中国AI出海东盟，卡点不在技术而在人

8月26日，新加坡金沙会展中心，AIMX Singapore 2026开讲。两天议程，聚焦具身智能、医疗、物流、零售四个落地主题。六周前，WAIC刚在上海创下九年之最：10万平方米展区、四天43.3万人次。而在金沙这六千平方米里，几乎没人谈论技术高光。议程单上的主题词不是“多强”，而是“多快能用”——From Pilot to Production（从试点到生产）、From Pilot to Procurement（从试点到采购）。

东盟正站上中国AI出海的前排。这里住着近7亿人，商务部数据显示2025年中国与东盟的贸易额首次突破1万亿美元、连续5年互为第一大贸易伙伴，累计双向投资超过4500亿美元；据谷歌、淡马锡与贝恩联合发布的报告，东南亚数字经济规模也在去年底突破3000亿美元。在这个增速最快、也对中国资本和技术最友好的起跑市场，钱、技术和人正在聚拢，AI成为这轮大迁徙中最新的变量——云、机器人、算力，都被算进了下一份跨境预算里。

买不起，先租

26号上午的具身智能圆桌，议题名就是东盟的现实自问：Compete, Collaborate or Import——竞争、合作，还是进口？台上的共识比议题名更尖锐。来自新加坡科技局的James Tan、马来西亚政府基金Johnathan Lee和印度尼西亚数字经济发展局Theodore Sutarto共同认为：东盟很多买家支付不起长期的固定资产，那就从订阅制开始；要看机器人企业的运维能力与长期承诺，有没有真正深耕东盟的决心；要三层安全框架（验证后门、加固通信、持续监控），外加一个随时拍得下去的停机按键；至于机器人什么时候走上街头，未来2-5年，它们只待在受控环境里，做那些单一、重复、危险、招不到人的活。

新加坡政府科技局（GovTech）智能城市科技部门主任James Tan的总结让现场安静了几秒：具身智能最大的鸿沟，不在技术可行性，而在运营就绪度——安全、维护、供应链、生态支持，这些demo视频里永远不出现的东西。

技术演讲环节，泼的冷水更具体。“机器人也会产生幻觉动作，就像大模型会幻觉事实一样。”有演讲者提醒：让机器人执行“打扫房间”，人类默认它不会伤人、不会越界——这些没说出口的预期，恰恰是语义安全最难的部分。而行业真实的处境是卡在demo与部署之间：最现实的机会不在炫技，而在“无聊但招不到人”的活里——这恰好是当前技术够得着的低垂果实。

冷水之外，中国的具身智能公司正在试图交出可验证的数字。智元机器人（Agibot）新加坡CEO徐小明现场分享了真实场景的落地情况：Agibot G2已在真实工厂连续8小时完成2000+任务、成功率100%，64小时直播完成64000+任务、准确率99.9%（据智元现场分享，均为企业口径）；同步开源Agibot World 2026平台、配套ICRA 2026挑战赛。去年11月AIMX首航时它还在展台表演，今年3月已与Singtel Enterprise签下RaaS合作、在樟宜机场T5跑起空间导引和园区运维——九个月，从被围观走到被采购。

中科第五纪算的是另一笔账：语言模型有万亿级token，视觉模型有数十亿样本，VLA数据样本量仅约百万级，可VLA模型对参数规模的需求已突破十亿——数据缺口才是具身智能的真瓶颈。它的解法不是继续堆叠真机数据，而是提升数据利用效率，将新任务学习所需的真机演示压缩至3-5条，靠数据-模型闭环在部署中进化。这家公司出发前一周刚宣布超10亿元A1、A2轮融资——资本也在为“少样本、快部署”投票。

整个具身智能板块的讨论，得出的是一份坦诚的买方清单：买不起就租、先回答“出事了找谁”、只在受控环境里干活、靠单一重复的活先赚回第一笔钱。

医院买的不是更干净的地板

但这份清单只回答了“机器好不好卖”。“场景接不接受”，是另一道题——当天下午的医疗专场，东盟最有钱也最挑剔的买家之一，给出了他们的算法。在医疗专场上，杜克-新加坡国立大学医学院、新加坡国家卫生创新中心、阿斯利康、微软悉数到场。在“智慧医院的实践”环节，新加坡医疗系统的一线经验被压缩成一条规则：

10-20-70：医疗AI的成功，10%取决于算法，20%取决于技术与界面，70%取决于人、流程和变革管理。

圆桌中的一个比喻让这条规则瞬间具象：人们买扫地机器人，不是因为它扫得比人干净，而是为了把时间换回来——医院引入机器人，是为了让护士回到病人身边。所以落地前必须先回答员工的两个问题：“这安全吗？”“这是要取代我吗？”；上线那天也不是终点，真正的成果在go-live之后才开始，要靠一轮轮持续改进去兑现；连医院与技术商的关系，都得从“买卖”改写成“一起学习的伙伴”。

这条10-20-70，其实是整场大会的隐喻。

中国科技公司极光（Aurora Mobile）此次在「Talk to The World」直播间的交流中，由本地合作伙伴59st Ventures董事总经理Jim Lin代表回应提问。这个细节说明，中国AI企业进入东盟市场，不能只靠技术能力，还要有本地合作伙伴协同，还需要回应客户信任、合规适配和本地服务等现实问题。

这张“信用牌”的行情，大会合作伙伴、新加坡人工智能协会（SAIA）的CTO LAU Wee Kiat向出海参考交了底。整个AI供给端，新加坡没有自己的基础模型，本地供应商多数只能在别人的模型上做wrapper应用；需求端，很多本地中小企业对于AI转型的态度“第一句问的是‘有没有补助’，而不是‘这个能不能帮到我’。”

对中国的态度则更拧巴，本地企业用惯了Google、Microsoft，对“中国服务会不会哪天突然关掉”、“会不会滥用我的数据”还留着疑虑；但账也在变——他注意到有公司嫌Claude太贵，转头用起了Kimi，“哪个好就用哪个”。这也正是LAU Wee Kiat和几位伙伴成立SAIA的原因，希望搭建一个本地信任桥梁，让包括中国企业在内的国外AI产品，能有一个快速了解本地需求，进入验证场景的通道，对于协会大多数的本地个人和企业会员而言——“协会带来的，他们可以相信。”

SAIA的底图之外，几个专场的信息把东盟买家的画像补得更完整：科技采用意愿高，但11国市场彼此孤岛、成熟度参差；印尼在用经济特区承接高capex项目，但印尼官员在另一场讨论里说得直白——土地、水电之外，“公民能不能拿到AI经济里的高级岗位”才是真正的考题；整个区域最缺的，是自有AI模型人才。

技术再先进，也对冲不了陌生的合规环境、缺失的运维网络和“出事了找谁”的疑虑。中国AI在东盟面对的不是一场技术竞赛，而是一场信任的长跑。

需求侧的画像到此已经画完：钱要慢慢付，人要先安心，信用要本地背书。剩下的问题是——中国公司拿什么来回应这份清单。