企業 AI 優勢競爭焦點，正由模型採購迅速轉向受治理數據管道，因為這類管道才能支撐自動化決策。
模型普及化，壁壘開始瓦解
曾幾何時，能否取用先進 AI 模型，本身就是競爭優勢。但這道護城河正快速消失。根據 Stanford HAI 報告，GPT-3.5 效能等級推理成本，已由 2022 年 11 月每 100 萬 token 約 20 美元（約港幣 HK$156），跌至 2024 年 10 月 0.07 美元（約港幣 HK$0.55），跌幅超過 280 倍。這意味幾乎所有規模企業，今日都能透過雲端供應商、企業平台或開源生態系統，接觸到具備足夠能力大型語言模型。
然而能否「接上」模型是一回事；能否讓模型觸及企業內部即時紀錄、權限設定、業務規則與例外流程，則是截然不同挑戰。Gartner 2025 年 AI 成熟度研究發現，數據可用性與質素仍是 AI 落實首要障礙——在低成熟度組織中，34% 領導者將此列為核心痛點；在高成熟度組織中亦有 29%。Gartner 更預測，到 2026 年底，缺乏「AI 就緒數據」企業將放棄 60% AI 項目。
新加坡把數據當作執行基礎設施
在這場數據爭奪戰中，新加坡提供值得全亞洲參考國家級視角。2026 年 5 月，新加坡更新國家 AI 戰略重點，將數據取用問題置於具體行業任務核心，而非視作 IT 管理枝節事務。戰略聚焦連通、先進製造、醫療與金融 4 大領域，合計佔新加坡 GDP 逾 40%，而這些領域都高度依賴敏感、高價值客戶、資產與交易數據。
2026 年 1 月通過《公共部門治理法》修訂，進一步確立數據共享法律框架：公共機構只能在明確目的、具體授權、完整文件與安全標準前提下，將數據共享予受信任外部夥伴。新加坡 IMDA 私隱增強技術沙箱，則為合成數據、聯邦學習等協作工具提供試驗空間，協助企業在不直接暴露原始數據前提下開展 AI 開發。這套「可管理開放」框架，正是許多亞洲市場迫切需要制度示範。
生產環境中，AI 需要「活的」數據
探討這個問題不能只停留在理論層面。以新加坡樟宜機場 T5 為例：竣工後每年將新增約 5,000 萬旅客流量，自動化系統需要即時整合旅客動線、行李處理、跑道排序與登機口分配等多元數據——任何靜態紀錄都無法支撐這種複雜度。大士港（Tuas Port）自動化貨櫃作業同樣如此，需要跨越起重機、無人車、泊位排程與能源系統同步數據流。
Sinequa 針對 740 位企業高層 2026 年研究顯示，38.4% 領導者面對數據無法即時更新困境，31.4% 則受困於數據孤島問題。Forbes 引用 Komprise 報告亦指出，74% IT 與數據儲存領導者目前管理非結構化數據量超過 5 PB，而這些檔案、電郵、服務日誌等關鍵資源，大多仍對 AI 系統不可見。問題本質是：試點環境可以靠小樣本或模擬工作流程運作，但生產環境 AI 需要面對真實例外情境、當前系統限制，以及明確責任歸屬。
代理 AI 時代，數據治理賭注更高
隨着 AI 系統由「生成答案」進化至「採取行動」，數據取用問題風險等級正急速攀升。所謂代理 AI（Agentic AI），特點是可以自主呼叫 API、更新紀錄、觸發工作流程，甚至發起交易。Deloitte 分析指出，傳統企業系統並非為代理互動而設計，大多數代理仍依賴 API 與傳統數據管道，造成根本瓶頸，並限制其自主運作能力。
新加坡於 2026 年 1 月發布《代理 AI 模型治理框架》，正是回應這個現實：框架強調存取限制、人類問責制與生命週期控制。根據 Equinix 分析，無法在正確時機取用正確數據 AI 代理，不能帶來價值之餘，更會成為企業實際風險。78% 企業已推行 AI 代理試點，但只有 11% 能真正推進至生產環境，核心瓶頸不是模型能力，而是整合、編排與治理層缺失。
受治理的數據取用，才是真正護城河
真正可持續 AI 競爭優勢，將屬於能夠以安全、可重複且具備上下文脈絡方式，提供正確數據組織。這種能力難以複製，因為它依賴內部架構、數據紀律、領域專業知識與機構間信任，而非單純模型採購預算。
Gartner 估計，數據品質低落每年平均令企業損失 1,290 萬美元（約港幣 1.01 億元），MIT Sloan 研究則顯示影響可達 15% 至 25% 營收損失。對於 CIO 與數據主管而言，關鍵投資往往不是最顯眼部分：數據品質、整合架構、元數據管理、資料血緣追蹤、身分管理與存取控制，這些才是讓 AI 真正落實基礎設施。
隨着新加坡將 ASPIRE 2B 超算與 200MW 以上數據中心容量投入使用，算力限制正逐步鬆動。但正如新加坡戰略所揭示，算力充裕只是必要條件，而非充分條件。由試點走向生產環境，必須建立在數據質素、存取權限、稽核追蹤、整合架構與機構間信任之上。
企業應思考核心問題是：當模型能力不再是壁壘，誰能率先建立一套完整機制，讓 AI 系統「用對數據、用得安全、用得負責」？
來源：Tech Edition | Gartner via ORM Tech | Forbes / Moor Insights | Deloitte Insights | Agent Market Cap AI
