《Daily Tribune》報導指出，東南亞各國正投入數十億美元建置人工智慧（AI）基礎設施，預估到 2030 年，東南亞的資料中心容量將成長近三倍，以應對 AI 運算需求的急遽增加。然而，該地區智慧城市發展正面臨嚴峻的數據挑戰，可能阻礙其 AI 準備度。

報導提及，數據系統破碎不整合、缺乏互通性以及治理上的漏洞，是這些國家將龐大運算能力轉化為實際改善交通、公共服務和城市管理的關鍵障礙。許多政府機關、交通營運商和企業仍在使用老舊系統（legacy systems），這些系統在設計之初便未考慮到數據共享的需求，導致各單位之間難以交換資料。

若缺乏統一的標準和可互通的平台，AI 應用專案恐淪為孤立的實驗，難以擴展為全城市範圍的解決方案。業界專家建議，應從實際且低風險的 AI 專案著手，並在決策過程中確保人為參與，尤其是在關鍵領域。新加坡的「榜鵝數位區」（Punggol Digital District）被視為透過政府與私人企業合作，共同建立共享智慧基礎設施的成功典範。

專家也警告，若未能充分了解現有工作流程，盲目投資 AI 工具將事倍功半。值得注意的是，馬來西亞、印尼和越南正成為「超大規模」（hyperscale）AI 基礎設施的主要樞紐，而新加坡則扮演重要的監管與政策制定中心。

此外，永續性也是一大挑戰。資料中心消耗大量能源和水資源，將對城市的氣候目標構成壓力。因此，從資料中心的設計、土地使用到供應鏈管理，都必須將環境考量納入初期規劃。

對於正在積極推動智慧城市發展的台灣而言，東南亞面臨的這些數據管理難題，提供寶貴的借鏡。台灣在建置 AI 基礎設施時，應特別關注數據整合、建立互通性標準，並強化數據治理（data governance，即管理數據從收集、儲存、使用到銷毀的整個生命週期，確保數據品質與安全）框架，以避免重複東南亞國家所遇到的瓶頸。