AI dari rantau ini: 243 juta pengguna, model SEA-LION, dan angka yang masih belum jadi wang

Pada 21 Oktober 2026, Google, Temasek dan Bain & Company menerbitkan laporan e-Conomy SEA edisi ke-11, bertajuk Building the Intelligent Economy. Angka yang tersebar luas di berita: ekonomi digital 10 negara ASEAN dijangka bernilai AS$368 bilion tahun ini, naik 17 peratus daripada AS$315 bilion pada 2025, sebelum melepasi AS$1 trilion menjelang 2035.

Minggu yang sama membawa berita kedua yang lebih kecil tetapi lebih menarik. Satu keluarga model bahasa yang dibina di Singapura, dengan kerjasama NVIDIA, kini tersedia dalam saiz 30 bilion dan 120 bilion parameter, dan markah bahasa Burma pada penanda aras serantau melompat daripada 4.98 kepada 31.35. Dua berita ini jarang dibaca bersama. Pos ini membaca kedua-duanya sekali: siapa yang membina AI untuk bahasa dan pasaran kita, dan siapa yang sebenarnya membayar bilnya.

243 juta pengguna, tetapi penggunaan per kapita 10 peratus paras AS

Laporan itu meletakkan bilangan pengguna AI generatif serantau pada 243 juta orang, iaitu 58 peratus daripada tenaga kerja, dengan kadar pengambilan empat kali lebih pantas daripada internet mudah alih dalam masa kurang tiga tahun. Bagi Malaysia, angka ini bermakna sebahagian besar pekerja sudah menyentuh alat AI sekurang-kurangnya sekali, sama ada untuk menulis e-mel atau menyiapkan tugasan sekolah anak.

Laporan yang sama menambah satu ukuran yang jarang dipetik dalam siaran berita. Penggunaan serantau kini sekitar 5 hingga 7 kuadrilion token, dan paras per kapita hanya kira-kira 10 peratus daripada Amerika Syarikat. Pengguna menyumbang kira-kira 60 peratus token, kebanyakannya untuk kerja harian dan belajar. Beban kerja perusahaan pula 45 hingga 60 peratus daripada penggunaan di Singapura dan Malaysia, jadi di Malaysia sebahagian besar penggunaan serius datang daripada syarikat, bukan individu yang membuka chatbot di telefon.

• ▸ 243 juta orang: 58% tenaga kerja serantau sudah menggunakan AI generatif.
• ▸ 10%: paras penggunaan per kapita berbanding Amerika Syarikat.
• ▸ 45-60%: bahagian perusahaan dalam penggunaan AI di Malaysia dan Singapura.
• ▸ 60 kali ganda: unjuran pertumbuhan permintaan token menjelang 2030.

Unjuran 60 kali ganda itu bukan ramalan cuaca. Ia bergantung pada andaian bahawa orang akan menyerahkan kerja berbilang langkah kepada ejen AI, bukan lagi menaip soalan satu demi satu. Dalam tinjauan yang sama, 72 peratus pengguna sudah bergantung pada automasi harian, dan 75 peratus bersedia membenarkan ejen AI mencari harga terbaik dan menyelesaikan pembelian bagi pihak mereka. Jika andaian itu betul, bilangan token yang dibilkan naik jauh lebih cepat daripada bilangan pengguna.

Sektor mana yang paling cepat, dan di mana AI benar-benar menukar wang

E-dagang kekal sebagai enjin terbesar dengan AS$226 bilion nilai barangan kasar, naik 18 peratus. Pelancongan dalam talian AS$59 bilion, naik 10 peratus, dan platform AI generatif kini muncul dalam 26 peratus perjalanan merancang percutian, mendahului media sosial pada 23 peratus. Media dalam talian ialah sektor paling pantas dengan hasil AS$44 bilion, naik 22 peratus, termasuk pasaran media komersial AS$4 bilion di platform beli-belah. Perkhidmatan kewangan digital mencatat nilai transaksi kasar AS$1,650 bilion, naik 16 peratus, dengan baki pinjaman digital AS$116 bilion.

Angka yang paling berguna untuk peniaga bukan jumlah besar itu, tetapi satu peratus: 69 peratus pembeli menggunakan AI untuk membandingkan pembelian yang rumit seperti elektronik. Laporan turut mencatat 31 peratus carian sudah bersifat multimodal, dan 93 peratus pengguna mengaku percaya AI dalam perjalanan pembelian mereka. Kajian kes awal dalam laporan menunjukkan kenaikan penukaran 10 peratus setahun dan nilai pesanan purata sehingga 75 peratus lebih tinggi apabila AI membantu pembeli memilih. Angka itu datang daripada syarikat tertentu, bukan jaminan untuk setiap kedai.

Kesan langsungnya mudah diuji. Maklumat yang hanya tercetak dalam gambar produk tidak lagi selamat. Kalau harga, saiz, berat, jaminan dan tempoh penghantaran hanya ada pada foto, pembeli yang membandingkan dengan bantuan mesin akan terlepas. Asas ini sudah dibincangkan dalam pos tentang gambar dan keterangan produk, tetapi angka 69 peratus memberi sebab baharu untuk membetulkannya minggu ini, bukan tahun depan.

Siapa yang membina model untuk bahasa kita

SEA-LION, projek model terbuka AI Singapore, mengeluarkan keluarga Nemotron-SEA-LION-v4.8 dengan kerjasama NVIDIA. Ada dua saiz: 30B-A3B dan 120B-A12B, kedua-duanya menggunakan seni bina Mixture-of-Experts pertama dalam siri ini, dengan hanya 3 bilion dan 12 bilion parameter aktif semasa inferens. Panjang konteks 262,000 token, dan versi kuantisasi GGUF, NVFP4 serta FP8 disediakan untuk pelayan yang tidak mampu menyimpan berat penuh.

Latihan pra-terus menggunakan 150 bilion token untuk varian 30B dan 33.5 bilion token untuk varian 120B, merangkumi 10 bahasa Asia Tenggara dengan data selari bersama bahasa Inggeris. Hasilnya diukur pada SEA-HELM: pada skala 120B, markah bahasa Burma naik daripada 4.98 kepada 31.35, dan bahasa Tamil daripada 21.83 kepada 56.35. Kedua-dua bahasa ini jarang diberi perhatian oleh model global, jadi lonjakan itu lebih bermakna daripada satu markah keseluruhan yang tinggi.

Pada 15 Oktober 2026, AI Singapore dan Google menganjurkan ATLAS Language Summit ke-6 di Google Singapore. Ia mengumpulkan 189 peserta, 107 hadir di dewan dan 82 dalam talian, daripada 70 organisasi di 24 negara. Jumlah itu lebih daripada dua kali ganda penyertaan sidang bahasa tahun sebelumnya, dan angka 70 organisasi menunjukkan kerja data bahasa bukan projek satu makmal yang tertutup.

Dua jenis syarikat, dua cara berbeza

Di sebelah model terbuka, ada syarikat yang membina produk di atasnya. GoTo Group menggunakan model embedding SEA-LION untuk membina pemahaman Bahasa Indonesia yang lebih tepat, bukan sekadar ayat yang betul tatabahasa. Ini kerja yang tidak kelihatan kepada pengguna, tetapi menentukan sama ada carian dalam aplikasi memahami maksud sebenar.

Di sebelah lain, modal besar terus bergerak. Pada 20 Oktober 2026, Reuters melaporkan Moonshot AI, syarikat China di sebalik Kimi, menyenaraikan jawatan jualan di LinkedIn untuk operasi di Singapura. Kimi K3 yang dilancarkan Julai lalu didakwa sebagai sistem AI berat terbuka terbesar di dunia. Bezanya dengan AI Singapore: satu pihak berkongsi berat model secara terbuka, satu lagi menjual akses melalui API dan perkongsian perniagaan.

Bagi peniaga di Malaysia, perbezaan itu bukan falsafah. Model terbuka boleh dijalankan pada pelayan sendiri, tetapi memerlukan kemahiran, ruang ingatan dan kerja penyelenggaraan. Model melalui API lebih mudah dimulakan, tetapi kos berulang setiap panggilan, dan terma penggunaan data berbeza antara penyedia. Sebelum memilih, tanya tiga perkara: adakah data pelanggan digunakan untuk latihan, berapa harga setiap juta token, dan apa yang berlaku kalau penyedia menaikkan harga atau menutup perkhidmatan. Perbandingan kos percuma lawan berbayar untuk peniaga kecil sudah dibincangkan dalam pos lain, dan soalan yang sama terpakai di sini.

Kos yang tidak muncul dalam slaid AS$368 bilion

Token ialah unit teks yang diproses model, dan ia dibilkan. Apabila penggunaan diunjurkan naik sehingga 60 kali ganda menjelang 2030, kos pengiraan, ruang pusat data dan tenaga elektrik naik bersama. Laporan yang sama mencatat AS$16.3 bilion pembiayaan swasta ke dalam pusat data serantau. Wang itu perlu dibayar balik oleh seseorang, dan biasanya melalui harga perkhidmatan yang pembeli akhir tidak nampak sebagai caj berasingan.

Ada juga kos yang tidak berbentuk wang. Dalam tinjauan yang sama, 44 peratus pengguna menuntut perlindungan privasi yang kukuh sebagai syarat kepercayaan, dan 30 peratus mahu keupayaan membatalkan tindakan ejen AI. Bagi peniaga yang menyimpan data pelanggan dalam alat AI, dua angka ini ialah amaran, bukan pujukan. Prinsip yang sama sudah dijelaskan dalam pos tentang data peribadi dan chatbot, dan ia tidak berubah walaupun model semakin murah.

Semakan 30 minit untuk peniaga kecil di Malaysia

Kalau awak menjual barang atau perkhidmatan dalam talian, lima langkah ini boleh disiapkan minggu ini tanpa belanja sewa:

• ▸ Tulis semula satu halaman produk: harga, saiz, berat, stok, jaminan dan tempoh penghantaran dalam teks biasa, bukan hanya dalam gambar.
• ▸ Uji 20 soalan sebenar dalam Bahasa Melayu pada alat AI yang awak pertimbangkan, termasuk satu soalan tentang produk sendiri. Kalau ia salah sebut harga, ia akan salah untuk pembeli juga.
• ▸ Semak had token dan had panggilan dalam pakej berbayar. Harga bulanan yang kelihatan tanpa had biasanya ada had tersembunyi pada bilangan permintaan.
• ▸ Jangan taip nombor kad pengenalan, nombor telefon atau alamat penuh pelanggan ke dalam chatbot versi percuma.
• ▸ Simpan salinan jawapan AI yang dihantar kepada pelanggan, supaya boleh disemak bila aduan timbul.

Langkah ketiga dan keempat selalu dilangkau kerana ia tidak menaikkan jualan hari ini. Tetapi dua langkah itulah yang menentukan sama ada kos AI bulan depan masih munasabah, dan sama ada data pelanggan masih selamat apabila sesuatu berlaku pada penyedia. Untuk pemilik laman yang menggunakan AI untuk menulis kandungan, had yang sama terpakai: semak apa yang dimuat naik sebelum menekan butang hantar.

Apa yang saya pantau sehingga Disember 2026

Tiga perkara. Pertama, sama ada unjuran 60 kali ganda token bertahan selepas suku pertama, kerana unjuran pertumbuhan AI kerap disemak turun apabila syarikat mula mengira bil sebenar. Kedua, harga API model serantau berbanding model global: kalau jurang mengecil, model tempatan lebih mudah dipilih untuk kerja Bahasa Melayu. Ketiga, sama ada model seperti Nemotron-SEA-LION-v4.8 masuk ke dalam produk yang peniaga kecil sudah guna, bukan kekal sebagai muat turun di repositori model.

Laporan e-Conomy seterusnya dijangka Oktober 2027, dan sasaran AS$1 trilion sudah pernah bergerak lima tahun ke belakang dalam siri laporan ini. Sehingga laporan baharu keluar, satu tabiat lebih berguna daripada menunggu: setiap kali satu peratus atau satu nisbah AI disebut dalam pembentangan, tanya apa unitnya, siapa yang mengukur, dan siapa yang membayar. Tiga soalan itu cukup untuk memisahkan angka yang mengubah keputusan daripada angka yang hanya mengisi slaid.