当前位置：主页 > 我的网站国内 >

重口味

《福布斯亚洲》2024榜单：新加坡15家初创企业脱颖而出，超越中国与日本，位居亚太第二_我的网站

落日余晖

A | 过去一段时间，绝大部分AI应用创业者最焦虑的问题就是：大模型会不会把应用全吃了？今年以来，OpenAI、Anthropic 持续推出法律、设计、办公全套垂直套件，微软依托 Office 生态捆绑 Copilot，不断向企业渗透。在《福布斯亚洲》刚刚发布的2024年“100家值得关注企业”榜单中，新加坡以15家上榜企业位居亚太区第二，仅次于印度（20家），超越中国大陆（10家）和日本（9家）。越来越多人开始相信，只要底层模型持续进化，今天所有AI应用，不过都是等待被官方“内置”的功能。但就在不久前，曾打造上市安全巨头Rubrik、如今执掌70亿美金企业AI独角兽Glean的创始人Arvind Jain，做客全球头部创投播客《20VC》，给出了一个犀利的判断： OpenAI和Anthropic赢不了真正的应用层企业。这一表现不仅反映了新加坡强大的创新生态系统和政策支持，也展现了新加坡企业在科技和金融等多个领域的卓越竞争力。原因很简单，通用模型能解决“标准化生产”，却永远无法替代应用公司对垂直业务的深度理解。（图源网络）今年是《福布斯亚洲》第四次发布“100家值得关注企业”榜单。更重要的是，前沿闭源大模型的本身也在失去吸引力。今年的100家企业来自16个国家和地区，遍布企业技术与机器人、金融、制造与能源等10个行业。目前90%以上企业场景，开源模型已经能完全承接需求。上榜企业必须在区域或行业内有积极影响，具备收入强劲增长的记录或有吸引资金的能力，并拥有潜力的商业模式或前景及具说服力的卖点。符合提名的企业需满足几个基本条件：总部设在亚太区，私人拥有，以盈利为目标，年营收不超过5000万美元，总融资不超过1亿美元。以下是专访的内容： / 01 / 企业开始“不信任”前沿模型了 Palantir CEO Alex Karp7月初在CNBC抛出一个判断：大型企业对前沿模型厂商的不信任度达到了前所未有的程度。新加坡的突出表现新加坡上榜的15家初创企业覆盖了多个关键行业，展现了其在多领域的创新能力：企业科技与机器人‍包括Bluesheets和SquareX在内的5家企业体现了新加坡在人工智能和网络安全领域的强劲实力。Bluesheets利用AI技术优化企业财务管理，而SquareX则专注于开发创新的网络安全解决方案。这些企业的发展不仅得益于新加坡在科技领域的政策支持，也反映了全球市场对先进技术的巨大需求。之所以出现这种情况，是因为实验室里的“能力”与企业里的“价值”，中间隔着一条很长的链条。当前不少企业部署AI的方式非常直接：购买模型服务，再通过MCP等方式把它接入内部的文档、邮件、CRM、工单、代码库和各种业务系统。（图源网络） 金融科技金融科技是新加坡的另一个优势领域，4家上榜企业如Tazapay和HitPay，正是新加坡在金融创新方面的代表。管理者的想象是，只要模型能看到足够多的数据，它就会自动理解公司，并开始创造价值。这些企业通过跨境支付和“先付后买”等创新服务，为中小企业和消费者提供了便捷的金融解决方案，彰显了新加坡在金融科技领域的领先地位。

B | （图源网络） 生物科技与医疗保健生物科技领域的Neurowyzr公司致力于大脑健康的早期检测，反映了新加坡在健康科技方面的创新投入。随着全球老龄化趋势的加剧，类似的健康科技创新正变得越来越重要，新加坡在这一领域的投资无疑是前瞻性的。（图源网络） 新兴行业的突破新加坡在制造与能源、航天科技等新兴领域的表现同样引人瞩目。例如，NEU Battery Materials的锂电池回收技术和Aliena的电力航天引擎研发，展示了新加坡在可持续发展和新兴科技领域的探索和突破。

C | 现实并非如此。一家大型企业内部可能有数百甚至上千套系统，同一个客户在销售部门叫“账户”，在财务部门叫“主体”，到了交付部门又可能对应若干项目。

D | 权限、版本、业务口径和隐性规则层层叠加。模型虽然能读取这些信息，却并不知道哪一条对当前任务最重要，也不知道公司过去究竟是如何完成类似工作的。（图源网络） 新加坡在亚洲创业生态系统中的定位与此同时，根据Startup Genome的2024年《全球起步公司生态系统报告》，新加坡在全球排名第七，亚洲排名第一。

E | 其领先地位不仅体现了新加坡在创新和科技领域的优势，也反映了其在全球市场中的强大影响力。于是，它只能用一种近似“暴力搜索”的方式拼装上下文：先检索大量材料，再尝试判断彼此关系，最后生成一个看上去像答案的答案。（图源联合早报）新加坡的成功不仅仅是政策和市场的结果，更是一个系统性、全方位的创业生态系统的胜利。

F | 这会产生两个直接后果：一是慢，大量时间耗在寻找原材料上；二是贵，大量Token消耗在无效检索和上下文拼接上。

G | 新加坡能够在亚太区的创业生态系统中取得如此成绩，得益于几个关键因素：政府支持与政策引导：新加坡政府长期以来大力支持创新和创业，推出了一系列有利于初创企业发展的政策和计划。国际化的商业环境：新加坡作为全球金融和商业中心，拥有完善的基础设施、透明的法律体系和低税率，吸引了大量国际投资者和创业者。其战略性地理位置也使其成为进入东南亚市场的理想门户。企业买到了一个聪明的大脑，却没有给它配备记忆、地图和工作手册。科技人才的积聚与培养：新加坡拥有世界一流的大学和研究机构，如新加坡国立大学（NUS）和南洋理工大学（NTU），不断培养出高素质的科技人才。同时，新加坡政府也积极引进国际科技人才，通过技术移民政策和创业签证，进一步增强了本地的科技创新能力。新企程的一站式企业服务‍‍‍‍‍‍‍‍‍在这样一个充满机遇和挑战的市场环境中，新企程致力于为企业家和投资者提供高效、可靠的新加坡公司注册和身份规划服务。我们的优势主要体现在以下几个方面：深厚的本地经验：新企程拥有丰富的新加坡本地市场经验，深刻理解各类政策法规的细微差别，能够为客户提供最具针对性的建议，确保企业从注册到运营的各个环节都符合法规要求。全面的服务支持：我们提供的不仅仅是公司注册服务，还涵盖了从身份规划到法律咨询的全方位支持，帮助客户在新加坡建立稳固的法律地位和市场基础。所以，企业AI落地的真正瓶颈，往往不是模型能力，而是上下文工程。无论是企业家还是高净值个人，我们都能提供量身定制的身份解决方案，满足您在新加坡发展的长期需求。这里的“上下文”也不仅是把几份文档塞进提示词。它包括企业的知识体系、数据权限、术语关系、业务流程，以及那些从未写进制度、却存在于员工经验中的隐性知识。比如，一项工作第一次被执行时，企业或许会留下十个标准步骤。但此后几年里，员工会不断调整顺序、绕开例外、总结捷径。高效的执行能力：新企程以快速、高效的服务著称，依托强大的专业团队和先进的管理系统，我们能够在最短时间内完成从公司注册到身份办理的全流程，帮助客户迅速抢占市场先机。大量真正决定效率的经验并没有被记录，只存在于人的判断里。无缝对接全球资源：作为国际化服务提供商，新企程与全球多个地区的法律、金融和咨询机构保持紧密合作，能够为客户提供跨境业务拓展的一站式服务，让您的国际化之路更加顺畅。未来，当智能代理开始承担工作时，这些经验会逐渐沉淀到代理之中。这也带来一个比“数据归谁”更深的问题：由AI在长期工作中积累的组织经验，究竟属于企业，还是属于提供智能代理的厂商？企业担心的已经不只是技术依赖，而是运营依赖。如果核心工作由外部代理执行，代理又掌握了不断复利的组织经验，那么更换供应商就不再是换一个软件，而近似于更换一套公司的“外置大脑”。

H | 如果您正考虑在新加坡拓展您的事业版图或寻求身份规划的最佳途径，新企程将是您的理想合作伙伴。所以，企业真正需要控制的，不只是模型和数据，还包括AI在工作中形成的经验。（图源网络）结语总体而言，新加坡在2024年《福布斯亚洲》“100家值得关注企业”排行榜上的表现，彰显了其在亚太区创业生态系统中的领导地位。通过政策支持、人才培养和创新推动，新加坡正在不断巩固其作为全球创业中心的地位。 / 02 / 90%的企业AI场景，不需要最强模型如果说上下文决定AI能不能用，那么成本决定AI能不能大规模使用。 Arvind Jain的访谈中最值得关注的一个判断是：如今90%甚至更多的企业应用场景，已经不需要用最强的模型。这个数字背后的含义是，企业只会为“足够好且成本可控的结果”买单。无论是一份内部会议纪要，还是一封销售跟进邮件，都不需要调用世界上最强的模型。只要质量达到业务要求，更便宜的模型就会自然胜出。这意味着，大模型正在经历软件行业非常熟悉的一幕：稀缺能力变成标准供给，技术优势变成可替换的商品。

I | Glean的做法很有代表性。它并不要求客户押注某一个模型，而是根据任务自动选择合适的模型：简单任务交给成本更低的开源模型，复杂任务再调用更强的闭源模型。在这种架构里，应用公司与模型公司的关系也发生了变化。模型厂商越卷、开源社区进步越快，应用公司的原材料就越便宜、越丰富。真正危险的不是模型继续升级，而是应用公司除了调用模型之外，没有形成其他价值。这也是为什么“套壳”是个容易被滥用的词。调用同一个模型，不等于提供同一种产品。就像所有电商网站都运行在类似的云计算基础设施上，真正决定体验的仍是供应链、履约、推荐、客服和组织效率。企业AI的差异同样来自权限体系、上下文质量、工作流编排、结果评估和交付能力。当然，开源替代也并非毫无阻力。 Arvind Jain提到，一些企业对中国开源模型仍有心理和合规顾虑，即使模型可以本地部署、数据不会传回模型提供方，决策者依然会担心潜在的安全风险与舆论风险。但这更像新技术扩散中的“第一批采用者”问题。一旦头部企业开始使用并形成示范，顾虑就会逐渐从“能不能用”转向“怎样用得更安全”。长期看，企业模型市场很可能不是一家通吃，而是多模型共存。模型层的利润会被竞争持续压缩，价值则不断向负责选择、连接和管理模型的应用层迁移。 / 03 / 微软的入口优势没了模型商品化还会冲击企业软件过去最有效的一种竞争武器：捆绑销售。

J | 微软的优势从来不只是产品，而是它可以把新功能装进企业已经购买的套件里。对一家大型企业来说，免费获得一个“七十分”的Copilot，通常比重新采购一个“九十分”的独立产品更省事。后者不仅要多付一笔钱，还要经过安全审查、法务审批、供应商管理和员工培训。

K | Arvind Jain坦言，微软是比前沿模型厂商更现实的竞争者。许多客户拒绝Glean的理由是，“我们已经购买了微软”。不过，AI的按量付费模式正在给捆绑逻辑制造一道裂缝。传统SaaS按席位收费，企业一旦购买套件，就会倾向于让员工尽量使用其中的产品；AI更接近按任务量付费，无论工具是否捆绑，实际执行一次任务都要消耗算力。企业完全可以同时开放多个工具，让员工选择最适合的一个，再为真实用量买单。这意味着，捆绑依然拥有采购和分发优势，却未必还能锁定最终使用。

L | 未来的竞争不只是“谁进入了供应商名单”，还包括“员工真正把任务交给了谁”。这是一个细微但重要的变化：软件时代的入口优势，正在被AI时代的任务完成质量重新定价。 / 04 / AI降本是个伪命题谈到企业AI，另一个经常被混淆的问题是投资回报。在客服场景中，回报很好计算：一个客服过去每天处理10张工单，使用AI后处理12张，效率提升一目了然。但在研发、管理和知识工作中，计算就复杂得多。

M | 就拿Glean来说，目前公司内部接近100%的初始代码由AI生成，没人手动写第一版代码，但产品交付速度并没有爆炸式增长。为什么？因为写代码只是整个链条中最短的一环。

N | 代码量上去了，但代码审查、架构设计、跨团队协调、测试、部署，这些环节还是原来的速度。当AI把写代码变得极快，瓶颈就会迁移到代码审核。若为了追求速度取消人工审核，企业又可能在几年后面对难以维护、无人真正理解的代码库。因此，Glean依然保留严格的人类审核，以短期效率换取长期可维护性。这揭示了一个朴素的规律：AI不会自动消除流程瓶颈，它只会把瓶颈推向下一个环节。所以，很多AI应用当下的经济账并不好看，短期内也很难实现纯粹降本。

o | 长期来看，AI降本只存在两种出路：第一条路，等着成本降下来。

p | 历史规律如此，科技只会越来越便宜。

q | 开源模型已经把推理价格打到闭源的十分之一了，OpenAI被迫降价只是时间问题。等Token价格降到今天的十分之一甚至更低，那个100万美金的Agent就会变成一笔极其划算的买卖。第二条路，用AI放大人均产能，而非单纯裁员。假设两家同赛道企业，拥有同样先进的AI工具。A公司决定缩编团队，用更少人做同样的事；B公司维持团队规模，用AI拓展十倍业务量、打造更好产品。长期来看，B公司会彻底碾压A公司。因为企业的终极竞争力不只有成本，还有产出。企业老板对AI能力的理解分为两种：“一个人能干更多事”的能力和“一件事可以让更少人干”的能力。如果你选了后者，你的竞争对手选了前者，你会被迅速甩开。 AI不会消灭岗位，但会消灭"只做单一执行工作"的岗位。未来的岗位会全面复合化，一个懂技术的产品经理可以直接用AI生成原型；销售可以同时兼顾方案演示和商务谈判，不再需要解决方案工程师跟在后面。基础数据分析师、招聘寻访员、报表制作这类纯执行角色会逐步消失，但跨职能的复合型人才会成为刚需。 / 05 / 进入核心工作流，才是AI应用的关键最后回到创业者最初的焦虑：模型公司亲自下场，应用公司该怎么办？ OpenAI在推垂直套件，Anthropic也在做行业方案，从设计到法律到金融，看起来就是要一个个吃掉应用层公司的饭碗。 Arvind Jain给出的判断是不必恐慌，二者根本不在同一竞争维度。以设计行业为例，Claude出了设计辅助功能，听起来像是要抢Figma的生意。

r | 但实际上，设计师们的主力工具依然是Figma。

s | Claude只是让那些"本来就不是设计师"的人，比如产品经理、市场销售，能自己做一些简单的素材生成。也就是说，Claude做的更像是市场扩展，让本来不用工具的人开始用工具了，但深度工作仍然留在了Figma里。更深层的问题是，模型厂商不理解企业内部的真实运作。通用模型对接企业系统，目前靠的是MCP这类标准化协议。简单粗暴地连进去，暴力检索所有数据，然后试图完成任务。

t | 但这种模式有两个致命问题：一是效率极低。大量Token都消耗在"找东西"上，AI要先搞清楚这个业务需要哪些信息、信息在哪、怎么拼起来，还没开始干活，钱已经烧掉了一大半。二是完全不懂上下文。企业内部的权限体系、历史决策逻辑、专有术语、隐性规则，通用模型一概不知。你让一个外部模型去理解"为什么这个供应商去年被标记为高风险"，它连从哪里开始查都不知道。 Glean自己的定位就是一个对照。他们花了好几年打通企业内部成百上千套系统——Salesforce、ServiceNow、Google Drive、Slack、Notion，几十个甚至上百个不同的数据源，建立了一套基于权限的组织知识图谱。员工搜索任何信息，返回的结果都是他权限范围内最相关的那一条。

u | 这套壁垒就是靠时间和深度嵌入堆出来的。

v | 所以，真正值得应用公司担心的，是自己的产品是否足够深入到核心流程。如果价值只是一层聊天界面，模型升级确实可能一夜之间将其抹平，如果产品掌握了企业上下文、权限、流程和长期学习，模型升级反而会放大它的价值。这也是Glean创始人经营思路发生变化的原因。他过去强调克制、资本效率和每一笔投入的回报，但现在也开始担心，过度保守会错过一轮难得的市场圈地期。