在新加坡國家人工智能計劃（AISG）的最新進(jìn)展中，一項具有里程碑意義的合作引發(fā)了全球關(guān)注。該計劃宣布，其最新研發(fā)的國家級大語言模型“海獅”（Sea-Lion v4）將徹底摒棄美國技術(shù)路線，轉(zhuǎn)而以阿里的通義千問Qwen3-32B開源模型為核心構(gòu)建。這一決定標(biāo)志著中國開源大模型在全球技術(shù)競爭中邁出了關(guān)鍵一步，尤其是在“主權(quán)AI”和“多語言適配”領(lǐng)域展現(xiàn)出強(qiáng)勁實力。

回溯至2023年12月，新加坡啟動了一項耗資7000萬新元（約5200萬美元）的計劃，旨在建立多模態(tài)大型語言模型的研究與工程能力，其中核心項目便是開發(fā)覆蓋東南亞語言的Sea-Lion。然而，這一擁有6億人口、數(shù)字經(jīng)濟(jì)規(guī)模接近萬億美元的市場，長期被西方AI技術(shù)忽視。以meta Llama 2為代表的主流模型中，東南亞語言內(nèi)容占比不足0.5%，導(dǎo)致早期基于Llama2訓(xùn)練的Sea-Lion在區(qū)域常識測試中表現(xiàn)堪憂，甚至將南美洲國家委內(nèi)瑞拉誤列為東盟成員國。

語言與文化的隔閡進(jìn)一步放大了西方模型的局限性。東南亞地區(qū)普遍存在“語碼轉(zhuǎn)換”現(xiàn)象，即在英語中混入方言，如新加坡式英語（Singlish）或馬來西亞式英語（Manglish）。這種復(fù)雜的語言環(huán)境對標(biāo)準(zhǔn)美式AI模型構(gòu)成挑戰(zhàn)，而Llama2等模型在處理泰語、緬甸語等非拉丁語系文字時效率低下，暴露了其“英語中心主義”的基因缺陷。

面對這些痛點(diǎn)，AISG開始重新評估技術(shù)路線。他們發(fā)現(xiàn)，阿里的Qwen3模型在預(yù)訓(xùn)練階段已通過36萬億個token的數(shù)據(jù)覆蓋全球119種語言和方言，具備原生多語言能力。這種底層邏輯上的語言理解優(yōu)勢，顯著降低了后續(xù)訓(xùn)練的門檻。例如，Qwen-Sea-Lion-v4采用字節(jié)對編碼（BPE）分詞器，精準(zhǔn)切分泰語、緬甸語等無空格文字，不僅提升了翻譯準(zhǔn)確度，還大幅優(yōu)化了推理速度。

商業(yè)落地的現(xiàn)實需求也推動了合作深化。東南亞中小企業(yè)普遍缺乏高端算力資源，而Qwen-Sea-Lion-v4經(jīng)過優(yōu)化后，可在配備32GB內(nèi)存的消費(fèi)級筆記本電腦上流暢運(yùn)行。這一特性使得印尼開發(fā)者僅憑一臺高配電腦即可本地部署國家級模型，精準(zhǔn)切中了區(qū)域算力稀缺的痛點(diǎn)。

此次合作并非單向技術(shù)輸出，而是雙向融合的典范。阿里提供通用推理底座，AISG則貢獻(xiàn)其清洗后的1000億個東南亞語言token，這些數(shù)據(jù)版權(quán)風(fēng)險低且區(qū)域內(nèi)容濃度高達(dá)13%，是Llama2的26倍。通過“高級后訓(xùn)練”技術(shù)，阿里將這些區(qū)域知識注入模型，使其能精準(zhǔn)捕捉當(dāng)?shù)匚幕?xì)節(jié)。效果立竿見影——在Sea-Helm評估榜單上，搭載阿里技術(shù)的Sea-Lion v4迅速登頂同量級開源模型。

從AWS到阿里云，從Llama到Qwen，新加坡Sea-Lion項目的演變折射出全球AI格局的微妙變化。長期以來，美國壟斷著全球技術(shù)基礎(chǔ)設(shè)施，但中國企業(yè)在多語言環(huán)境理解和性價比優(yōu)化上的突破，正使其成為“全球南方”國家構(gòu)建主權(quán)AI的首選伙伴。這一趨勢不僅體現(xiàn)在新加坡，此前硅谷大佬Chamath Palihapitiya選擇Kimi替代OpenAI，美國Vercel、Windsurf等平臺接入智譜模型，以及愛彼迎CEO對阿里Qwen的認(rèn)可，均印證了中國開源模型的全球競爭力。