結(jié)構(gòu)上的挑戰(zhàn)和該國(guó)的多種語言使得開發(fā)基礎(chǔ)人工智能模型變得頗為困難。但政府迫切希望不落人后。

今年早些時(shí)候，在印度班加羅爾，阿迪西亞·科拉維（Adithya Kolavi）看到DeepSeek在全球范圍內(nèi)推出了其顛覆性的語言模型，感到既興奮又認(rèn)可。中國(guó)的技術(shù)在基準(zhǔn)上可以與西方最好的技術(shù)媲美，但它是在更短的時(shí)間內(nèi)用更少的資金建成的。

“我心想:‘這就是我們?nèi)绾我愿统杀緦?shí)現(xiàn)顛覆的方式，’”印度人工智能初創(chuàng)公司CognitiveLab的20歲創(chuàng)始人科拉維說道。“如果DeepSeek能做到，我們?yōu)楹尾荒苣兀俊?/p>

但對(duì)于索克特 AI 實(shí)驗(yàn)室的創(chuàng)始人、印度最早致力于開發(fā)基礎(chǔ)模型的項(xiàng)目之一的架構(gòu)師阿比謝克·烏珀瓦爾來說，這一時(shí)刻既令人欣喜，又有些苦澀。

烏珀沃爾的模型名為Pragna-1B，在資金微薄的情況下苦苦掙扎，而同時(shí)他看到全球的同行們籌集到了數(shù)百萬美元的資金。這個(gè)多語言模型擁有相對(duì)有限的12.5億參數(shù)，其設(shè)計(jì)初衷是降低“語言稅”——即由于印度與美、中不同，需要支持多種語言而產(chǎn)生的額外成本。他的團(tuán)隊(duì)曾對(duì)該模型進(jìn)行過訓(xùn)練，但資源有限意味著無法擴(kuò)大規(guī)模。因此，他表示，該項(xiàng)目最終成為了一個(gè)概念驗(yàn)證而非實(shí)際產(chǎn)品。

“如果兩年前我們得到了資助，很有可能就是我們開發(fā)DeepSeek剛剛發(fā)布的產(chǎn)品，”他說。

科拉維的熱情與上沃爾的沮喪反映了印度人工智能構(gòu)建者中各種情緒的交織。盡管印度是全球科技中心之一，但在本土人工智能領(lǐng)域的發(fā)展上，卻遠(yuǎn)遠(yuǎn)落后于美國(guó)和中國(guó)等先進(jìn)國(guó)家。這一差距的拉大，在很大程度上歸因于印度在研發(fā)、機(jī)構(gòu)和創(chuàng)新方面長(zhǎng)期投資不足。此外，由于大部分人口沒有使用同一種母語，訓(xùn)練語言模型的工作在印度比在其他地方復(fù)雜得多。

從歷史上看，印度被稱為軟件行業(yè)的全球后臺(tái)，印度的科技生態(tài)系統(tǒng)是本著服務(wù)至上的理念發(fā)展起來的。像Infosys和TCS這樣的巨頭們 成功 的 基礎(chǔ)是高效的軟件交付，但發(fā)明既沒有被優(yōu)先考慮也沒有得到獎(jiǎng)勵(lì)。同時(shí)，印度在2024年的研發(fā)支出僅徘徊在GDP的0.65%（254億美元），遠(yuǎn)遠(yuǎn)落后于中國(guó)的2.68%（4762億美元）和美國(guó)的3.5%（9623億美元）。從算法到芯片，發(fā)明和商業(yè)化深科技的肌肉從未建立。

在國(guó)防研究與發(fā)展組織（DRDO）和印度空間研究組織（ISRO）等政府機(jī)構(gòu)中，確實(shí)存在一些孤立的世界級(jí)研究，但它們的突破很少擴(kuò)展到民用或商業(yè)用途。印度缺乏像美國(guó)DARPA那樣將冒險(xiǎn)研究與商業(yè)路徑連接起來的橋梁。同時(shí)，印度的許多頂尖人才移居國(guó)外，被更了解深層技術(shù)的生態(tài)系統(tǒng)所吸引，而關(guān)鍵是，這些生態(tài)系統(tǒng)也為深層技術(shù)提供資金。
因此，當(dāng)開源基礎(chǔ)模型DeepSeek-R1突然展現(xiàn)出超越許多全球同行的表現(xiàn)時(shí)，這觸動(dòng)了人們的神經(jīng)。這家中國(guó)初創(chuàng)企業(yè)的這一舉動(dòng)促使印度政策制定者直面該國(guó)在人工智能基礎(chǔ)設(shè)施方面的落后程度，以及其亟需做出回應(yīng)的緊迫性。

印度回應(yīng)

2025年1月，在DeepSeek-R1發(fā)射10天后，電子與信息技術(shù)部（MeitY）開始征集印度自主基礎(chǔ)模型的提案，這些模型是大型人工智能模型，可以適應(yīng)各種任務(wù)。其公開招標(biāo)邀請(qǐng)私營(yíng)部門的云和數(shù)據(jù)中心公司為政府主導(dǎo)的AI研究預(yù)留GPU計(jì)算能力。

包括 Jio、Yotta、E2E Networks、塔塔、AWS 合作伙伴以及 CDAC 在內(nèi)的供應(yīng)商做出了回應(yīng)。通過這一安排，MeitY 突然能夠以補(bǔ)貼價(jià)格獲得近 19,000 個(gè) GPU，這些 GPU 來自私有基礎(chǔ)設(shè)施，并被專門分配給基礎(chǔ) AI 項(xiàng)目。這促使眾多公司紛紛提交提案，希望構(gòu)建自己的模型。

兩周內(nèi)， 他們已經(jīng)收到了67份提案 。這個(gè)數(shù)字在3月中旬增加了兩倍。

今年4月，政府宣布計(jì)劃在2025年底之前開發(fā)6個(gè)大型模型，以及針對(duì)農(nóng)業(yè)、教育和氣候行動(dòng)等部門的18個(gè)額外的AI應(yīng)用。最值得注意的是，它 聘請(qǐng)了 Sarvam AI 來構(gòu)建一個(gè)針對(duì)印度語言和需求的700億個(gè)參數(shù)的模型。

對(duì)于一個(gè)長(zhǎng)期受限于有限研究基礎(chǔ)設(shè)施的國(guó)家來說，事情以創(chuàng)紀(jì)錄的速度發(fā)展，標(biāo)志著雄心、才智和政治意愿罕見地融合在一起。

“印度可以在人工智能方面做Mangalyaan，”IIIT-Delhi的Gautam Shroff說，他指的是 該國(guó)的成本效益 ，以及成功的火星軌道器任務(wù)。

Jaspreet Bindra是專注于教授人工智能素養(yǎng)的組織AI&Beyond的聯(lián)合創(chuàng)始人，他敏銳地捕捉到了其中的緊迫性：“DeepSeek很可能是印度發(fā)生的最棒的事情。它給了我們當(dāng)頭一棒，促使我們停止空談，開始付諸行動(dòng)?！?/p>

語言問題

為印度構(gòu)建基礎(chǔ)性AI模型所面臨的最為根本的挑戰(zhàn)之一，是這個(gè)國(guó)家極其豐富的語言多樣性。印度有22種官方語言，數(shù)百種方言，以及數(shù)以百萬計(jì)的多語言人口，這使得現(xiàn)有的大多數(shù)LLMs都難以應(yīng)對(duì)印度所面臨的問題。

雖然大量高質(zhì)量的網(wǎng)絡(luò)數(shù)據(jù)可用英語提供，但印度語言在在線內(nèi)容中所占比例不到1%。缺乏像比丘里語和卡納達(dá)語這樣的語言的數(shù)字化、標(biāo)記和清理數(shù)據(jù)，使得培訓(xùn)理解印度人實(shí)際說話或搜索方式的LLMs變得困難。

全局標(biāo)記器將文本分解為模型可以處理的單元，但在許多印度文字上表現(xiàn)不佳，誤解了字符或完全跳過一些。因此，即使將印度語言包含在多語言模型中，它們也常常被理解不良且生成不準(zhǔn)確。

與OpenAI和DeepSeek通過使用結(jié)構(gòu)化英語數(shù)據(jù)實(shí)現(xiàn)規(guī)模不同的是，印度團(tuán)隊(duì)通常從包含數(shù)十種印度語言的碎片化和低質(zhì)量數(shù)據(jù)集開始。這使得訓(xùn)練基礎(chǔ)模型的早期步驟更加復(fù)雜。

盡管如此，一群規(guī)模雖小但意志堅(jiān)定的印度建筑從業(yè)者正開始塑造該國(guó)的AI未來。

例如，Sarvam AI 創(chuàng)造了 OpenHathi-Hi-v0.1，一個(gè)開源的印地語語言模型 展示 了 印度 AI 領(lǐng)域解決該國(guó)巨大語言多樣性的不斷增長(zhǎng)的能力。該模型基于Meta的Llama 2架構(gòu)，在400億個(gè)印地語和相關(guān)的印度語言內(nèi)容上進(jìn)行訓(xùn)練，使其成為迄今為止最大的開源印地語模型之一。

Pragna-1B，來自Upperwal的多語言模型，進(jìn)一步證明了印度可以 解決 自己的語言復(fù)雜性問題。訓(xùn)練了3000億個(gè)標(biāo)記只需250,000美元，它引入了一種稱為“平衡標(biāo)記化”的技術(shù)，以解決印度人工智能的獨(dú)特挑戰(zhàn)，使一個(gè)12.5億個(gè)參數(shù)的模型能夠像一個(gè)大得多的模型一樣運(yùn)行。
問題在于，印度語言使用復(fù)雜的文字和凝集語法，通過使用前綴和后綴將許多較小的意義單位串聯(lián)在一起來形成單詞。與用空格分隔單詞并遵循相對(duì)簡(jiǎn)單的結(jié)構(gòu)的英語不同，印度語言如印地語、泰米爾語和卡納達(dá)語通常缺乏清晰的詞界，并將大量信息包裝在單詞中。標(biāo)準(zhǔn)的標(biāo)記器難以處理這些輸入。它們最終將印度單詞分解為過多的標(biāo)記，這使得輸入變得過多，使模型更難有效理解意義或準(zhǔn)確回應(yīng)。

然而，借助這項(xiàng)新技術(shù)，“一個(gè)擁有10億參數(shù)的模型相當(dāng)于一個(gè)擁有70億參數(shù)的模型，比如Llama 2”，尤伯瓦爾表示。這一性能提升在印地語和古吉拉特語方面尤為顯著，在這些語言上，由于多語言訓(xùn)練數(shù)據(jù)的有限性，全球模型的表現(xiàn)往往不盡如人意。這提醒我們，借助巧妙的工程技術(shù)，小團(tuán)隊(duì)依然能夠突破界限。
Upperwal最終重新利用其核心科技，為22種印度語言開發(fā)了語音API，這是一個(gè)更直接的解決方案，更適合經(jīng)常被排除在英語優(yōu)先的AI體驗(yàn)之外的農(nóng)村用戶。

“如果通往AGI的道路是一百步的過程，那么訓(xùn)練語言模型只是第一步，”他說。

而在光譜的另一端，是那些有著更大膽目標(biāo)的初創(chuàng)企業(yè)。Krutrim-2，例如，是一個(gè) 120億個(gè)參數(shù)的多語言語言模型 優(yōu)化為英語和22種印度語言。

Krutrim-2正試圖解決印度的語言多樣性、低質(zhì)量數(shù)據(jù)和成本限制等具體問題。該團(tuán)隊(duì)構(gòu)建了一個(gè)自定義的Indic標(biāo)記器，優(yōu)化了培訓(xùn)基礎(chǔ)設(shè)施，并從一開始就設(shè)計(jì)了多模態(tài)和語音優(yōu)先用例的模型，這在一個(gè)文本界面可能成為問題的國(guó)家中至關(guān)重要。

克魯特里姆的賭注在于，其方法不僅將促成印度在人工智能領(lǐng)域的自主地位，還將提供一個(gè)適用于全球南方地區(qū)的AI模式。

除了公共資金和計(jì)算基礎(chǔ)設(shè)施，印度還需要人才、研究深度和長(zhǎng)遠(yuǎn)資本的制度支持，以產(chǎn)生具有全球競(jìng)爭(zhēng)力的科學(xué)。

盡管風(fēng)險(xiǎn)投資仍不愿押注研究，但新的實(shí)驗(yàn)正在涌現(xiàn)。帕拉斯·喬普拉（Paras Chopra）是一位企業(yè)家，他曾創(chuàng)建并 出售 軟件即服務(wù)公司W(wǎng)ingify，現(xiàn)在他正在個(gè)人資助Lossfunk，這是一個(gè)貝爾實(shí)驗(yàn)室風(fēng)格的AI駐留項(xiàng)目，旨在 吸引 熱愛開源科學(xué)的獨(dú)立研究人員。

Chopra說:“我們?cè)趯W(xué)術(shù)界或行業(yè)中沒有榜樣。所以我們正在創(chuàng)造一個(gè)空間，讓頂尖研究人員可以互相學(xué)習(xí)，并擁有創(chuàng)業(yè)風(fēng)格的股權(quán)上行空間?！?/p>

政府支持的押注于主權(quán)人工智能

印度人工智能雄心的最明確標(biāo)志是 政府選擇了 Sarvam AI來開發(fā)一個(gè)專注于印度語言和語音流利的模型。

這個(gè)想法是，它不僅能夠幫助印度企業(yè)在全球人工智能競(jìng)賽中競(jìng)爭(zhēng)，還能惠及更廣泛的民眾?！叭绻蔀橛《壬鷳B(tài)系統(tǒng)的組成部分，就可以通過對(duì)話界面來教育數(shù)億人，”賓德拉說道。

薩瓦姆獲得了4,096個(gè)英偉達(dá)H100 GPU的訪問權(quán)限，以便在六個(gè)月內(nèi)訓(xùn)練一個(gè)擁有700億參數(shù)的印度語言模型。（該公司此前曾發(fā)布過一個(gè)在10種印度語言上訓(xùn)練的擁有20億參數(shù)的模型，稱為薩瓦姆-1。）

薩瓦姆的項(xiàng)目以及其他項(xiàng)目都屬于一項(xiàng)名為“印度AI使命”的更大戰(zhàn)略的一部分，這是一項(xiàng)耗資12.5億美元的國(guó)家級(jí)計(jì)劃，于2024年3月啟動(dòng)，旨在構(gòu)建印度的核心AI基礎(chǔ)設(shè)施，并使先進(jìn)工具更加普及。在MeitY的領(lǐng)導(dǎo)下，該任務(wù)的重點(diǎn)是支持人工智能初創(chuàng)企業(yè)，尤其是那些正在開發(fā)印度語言基礎(chǔ)模型并應(yīng)用人工智能于醫(yī)療保健、教育及農(nóng)業(yè)等關(guān)鍵領(lǐng)域的企業(yè)。

根據(jù)其計(jì)算計(jì)劃，政府正在向一組精選的印度初創(chuàng)公司部署超過18,000個(gè)GPU，其中包括近13,000個(gè)高端H100芯片，目前包括Sarvam、Upperwal的Soket Labs、 Gnani AI ，以及 Gan AI 。

該任務(wù)還包括計(jì)劃啟動(dòng)一個(gè)全國(guó)性的多語言數(shù)據(jù)集存儲(chǔ)庫(kù)，在較小城市設(shè)立人工智能實(shí)驗(yàn)室，并為尖端技術(shù)研發(fā)提供資金。其更廣泛的目標(biāo)是，為印度開發(fā)者提供構(gòu)建具有全球競(jìng)爭(zhēng)力的人工智能所需的基礎(chǔ)設(shè)施，并確保相關(guān)成果植根于印度以及全球南方地區(qū)的語言和文化現(xiàn)實(shí)。
據(jù)印度AI首席執(zhí)行官、MeitY官員阿比謝克·辛格稱，印度在深度科技領(lǐng)域的整體推進(jìn)預(yù)計(jì)在接下來的五年里將籌集約120億美元的研究和開發(fā)投資。

這包括通過“印度AI使命”計(jì)劃提供的約1.62億美元，其中約3200萬美元被專門用于直接初創(chuàng)企業(yè)資金。國(guó)家量子使命還將貢獻(xiàn)7.3億美元，以支持印度在量子研究領(lǐng)域的雄心。除此之外，2025-26年的國(guó)家預(yù)算文件宣布了一項(xiàng)12億美元的深度科技基金母基金，旨在促進(jìn)私營(yíng)部門的早期創(chuàng)新。

剩下的近99億美元預(yù)計(jì)將來自私人和國(guó)際來源，包括企業(yè)研發(fā)、風(fēng)險(xiǎn)投資公司、高凈值個(gè)人、慈善家以及微軟等全球技術(shù)領(lǐng)導(dǎo)者。

目前， IndiaAI 已經(jīng)收到了500多份來自初創(chuàng)公司的申請(qǐng)，這些申請(qǐng)?jiān)诮】怠⒅卫砗娃r(nóng)業(yè)等領(lǐng)域提出了用例。

“我們已經(jīng)宣布支持Sarvam，另外10到12家初創(chuàng)公司將只為基礎(chǔ)模式提供資金，”辛格說。選擇標(biāo)準(zhǔn)包括獲取培訓(xùn)數(shù)據(jù)、人才深度、行業(yè)契合度和可擴(kuò)展性。

開門還是關(guān)門？

然而，印度AI項(xiàng)目并非沒有爭(zhēng)議。Sarvam是作為一個(gè)封閉模式構(gòu)建的，而不是開源的，盡管它有公共技術(shù)根源。這引發(fā)了關(guān)于私營(yíng)企業(yè)和公共產(chǎn)品之間適當(dāng)平衡的辯論。

“真正的主權(quán)應(yīng)植根于開放性和透明度，”人工智能政策專家阿姆蘭·莫漢蒂說道。他提到了DeepSeek-R1，盡管其參數(shù)規(guī)模達(dá)到了2360億，但仍被公開提供以供商業(yè)使用。

它的發(fā)布使世界各地的開發(fā)者可以在低成本的GPU上對(duì)其進(jìn)行微調(diào)，創(chuàng)建更快的變體，并將其功能擴(kuò)展到非英語應(yīng)用程序。

“推出一個(gè)具有高效推理能力的開放權(quán)重模型，可以推動(dòng)AI的民主化，”埃默里大學(xué)信息系統(tǒng)與運(yùn)營(yíng)管理助理教授韓城·曹表示，“這使得原本不具備龐大基礎(chǔ)設(shè)施的開發(fā)人員也能夠使用AI?！?/p>

然而，印度AI對(duì)公共資助的模型是否應(yīng)該開源持中立立場(chǎng)。

“我們不想左右商業(yè)模式，”辛格說，“印度一直支持開放標(biāo)準(zhǔn)和開源，但這取決于團(tuán)隊(duì)。無論路線如何，我們的目標(biāo)都是強(qiáng)大的印度模式?！?/p>

此外還有其他的挑戰(zhàn)。5月下旬，Sarvam AI發(fā)布了Sarvam-M，這是一款針對(duì)10種印度語言進(jìn)行了微調(diào)的240億參數(shù)多語言大型語言模型，其構(gòu)建基礎(chǔ)是法國(guó)公司Mistral AI開發(fā)的高效模型Mistral?Small。Sarvam的聯(lián)合創(chuàng)始人維韋克·拉加萬稱該模型是“我們?cè)跒橛《葮?gòu)建主權(quán)人工智能的道路上的一塊重要墊腳石”。但該模型的下載量并不理想，頭兩天內(nèi)僅有300次下載。風(fēng)險(xiǎn)投資人迪迪·達(dá)斯稱此次發(fā)布“令人尷尬”。
而問題不僅限于初期冷淡的接受度。印度的許多開發(fā)者仍難以獲得GPU，而針對(duì)印度語言的AI應(yīng)用的整體生態(tài)系統(tǒng)也仍處于萌芽階段。

計(jì)算問題

計(jì)算資源短缺正逐漸成為生成式人工智能領(lǐng)域最顯著的瓶頸之一，這不僅限于印度，全球皆是如此。對(duì)于那些仍嚴(yán)重依賴進(jìn)口GPU且缺乏國(guó)內(nèi)制造能力的國(guó)家而言，構(gòu)建和運(yùn)行大型模型的成本往往高得令人望而卻步。

印度的大多數(shù)芯片仍然依賴進(jìn)口，而不是在國(guó)內(nèi)生產(chǎn)，大型模型的訓(xùn)練仍然昂貴。這就是為什么初創(chuàng)公司和研究人員都專注于軟件層面的效率，這些效率包括更小的模型、更好的推理和微調(diào)框架，以優(yōu)化在更少GPU上的性能。

“基礎(chǔ)設(shè)施的缺失并不意味著創(chuàng)新的缺失，”曹說?！爸С謨?yōu)化科學(xué)是在約束條件下工作的明智方式?！?/p>

然而，印度AI的辛格認(rèn)為，由于新的政府項(xiàng)目和公私合作伙伴關(guān)系，基礎(chǔ)設(shè)施挑戰(zhàn)的趨勢(shì)正在逆轉(zhuǎn)。“我相信在未來三個(gè)月內(nèi)，我們將不再面臨去年看到的那種計(jì)算瓶頸，”他說。

印度也有成本優(yōu)勢(shì)。
根據(jù)古普塔的說法，在印度建立超大規(guī)模數(shù)據(jù)中心的成本約為500萬美元，大致為美國(guó)、歐洲或新加坡等市場(chǎng)成本的一半左右。這要?dú)w功于廉價(jià)的土地、較低的建造和勞動(dòng)力成本，以及大量熟練的工程師。

就目前而言，印度在人工智能領(lǐng)域的抱負(fù)似乎與其說是為了超越OpenAI或DeepSeek，不如說是為了實(shí)現(xiàn)戰(zhàn)略上的自主。無論其采用的方式是小規(guī)模的自主模型、開放的生態(tài)系統(tǒng)還是公私合作的混合型模式，這個(gè)國(guó)家都在押注于自己能夠規(guī)劃出一條獨(dú)特的道路。

盡管一些專家認(rèn)為，政府（對(duì)DeepSeek）的行動(dòng)或反應(yīng)是表演性的，符合其民族主義議程，但許多初創(chuàng)公司創(chuàng)始人感到振奮。他們認(rèn)為，政府和私營(yíng)部門之間日益加強(qiáng)的合作是克服印度在技術(shù)創(chuàng)新方面長(zhǎng)期存在的結(jié)構(gòu)性挑戰(zhàn)的真正機(jī)會(huì)。

在去年的班加羅爾Meta峰會(huì)上，印孚瑟斯董事長(zhǎng)南丹·尼勒卡尼呼吁印度不要盲目追求一個(gè)“亦步亦趨”的人工智能夢(mèng)想。

“讓硅谷的大佬來做吧，”他在談到構(gòu)建 LLMs 時(shí)說道?！拔覀儗⒂盟鼇韯?chuàng)建合成數(shù)據(jù)，快速構(gòu)建小型語言模型，并使用適當(dāng)?shù)臄?shù)據(jù)訓(xùn)練它們?！?/p>

他認(rèn)為印度應(yīng)該優(yōu)先考慮實(shí)力而非場(chǎng)面，這一觀點(diǎn)受到了不同意見的接受。但它反映了一種更廣泛的共識(shí)，即印度是否應(yīng)該完全換一種游戲。

"試圖主導(dǎo)堆棧的每一層都是不現(xiàn)實(shí)的，即使對(duì)中國(guó)來說也是如此，"ShobhankitaReddy，印度公共政策非營(yíng)利組織Takshashila Institution的研究員說?！爸鲗?dǎo)一個(gè)層面，比如應(yīng)用程序、服務(wù)或人才，這樣你仍然不可或缺?！?/p>