执行摘要
人工智能（AI）正在重塑东盟经济并重新定义其竞争力。根据《东盟数字经济框架协定》（DEFA），该地区旨在到2030年将其数字经济价值翻一番，达到2万亿美元。人工智能将成为这一转型的核心——通过提升制造业、物流业、医疗保健和教育等各领域的生产力、包容性和可持续性。然而，快速部署也带来了众多治理挑战。东盟通过区域工具，如《东盟人工智能治理与伦理指南》（2024）、《东盟生成式人工智能扩展指南》（2025），以及包括《东盟数据管理框架》和《模型合同条款》（MCCs）在内的跨境数据框架，采取了积极主动的应对措施。
本文旨在概述东盟及其成员国为将负责任的AI共同原则转化为促进创新、信任和竞争力的机制而应采取的切实可行的近期行动。东盟的作用是提供政策框架和区域协调，而成员国则根据本地情况实施国家层面的措施。
若干关键的全球参考基准包括经合组织人工智能原则、七国集团广岛进程、美国国家标准与技术研究院人工智能风险管理框架（NIST AI RMF）以及欧盟人工智能法案，此外还有更广泛的欧盟对外数字合作倡议（欧盟技术商业机遇计划；欧盟国际数字战略）。
随着德法（DEFA）接近尾声，东盟数字2025年总体规划（ADM2025）也进入更新阶段，该地区正站在政策十字路口。东盟现在可以利用其数字一体化议程，将自己定位为一个值得信赖且具备创新能力的AI中心。
本文采用一个包含四个层级的“AI堆栈”视角：（1）数据与基础设施，（2）模型开发与评估，（3）应用与采纳，以及（4）治理和协调。
引言
东盟的经济活力正日益数字化。东盟数字总体规划2025（ADM2025）勾勒出建立一个安全、变革性和包容性区域经济的愿景。人工智能是这一雄心的核心：它能够提高生产力，促进跨境贸易，并提升公共服务供给。数据、保障和责任方面的规则可能会减缓区域创新。因此，人工智能治理必须成为东盟产业政策的核心支柱。
东盟（ASEAN）超过一半的人口年龄在35岁以下，为人工智能（AI）赋能的技能提升和数字增长奠定了坚实的人口基础。然而，碎片化的治理和参差不齐的数据基础设施风险会削弱这些收益。缺乏协调，各国在数据、保障和问责方面的国家方法可能会阻碍AI跨境规模的扩大。一个更具协调性的区域框架，嵌入互操作性和信任，能够将AI从一系列孤立的倡议转变为东盟整体竞争力的真正引擎。
在东盟范围内，政府和企业在将人工智能融入核心职能方面正取得进展。国家战略显示出强劲的势头，但准备情况参差不齐。新加坡通过《国家人工智能战略10》和《人工智能验证基金会》已将治理机制化。泰国的《人工智能生成内容11》发布了针对企业的基于风险的指南。马来西亚的《人工智能路线图12》强调能力建设；印尼的《2020年国家人工智能战略斯特拉纳斯 KA13》将人工智能植根于正义与包容性的潘查希拉价值观；越南的《人工智能战略203014》旨在推动公共部门采用和研究合作；菲律宾的《国家人工智能战略与研发2.015》通过人工智能研究中心16，推进了人工智能的准备情况、数据治理改革和研发发展。这些例子共同说明了制度成熟度和实施深度存在参差不齐的水平。虽然一些成员国已将治理工具机制化，但其他国家仍专注于路线图制定或早期阶段采用。
本文概述了东盟及其成员国如何将负责任的AI共同原则转化为强化信任与创新的政策机制。文章提出了一个“AI堆栈”框架，将数据基础、模型开发、应用采纳和治理监督联系起来，并为每个环节配备相应的政策工具。通过这一结构，东盟能够超越伦理愿景，构建实现安全、包容、创新未来的数字信任基础设施。
人工智能堆栈：协同政策框架
有效的AI政策需要对技术如何与治理、数据和市场体系相互作用的整体视角：AI堆栈（AI Stack）提供了这样一种视角。本文借鉴领先的国际框架18，介绍了由AI生态系统的四个相互依存层级组成的AI堆栈模型：（1）数据和基础设施，（2）模型和算法开发，（3）应用和采纳，以及（4）治理和协调。每一层都有其自身的技术现实和政策考量，但它们都紧密相连。因此，在整个堆栈范围内进行协调行动对于在东盟（ASEAN）实现安全、包容和创新的AI发展至关重要。
治理与协调
顶层通过监督、问责和互操作性机制将整个堆栈连接起来。它包括透明性、可解释性和安全性的原则，这些原则在《东盟人工智能治理与伦理指南》（第19版，2024年）和《扩展版生成式人工智能指南》（2025年）中有阐述。该层级的协调确保了各国规则保持一致、数据和模型标准能够相互认可，以及保证系统可以在跨国界的情况下无缝运行。
应用与采用
该层面展示了人工智能如何融入制造业、金融业、医疗保健和教育等各个领域。它既涉及企业采纳，也涉及公共部门的现代化。对于东盟而言，关键挑战在于确保采纳的包容性：微型、小型和中型企业（MSME）以及较小经济体必须能够获得负责任地部署人工智能所需的技能、工具和治理资源。
模型与算法开发
在第二层，重点转向人工智能系统的研发与验证。技术标准、保障协议以及测试环境（例如新加坡的AI Verify和泰国的AI治理诊所）在此扮演着至关重要的角色。在此层面的区域合作能够加速实验进程，为风险管理建立共享证据，并促进监管机构和开发者之间的能力建设。
数据与基础设施
这一基础层支撑着整个生态系统，包括数据质量、可访问性、存储以及跨境互操作性。对于东盟而言，它涵盖诸如《东盟数据管理框架20》和《马歇尔计划21》等倡议，这些倡议为负责任的数据交换建立了基本标准。加强这一层确保了该地区的人工智能系统都基于可靠、尊重隐私且可互操作的数据源进行训练。
为什么 AI 堆栈对东盟很重要
在东盟，AI技术栈发挥着双重作用。首先，它帮助政策制定者和产业界认识到，负责任的AI并非仅靠监管就能实现，而是源于一套赋能体系——包括可信数据、专业人才和问责制监督。其次，它提供了一种方法，用以识别区域合作能增添价值的领域以及国家行动必须发挥主导作用的领域。通过应对每一层级的问题，东盟能够发展出切实有效的治理机制。
在区域层面，东盟的作用是建立共同基准，促进互操作性，并推动相互认可。在国家层面，成员国通过政策、沙盒、标准组织和企业激励来推动实施。这种劳动分工既保证了灵活性，又维护了信任和凝聚力。它认识到东盟各国的AI成熟度存在差异，但某一层面的进展有利于整个生态系统。
勾画东盟人工智能治理格局
下表总结了塑造该领域的主要全球框架，重点介绍了其范围、治理方式以及与东盟的相关性。这些全球发展动态为东盟制定互操作性和面向未来的AI政策提供了重要参考依据。
下表概述了东盟层面的关键举措，这些举措界定了共同期望、指导成员国，并支持在更广泛的数字一体化努力下实现协同。这些工具构成了协调区域人工智能治理方法的基础。
下表展示了该地区的主要国家战略、制度框架和治理举措。这种多样性凸显了实现互操作性和协调支持以促进平衡和包容性人工智能发展的必要性。
商业案例研究
以下案例研究表明，强大的数字和数据基础、有效的实验环境以及清晰的应用路径如何转化为可衡量的运营和经济收益。综合来看，它们突显了东盟实现跨行业负责任且可扩展的人工智能部署所需生态系统条件。
案例研究A：SAP
基于人工智能的企业业务职能转型 34
案例研究B：可口可乐新加坡
基于生态系统协作的AI赋能智能制造 35
案例研究C：DHL供应链
自主AI赋能可扩展的沟通与劳动力提升 36
案例研究D：DHL快递
人工智能赋能的运营韧性分拣系统 37
案例研究E：欧莱雅
人工智能驱动的配方创新，助力可持续产品开发 38
挑战与建议
1 数据与数字基础设施
挑战
国家准备程度不均衡、区域数据生态系统碎片化以及新兴的基础设施限制
行业视角
跨国公司报告称，不同的数据本地化规则迫使他们必须在每个地区管理机构（AMS）中隔离模型和数据集，这显著增加了区域部署的成本。中小企业通常缺乏数字化的数据，许多人仍在使用基于纸张的系统，这使得它们在人工智能解决方案中实际上变得隐形。
建议
1 制定国家人工智能相关数据标准和分类方案
2 建立国家人工智能数据治理协调机制
3 使用DEFA实现可信的无缝跨境数据流动
4 制定东盟关于人工智能数据互操作性的指南和实用工具包
5 培育互操作性试点项目，为未来区域协同奠定基础
6 协调区域计算和数据中心容量规划
7 促进公私合作，以加速人工智能的数字基础设施建设
8 将人工智能基础设施需求纳入APG和国家电网规划
2 模型与算法开发
挑战
有限的实验环境和对测试人工智能系统缺乏一致的保障能力
行业视角
跨国公司强调，由于敏捷营销服务提供商之间缺乏一致的评估框架，导致了昂贵的重复审计；它们越来越提倡可互操作的保证系统或“护照”机制。
建议
1 建立或强化国家人工智能沙盒与测试环境
2 在现有机构内建立国家人工智能评估中心
3 促进对高影响力领域监管者与行业合作
4 建立双边与多边合作的国家沙盒网络
5 扩展 AI SAFE 以支持技术工作组
6 鼓励针对优先用例开展联合测试项目
7 加强人工智能研发与模型适配的区域合作
3 应用与采用
挑战
东盟内部企业采用率不均及技能差距
行业视角
跨国公司（MNCs）和初创企业（startups）都面临专业人工智能人才严重短缺的问题，包括本地语言自然语言处理和负责任人工智能保障方面的技能。大型企业集团（Conglomerates）面临深厚的组织和文化障碍，这些障碍延缓了人工智能的部署，而遗留系统和等级化流程使采用过程更加复杂。
建议
1 扩大国家中小微企业人工智能应用和准备计划
2 加强国家人工智能人才队伍和技能发展
3 开发一个与东盟中小企业学院相结合的东盟负责任人工智能采用工具包
4 治理与协调
挑战
碎片化的治理方式与有限的地域协调机制
行业视角
跨国公司报告称，东盟各成员国在治理方法上不一致，造成了“合规迷宫”，推高了运营成本并延缓了部署进程。conglomerates请求来自金融监管机构、卫生部门和其他机构的更清晰、更具行业针对性的规则，以支持投资决策并减少责任不确定性。
建议
1 加强国家人工智能治理框架，作为区域协同的基础
2 优先通过AI SAFE推进区域治理协调
3 致力于建立东盟人工智能信任标识
4 创建东盟人工智能供应商保障框架
5 促进评估、审计和鉴证准备的区域合作
6 应促进东盟愿意的各国管理组织之间开展双边和多边相互认可试点
结论
正如本文所述，东盟已拥有许多负责任人工智能所需的基础要素，但这些举措仍分散于各国、各领域和各机构。人工智能堆栈提供了一种将这些要素整合起来的实用方法。通过透过四个相互关联的层级来审视人工智能发展，该堆栈有助于明确需加强能力建设的领域、区域协调能增加价值的领域，以及国家与区域行动如何相互强化。随着人工智能融入各经济体，这一视角的重要性日益凸显，因为它能放大机遇与风险。
落实这些优先事项需要各利益相关方紧密合作。仅靠政府无法构建一个值得信赖的人工智能生态系统；企业则在开发安全模型、分享证据以及采纳能够跨国推广的治理实践中发挥着关键作用。反过来，政策制定者必须尽早且持续地与产业界互动，通过共同设计指导方针、统一预期，并确保规则能够适应技术变革。学术界、公民社会和国际合作伙伴在研究、评估以及确保公众信任方面也扮演着重要角色。
展望未来，东盟的机会在于加强现有倡议之间的衔接：通过东盟人工智能安全倡议（AI SAFE）连接国家评估工作，在东盟数字经济框架（DEFA）下深化数据治理领域的实际互操作性，扩大对中小微企业和公共服务的行业采用支持，并推广自愿性保障机制以减少跨境人工智能使用的摩擦。这些步骤无需统一监管，而应是一个尊重各国国情、同时促进更安全、更值得信赖、更具竞争力的区域数字经济共同发展方向的路径。
贯穿始终，该论文强调了明确的优先事项：
- 数据与基础设施：加强数据质量、互操作性和可持续计算规划。
- 模型开发与评估扩展测试环境，共享方法论，以及协调安全例如东盟人工智能安全倡议。
- 应用与采纳：通过提供工具、指导和能力建设支持，帮助中小微企业及公共机构负责任地采纳人工智能。
- 治理与协调：制定实用保障机制，加强监管合作，并在各管理局内推广一致、支持创新的方法。
