微软将在未来4年内投资55亿美元,用于扩建新加坡的云计算和人工智能基础设施。
这项投资计划从2025年持续到2029年底,由微软副董事长兼总裁布拉德·史密斯在亚洲科技启发大会(ATxInspire)上宣布。
除了基础设施建设,微软还启动了一系列项目,旨在巩固新加坡作为全球数字中心的地位。其中包括为新加坡所有高等教育学生提供12个月的Microsoft 365 Premium与Copilot免费使用权。
这一举措预计将惠及超过20万名在大学和职业培训机构就读的学生,将微软的AI助手直接集成到Word、Excel、PowerPoint和Outlook等日常生产力工具中。
"我们在云计算和AI基础设施方面的持续投资,体现了微软对新加坡作为全球数字领导者的长期信心。"史密斯表示,"我们共同致力于帮助个人和组织使用AI,通过加强技能、增强网络安全和韧性以及推进可信治理,让技术为新加坡人带来实际益处。"
史密斯向包括新加坡资讯通信媒体发展局(IMDA)主席陈俊杰在内的公私部门领导者发表讲话时,将AI描述为"下一个重要的通用技术",并将其与电力发明相提并论。
他还赞扬了新加坡快速采用这项技术的表现。根据微软研究院AI经济研究所的最新AI传播报告,新加坡目前在AI采用方面全球排名第二,生成式AI的使用在2026年第一季度达到人口的62.8%。
为帮助新加坡劳动力保持竞争力,微软还将其Elevate项目引入该城市国家。这些项目包括面向教育工作者的Microsoft Elevate,帮助教师建立在课堂上负责任使用AI的信心;以及面向变革者的Microsoft Elevate,为非营利组织和社会影响领导者提供免费AI准备认证,以提升他们的内部能力。
微软新加坡总经理谢绿仁指出,AI的广泛接入和采用是新加坡实现其技术抱负的关键。
"微软对新加坡的重大承诺强化了其作为亚洲AI创新中心的关键作用。"谢绿仁说,"通过将AI素养融入日常学习以及从企业到非营利组织各个部门的运营方式,我们正在国家AI战略2.0的基础上推动包容性、可信的AI采用,以产生真正的影响。"
2025年7月,微软在新加坡开设了一个研究实验室,专门开发行业特定的AI应用程序,初期重点关注智能体AI和面向医疗保健、金融和物流等关键领域的特定领域基础模型。
该实验室的首个重大举措是与公共医疗集团新加坡保健集团(SingHealth)合作,开发精准医疗的AI能力,旨在提高诊断准确性并提供个性化患者护理——这是新加坡面对快速老龄化人口的关键优先事项。
Q&A
Q1:微软在新加坡的55亿美元投资主要用于什么?
A:这笔投资主要用于扩建新加坡的云计算和人工智能基础设施,投资期限从2025年到2029年底。除了基础设施建设,微软还推出了多个项目来巩固新加坡作为全球数字中心的地位。
Q2:微软为新加坡学生提供了什么免费服务?
A:微软为新加坡所有高等教育学生提供12个月的Microsoft 365 Premium与Copilot免费使用权。这项举措预计惠及超过20万名大学和职业培训机构学生,将AI助手直接集成到Word、Excel、PowerPoint和Outlook等办公工具中。
Q3:微软在新加坡建立的研究实验室主要做什么?
A:微软新加坡研究实验室专门开发行业特定的AI应用程序,初期重点关注智能体AI和面向医疗保健、金融、物流等关键领域的特定领域基础模型。首个重大项目是与新加坡保健集团合作开发精准医疗AI能力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。