麥肯錫：東南亞AI進入爆發前夜——機會、瓶頸與中國啟示
在全球人工智慧從“技術突破”邁向“規模化應用”的關鍵階段，東南亞正在迅速成為新的增長焦點。
近期，麥肯錫公司等機構發佈的研究報告指出：東南亞AI應用已進入加速期，但仍處在從“試點探索”向“規模化落地”過渡的關鍵階段。
這意味著，東南亞正站在一個非常微妙的節點——不是起點，而是“爆發前夜”。與“起點”相比，“爆發前夜”強調的是條件已具備但價值尚未完全釋放的臨界狀態。
但與此同時，一個看似矛盾的現象也逐漸顯現：一方面，AI應用在快速擴張；另一方面，真正轉化為商業價值的成果卻仍然有限。
這也引出了兩個值得深入思考的問題：
為什麼說東南亞AI正處於“爆發前夜”？
為什麼其發展速度很快，但價值釋放卻相對有限？
一、 東南亞AI已具備爆發的基本條件
東南亞之所以被認為處於AI爆發前夜，並非偶然，而是多種因素共同作用的結果。從需求、供給到基礎設施的完善，東南亞已經展現了其AI大規模應用落地的潛力。
第一，擁有需求端的天然優勢。從人口和數位化基礎的角度而言，東南亞擁有龐大且年輕的人口，移動網際網路普及程度高，數字使用者規模持續增長，報告顯示，東南亞有3.8億35歲以下人口，超過美國總人口。東南亞擁有約9.3億移動連線（約為總人口的1.5倍），體現了它的高行動網路普及率。同時，當地新使用者對新技術整體接受度較高，70%的民眾認為AI是一項社會福利。
第二，企業需求的快速釋放。近年來，東南亞電商、金融科技等數字經濟領域的快速發展，帶動了企業對效率提升和智能化工具（例如AI）的需求。報告提到，Grab（東南亞超級應用平台）的merchant AI assistant已經覆蓋超過120萬商戶，業務大約增長10%；Sea（東南亞最大的網際網路公司之一）和馬來西亞政府合作的Shop Malaysia Online項目，已經支援了28萬+的本地品牌和賣家接觸更大的市場。這種趨勢反映出，企業對“降本增效”的需求，正在轉化為AI應用的直接動力。
第三，基礎設施的快速完善。在供給端，以Google、微軟、亞馬遜為代表的科技企業，持續加大了在東南亞資料中心與雲端運算的投資。超大雲廠商（hyperscalers：Google、微軟、亞馬遜等）已經在東南亞為那些給AI準備的資料中心和雲基礎設施上投資超過500億美元（如圖所示）。這一過程為AI應用打下了堅實的落地基礎。
第四，越來越多的企業進入規模化階段。東南亞企業的AI應用正在經歷著階段性的變革，人們不再糾結於“是否使用AI”，而是專注於攻克“如何用好AI”的課題，越來越多的企業從早期試點，進入到了擴展，甚至是規模化的階段。人們正在把AI從嘗試性工具，轉變為企業營運中的核心能力。
在需求、基礎設施與技術條件逐漸成熟的背景下，東南亞AI的發展機會，主要集中在應用層面的深入。
二、 機會在那？
東南亞AI應用層增長空間顯著
機會一：應用市場廣闊。
東南亞最先爆發的，很有可能是應用層。目前，東南亞企業的AI使用已經從探索走到部署，接近一半的企業進入了scaling或者fully scaled階段（如圖所示）。AI在東南亞已經不僅停留在技術層面，而是開始直接創造業務價值。從客服自動化、使用者推薦到風險控制，AI應用場景正在不斷擴展。
機會二：中小微企業（MSME）將帶來巨大的市場增量。
與中國不同，東南亞的經濟結構高度依賴中小微企業 (MSME) , 中小微企業佔企業總數的97%以上，貢獻約44.8%的GDP，吸納了約85%的勞動力。然而，MSME群體在數位化與AI應用方面仍處於較低的水平。可見，AI真正的增長空間，還在尚未被充分覆蓋的MSME中。
機會三：Agentic AI有望推動東南亞成為新一代AI應用試驗場。
目前，接近90%企業計畫在2026前嘗試AI agents（如圖所示），其應用仍主要集中在軟體工程、知識管理等內部技術場景。這說明，東南亞企業對Agentic AI已表現出較強興趣，但距離將Agentic AI廣泛落地仍有差距。同時，東南亞市場具有明顯的多樣性，不同國家在語言、消費習慣和產業結構上差異顯著，為新技術的快速驗證提供了良好的試驗環境。因此，東南亞不僅是AI應用的巨大消費市場，也正在成為AI應用的理想試驗場。
三、 瓶頸是什麼？
會用AI ≠ 用得好AI
儘管東南亞AI發展潛力大，但其發展仍面臨明顯的瓶頸。核心問題可以概括為：AI應用正在擴張，但尚未實現深度落地和規模化價值。
為什麼呢？
報告中主要考慮了以下幾個方面的約束。
首當其衝的是人才瓶頸，東南亞缺乏複合型人才。這是目前的最主要障礙，佔比20%（如圖所示）。也就是說，大部分人沒有“AI+業務”的復合處理能力，無法將AI嵌入業務流程，推動落地。這直接導致AI項目無法深入進行，難以規模化部署和持續性最佳化的問題。
其二，是技術與系統的瓶頸。雖然東南亞地區在技術及基礎設施方面逐步完善，但是在基礎能力方面仍然有所欠缺。具體表現在，系統整合困難（整合成本高）與資料質量難以保證。BPI（菲律賓群島銀行）的CTO（首席技術官）明確說，AI不是簡單疊加在數位化表面，而應該在數位化核心；但前提是你的資料平台要先準備好，能讓AI直接用資料。
第三是商業模式瓶頸：投入很熱，但回報周期太長，結果難以量化。超過六成的東南亞企業把11%-40%的技術預算投向AI，但約六成企業的AI對EBIT（息稅前利潤）的影響低於5%（如圖5所示）。所以，東南亞AI現在最大的矛盾是“沒有大規模賺錢”。值得一提的是，其中能獲得高績效的大部分企業，根本原因不是項目做的多，而是把AI嵌入工作流程中，以重構流程來代替單一的疊加在原流程上。
第四是投資結構失衡：基礎設施熱，本土創新冷。2024 年亞太AI創投總額約200億美元，但東南亞年輕AI公司只拿到17億美元；同年東南亞只有122筆AI融資交易，而亞太總量是1845筆。由此可見，東南亞更像是“AI應用市場”和“基礎設施承接地”，還不是“AI原創技術發源地”。
第五， 發展不均衡問題顯著：頭部企業領先，小企業落後於整體水平。從企業層面來看，大型企業在資金、技術能力和人才儲備方面具有明顯優勢，AI應用推進更快；而佔經濟主體的中小微企業（MSME）則受制於成本、技術能力和資源限制，AI應用程度較低。這種“頭部領先，長尾滯後”的發展格局，限制了整體AI應用水平和價值的釋放。
四、 中國 vs 東南亞
從共性到差異
共性：AI發展進入規模化與價值探索階段
從整體趨勢來看，中國與東南亞在AI發展上呈現出若干共性。
首先，兩者均已從早期試點階段邁向擴展與規模化應用階段。企業對AI的投入持續增加。AI逐步嵌入電商、金融、營運等核心業務場景。
其次，AI發展逐步由技術驅動轉向價值驅動。無論是在中國還是東南亞，企業普遍面臨類似問題：如何將AI從“可用”轉化為“有用”，再轉化為“可持續規模化創造價值”。
此外，人才短缺、系統整合複雜以及ROI不清晰等問題，也在不同程度上存在，表明AI發展在全球範圍內都面臨共同挑戰。
總體來看，AI正在從技術擴散走向價值兌現，這是中國與東南亞共同經歷的發展階段。
差異：發展路徑與結構條件的顯著分化
產業體系：完整鏈條 vs 外部依賴
中國已經形成較為完整的AI產業體系，從算力基礎設施、大模型研發到應用落地，具備較強的自主供給能力。
相比之下，東南亞在底層技術與算力供給方面仍高度依賴外部，主要依託亞馬遜旗下AWS、微軟的Azure以及Google的Google Cloud等超大雲廠商提供基礎設施支援。
這意味著：中國是“造AI”，而東南亞更多是“用AI”。
落地能力：規模化經驗 vs 試點探索
在AI落地方面，中國企業已經積累了豐富的規模化應用經驗，AI廣泛嵌入電商、金融、製造等多個行業。
而東南亞企業雖然AI應用增長迅速，但仍以試點和局部應用為主，整體處於從“探索”向“規模化”過渡的階段。
中國的優勢在於“做得深”，而東南亞仍在“鋪得開”。
市場結構：統一大市場 vs 高度碎片化
中國擁有統一的市場環境，在語言、政策和消費習慣上相對一致，有利於AI產品的快速複製與規模擴展。
而東南亞由多個國家構成，在語言、文化、政策與消費結構上差異顯著，這種高度碎片化的市場結構，使AI產品難以“一次開發、多地複製”。
中國更適合規模化複製，而東南亞更需要深度本地化。
企業結構：平台驅動 vs 長尾主導
中國的數字經濟由大型平台型企業主導，這些企業擁有強大的資料、技術與資金優勢，能夠推動AI大規模應用。
而東南亞的企業結構則以中小微企業（MSME）為主，這類企業數量龐大但資源有限，AI應用能力相對較弱。
中國由“頭部企業驅動AI”，而東南亞則面臨“長尾企業如何用AI”的問題。
五、中國的啟示
基於上述分析，東南亞AI的發展路徑為中國企業提供了重要參考。
首先，在機會判斷上，東南亞正成為AI應用出海的重要區域。其人口結構、數位化基礎以及企業對效率提升的需求，使其具備較強的應用落地潛力。與其在底層技術領域直接競爭，不如把握東南亞在應用層面的廣闊出海空間。
其次，在進入策略上，中國企業應從“技術輸出”轉向“解決方案輸出”。具體而言，可以通過“AI + SaaS”、行業解決方案（如電商、金融、物流等）以及本地化營運，滿足東南亞中小微企業在實際業務中的需求。
最後，在風險與注意點方面，中國企業需要避免簡單複製中國模式。東南亞市場高度碎片化，不同國家在語言、文化與政策上差異顯著，這意味著企業必須加強本地化能力，並做好長期投入的準備。
六、 結語
綜合來看，東南亞已經具備AI發展的基本條件。從使用者基礎、數字經濟發展到基礎設施建設，該地區已形成較為完善的發展土壤，具備進入AI速階段的潛力。
那麼，回到開頭的兩個問題：
第一，為什麼說東南亞正處於“爆發前夜”？
因為其需求、基礎設施與技術條件已經基本具備，AI應用正在快速擴張，但尚未完成從“應用普及”到“價值規模化”的關鍵跨越。
第二，為什麼發展很快，但價值釋放有限？
因為當前AI仍主要停留在試點和局部應用階段，人才、系統整合以及商業模式等方面仍存在制約，AI尚未真正嵌入企業核心業務流程，難以形成可複製、可持續的商業價值，導致價值尚未完全釋放。
因此，東南亞AI發展的核心問題在於：能否實現AI的價值兌現？
這也意味著，未來競爭的關鍵，不再是技術本身，而是企業能否將AI真正嵌入業務流程，並形成規模化的商業模式。
(澄世諮詢)