编译 | 面临AI空前挑战，沾沾自喜的印度究竟有没有出路？_风闻

作者****|**** 沙德玛·谢赫（Shadma Shaikh)

编译****|**** 喻琬淋

内容提要 

2025年初，深度求索（DeepSeek）开源大模型DeepSeek-R1横空出世，不仅震撼全球，更让“全球软件后台”印度产生强烈紧迫感。印度以前所未有的速度和决心，启动了争夺人工智能自主权的国家计划。当前，印度在人工智能领域面临独特挑战。印度虽拥有顶尖的软件服务能力，却在基础研发和深度科技创新上长期投入不足。此外，印度丰富多样的语言也对构建本土语言模型构成巨大障碍。在政策方面，印度业界围绕公共资金资助模型是否应开源展开争论，在是应效仿中美巨头还是专注于自身优势的战略上举棋不定，这些争论犹豫都反映出印度在这场人工智能争夺战中面对的复杂性与不确定性。南亚研究通讯特编译此文，供各位读者批判参考。

图源：印媒

今年早些时候，在印度班加罗尔，阿迪提亚・科拉维（Adithya Kolavi）看着深度求索（DeepSeek）向世界推出其颠覆性语言模型时，心中既兴奋又备受鼓舞。这家中国科技公司的模型在基准测试中堪比西方顶尖水平，但其研发投入的资金更少、耗时也更短。

“我当时想，‘这就是用更少资源实现颠覆性成果的方式’。”20 岁的印度人工智能初创公司 CognitiveLab 创始人科拉维说，“如果深度求索能做到，我们为什么不行？”但对 Soket AI Labs 创始人阿比舍克・厄珀沃尔（Abhishek Upperwal）来说，这一刻的感受却更复杂——他是印度最早尝试开发基础模型的人之一。

厄珀沃尔开发的模型名为Pragna-1B，该项目仅靠微薄资助艰难维持，而他眼睁睁看着全球同行筹集到数百万资金。这个多语言模型的参数相对较少，仅有 12.5 亿，其设计初衷是减少“语言税”——印度不比美国甚至中国，多种语言同时存在为语言模型训练造成额外成本。他的团队完成了模型训练，但有限的资源意味着无法进行扩展。结果，他说，这个项目成了概念验证，而非一款产品。他表示：“如果两年前我们能获得资金，很有可能现在推出类似深度求索产品的就是我们。”

科拉维的热情与厄珀沃尔的沮丧，反映出印度人工智能开发者的复杂情绪。尽管印度是全球科技中心，但在本土人工智能领域，它远远落后于美国和中国等国家。产生这种差距的主要原因是印度在研发、机构建设和发明创造方面长期投资不足。此外，由于没有一种被广泛使用的“母语”，印度训练语言模型的难度远超其它。

印度历来被称为软件行业的“全球后台”，其科技生态系统的发展以 “服务优先” 为理念。印孚瑟斯（Infosys）和塔塔咨询服务公司（TCS）等巨头凭借高效的软件交付取得成功，但发明创造既未被优先考虑，也未得到奖励。2024 年，印度研发支出仅占GDP的0.65%（254 亿美元），远低于中国的2.68%（4762 亿美元）和美国的3.5%（9623 亿美元）。从算法到芯片，印度从未建立起开发和商业化深度科技的能力。

印度国防研究与发展组织（DRDO）和印度空间研究组织（ISRO）等政府机构内部确实拥有一些世界级的研究，但这些研究突破很少转化为民用或商用。印度缺乏像美国国防高级研究计划局（DARPA）那样的桥梁，无法将研究商业化。同时，印度许多顶尖人才移居国外，因为他们向往更愿意资助也更理解深度科技的环境。

因此，开源基础模型DeepSeek-R1因其性能出圈，触动了印度神经。深度求索的发布，促使印度政策制定者正视本国在人工智能基础设施方面的落后程度，以及采取应对措施的紧迫性。

一、印度的回应

2025年1月，在 DeepSeek-R1发布10天后，印度电子和信息技术部（MeitY）征集可适应多种任务的本土大型人工智能基础模型提案。该部门公开招标邀请私营云服务和数据中心公司为政府主导的人工智能研究预留GPU算力。

信实工业（Jio）、Yotta、E2E Networks、塔塔集团（Tata）、亚马逊云科技（AWS）合作伙伴和 CDAC 等供应商纷纷响应。在这一安排下，电子和信息技术部能以补贴价格使用近1.9万个 GPU，这些GPU从私人基础设施中搜集而来，专门分配给基础人工智能项目。这引发了一波企业提案热潮，它们都希望开发自己的模型。

两周内，该部门收到67 份提案；到3月中旬，这一数字增至三倍。4 月，印度政府宣布计划在2025年底前开发6个大型模型，以及18个针对农业、教育和气候行动等领域的人工智能应用。最引人注目的是，它委托 Sarvam AI 开发一个 700亿参数的模型，该模型针对印度语言和需求进行优化。

对于一个长期受限于研究基础设施的国家来说，各项事宜正以创纪录的速度推进，背后反映出的是雄心、人才和政治意愿罕见地汇聚在一起。“印度能在人工智能领域复刻火星轨道器任务‘曼加里安’（Mangalyaan）的成功。”印度理工学院德里分校的高塔姆・施罗夫（Gautam Shroff）如是说。

专注于人工智能素养教育的组织AI&Beyond联合创始人贾斯普利特・宾德拉（Jaspreet Bindra）道出了这种紧迫性：“深度求索可能是发生在印度身上最好的事。它给了我们一记‘鞭策’，让我们停止空谈，开始行动。”

二、语言难题

印度开发基础人工智能模型的最根本挑战之一，是该国的语言多样性。印度有22种官方语言、数百种方言，数百万人是多语言者，这一问题现有大型语言模型（LLM）几乎难以应对。

英语有大量高质量的网络数据可用，但印度语言在在线内容中的占比总计不到1%。博杰普尔语（Bhojpuri）和卡纳达语（Kannada）等语言缺乏数字化、带标签且整理过的数据，这让训练能理解印度人实际说话或搜索方式的大型语言模型变得困难。

全球分词器（tokenizer）是自然语言处理（NLP）流程的基本组件，它们将原始文本转换为大型语言模型等可以处理的更小单元。但这些分词器在处理许多印度文字上表现糟糕，要么误读字符，要么完全跳过部分字符。因此，即使多语言模型包含了印度语言，它们对这些印度语言的理解和生成也往往很糟糕、不准确。

而且，与OpenAI和深度求索利用结构化英语数据实现规模扩张不同，印度团队往往从涵盖数十种印度语言的碎片化、低质量数据着手。这使得基础模型训练的初始步骤复杂得多。

尽管如此，一小群坚定的印度开发者正开始塑造该国的人工智能未来。例如，Sarvam AI已推出开源印地语模型OpenHathi-Hi-v0.1，体现出印度人工智能领域在应对本国巨大语言多样性方面日益增长的能力。该模型基于Meta的 Llama 2架构构建，在400亿个印地语及相关印度语言词元上训练而成，是目前可用的最大开源印地语模型之一。

厄珀沃尔开发的多语言模型Pragna-1B，进一步证明印度有能力解决自身的语言复杂性问题。该模型仅用25万美元，在3000亿个词元上完成训练，并引入了 “平衡标记化”技术来应对印度人工智能领域的独特挑战，使12.5亿参数的模型能表现得像更大规模的模型。

问题在于，印度语言使用复杂的文字和黏着语法，它通过前缀和后缀将许多较小的意群串联起来形成单词。与用空格分隔单词且结构相对简单的英语不同，印地语、泰米尔语和卡纳达语等印度语言往往没有明确的单词边界，且单个单词中包含大量信息。标准分词器难以处理这类输入，最终会将印度语言的单词拆分成过多的词元，这会增加输入量，使模型难以高效理解语义或准确生成内容。

但厄珀沃尔表示，借助这项新技术，“10 亿参数的模型性能相当于Llama 2等 70 亿参数的模型”。这种性能提升在印地语和古吉拉特语中尤为明显，由于多语言训练数据有限，全球模型在这些语言上的表现往往不佳。这提醒我们，凭借巧妙的工程设计，小型团队仍能突破极限。

最终，厄珀沃尔将其核心技术重新用于开发22 种印度语言的语音API。这是一种更即时的解决方案，更适合农村用户，他们往往很难使用“英语优先” 的人工智能。他表示：“如果通用人工智能（AGI）的实现需要100步，那么训练语言模型只是第一步。”

另一类是目标更宏大的初创公司。例如，Krutrim-2是一个拥有120亿参数的多语言模型，针对英语和22种印度语言进行优化。Krutrim-2正尝试解决印度特有的语言多样性、数据质量低和成本限制等问题。该团队从一开始就构建了定制的印度语言分词器，优化了训练基础设施，并为多模态和语音优先的使用场景设计模型，这在文本界面可能成为障碍的国家至关重要。

Krutrim的赌注是，其方法不仅能实现印度人工智能的自主性，还能为全球南方提供适用的人工智能模式。除了公共资金和计算基础设施，印度还需要对人才的制度性支持、研究深度以及能产生具有全球竞争力科学成果的长期资本。

尽管风险投资仍对研究领域持观望态度，但新的尝试正在涌现。帕拉斯・乔普拉（Paras Chopra）曾创建并出售了软件服务公司Wingify，现在他个人资助了 Lossfunk。这是一个类似贝尔实验室（Bell Labs）模式的人工智能研习计划，旨在吸引热爱开源科学的独立研究人员。

“我们在学术界或工业界都没有榜样。” 乔普拉说，“所以我们正在创造一个空间，让顶尖研究人员可以相互学习，并获得类似初创公司的股权收益。”

三、政府押注自主人工智能

最能体现印度人工智能雄心的，是政府选择Sarvam AI开发一款专注于印度语言和语音流畅性的模型。其理念是，这不仅能帮助印度企业在全球人工智能竞赛中竞争，还能惠及更多普通民众。“如果它能成为印度堆栈（India stack）的一部分，你就能通过对话界面为数亿人提供教育。”宾德拉说。

Sarvam获得4096个英伟达H100 GPU的使用权，在6个多月训练一个700亿参数的印度语言模型（该公司此前发布了在10种印度语言上训练的20亿参数模型，名为 Sarvam-1）。

Sarvam的项目及其他相关项目，是“印度人工智能计划”（India AI Mission）这一更大战略的一部分。该国家级计划于2024年3月启动，投入12.5亿美元用于建设印度核心人工智能基础设施，及普及先进工具。在电子和信息技术部的领导下，该计划重点支持人工智能初创公司，特别是那些开发印度语言基础模型并将人工智能应用于医疗、教育和农业等关键领域的公司。

在其计算项目下，印度政府向一批印度初创公司部署了超过1.8万个 GPU（包括近1.3万个高端 H100 芯片），目前这些公司包括Sarvam、厄珀沃尔的Soket Labs、Gnani AI和Gan AI。

该计划还拟启动国家级多语言数据集库，在小城市建立人工智能实验室，并资助深度科技研发。其更广泛的目标是，为印度开发者提供构建具有全球竞争力人工智能所需的基础设施，并确保成果符合印度和全球南方的语言及文化现实。

据India AI首席执行官、电子和信息技术部官员阿比舍克・辛格（Abhishek Singh）称，印度广泛推进深度科技，预计将在未来五年吸引约120亿美元的研发投资。这包括通过印度人工智能计划投入的约1.62亿美元（其中约3200万美元专门用于直接资助初创公司）。国家量子计划（National Quantum Mission）将额外投入7.3亿美元支持印度在量子研究领域的雄心。此外，2025-26财年印度国家预算宣布设立12亿美元的深度科技母基金（Deep Tech Fund of Funds），旨在推动私营部门的早期创新。

其余近99亿美元预计来自私人和国际渠道，包括企业研发、风险投资公司、高净值人士、慈善家以及微软等全球科技巨头。印度人工智能计划已收到500多份初创公司的申请，这些公司提出了医疗、治理和农业等领域的应用场景。

“我们已经宣布支持 Sarvam，还将为10到12家初创公司在基础模型方面提供资金。” 辛格说。评选标准包括训练数据获取能力、人才深度、行业适配性和可扩展性。

四、开源还是闭源

然而，印度人工智能计划并非没有争议。尽管Sarvam源于公共科技，但它正被开发为闭源模型，而非开源模型。这引发了关于私营企业与公共利益之间适当平衡的争论。

“真正的自主性应植根于开放性和透明度。” 人工智能政策专家阿姆兰・莫汉蒂（Amlan Mohanty）说。他以DeepSeek-R1为例，尽管该模型有2360亿参数，但仍免费向商业用途开放。其发布让全球开发者能在低成本GPU上对其进行微调，创造出更快的变体，并将其能力扩展到非英语应用领域。

“发布具有高效推理能力的开源权重模型可以推动人工智能民主化。” 美国埃默里大学（Emory University）信息系统与运营管理助理教授曹瀚成（Hancheng Cao）说，“这能让没有庞大基础设施的开发者也能使用人工智能。”

但对于公共资金资助的模型是否应开源，印度人工智能计划持中立态度。“我们不想规定商业模式。”辛格说，“印度一直支持开放标准和开源，但这取决于团队。目标是打造强大的印度模型，无论采用何种方式。”

这里也存在其他挑战。5月下旬，Sarvam AI推出了Sarvam-M，一个240亿参数的多语言大型语言模型，针对10种印度语言进行了微调，并基于法国公司 Mistral AI开发的高效模型Mistral Small构建。Sarvam联合创始人维韦克・拉贾万（Vivek Raghavan）称该模型是“我们为印度构建自主人工智能征程中的重要基石”。但它的下载量不尽如人意，头两天仅300次。风险投资家迪迪・达斯（Deedy Das）称这次发布“令人尴尬”。

而且问题不止于初期的冷淡反响。印度许多开发者仍难以便捷地获得GPU，且更宽泛意义上，印度语言人工智能应用的生态系统建设仍处于萌芽阶段。

五、计算能力问题

计算能力稀缺正成为生成式人工智能领域最显著的瓶颈之一，这不仅存在于印度，而是全球性问题。对于仍严重依赖进口GPU且缺乏本土制造能力的国家来说，构建和运行大型模型的成本往往高得令人望而却步。

印度的芯片仍主要依赖进口，而非本土生产，训练大型模型的成本依然高昂。因此，初创公司和研究人员都在专注于软件层面的效率提升，包括使用更小的模型、优化推理过程，以及开发能在更少GPU上优化性能的微调框架。

“基础设施缺乏并不意味着创新缺乏。”曹瀚成说，“支持优化科学是在限制条件下开展工作的明智之举。”但印度人工智能计划的辛格认为，得益于新的政府项目和公私合作伙伴关系，来自基础设施的限制将有所缓解。“我相信，未来三个月内，我们将不再面临去年那种计算能力瓶颈。”

印度还具有成本优势。古普塔（Gupta）表示，在印度建设超大规模数据中心的成本约为500万美元，约为美国、欧洲或新加坡等市场成本的一半。这得益于低廉的土地、较低的建筑和劳动力成本，以及大量的熟练工程师。

就目前而言，印度的人工智能雄心似乎不在于超越OpenAI或深度求索，而更多在于战略自主。无论其路径是小型自主模型、开放生态系统，还是公私混合模式，印度都在押注自己能走出一条独特的道路。

尽管一些专家认为，政府的行动（或对深度求索的回应）是象征性的，且与民族主义议程一致，但许多初创公司创始人仍备受鼓舞。他们将政府与私营部门日益加强的合作视为克服印度在科技创新领域长期结构性挑战的真正机遇。

在去年于班加罗尔举行的Meta峰会上，印孚瑟斯董事长南丹・尼勒卡尼（Nandan Nilekani）呼吁印度不要“亦步亦趋”追逐人工智能梦想。“让硅谷的巨头去做吧。”他在谈到大型语言模型开发时说，“我们将用它来创建合成数据，快速构建小型语言模型并使用适当的数据对其进行训练。”

他认为印度应注重实力而非噱头，这一观点引发了不同反响，但也反映出一个日益普遍的共识，印度是否应该走一条不同的道路。“试图主导堆栈的每一层并不现实，即便是中国也做不到。”印度公共政策非营利组织塔克西拉研究所（Takshashila Institution）的研究员巴拉特・雷迪（Bharath Reddy）说，“主导其中一层，比如应用、服务或人才，这样你就始终不可或缺。”

作者简介：沙德玛·谢赫（Shadma Shaikh），新闻机构“FactorDaily”的联合创始人，驻印度科技记者，专注互联网平台、应用经济和数字文化领域。

本文编译自《麻省理工科技评论》2025年7月4日文章，原标题为Inside India’s scramble for AI independence

原文链接：https://www.technologyreview.com/2025/07/04/1119705/inside-indias-scramble-for-ai-independence/