南華早報：香港 AI 採用落後新加坡，九月十六日政策地址前夕催趕治理與落地

《南華早報》二零二六年九月十二日刊出專題，指香港在人工智慧（AI）公共服務與企業採用上仍落後新加坡等區域對手，並在首份五年規劃與最新《施政報告》公布前夕，催促當局提高風險承受度、完善數據治理，以及訂立可量化的採用指標。本文已對照 SCMP 原文、立法會研究部 Essentials 專文（二零二六年七月）及公開政策資料核實主要事實與數字。

一、核心事件：政策窗口與「追趕」敘事

技術細節

SCMP 報道以一八二三市民熱線為切入：前立法會議員田北俊曾投訴建築廢料非法棄置，卻發現熱線未有記錄；當局其後承諾把 AI 導入公共服務，包括熱線轉寫與個案摘要。數碼政策辦公室提出約三十項以 AI 提升公共服務效率的措施，並計劃於今年稍後在「智方便」推出面向公眾的聊天機械人。

七月，政府已在私有雲推出 HKChat、HKPilot、HKMeeting 三套公務員工具，分別支援智能搜尋、文件起草與會議轉寫。相比之下，新加坡早於二零二三年為公務員推出 Pair 智能搜尋聊天機械人，現覆蓋逾八成公務員，每月活躍用戶約七萬三千，並有超過七千七百個部門定制機械人；另有 SmartCompose、Transcribe 與面向市民的 chat.gov.sg。

同日政策節奏亦成焦點：新加坡今年二月成立由總理黃循財主持的國家 AI 理事會；香港則由財政司司長陳茂波主持「AI+與產業發展策略委員會」，六月下旬舉行首次會議。九月十六日，香港將公布首份五年規劃與最新《施政報告》，AI 擴大採用被預期為重點之一。

二、技術原理深度解析：為何「有基建」仍難「有採用」

立法會研究部 Essentials（二零二六年七月十六日）指出：全球近七十個經濟體已公布獨立 AI 發展策略，香港暫無獨立文件，而是在二零二二年《香港創新科技發展藍圖》把 AI 列為優先產業之一。IMF 二零二四年 AI 準備度指數中，香港在一百七十四個經濟體中排第二十，數碼基建與創新表現不俗，但人力資本與規管倫理支柱較弱；新加坡則居首位。

企業層面，Cisco／FutureCIO 相關調查指香港僅約百分之二機構屬「全面就緒」的 pacesetter，為三十個市場中最低之一（全球平均約百分之十三）。生產力促進局與港大經管學院二零二四年報告指約百分之三十二本地企業已應用 AI，但深度不足；約百分之四十四企業曾難以取得足夠算力。

技術上，公共與企業 AI 落地通常依賴三層能力：

1. 數據互通與治理：跨部門／跨系統身份、同意與最小化原則，否則模型只能服務單一孤島。
2. 工作流重構：不只買 API，而要改流程、審批與責任鏈；否則停留於試點。
3. 算力與托管路徑：從雲端推論到本地／私有部署，需配合保安、合規與成本模型。

香港已有數碼港 AI 超算中心及為期三年、總額三十億港元的 AI 補貼計劃（二零二四年十月起），至二零二六年二月約批出三十宗申請；沙嶺數據中心群預計二零二九年起運作，目標至二零三二年提供約十八萬 PFLOPS（報道稱約為現時容量三十六倍）。基建時間表與企業「即時可用」算力之間仍有缺口，這正是「準備度」與「採用率」脫節的技術根源之一。

更具體地說，新加坡 Enterprise Compute Initiative（ECI）以雲端配額加顧問支援，幫助已有 AI 經驗的企業擴大規模；英國 BridgeAI 與 Made Smarter 則以券證、配對資助與技術指導，把傳統行業（建造、物流、農業等）拉進採用曲線。香港現有的新工業化資助、製造業升級先導計劃及中小企數碼轉型支援，方向正確，但研究文件與業界意見均指向同一缺口：診斷、流程再設計與人才陪跑，往往比「買到算力時段」更決定成敗。

對開發團隊而言，公共雲通用模型適合低敏試點；一旦涉及客戶檔案、合約條款或醫療紀錄，便需把推論與向量庫置於可控邊界內，並以稽核日誌、提示防火牆與人工覆核閘門組成防禦深度。這正是「私有 LLM／境內托管」在香港合規環境下持續升溫的技術原因，而非單純行銷口號。

四、日常應用場景

1. 開發者與技術團隊

公務員與企業內部助手（搜尋、起草、會議轉寫）屬典型檢索增強生成（RAG）與語音轉寫管線。開發重點在於知識庫權限、提示注入防護、輸出稽核與模型版本鎖定，而非單次示範對話。

2. 企業與隱私敏感行業

法律、金融、醫療等受 NDA 與個人資料（私隱）條例約束的場景，難以把客戶原文直接送往境外通用聊天機械人。私有部署、境內托管與可審計 API，比「全民一個 Chatbot」更貼近合規需求。香港金融界已有負責任 AI 政策聲明與生成式 AI 沙盒等安排，但中小企仍缺一站式診斷與工作流改造支援。

3. 一般用戶

「智方便」公共聊天機械人與一八二三 AI 轉寫，若落地得宜，可縮短查詢等候、減少漏記個案。用戶亦需理解：自動化摘要仍須人工覆核高風險決定，避免把「方便」誤認為「絕對正確」。

4. 香港與亞洲市場視角

SCMP 引述創新科技界議員邱達煒（Duncan Chiu）指過去偏重私隱的法律框架令單位間難以共享居民數據，風險厭惡文化令當局「有風險就寧可不做」；他主張未來五年建立按風險分級的應用分類，並完善數據法規。城大副教授張澤松主張設立清晰「試錯」政策，優先資助可即時紓緩民生的「quick wins」（如一八二三）。團結香港基金副主席水志偉亦支持訂立可量化 KPI（採用率、對 GDP 貢獻、人才供應）。與新加坡「資助＋顧問＋雲端配對」分層支援相比，香港更需把補貼延伸到診斷、培訓與流程再設計，而非僅硬件與算力。

五、專業評價與潛在考量

優勢

• 政策窗口清晰：五年規劃與《施政報告》可把 AI 從「藍圖口號」推進到可考核指標。
• 金融 AI 樞紐地位仍強（報道引述相關排名指香港在 AI-for-finance 居全球前列），可作垂直示範。
• 基建投資（超算、沙嶺）與補貼計劃已啟動，具備「後發」追趕條件。

需要留意的地方

• 獨立 AI 策略文件仍缺，跨局協調若只靠委員會會議，執行責任可能分散。
• 企業就緒度低、算力可及性不足，短期內易出現「政府示範多、中小企轉化少」。
• 數據治理與私隱平衡需具體操作指引，否則公共服務 AI 難以取得市民信任。
• 雙語（中英）內容與國際互通指標若未建立，易在區域競爭中失去差異化。

結語

SCMP 報道與立法會研究材料共同指向同一判斷：香港並非欠缺 AI 意識，而是欠缺可量測的採用深度、跨部門數據框架，以及對中小企「從試點到營運」的配套。九月十六日的政策文件，將是把「AI+」從口號轉為時間表與 KPI 的關鍵節點。對需要把客戶數據留在本地、又要把模型嵌入真實業務流程的香港企業而言，私有 LLM 與可控托管仍是務實路徑——可參考 YSK Limited 的企業私有 LLM 全託管（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，100% 數據不出境）：https://ysk.hk/services/ai-automation 。

參考來源

• South China Morning Post, “Hong Kong is lagging in the AI race – can it raise its game, and how?” (2026-09-12): https://www.scmp.com/news/hong-kong/society/article/3367250/hong-kong-lagging-ai-race-can-it-raise-its-game-and-how
• Legislative Council Research Office Essentials, “Empowering businesses through artificial intelligence in Singapore and the United Kingdom” (2026-07-16): https://www.legco.gov.hk/research-publications/english/essentials-2026ise08-empowering-businesses-through-artificial-intelligence-in-singapore-and-the-united-kingdom.htm
• X discovery (@SCMPNews): https://x.com/SCMPNews/status/2098638777631527207