从 50 人到 5,700,000 人——同一种 AI-native 架构，两个尺度

本文把”生而 AI-native 的公司”和”新加坡作为 AI-native 国家”两类试验放在一起对照。前者是 YC 在 2026 年那期”How To Build A Company With AI From The Ground Up”里描述的 50–500 人样本；后者是 Budget 2026 描述的 5.7 million 人样本。两者用同一种架构、完全不同的杠杆。

一、同一种架构，两个尺度

2026 年同时有两类 AI-native 试验在跑。

一类是 50–500 人的公司——Anthropic、Cursor、Lovable——从第一天起把 AI 放在工作流核心。YC 合伙人 Diana 把方法论说得最准：

“It should not be a tool your company just uses. It should be the operating system your company runs on.”
AI 不应该只是公司在用的工具，它应该是公司运行的操作系统。

另一类是 5.7 million 人的城邦。新加坡 Budget 2026 把 AI 列为整份预算案的战略核心，PM Wong 亲挂帅 National AI Council，跨 11 个部委的 Committee of Supply 全部围绕 AI——这是迄今为止唯一一个明确把”AI-native 国家”作为战略目标的主权国家。

把这两个并排放，会看到一个被忽视的事实：AI-native 不是规模，是架构。

三个数据信号——为什么 Budget 2026 是真实的

黄循财在 Budget 2026 闭幕致辞中第一次将 AI 升级为整份预算案的战略主线
RIE2030 拨款 S$37B（2025-12 公布、2026-04 生效）
EDB 已落地外资数据中心 >S$30B（Microsoft S$5.5B、AWS S$12B、Google US$9B）
跨 11 个部委 COS 协同辩论 AI（MDDI / MTI / MOH×3 / MOE / MOM / MOT / MND / MSE×3 / MSF×2 / MCCY）

操作性定义

什么叫一个组织”AI-native”？三条判定标准：

AI 在决策关键路径上：核心判断默认 AI 先出，人类做例外审批
工作流以 AI 为默认假设：流程、数据、artifact 按”AI 是主要消费者”设计
激励对齐 AI 增强：晋升、招聘、培训不奖励”绕开 AI 的人肉英雄”

这三条标准在 50 人的公司里数月内能重做完，但在 5.7 million 人的国家身上要穿透公务员系统、私营部门、全民教育——5–10 年是乐观估计。

公司用一种方式做这三条；国家必须用完全不同的方式做同样三条。新加坡的赌注不是算力 / 数据 / 模型——这三个生产要素它都不占优。它在赌执行架构：用国家级杠杆放大本土企业的 AI-native 转型速度。国家不可能”自己”AI-native——它必须穿透到企业。这是这篇文章要论证的核心。

二、AI-native 公司是什么样

YC 在 2026 年那期”How To Build A Company With AI From The Ground Up”里把方法论梳理得很清楚。这一节直接借用 Diana 的五个支柱，再补 Jack Dorsey 在 Block 的”取消中层”组织设计——这是一个完整的、可操作的”50 人公司怎么变 AI-native”清单。

下一节再看新加坡国家级是怎么对应的。

1. Closed Loop（闭环系统）

这是最承重的一条。Diana 用的是控制论的概念：

Open loop：做决定 → 执行 → 不系统测量 → 不调整。本质是”有损”的
Closed loop：自调节系统，持续监测输出、调整流程，越跑越准

旧世界的公司基本都是 open loop：拍板、执行、不一定系统测量结果、流程不会自我调整。AI-native 公司的第一性原则是把每个重要流程都变成 closed loop——artifact 进 AI、AI 看完整上下文、自动调整下一步。

2. Queryable Organization（组织对 AI 可读）

要让闭环跑起来，组织必须对 AI 可查询。具体做法：

所有会议用 AI notetaker 录下来
减少 DM 和邮件，让 agents 嵌入所有沟通渠道
自建 dashboard 把所有数据接入：营收、销售、工程、招聘、运营——everything
给 agent 接入 Linear、Slack、Pylon、GitHub、Notion、销售电话录音、daily standup

核心原则：要让模型发挥全部能力，必须给它和员工同等量级的上下文。

3. AI Software Factories

软件开发模式重写：

人类：写 spec、写定义”成功”的测试集
Agent：生成实现代码，反复迭代直到测试通过
人类：判断输出是否合格

极端形态：仓库里没有手写代码，只有 spec 和测试。Strong Compute 的 AI 团队是这种做法——他们让 agents 反复迭代直到达到概率性满意阈值，目标是消除”人类写代码或审代码”。

4. 取消中层管理 / 三种员工原型

旧世界需要 middle managers 在组织里上下传递信息。AI-native 公司里，intelligence layer 替代了这个功能——“几乎不应该有人类中间件”。

Jack Dorsey 在 Block 的话：

“If you keep the same org chart and management structure, you’ve missed the shift entirely. The company itself has to be rebuilt as an intelligence layer with humans at the edge guiding it rather than routing information through it.”
如果你保留旧组织架构和管理结构，你完全错过了这次变革。公司本身必须被重建成一个 intelligence layer，人类站在边缘引导它，而不是当中转节点。

未来公司只剩三种角色：

角色	定义	关键特征
IC（Builder/Operator）	直接动手做和运营	不限于工程师——开会带原型，不带 PPT
DRI	负责战略和客户结果	一人一结果，无处可藏
AI Founder	仍然亲自 build、亲自示范	创始人必须站在最前面演示能力跃迁，不能把 AI 战略外包

5. Token-maxing 替代 Headcount

资源观重写：

一个用 AI 工具的人 = 旧时代一整个工程团队
工程、设计、HR、Admin 都该大幅瘦身
应该愿意承受”高得不舒服”的 API 账单——它替代的是远更贵、远更臃肿的人头成本
最好的公司将是 token-maxing 的公司

段尾过渡

这五条放在 50 人的公司里，每条都能在数月内重新设计完成。

那么放到 5.7 million 人的国家身上呢？

三、AI-native 国家是什么样

新加坡 Budget 2026 给出了目前唯一一个完整答案。这一节先看顶层叙事，再用六个”抓手”把所有部委的具体落地分类展开，最后看三层风险管理 + 一个透明度悖论。

3.1 顶层叙事：从部门议题到战略主线

信号 1 — 政治叙事的级别提升

黄循财在 2026 年 3 月 6 日的 Budget 闭幕致辞中第一次把 AI 升级为整份预算案的战略主线，并把整份预算案定位为新加坡应对世界 “more contested, more fragmented and ultimately, more dangerous” 的国家行动计划——AI 是关键战略筹码。

信号 2 — 组织级别提升

PM Wong 亲任 National AI Council 主席——不放给 MDDI 单独推动。这是新加坡识别”国家级议题”的标志性动作：关键议题不交给某个部委，直接放到总理办公室。

跨 11 部委同时围绕 AI 议题展开 Committee of Supply 辩论，是新加坡 COS 历史上 AI 议题最集中的一次。

信号 3 — 财政级别提升

RIE2030 拨款 S$37B（2025-12 公布、2026-04 生效）
公共 AI 研究投资 S$1B+（2026–2030）
EIS 400% 税务扣除扩展至 AI（YA 2027–28，S$50K/企业/年上限）

这三个信号叠加 = 国家级 AI Founder 模型成立。Josephine Teo 一人统筹 MDDI、IMDA、国际 AI 治理三条线——可以找到的 57 篇官方部长致辞里她占 23 篇。

3.2 六个抓手——国家级 AI-native 的完整图谱

把 Budget 2026 + 各部委 + 各法定机构的所有 AI 相关政策和落地项目，按”AI 引入路径”分成六个抓手：基建、治理、人才、应用、政府自用、外交。

这比按部门分类（MDDI / IMDA / MAS / MOH / …）更能让读者一眼看出整体形状。每个抓手都跨多个部委，串起来才是完整的执行管线。

抓手 1 — 基建（数据 + 算力 + 物理基础设施）

国家直接做的事：把企业自己买不起的算力 + 数据底座建好。

外资引进的算力（EDB）：

Microsoft 数据中心 S$5.5B
AWS S$12B
Google US$9B / S$11.6B + DeepMind Lab
NVIDIA × SIT Centre for AI、× Singtel、× AI Accelerator
OpenAI 新加坡 APAC 区域总部
Anthropic 招聘新加坡 Country Lead（2026）

本土补贴的算力：

Enterprise Compute Initiative (ECI) S$150M——给企业买算力的直接补贴
one-north AI Park / Kampong AI（MOF）

资金平台：

Anchor Fund @ 65 第二批 S$1.5B
Future Sectors Development Fund S$1.5B
EQDP 扩张至 S$6.5B

国家级数据底座：

MOH/Synapxe HEALIX = 国家医疗数据 + AI 基础设施
URA Virtual Singapore = 国家级数字孪生
BCA BETC Grant S$100M = 建造业数字基建
JTC Punggol Digital District + Open Digital Platform (ODP) = 全区智能区

家国安全侧算力：

HTX NGINE — NVIDIA B200 DGX SuperPOD（家国安全自有算力）

抓手 2 — 治理（规则 + 沙盒 + 法律）

国家直接做的事：让企业敢部署。不部署 AI 的最大原因不是技术，是合规风险。

通用治理框架（IMDA）：

Model AI Governance Framework（2019）
AI Verify（2022）+ AI Verify Sandbox（10+ 跨国大企业参与）
GenAI Eval Sandbox + GenAI Sandbox 2.0
Generative AI 治理框架（2024）
Agentic AI Governance Framework（2026-01-22 达沃斯，全球首发）
Trusted Data Sharing Framework + DPTM 升级 SS 714:2025

金融业治理 5 层堆栈（MAS）：

FEAT Principles（公平 / 伦理 / 问责 / 透明）
Veritas Initiative v1 / v2 / v3
Project MindForge（24 家机构 + Microsoft / AWS / Google / Nvidia 全列其中）
AI Risk Management Guidelines
BuildFin.ai

网络安全治理（CSA）：

Securing AI Systems Guidelines + Companion Guide
Securing Agentic AI 增补稿
Frontier AI Risk Advisory
Cyber Trust Mark — AI 安全维度

法律治理（MINLAW + IPOS）：

Copyright Act §244 = AI 训练免责（与日本并列全球最宽松）
IPOS “When Code Creates” 报告 — AI Authorship 立场
输出端严管：OCHA + Elections Bill 2024（深伪禁令）+ Criminal Law Bill 2025（AI 私密图像入刑）+ Online Safety (Relief and Accountability) Bill 2025

治理哲学：训练宽松 + 输出严管。日本和新加坡是世界上目前唯二做到这一点的国家——这给企业一个明确的可预测边界。

抓手 3 — 人才（教育 + 培训 + 转型）

国家直接做的事：让企业找得到能用 AI 的人。

全民层（MDDI）：

AI Bilingual 100K 工人计划（首批 accountancy + legal，1H 2026 上线，合作 ISCA / SAL / SCCA）
National AI Literacy Programme

专业层（IMDA + AISG）：

TechSkills Accelerator (TeSA) AI 扩展版
AISG AI Apprenticeship Programme (AIAP)：16 批 410+ 学徒，900+ 申请，新一批 800 名额
AISG 100E Programme（每项 S$150K 共投）

教育系统层（MOE + NIE）：

SLS（Student Learning Space）AI 工具栈 8 类
GenAI 使用指引 + AI Ethics Framework
EdTech Masterplan 2030
NIE AI@NIE + Certificate in AI for Education
Microsoft Elevate × Singapore（高教 AI 普及）
NUS / NTU / SMU / SUTD 全面 AI 课改

财政补贴层（SSG + WSG）：

SkillsFuture AI 课程 50% / 70% 分层补贴
Mid-Career S$4,000 Credit
SkillsFuture Level-Up Programme
WSG × SSG 合并 = 一站式技能与就业平台

中年再训练层（MOM）：

Job Redesign+
Career Conversion Programme (CCP)
Enterprise Workforce Transformation Package (EWTP)
NTUC × AI 工人保护

“Not all of us can be AI engineers. But we can be ‘bilingual’ in AI in our own areas of expertise.”
不是所有人都能当 AI 工程师。但我们可以在自己擅长的领域成为”AI 双语者”。
— Josephine Teo, MDDI Committee of Supply, 2026-03-02

抓手 4 — 应用（产业 + 公共服务落地）

国家直接做的事：在 11 个部委里同时铺开旗舰应用。

产业旗舰（MTI）：

National AI Missions（4 大先锋行业）
AI Centres of Excellence
Embodied AI 具身智能 R&D
Industry Transformation Maps (ITM) 中的 AI 升级

研究旗舰（A*STAR）：

A*STAR CFAR 5 大研究支柱
AI Manufacturing 2030（Mencast 螺旋桨）
AI 材料筛选 50–100x 加速
GIS + SingHealth 健康 AI 合作
National Multimodal LLM Programme S$70M

区域 LLM 旗舰（AISG）：

SEA-LION v3 / v4 / Guard
SEALD（数据集）

企业普及（IMDA + ESG）：

NAIIP — National AI Impact Programme：10K 企业 + 100K 工人 / 2026–2029
Champions of AI（旗舰企业计划）
ESG PSG AI 补贴比例 30% → 50%
ESG SMEs Go Digital AI 模块

医疗（MOH + Synapxe）：

Note Buddy — GenAI 临床记录助手（5,000+ 医护、67K 病历，截至 2025-12）
HealthHub AI（公众端，4.5/5 评分）
AimSG（国家医疗影像 AI）
SELENA+（糖尿病视网膜病变筛查）
ACE-AI（慢病风险预测，2027 年初推广至全部约 1,100 家 Healthier SG 诊所）
APOLLO（国家级 CT 冠脉 AI）
Healthier SG × 数字孪生（慢性肾病管理）

“AI-enhanced, not AI-decided — clinicians remain in the loop.”
AI 增强、不是 AI 决定——临床医生永远在决策回路中。
— Ong Ye Kung, MOH Committee of Supply, 2026-03-05

交通（MOT + LTA + PSA + CAG）：

Punggol AV 公共穿梭车（首批商业化 AV，3 条线路 2025-12 上线）
CETRAN AV 国家测试中心
PSA Tuas Mega Port = 2040s 全球最大全自动港
Changi 全球首张 ISO/IEC 42001 AI 治理认证

建造与城市（MND + HDB + BCA + URA + JTC）：

Built Environment AI Centre of Excellence（BE AI CoE S$30M）
BCA Integrated Digital Delivery (IDD)
SPRINT 程序——建造业 AI 政府采购绿色通道
HDB Tengah = 首座智能能源镇 4.2 万户
HDB AskJudy + MSO OneService

环境与水务（MSE + NEA + PUB）：

NEA Weather Science Research Programme S$25M
登革热 AI 预测 + 蚊媒控制
PUB Smart Water Meter Programme + Joint Operations Centre + Bentley 漏水检测

抓手 5 — 政府自用（Procurement / 自身率先）

国家直接做的事：让公务员率先用 AI——给企业看先例。

民事政府（GovTech）：

Pair（公务员 AI 助手，150K 公务员目标）
Pair Search（Hansard + 法院 + 立法可查）
LaunchPad（3K MAU / 400 ideas）
AI Trailblazers 1.0 + 2.0
Litmus + Sentinel（AI 安全双件套）
Agentspace = 亚洲首例 air-gapped agentic AI

国防（MINDEF + DSTA + DSO + DIS）：

DIS — SAF Digital and Intelligence Service（2022 第四军种成立、2025 重组为 DCCOM + SAFC4DC）= 把 AI 写进军种结构本身
DIS × AI Singapore MoU + DIS Sentinel Programme
DSTA × Shield AI（自主无人机）+ Thales AI Co-Lab + Anduril Lattice
DSTA × RSN 计算机视觉舰船分类
DSTA 自研 GenAI 工具 + DSTA × MIT CSAIL
DSO × Mistral AI 国防 GenAI
DSO × Alan Turing Institute MoU

家国安全（HTX + SPF + ICA）：

HTX Phoenix LLM（自训）
HTX H2RC 人形机器人中心 S$100M（2026 Q2 启动）
HTX × Google Cloud / Microsoft / Mistral AI / Firmus / Singtel / ST Engineering
SPF Anti-Scam Centre / Anti-Scam Command — RPA + AI
SPF PolCam + GIBSON 机场机器人 + Smart Glasses 实时视频分析
ICA Multi-Modal Biometrics System (MMBS) — 虹膜 + 人脸

抓手 6 — 外交（国际治理 + 外资 + 标准制定）

国家直接做的事：让外资把 AI 治理总部放新加坡。

这是 5.7 million 人口能撬动 G7 级话语权的唯一方式。

新加坡发起的全球性框架：

Singapore AI Safety Institute (AISI) — S$10M/yr
Singapore Conference on AI / International Scientific Exchange on AI Safety I + II
Singapore Consensus on Global AI Safety Research Priorities（11 国签署，含中美）
IMDA × Humane Intelligence 多元红队挑战

ASEAN 区域：

ASEAN Working Group on AI Governance (WG-AI)
ASEAN Guide on AI Governance and Ethics（10 国采纳）
ASEAN Hanoi Declaration 2026（数字部长会议）

双边合作：

US-Singapore Smart Cities Programme + Digital Economic Cooperation Roadmap
ROK 双边 AI 合作
EU-ASEAN AI 治理对话

军事 / 安全：

REAIM Asia Regional Consultations（新加坡共同主持）
REAIM Seoul Summit 2024（新加坡作为联合主办）
Bletchley Park / Seoul / Paris AI Safety Summits 全部参与

联合国 + 全球：

UN Global Dialogue on AI Governance + Independent International Scientific Panel
AI Singapore × UNDP 全球 AI 素养

用 0.07% 的全球人口拿到 G7 级 AI 治理话语权——这是新加坡战略最不可复制的部分。

3.3 风险管理三层

国家级 AI-native 必须同时做风险管理——这是公司尺度上简单很多的事，到国家级别变得复杂。

经济风险层 — PMET 中产政治压力（最大变量）

“AI is a gamechanger. It can augment workers or displace them, depending on how work and jobs are redesigned.”
AI 是游戏规则改变者。它可以增强工人，也可以替代他们——取决于工作和岗位如何重新设计。
— Tan See Leng, MOM Committee of Supply, 2026-03-03

陈诗龙这句话不是泛泛而谈，是对核心选民的直接安抚。MOM 反复强调 “mid-career PMEs face highest risk” + “job redesign for human-with-AI”。

这是 Smart Nation 时代不存在的政治变量。Smart Nation 时代失业风险落在蓝领和基层文员；AI 时代第一刀砍向 PMET 中产——初级律师、初级会计师、初级分析师、初级工程师。新加坡的政治稳定度，在很大程度上建立在 PMET 中产的安全感上。

风险：可能催生限制 AI 替代人力的法规——会反噬整个战略。

社会风险层 — 弱势群体保护

跨 MSF + MCCY 多场 COS 辩论提出的关切：

AI 深伪性剥削威胁儿童和弱势群体（Rachel Ong, MSF COS 2026-03-05）
AI 自动化取代残障人士传统岗位——包装、分拣、基础行政、编程（Neo Kok Beng）
Online Safety Commission 第一阶段覆盖儿童图像滥用
ECDA Inclusive Support Programme (InSP)
马来 / 穆斯林社群 AI 经济准备度（Saktiandi Supaat, MCCY COS）

安全风险层 — 关键基建 + 国家安全

CSA Securing AI Systems Guidelines + Frontier AI Risk Advisory
DIS / DSO / SPF / HTX 内部 AI 部署完全不公开
AI Chatbots 用于青少年心理咨询的不监管立场（许宝琨在 oral-answer-4051）：政府认为追踪不可行，转而推广合法替代（mindline 1771、mindline.sg、CHAT）+ 应用商店年龄验证

3.4 透明度悖论

研究中浮现的现象，值得单独点出，因为它是新加坡战略的潜在裂缝：

新加坡战略以”执行优势”立身——但执行细节又不可审计。

做这次研究时发现，很多 Budget 2026 AI 项目没有官方单一总盘数字，要从多份新闻稿拼装：

Champions of AI 具体金额未公开
Anthropic 与 EDB MOU 详情未公开
Kampong AI 投资额未单列
NAIIP 单笔企业拨款金额（官方”1H 2026 公布”）
RIE2030 内部 AI 子项分配未单列

国防与安全侧更彻底：DIS 实际编制、DSO AI 武器化研究、SPF PolCam 视频分析技术栈完全不公开。AISI 资金来源细节、HTX H2RC S$100M 是否含运营都模糊。

当一个国家把”作为全球 AI 治理中心”作为战略时，它必须承担比公司更高的可审计性标准。新加坡目前是反方向走的——这是这个战略最大的长期信誉风险。

四、国家是企业的”包装层”——七条传导杠杆

把第三节的六个抓手重新排列——按”它们解决企业的什么瓶颈”分类——你会看到一个被忽视的事实：

新加坡战略的本质是把整个国家当成企业 AI-native 转型的”包装层”。

国家不可能”自己”AI-native——政府部门只占 GDP 一小部分。一个国家被称为 AI-native，意味着它的企业群体是 AI-native 的。Budget 2026 真正的赌注，是用国家级杠杆放大企业 AI-native 转型的速度。

七条传导杠杆——把六抓手重新切片

#	杠杆	解决企业的什么瓶颈	对应抓手
1	Pull（资本回报）	企业 AI 转型 ROI 拉不正	抓手 1（ECI、PSG）+ 抓手 2（Sandbox 让风险可测量）
2	Push（前进压力）	企业不愿动	抓手 4（NAIIP 10K + Champions of AI）
3	Talent（人才池）	企业找不到能用 AI 的人	抓手 3（AI Bilingual 100K + AIAP + 大学课改）
4	Infra（算力底座）	企业自己买不起算力	抓手 1（EDB 大厂引进 + ECI + one-north）
5	Trust（部署边界）	企业不敢部署因为合规风险	抓手 2（IMDA + MAS + CSA + MINLAW）
6	Procurement（自身率先）	企业看不到先例	抓手 5（GovTech + DIS + HTX）
7	International（外资 + 治理总部）	企业不知道总部该放哪	抓手 6（AISI + Singapore Consensus + ASEAN）

关键观察

这 7 条里只有第 6（政府自用）和第 7（国际外交）是国家直接做的。其他 5 条都是国家穿透到企业。

这条论点为什么独特：

多数 AI 国家战略文章把”国家”和”企业”并列分析——错过了嵌套关系
新加坡战略的精妙：整个国家是企业的包装层，国家自己不必成为 AI-native，只要把企业转型速度放大就够了
这解释了为什么新加坡能在没算力 / 没数据 / 没模型的情况下仍可能领先——它在赌执行架构而非生产要素

双方原话的同构

把 YC Diana 和 Mariam Jaafar 的话放在一起，会出现一个意外的同构：

“It should not be a tool your company just uses. It should be the operating system your company runs on.”
— YC Diana, 2026

“If healthcare is truly a national AI mission, the goal cannot be incremental adoption.”
如果医疗真的是国家 AI 使命，目标就不能只是渐进式采用。
— Mariam Jaafar, MOH COS 2026-03-04

公司版的话和国家版的话说的是同一件事——这是这篇文章最强的”两极同构”证据。

五、收尾：三个开放问题 + 三个 KPI

三个开放问题

Cursor 等工具让一个工程师抵 1000 人时，国家级的”穿透到企业”杠杆还来得及吗？还是企业自己就跑过国家了？
新加坡”包装层”赌注是否成立——一个不能自身 AI-native、但能成为”全球 AI-native 企业最佳孵化地”的定位，是否足够？
速度不对称如何收敛？AI 减速、国家加速、还是社会接受持续错位——新加坡押的是哪一条？

三个值得跟踪的 KPI

NAIIP 兑现率：到 2029 年，10K 企业 + 100K 工人完成度
Note Buddy 类项目扩散速度：从 5,000 医护扩到全国所有医生需要多久——这是国家级 AI-native”穿透到一线”的最佳测量点
Singapore Consensus 影响力扩张：能否从 11 国扩到 G20？AISI 能否成为 AI 领域的 IAEA？

一句话收尾

AI-native 不是规模，是架构。同一种架构，两个尺度同时实验。

新加坡不是在赌算力、不是在赌模型——它是在赌国家作为企业包装层这个组织架构创新。如果赌赢，它拿到的是未来 20 年最稀缺的资产：全球 AI 治理与孵化的实际坐标。