AI 落地东盟:从 Token 到扭矩的四道硬关

当 AI 从云端走向工厂, 从比特走向物理世界 , 算力账单开始变得触目惊心。在 AIMX Singapore 2026 现场, 润建股份副总裁赵华直言:“客户用 AI 的时候, 会发现花出去的 Token 让他们好心痛。”这并非修辞, 而是 AI 落地东盟的真实写照——从 Token 到扭矩, 每一环都在考验企业的算账能力。

📌 第一关:Token 出海, 全栈交付的门槛

• 重点: 当 AI 落地沿着产业链往下游走, 账会越算越重。
• 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
• 重点: 后续仍需关注官方更新、落地范围以及实际反馈。

把 Token 卖出去看似简单 , 实则不然。赵华指出, 以前拼的是基础设施, 现在拼的是如何将算力转化为可交付的 Token 服务。东盟市场虽在增长, 却是“割裂的市场”, 客户关注安全、时效与性价比。润建股份的解法是打通电力、算力、调度、模型、Agent 的全栈环节, 并在马来西亚设立东盟 AI 创新中心, 交付超 500 个本地化项目。

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

🔍 第二关: 数据燃料, 从“能采”到“能用”

Token 的下一环是数据 。具身数据不像文本语料那样免费, 需要专门搭建采集环线。Ropedia 联合创始人洪方舟指出, 行业尚未就“什么是好数据”达成共识, 简单重复的采集边际价值极低。Ropedia 的应对是“用模型的视角反向定义采集”, 押注第一人称数据, 并自研工具链, 将原始视频转化为 training-ready 的资产。其开源数据集 Xperience-10M 已进入多个主流具身模型, 旨在树立标注标准。

💡 第三关: 具身大脑, 不堆数据的范式之争

数据成本高企, 让“堆数据”的路径难以复制 。中科第五纪 COO 曹恩华表示, 真机数据一小时采集成本数百元, 想靠数据验证 Scaling Law 需数亿元投入。该公司采用 3D 到 3D 架构提升数据利用效率, 并率先将世界模型引入安全评估, 过滤不可控轨迹。在场景选择上, 优先对人不友好的环境, 如玻璃厂、冷库, 同时关注 ROI, 国内客户通常要求 2-3 年收回投入。

📊 第四关: 政策与场景, 政府递出的“硬”支持

新加坡政府正亲自下场, 为具身智能递场景 。内政科技局投入 1 亿新元, 建设全球首个专注公共安全的人形机器人中心, 预计 2027 年投入使用。这吸引了中国具身产业链公司南下, 形成从算力到落地的传导链。

🚀 总结:AI 落地的账, 越算越重

从 Token 到扭矩,AI 落地东盟的每一环都在考验企业的算账能力 。无论是全栈交付、数据基建、模型范式, 还是政策支持, 都没有捷径可走。唯有长期主义与本地化, 才能在这片市场站稳脚跟。