該地區成為全球人工智能供應鏈中的關鍵節點，” 研究補充道。</p>
</div><h2>Infrastructural gaps</h2>
<div class="lb-trans"><h2>基礎設施差距</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% 的亞洲組織預計在未來三年內人工智能工作負載將實現中等到指數級增長。然而，這種加速的步伐需要適當的人工智能準備基礎設施，而大多數組織並不具備，研究顯示。</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，公司希望通過硬件投資來購買人工智能準備，64% 的公司優先考慮圖形處理單元的採購。</p>
</div><p>Infrastructure-related gaps and critical operational expertise are also overlooked.</p>
<div class="lb-trans"><p>與基礎設施相關的差距和關鍵的運營專業知識也被忽視。</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>幾乎 50% 的公司報告稱，人工智能工作負載的計算能力不足，只有 7% 的公司擁有 “足夠的空間來支持複雜的人工智能應用和採用增長”，報告指出。</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>公司還面臨網絡限制，82% 的公司報告網絡瓶頸、延遲問題或對高需求人工智能工作負載的優化不足。</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% 的亞洲公司報告稱，他們的信息技術位置中不到一半是人工智能準備好的，因此無法提供更好的用户體驗，並滿足數據駐留和主權要求。</p>
</div>

報告指出，亞洲大多數公司的 AI 部署已經 ‘停滯不前’