Geopolitics & Technology Policy Research
东南亚国家主权AI发展深度研究报告
Sovereign AI in Southeast Asia: A Strategic Assessment (2026)
摘 要
随着生成式人工智能的全球扩散与中美技术竞争加剧，"主权AI"（Sovereign AI）已从概念走向各国技术政策的核心议程。东南亚凭借6.8亿人口、快速增长的经济以及连接东西方的战略位置，正成为全球AI版图的关键节点。2025—2026年期间，区域呈现"政策加速、资本涌入、模型本土化、监管分化"四大特征。
核心发现：
- 梯度差异明显：新加坡处于"第一梯队"（枢纽+治理），马来西亚、印尼、泰国构成"第二梯队"（基础设施+规模化应用），越南凭借首部《AI法》与制造业基础快速跃升，菲律宾仍处追赶阶段。
- 数据中心投资潮重塑地缘经济：2024年东南亚AI市场规模约40亿美元，预计2033年增长4倍以上。马来西亚2023—2024年连续两年成为全球数据中心投资第一目的地。
- 本地化大模型成共同发力点：SEA-LION（新加坡）、Sahabat-AI（印尼）、ThaiLLM（泰国）、ILMU 1.0（马来西亚）等本地化模型陆续发布，构建开源生态。
- 越南率先破冰：2025年12月颁布、2026年3月生效的《人工智能法》成为东南亚首部综合性AI立法，借鉴欧盟AI Act的风险分级框架。
- 区域合作机制成型：东盟《负责任AI路线图2025—2030》《AI治理与伦理扩展指南（生成式AI）》《AI安全网络》三大机制并行推进，但执行力有限。
一、引言
1.1 研究背景
"主权AI"指一个国家或地区拥有自主可控的AI研发与应用能力，覆盖五大核心要素：算力（计算基础设施）、数据（本地语料与合规数据）、模型（本土基础模型）、人才（研发储备）、监管（治理框架）。这一概念在2023年后随着ChatGPT的兴起、英伟达CEO黄仁勋的多次倡导以及美方对华芯片出口管制而成为全球政策热点。
Oxford Insights《政府AI准备度报告2025》将"AI主权"列为亚太中等强国战略选择的关键维度。东南亚因其人口规模、数字经济增速和地缘位置，成为继中东、欧洲之后第三波"主权AI"投资重点区域。
1.2 区域意义
东盟总人口超6.8亿，互联网用户超5亿，2024年数字经济规模约3000亿美元，预计2030年达1万亿美元。然而，区域AI发展面临三重张力：
- 依附 vs 自主：多数国家既需要西方超大规模云（AWS、Azure、GCP）的算力，又担忧数据与模型受制于人。
- 中美博弈 vs 中立立场：东盟国家普遍不愿"选边站"，采取"对冲"策略。
- 一体化 vs 主权：东盟数字经济框架协议（DEFA）谈判中，跨境数据流动与本地化要求存在矛盾。
1.3 报告方法
本报告综合2025—2026年公开发布的政策文件、企业披露、学术研究与行业报告，覆盖六国核心动态，并提出针对性建议。
二、主权AI的全球背景
2.1 概念框架
主权AI可从五个维度拆解：
| 维度 | 核心内容 | 典型指标 |
|---|---|---|
| 算力 | 数据中心、GPU集群、国产芯片 | 机架数、总算力(FLOPS) |
| 数据 | 本地语料库、合规标注 | 语种覆盖、Token规模 |
| 模型 | 基础大模型、行业模型 | 参数规模、开源/闭源 |
| 人才 | 研究人员、工程师、标注员 | 每百万人AI研究人员数 |
| 监管 | 法律、标准、伦理框架 | 立法时间、监管机构 |
2.2 全球主要模式
- 美国模式：市场驱动为主，联邦层面以《AI行政令》和出口管制为抓手。
- 中国模式：国家主导，"东数西算"加国产芯片，构建闭环生态。
- 欧盟模式：监管先行，《AI Act》建立全球首个风险分级框架。
- 新兴市场：路径分化，普遍寻求"对冲"，避免单方面依附。
三、分国家分析
3.1 🇸🇬 新加坡：区域枢纽与治理标杆
战略定位：东南亚AI研发与治理创新中心。
政策框架
- 2017年成立AI Singapore（AISG），启动S$70M项目"AI for Everyone"。
- 2019年首版国家AI战略（NAIS 1.0）。
- 2023年12月发布NAIS 2.0，提出15项行动计划。
- 2026年2月成立国家AI委员会（NAIC），由总理黄循财亲自主持。
- 2026年5月发布NAIS更新版，确立10项优先事项。
核心项目——SEA-LION
- 含义：Southeast Asian Languages In One Network。
- 2024年8月发布v1，2025年4月发布v3（基于Google Gemma），支持13种语言（含爪哇语、巽他语、马来语、泰米尔语、泰语、越南语、英文、中文）。
- 至2025年5月累计下载23.5万次，被印尼GoTo集团、印度科技公司广泛采用。
- 2025年发布"推理"能力版本；计划2025年底前加入语音识别与多模态能力。
基础设施
- 全球三大数据中心枢纽之一，微软、谷歌、AWS、字节跳动均有大规模部署。
- 2024年微软追加12亿美元投资，新加坡成为其东南亚核心区域。
- 70+家企业在新加坡设立AI卓越中心（COE）。
优势与挑战
- 优势：英语优势、监管成熟、资本充裕、人才密度。
- 挑战：市场规模小（600万人口）、运营成本高、土地与电力受限。
3.2 🇲🇾 马来西亚：算力重镇与追赶者
战略定位：东南亚AI算力与超大规模数据中心枢纽。
政策框架
- 2021年发布MyDigital蓝图。
- 2025年成立国家AI办公室（NAIO），由投资、贸易及工业部牵头。
- 2026年财政预算拨出MYR 5.9亿（约14.1亿美元）支持AI。
- 国家AI行动计划2026—2030（治理+伦理双轨）。
关键投资
- YTL-Nvidia合作：2023年12月宣布43亿美元AI基础设施计划；2025年7月签署追加23.6亿美元协议，使用NVIDIA GB200 NVL72 GPU，开发马来西亚首个主权大语言模型ILMU 1.0。位于柔佛Kulai的YTL Green Data Center Campus容量600MW，配套500MW太阳能，首期Q3 2025投运。
- 微软马来西亚West云区域2025年Q2启用，含三大超大规模数据中心。
- 谷歌、AWS、Oracle、字节跳动累计投资超150亿美元。
- 2025年4月单月GPU进口达27.4亿美元，较2023年4月增长3,400%。
市场地位
- 2023—2024年连续两年成为全球数据中心投资第一目的地（Knight Frank数据）。
- 柔佛州聚集超20个运营数据中心，成为继新加坡之后的"溢出版图"。
挑战
电力供应紧张、监管滞后、人才外流至新加坡、主权模型尚在研发。
3.3 🇮🇩 印度尼西亚：人口规模与本土化实验
战略定位：基于2.78亿人口与700+本地语言的"包容性AI"主场。
政策框架
- 2020年发布《国家AI战略2020—2045》（Stranas AI），由BPPT（前技术评估与应用机构）牵头。
- 2024年新政府（普拉博沃政权）将AI列为国家优先议程，2025年成立通信与数字部。
- 2024年起推动国家AI路线图更新。
核心项目——Sahabat-AI
- 2024年11月由Indosat、GoTo等联合发布，基于新加坡SEA-LION构建。
- 涵盖印尼语、爪哇语、巽他语等本土语言。
- 集成至GoTo的Dira语音助手，应用于Gojek、GoPay服务。
- 至2025年5月被本地企业广泛采用，下载量增长显著。
生态建设
- 与英伟达合作的Indonesia AI Center of Excellence 2024年启动。
- 微软在印尼累计投资17亿美元。
- Indosat、Telkom、GoTo、Bukalapak等本土巨头加码AI。
挑战
700+本地语言的语料处理难度极大、数字鸿沟显著、监管能力薄弱，立法滞后于技术发展。
3.4 🇹🇭 泰国：研发驱动与垂直应用
战略定位：制造业AI与区域研发中心。
政策框架
- 2017年首版国家AI战略（2017—2027），由NECTEC（国家电子与计算机技术中心）牵头。
- 2022年发布国家AI战略与行动计划（2022—2027）。
- 2024年成立国家AI委员会，统筹跨部门AI发展。
核心项目——ThaiLLM / Typhoon
- 2024年NECTEC联合SCB 10X、Alibaba DAMO等发布泰语优化大模型。
- 重点支持泰语NLP、文档理解与生成。
- 应用于政府服务、医疗、农业、泰语教育等垂直领域。
市场动态
- 微软在泰累计投资超10亿美元。
- AWS于2024年在曼谷开设区域数据中心。
- 华为、阿里云、腾讯云持续布局。
- 7000万人口市场+发达旅游业+电子制造业基础。
挑战
政治不确定性影响政策连续性、本土GPU算力依赖外部、高级AI人才短缺。
3.5 🇻🇳 越南：制造业AI与首部AI法
战略定位：新兴制造AI中心与监管先行者。
政策框架
- 2021年发布《国家AI研发与应用战略至2030》。
- 2025年12月颁布《人工智能法》，2026年3月生效（四年分阶段实施），成为东南亚首部综合性AI立法。
- 借鉴欧盟AI Act的风险分级框架，但更强调国家主权、数据自主与基础设施。
- 设立国家AI发展基金、AI沙盒机制。
- 总理每三年审查AI战略。
核心参与者
- VinAI（Vingroup旗下）：计算机视觉、NLP领域具国际声誉。
- FPT Software：越南最大IT服务商，AI研发与教育齐头并进。
- Viettel：电信巨头，自研AI芯片与垂直应用。
- Zalo AI：本地化AI应用先行者。
优势
1亿+人口，制造业占GDP约25%。STEM教育质量高，开源贡献位居全球前列。半导体组装产业链（与三星、英特尔深度合作）。
挑战
资本市场不发达、本土算力严重不足、地缘政治风险敞口大。
3.6 🇵🇭 菲律宾：BPO转型与AI教育
战略定位：业务流程外包（BPO）行业的AI升级主场。
关键数据
- 1.17亿人口，互联网用户约8500万。
- BPO行业年收入超350亿美元，雇佣约150万从业人员。
- 面临生成式AI对传统BPO业务的颠覆性冲击。
政策框架
- 国家AI战略2.0（2024年更新），由DOST（科技部）牵头。
- 创意产业AI转型计划，聚焦媒体、内容生产。
现状
- 缺乏本土基础模型，主要依赖国际云服务（AWS、Azure、GCP）。
- 大量BPO从业者面临AI替代风险，政府推动再培训计划。
- 与联合国开发计划署合作推进AI素养教育。
挑战
主权AI基础薄弱、电力供应不稳、芯片与算力依赖进口、人才外流严重。
3.7 其他东盟国家
↑
文莱、缅甸、老挝、柬埔寨：主权AI能力有限，普遍作为新加坡、马来西亚数据中心集群的"消费者"。柬埔寨、老挝在中文AI生态介入较深。
区域合作框架：东盟通过《AI治理与伦理扩展指南（生成式AI）》《负责任AI路线图2025—2030》《AI安全网络》三大机制协调，但执行层面主要靠各国自愿。
四、关键趋势
4.1 本地化大语言模型集中爆发
2024—2025年成为东南亚本土大模型的"井喷期"：
| 模型 | 国家 | 关键参数 |
|---|---|---|
| SEA-LION v3 | 新加坡 | 13种语言，2025年4月发布推理版 |
| Sahabat-AI | 印尼 | 基于SEA-LION，10B以下参数 |
| WangChanLION / Typhoon | 泰国 | 泰语优化 |
| ILMU 1.0 | 马来西亚 | 马来语主权大模型，2025—2026开发中 |
| PhởGPT、KeetGPT | 越南 | 越南语大模型 |
共同特征：开源（Apache 2.0/MIT/自定义许可）、专注本地语言、采用持续预训练（CPT）方式在西方基础模型上构建。
共同挑战：训练算力受限于外部供应、可持续商业模式待验证。
4.2 数据中心投资潮重塑地缘经济
2024—2026年区域数据中心投资规模超千亿美元：
- 马来西亚柔佛：YTL、TM Global、Princeton Digital、Bridge Data Centres等密集建设。
- 印尼雅加达：BDx与印尼国家电力公司PLN签署1.2GW供电协议。
- 泰国曼谷：AWS、Microsoft、Google同时部署。
- 新加坡：受电力约束转向"区域算力"模式，柔佛承接溢出需求。
4.3 美中技术竞争中的"对冲"策略
多数东盟国家采取"两面下注"：
- 马来西亚：同时接受美国（Microsoft、Google、Nvidia、Oracle）和中国（华为、阿里、腾讯）投资，但以美方为主。
- 印尼：在普拉博沃新政府下，对美合作显著加深（与英伟达合作AI中心），但华为云、阿里云持续运营。
- 新加坡：保持战略中立，但2025年11月选择阿里巴巴Qwen作为区域语言模型基础，被视为中美技术平衡点上的中国得分。
- 越南：在地缘上倾向美国阵营，但仍与中国保持经济合作。
- 泰国、菲律宾：相对平衡，欢迎中美欧三方投资。
4.4 区域合作机制成型但执行力有限
- 2025年东盟发布《负责任AI路线图2025—2030》，提出五大支柱。
- 2025年扩展版《AI治理与伦理指南》专门针对生成式AI。
- 2025年马来西亚担任ASEAN轮值主席国期间，牵头成立ASEAN AI Safety Network（东盟AI安全网络）。
- 2025年12月，东盟数字经济框架协议（DEFA）谈判实质性完成。
但执行层面仍依赖各国自愿，缺乏强制性约束。
4.5 监管框架的"双轨"分化
- 趋同方向：AI风险分级、透明度、隐私保护——基本参照欧盟AI Act原则。
- 分化方向：内容审查、跨境数据流动、政府数据使用——各国差异显著。
- 越南模式：综合性立法（AI Law），强调国家主权。
- 新加坡模式：自愿性框架（AI Verify、Model AI Governance Framework）。
- 印尼/泰国/菲律宾模式：政策为主，立法滞后。
- 马来西亚模式：介于立法与自愿之间，2025—2026年加速立法。
4.6 公共-私营合作（PPP）成为主流
各国普遍采用PPP模式推进AI基础设施：
- 新加坡：政府+企业共建AI卓越中心，70+企业参与。
- 马来西亚：YTL-Nvidia的PPP项目获政府全力支持。
- 印尼：Indosat、GoTo、Telkom联合开发Sahabat-AI。
- 越南：VinAI等企业获得政府研发补贴。
4.7 人才争夺白热化
- 新加坡：依靠英语优势与监管环境吸引全球AI人才。
- 马来西亚：面临向新加坡的人才外流（"brain drain"）。
- 印尼、越南：通过大规模STEM教育扩张人才基数。
- 区域AI工程师薪资在过去两年上涨50%—100%。
五、挑战与机遇
5.1 主要挑战
- 算力与能源约束：东南亚多数国家电力供应紧张，AI数据中心扩张面临碳排放与可持续性压力。柔佛、雅加达已出现电力紧张信号。
- 资本与人才外流：新加坡、北美、欧洲持续吸引区域高端AI人才；马来西亚、印尼、菲律宾的本土AI初创公司面临被收购风险。
- 数据本地化与质量：本地语言（特别是低资源语言如高棉语、老挝语、缅语）语料稀缺，标注成本高。
- 监管能力滞后：除越南外，多数国家AI立法速度跟不上技术发展，导致监管真空与不确定性。
- 数字鸿沟：东盟内部城乡、年龄、收入差距显著，AI应用可能加剧不平等。
- 地缘政治风险：中美博弈可能切断芯片、数据、人才等关键要素的跨境流动。马来西亚2025年4月GPU进口激增引发对"转运中国"的关注。
- 主权模型可持续性：本地化大模型训练成本高昂，商业模式不清晰，依赖政府补贴不可持续。
5.2 战略机遇
- 人口红利：东南亚6.8亿人口，年轻化程度高（中位数年龄约30岁），数字消费市场快速扩张。
- 数字经济快速增长：2030年预计达1万亿美元规模，AI是核心驱动。
- 战略位置：连接太平洋与印度洋、东西方贸易与数据流的关键节点。
- 制造业升级：电子、汽车、半导体产业链的AI转型需求巨大。
- 区域一体化：RCEP、东盟DEFA、东盟数字框架提供制度保障。
- 成本优势：相对北美的研发与运营成本，叠加英语与本地语言优势。
- 本地化数据资产：东盟语言多元、文化丰富，是全球AI多样性训练的重要资产。
六、结论与建议
6.1 主要发现
- 梯度化发展格局确立：新加坡处于第一梯队（治理+研发+资本），马来西亚、印尼、泰国构成第二梯队（基础设施+规模化），越南快速跃升，菲律宾追赶中。
- 基础设施层已具规模：超大规模数据中心投资额超千亿美元，但算力"主权"程度有限（高度依赖西方芯片与云）。
- 模型层起步但脆弱：本地化大模型相继发布，但多基于西方基础模型二次训练，真正的"主权"程度有限。
- 监管层分化明显：越南率先立法，新加坡倾向软法，其他国家政策为主，区域协调机制尚不成熟。
- 对冲策略占主流：东盟国家普遍在中美之间保持平衡，但具体路径受国内政治与地缘关系影响。
6.2 政策建议
对东盟整体
- 完善《负责任AI路线图2025—2030》的执行机制，从自愿向约束性过渡。
- 建立区域AI研究合作基金与共享算力平台。
- 协调跨境数据流动规则，避免"数据巴尔干化"。
- 推动区域AI伦理框架的互认机制。
- 设立"东盟AI安全网络"的常设秘书处。
对各成员国
- 新加坡：巩固监管创新优势，强化"区域AI治理标准输出方"角色；推动SEA-LION的国际化与多模态化。
- 马来西亚：抓住数据中心机遇，将YTL-Nvidia等超大项目转化为本土AI能力溢出；加速ILMU 1.0等主权模型的产业化。
- 印尼：发挥2.78亿人口与700+语言规模优势，构建印尼语系AI生态；以Sahabat-AI为抓手推动公共服务AI化。
- 泰国：依托制造业基础，深耕垂直应用（医疗、农业、汽车）；ThaiLLM与制造业AI双轮驱动。
- 越南：利用首部AI法的先发优势，构建"立法+产业"双优势；加强算力基础设施建设，吸引高端人才回流。
- 菲律宾：聚焦BPO转型与AI再培训；发展AI教育产业与菲律宾语系大模型；与联合国开发计划署等国际组织合作。
对企业
- 重视本地化AI能力建设，避免完全依赖单一云厂商。
- 关注各国监管差异，建立合规弹性。
- 探索区域合作模式（如SEA-LION生态共建）。
- 关注人才本地化与跨文化能力建设。
6.3 未来展望（2026—2030）
短期 · 2026—2027
越南《AI法》分阶段实施，多国加快立法；本地化大模型进入第二代（多模态、推理增强）；数据中心投资持续加码。
中期 · 2027—2028
区域可能形成"东盟AI算力联盟"或"主权云"；本地化大模型进入应用爆发期；监管框架趋同与分化并存。
长期 · 2028—2030
东南亚有望成为全球AI多样性研究与应用中心；可能在2—3个细分赛道（多语种NLP、制造业AI、农业AI）形成全球性优势；区域数字经济规模将超1万亿美元。
七、附录
7.1 主要缩略语
| 缩略语 | 全称 | 说明 |
|---|---|---|
| NAIS | National AI Strategy | 国家AI战略 |
| AISG | AI Singapore | 新加坡AI机构 |
| NAIC | National AI Council | 国家AI委员会（新加坡2026年成立） |
| DOST | Department of Science and Technology | 科技部（菲律宾） |
| NECTEC | National Electronics and Computer Technology Center | 泰国国家电子与计算机技术中心 |
| BPPT | 技术评估与应用机构 | 印尼，已并入通信与数字部 |
| DEFA | Digital Economy Framework Agreement | 东盟数字经济框架协议 |
| SEA-LION | Southeast Asian Languages In One Network | 新加坡主导的区域语言模型 |
| PPA | Power Purchase Agreement | 电力购买协议 |
| CPT | Continued Pre-training | 持续预训练 |
7.2 主要数据来源
- Oxford Insights《Government AI Readiness Report 2025》
- ISEAS《What is Shaping AI Governance Policies in Southeast Asia?》（2026/13）
- ASEAN Secretariat：《Expanded ASEAN Guide on AI Governance and Ethics (GenAI)》
- ASEAN：《Responsible AI Roadmap 2025—2030》
- 各国政府公开政策文件（新加坡Smart Nation、马来西亚MyDigital、印尼Stranas AI、泰国NECTEC、越南科技部、菲律宾DOST）
- 行业报告：Knight Frank、Mordor Intelligence、Carnegie Endowment、Data Center Dynamics
- 企业披露：Microsoft、Google、Nvidia、AWS、YTL、Indosat、GoTo
- 学术文献：SEA-LION论文（arXiv 2504.05747）、Carnegie Endowment《Speaking in Code》
7.3 报告局限
- 本报告基于2026年7月前可获取的公开信息，部分数据可能在发布后更新。
- 对各国主权AI发展水平的评估包含主观判断。
- 部分项目（如ILMU 1.0、Sahabat-AI）仍在快速演进中，结论需要持续跟踪。
- 地缘政治变量（中美关系、芯片出口管制）可能显著改变区域发展轨迹。