在目前的AI熱潮中，除了中美巨頭，還有一個來自東方的大國，試圖在人工智能的競爭中抓住機(jī)遇——是的，它是我們神奇的鄰居，印度！

據(jù)Kantar最新調(diào)查報告顯示，印度目前已經(jīng)有了7.24億人已使用AI(不一定都是GPT這樣的大模型)。

就官方而言，對于生成式 AI 這個行業(yè)，印度也很感興趣。

去年八月，印度聯(lián)邦內(nèi)閣允許投資人工智能、網(wǎng)絡(luò)安全和數(shù)字技能的發(fā)展。盧比(約130.7億人民幣)1490.3億的計劃。

在這樣的刺激下，今年1月，印度終于誕生了自己的大型獨角獸公司?！?strong>Krutrim。僅僅一個月后，該公司就以10億美元的估值籌集了5000萬美元。

但是，印度AI這個盛會，表面上鑼鼓喧天，但是一打開鍋蓋，里面的“菜”就可以一言難盡了。

先說“選手”吧，印度在AI企業(yè)數(shù)量上，與中國相比，這種差距可不是一星半點。

在中國，不僅有百度、阿里、騰訊等巨頭推出了文心、盤古這樣的大模式，還有一堆短小精悍的團(tuán)隊，比如月亮的暗面、智譜AI。、百川智能和Minimax，也都做出了自研模式，可以拿出來。

而且印度呢，大模型相關(guān)的公司很少，自研模式更是鳳毛麟角。

根據(jù)Tracxn和印度人工智能協(xié)會的數(shù)據(jù)，印度在模型領(lǐng)域的企業(yè)不到10家，這些公司主要忙于與人工智能協(xié)會進(jìn)行對話。、智能化助手和某些特定行業(yè)的應(yīng)用，基本不接觸基本模型的研發(fā)。

目前印度唯一的自研模型Krutrim AI ，還充滿了“咖喱味”。

不但被曝出有套殼ChatGPT的嫌疑，而且根據(jù)用戶的經(jīng)驗報告，Krutrim 使用AI時，只允許輸入。 424 字符(不含空格)，而且有時候在交互的過程中也會突然懵逼，甚至忘記了自己是誰。

實際上，去年有人預(yù)測了印度AI的前景。

2023 年 6 月，Sam Altman 有人問印度，如果印度團(tuán)隊花費1000萬美元建立一個大模型，能否與OpenAI競爭？Altman 回答：沒有機(jī)會。

01 AIIT大國的IT也不好。

在IT圈里，這個著名的大國印度，竟然在AI方面如此拉胯，實在讓人感到有些意外。

我們通常認(rèn)為這個AI模型歸根結(jié)底是一個高級程序，不比那些需要精密機(jī)械和復(fù)雜化工的產(chǎn)品更復(fù)雜。我們必須一步一步地爬上產(chǎn)業(yè)鏈的臺階。

理論上，只要你掌握了算法和數(shù)據(jù)，加上幾個打代碼的高手，理論上應(yīng)該是游刃有余的。印度人在代碼和編程方面是公認(rèn)的能力。

且不說谷歌和微軟的首席執(zhí)行官皮查伊和納德拉都是印度人，就連當(dāng)時寫威振AI界的文章也是如此?！禔ttention is All You Need》硅谷八子中的兩人，也是印度人。

同樣，Sora今年震驚了AI世界，其核心R&D人員包括一位來自印度的技術(shù)天才Aditya。 Ramesh。

Aditya Ramesh也參與了DALL的開發(fā)-E

甚至特斯拉的自動駕駛負(fù)責(zé)人Ashok Elluswamy，Ganeshh超級計算機(jī)Dojo前負(fù)責(zé)人 同樣，Venkataramanan也來自印度。

按道理說，編程、軟件方面的人才那么多，搞AI應(yīng)該很有優(yōu)勢啊，那么為什么印度在模型上這么拉胯呢？

事實上，這種“低門檻”的技術(shù)，“只需要幾個聰明人”和“只需要一個程序員就可以做好一切準(zhǔn)備”，在一定程度上是產(chǎn)業(yè)上的一種錯覺。

這種錯覺就像:“在車輛方面非常強(qiáng)大的中國，應(yīng)該很容易建立一個網(wǎng)絡(luò)汽車平臺”，但現(xiàn)實是他們就是做不到。比如德國和日本雖然是傳統(tǒng)的汽車強(qiáng)國，但是你見過哪個牛氣的網(wǎng)絡(luò)汽車平臺從他們身上冒出來？

在德國，F(xiàn)ree 像Now這樣的本土網(wǎng)約車APP，2023年的用戶數(shù)量只是大約有350萬個區(qū)域。

事實上，不管是網(wǎng)約車，還是大模型，都不像看上去那樣，只要幾個聰明的程序員鼓搗兩下，就可以得到。

因為這背后涉及的項目表面上只是一堆程序和代碼，但本質(zhì)上與一個國家的基礎(chǔ)研究、基礎(chǔ)設(shè)施、市場人群和數(shù)字化程度有著千絲萬縷的聯(lián)系。

就網(wǎng)約車而言，基礎(chǔ)研究方面，網(wǎng)約車涉及網(wǎng)約車。GPS、定位算法之類的東西；就基礎(chǔ)設(shè)施而言，需要有覆蓋面廣的高速網(wǎng)絡(luò)；在市場端，要有大量經(jīng)常乘車出行、熟練上網(wǎng)的人來支撐。

同理，AI領(lǐng)域雖然沒有某些行業(yè)那么復(fù)雜，但是仍然有自己的產(chǎn)業(yè)鏈。

分為上、中、下三游，每個環(huán)節(jié)背后都對應(yīng)著科研、市場或數(shù)字化程度等不可或缺的因素。

具體來說，AI行業(yè)的上游是基礎(chǔ)研究，如機(jī)器學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)等。，這需要大量的跨學(xué)科人才和基礎(chǔ)理論人才；但可悲的是，今天的印度在人工智能領(lǐng)域被理論和科研的人才基礎(chǔ)直接從頂層抽走。

02 引誘高訂單

由于兩個原因，印度缺乏AI基礎(chǔ)研究人才：

1、IT外包帶來的“毒蛋糕”效應(yīng)；

2、國內(nèi)拉胯基礎(chǔ)設(shè)施。

首先，我們來談?wù)劦谝稽c。

20世紀(jì)90年代，印度遭遇了嚴(yán)重的外匯困境，赤字占其GDP的8.5%左右。印度政府不得不進(jìn)行一系列市場化改革，以打破這一局面。

改革中最重要的一點是鼓勵私立教育機(jī)構(gòu)的發(fā)展，尤其是那些致力于工程、管理、信息技術(shù)等應(yīng)用學(xué)科的學(xué)院和大學(xué)。

這些以市場為導(dǎo)向的私立學(xué)校很快就瞄準(zhǔn)了一條特別香的賽道?！?strong>IT外包。

這是因為，從成本和收益比來看，當(dāng)時印度的基礎(chǔ)設(shè)施和工業(yè)能力太差，資金非常匱乏。從事制造業(yè)是一個吃力不討好的行業(yè)。

假如培養(yǎng)制造業(yè)的技術(shù)人才，畢業(yè)后就業(yè)率會很難看。

相比之下，IT外包不僅是一項輕資本的工作，也是一項盈利的最佳生意，因為印度人英語好，勞動力便宜。

所以，從20世紀(jì)90年代開始，各種以信息技術(shù)為主的應(yīng)用類專業(yè)開始在印度大學(xué)野蠻成長。

而且這種情況，也造成了今天印度科研“重應(yīng)用，輕理論”的局面。

例如，在2021年的一份報告中，約70%的印度工程與技術(shù)專業(yè)學(xué)生招收了總招生人數(shù)。

但是在基礎(chǔ)研究方面，根據(jù)《自然指數(shù)》（Nature Index）數(shù)據(jù)，2022年，在自然科學(xué)方面，中國大約有20050個項目，美國有21473個項目，而印度只有1280個項目。

雖然印度后來意識到了這種模式的缺點，并想過改變，但印度放棄了“浪子回頭”的想法有兩個重要原因。

第一個原因，真的是美國人給的太多了。

由于美國計算機(jī)巨頭在90年代開始全球擴(kuò)張，印度的IT人才從大量的大外包訂單中獲得了高薪。

20世紀(jì)90年代中期，印度IT從業(yè)人員的平均年薪約為8000-12000美元，到2000年初，印度普通農(nóng)村家庭的年收入僅為300-500美元，而印度IT從業(yè)人員的平均年薪約為8000-12000美元，而印度普通農(nóng)村家庭的年收入僅為600-800美元。

另外一個重要原因是印度拉胯的工業(yè)、基礎(chǔ)設(shè)施，使得很多基礎(chǔ)科研相關(guān)工作缺乏必要的硬件。

03 捉急的基建

這里有一個反直覺的現(xiàn)象:AI領(lǐng)域的研究和實驗，其實和其他基礎(chǔ)研究一樣，是一項非常重視硬件設(shè)施的研究。不僅僅是編程大師折騰兩個算法那么簡單。

為了保持大模型的運行，必須要有大量的GPU，以及相應(yīng)的數(shù)據(jù)中心，在這個背后，必須有足夠的電力、能源和穩(wěn)定、高速的網(wǎng)絡(luò)基礎(chǔ)設(shè)施來傳輸數(shù)據(jù)。

但是偏偏印度在這些基礎(chǔ)設(shè)施方面，表現(xiàn)實在不太好。

2023年，在超大規(guī)模數(shù)據(jù)中心數(shù)量方面，印度只有一個明顯的差距。18個超大型數(shù)據(jù)中心，而中國的公開數(shù)據(jù)接近100個。

而且超大型數(shù)據(jù)中心，是衡量AI算率的一個重要指標(biāo)。

這一差距的背后，是一系列支持和維護(hù)數(shù)據(jù)中心運行的配套設(shè)施，涵蓋了電力、網(wǎng)絡(luò)、制冷系統(tǒng)等。

印度在這方面也被中國甩了好幾條街。

第一，在能源方面，2023年中國超大規(guī)模數(shù)據(jù)中心的能源消耗估計達(dá)到180。-200 TWh，而且印度只有大約10-15 TWh。

這是因為印度在電力方面的基礎(chǔ)設(shè)施，實在是太急了。

根據(jù)2022年印度民意調(diào)查機(jī)構(gòu)對2萬多人的調(diào)查，三分之二的家庭表示會突然斷電，三分之一的家庭每天固定“小黑兩小時”。

這種電力不夠普通人家里燈泡亮，還想養(yǎng)AI這個電耗子？

除電力外，在網(wǎng)絡(luò)基礎(chǔ)設(shè)施方面，2023年，中國5G基站總數(shù)已經(jīng)超過248萬個，覆蓋率超過96%，而印度總數(shù)僅為30萬個，覆蓋率僅為30~40%。

但是，在更關(guān)鍵的制冷系統(tǒng)方面，中國液體直接冷卻，浸沒式液體冷等先進(jìn)的液冷技術(shù)處于領(lǐng)先地位(使用率為30%)。相比之下，大多數(shù)印度數(shù)據(jù)中心仍然使用傳統(tǒng)數(shù)據(jù)。蒸發(fā)冷卻系統(tǒng)，液冷技術(shù)缺乏廣泛的應(yīng)用(使用率在10%左右)。

以上基礎(chǔ)設(shè)施都讓印度的計算機(jī)科學(xué)人才，即使想回國為AI工作，也會面臨“聰明的女人沒有米飯很難做飯”的困境。

所以，印度聰明的年輕人，最終往往只能含淚打包行李，漂洋過海到美國實現(xiàn)科研夢想。

2023年，約有6萬名印度計算機(jī)理論人才選擇了海外發(fā)展，約占當(dāng)?shù)赜嬎銠C(jī)理論人數(shù)的40%，相比之下，在中國，流失率僅為15%。

一方面是美國拋出的高IT外包訂單，另一方面是國內(nèi)拉胯的基礎(chǔ)設(shè)施。在兩者的相互作用下，印度只能在“科技施工隊”的道路上越陷越深，難以自拔。

而且這一頂層理論人才的差距，直接關(guān)系到印度在AI領(lǐng)域的上限。

04 低數(shù)字社會

如果說印度在AI產(chǎn)業(yè)鏈上游的問題主要是基礎(chǔ)理論人才的缺乏，那么印度在AI產(chǎn)業(yè)鏈中游的困境，也就是模型訓(xùn)練，主要是很難為大型模型的優(yōu)化和迭代提供足夠的數(shù)據(jù)。

大家都知道，目前大型模型訓(xùn)練所需的數(shù)據(jù)，大部分來自網(wǎng)絡(luò)。

而且印度在這方面，最大的硬傷就是整個社會的數(shù)字化程度太低。

雖然印度網(wǎng)民的數(shù)量聽起來相當(dāng)虛張聲勢，將近9億軍隊，但是這里有一個重要的區(qū)別，在一個國家，用戶數(shù)量并不等于數(shù)字化水平。

現(xiàn)在經(jīng)常使用AI的朋友，估計可以感覺到，目前AI最大的立足點是ChatGPT，通常是一些。特別集中的信息、數(shù)據(jù)場景。

比如長篇報告總結(jié)，專業(yè)研究報告分析，或者幫助處理一些復(fù)雜的代碼等等。

這種場景通常包含大量的數(shù)據(jù)和信息，數(shù)據(jù)或數(shù)據(jù)的數(shù)量已經(jīng)達(dá)到一定的水平。當(dāng)人腦覺得負(fù)擔(dān)太大的時候，大家都會覺得AI是必須的。

從這個角度來看，社會數(shù)字化程度越高，與AI的匹配程度就越高。

相反，在一個數(shù)字化程度較低的國家，人們在日?；顒又袩o法生成如此多的數(shù)據(jù)，或者即使生成了數(shù)據(jù)，這些數(shù)據(jù)大多以“線下”的形式存在，所以AI很難有用。

從這個角度來看，所謂的數(shù)字化程度，并不只是表面上的“用戶數(shù)量”指標(biāo)，而是指在日常生活中，每個人的工作、購物、學(xué)習(xí)、看病等工作都可以多方面在網(wǎng)上處理；企業(yè)能否通過數(shù)字化的方式提高效率。

雖然現(xiàn)階段，印度網(wǎng)民的數(shù)量相當(dāng)多，但是仔細(xì)研究一下，他們每天都在網(wǎng)上做些什么？

據(jù)著名會計和咨詢公司KPMG在印度分布的統(tǒng)計，印度網(wǎng)民目前每日主要上網(wǎng)活動，社交網(wǎng)絡(luò)，即時通訊和視頻娛樂等待領(lǐng)域最多，占總上網(wǎng)時間的近90%。

但是除了娛樂內(nèi)容之外，其它活動的頻率也明顯降低了許多。

據(jù)使用次數(shù)統(tǒng)計，印度僅有56.3%的用戶通過網(wǎng)絡(luò)進(jìn)行網(wǎng)上購物，但在中國，這一比例已達(dá)83%。

此外，在網(wǎng)絡(luò)汽車平臺等生活服務(wù)方面，印度本土和網(wǎng)絡(luò)汽車平臺Ola在2022年的年訂單量約為3.7億單，而在同一時期，中國滴滴出行訂單量達(dá)到370億單，是其100多倍。

但是在企業(yè)端，在印度，互聯(lián)網(wǎng)普及率僅為49%，而且相比之下，中國企業(yè)的網(wǎng)絡(luò)普及率明顯提高，達(dá)到95%左右。

表面上看，這種“低數(shù)字化”的現(xiàn)狀主要是由于落后的基礎(chǔ)設(shè)施(5G普及率不到30%)造成的，但從更深層次的角度來看，這與印度目前的情況相同。固有的產(chǎn)業(yè)布局，有很大的關(guān)系。

05 分工的重要性

當(dāng)前印度的產(chǎn)業(yè)布局，服務(wù)業(yè)占GDP的60%左右。但是大部分都是低端服務(wù)行業(yè)，比如零售、酒店或者餐飲。

農(nóng)業(yè)業(yè)占15%-18%，制造業(yè)略低，只有12%。

事實上，這種以農(nóng)業(yè)、服務(wù)業(yè)為主導(dǎo)的產(chǎn)業(yè)布局，很難承載數(shù)字經(jīng)濟(jì)所需的復(fù)雜產(chǎn)業(yè)鏈和高附加值服務(wù)。

農(nóng)業(yè)業(yè)和很多服務(wù)業(yè)，產(chǎn)業(yè)鏈往往很短，比較單一，就像種田、養(yǎng)牲一樣，供應(yīng)鏈比較短。

還有那些日常服務(wù)，比如餐廳做飯，店鋪賣貨，家政打掃衛(wèi)生，生產(chǎn)鏈比較簡單，就完了，很少涉及復(fù)雜的。整合上下游產(chǎn)業(yè)鏈或者增值服務(wù)。

說白了，這樣的行業(yè)，數(shù)據(jù)和信息業(yè)務(wù)缺乏復(fù)雜的需求。

這樣的信息，人腦實際上可以完全處理，不需要AI。

相對于以農(nóng)業(yè)、服務(wù)為主導(dǎo)的社會，工業(yè)界的一個主要特征就是存在大量的分工與合作。

從最初的原材料處理，到新產(chǎn)品的設(shè)計、R&D、組裝和測試，最后，我們必須打造品牌、營銷和保證售后服務(wù)。經(jīng)過這個過程，就會形成復(fù)雜的產(chǎn)業(yè)鏈。

每個環(huán)節(jié)都可以創(chuàng)建更大的數(shù)據(jù)和信息增量。

以新能源汽車的生產(chǎn)為例。在設(shè)計階段，大量的設(shè)計數(shù)據(jù)和模擬數(shù)據(jù)將通過CAD/CAE軟件設(shè)計車輛并進(jìn)行模擬測試。

在生產(chǎn)過程中，生產(chǎn)線上的設(shè)備狀態(tài)、物料流動、生產(chǎn)進(jìn)度等，同樣會產(chǎn)生大量的實時動態(tài)。

而且由于制造環(huán)節(jié)本身創(chuàng)造的數(shù)據(jù)流，工業(yè)輻射效應(yīng)，一些工業(yè)活動還會給其它看似不相關(guān)的行業(yè)帶來意想不到的新信息和數(shù)據(jù)。

例如，在金融和保險行業(yè)，有基于汽車行駛數(shù)據(jù)的保險費用。

在廣告業(yè)，為了實現(xiàn)精準(zhǔn)營銷，公司必須利用大數(shù)據(jù)分析消費者偏好、社交媒體互動數(shù)據(jù)等，對廣告營銷進(jìn)行優(yōu)化。

總之，如果沒有工業(yè)化，社會就很難產(chǎn)生復(fù)雜的分工，在人們的生活中，沒有復(fù)雜的分工，就不會產(chǎn)生大量的數(shù)據(jù)、信息。

因此，現(xiàn)在每一個風(fēng)險投資機(jī)構(gòu)，都不太看好印度AI公司。

去年，印度與大模型相關(guān)的AI公司的融資總額約為1.6億美元。然而，在中國，一家企業(yè)的總?cè)谫Y額僅在每月的暗面就達(dá)到了30億美元。

這樣一個巨大的差距背后，不僅是對印度AI實力的焦慮，更重要的一個原因是AI在印度并沒有真正的市場規(guī)模和潛力。

畢竟，如果放在中國的環(huán)境中，即使大模型暫時很難在C端打開局面，至少在B端，由于數(shù)字化程度高，大模型仍然可以在一些定制和垂直的場景(如金融和醫(yī)療)中找到立足之地。

另一方面，印度，在整個社會低數(shù)字化的情況下，除了聊天和娛樂，大模型還能用于什么？

但是如果只是聊天和娛樂，上社交媒體和刷短視頻不是更香嗎？

One More Thing

當(dāng)前印度在AI方面的困境，實際上表明：目前的AI競爭，從淺薄的角度來看，只是某一特定技術(shù)的競爭，往深處看，是一個國家整體科研實力的較量，再往深處看，就是不同國家之間，社會發(fā)展水平、產(chǎn)業(yè)布局、人口素質(zhì)等方面的綜合競爭。

總的來說，數(shù)字化程度越高，AI落地和普及的效果就越好。

在AI普及程度較高的國家，通過收集用戶的反饋數(shù)據(jù)，可以形成數(shù)據(jù)飛輪，進(jìn)一步優(yōu)化和迭代模型。

印度的尷尬之處在于，作為一個尚未完成工業(yè)化的半農(nóng)業(yè)國家，他正在追求數(shù)字時代AI的產(chǎn)物。

更諷刺的是，印度對AI的追求越多，他們以前的“金飯碗”就越有可能被帶走。因為目前的生成式AI，在很多功能上，都是直接朝著取代一些高端服務(wù)業(yè)的目標(biāo)前進(jìn)。

例如，在5月21日的微軟開發(fā)者大會上，微軟不僅發(fā)布了最新版本的Copilot，配備了GPT-4o，還在會上展示了GitHub“幫助新手編程” Copilot Workspace。

這是一款程序編程是通過聊天來完成的。軟體。這樣，任何初學(xué)者都可以開發(fā)自己的軟件，即使他們對編程語言知之甚少。

想象一下，如果未來編程、電話客服等所有崗位都可以被AI取代，那么印度之前賴以致富的“IT外包”之路還能有效嗎？

當(dāng)時，工業(yè)基礎(chǔ)薄弱、IT金飯碗再次被奪走的印度，如何在AI時代生存，將成為一個巨大的問題。

本文來自微信公眾號“酷玩實驗室”（ID:coollabs），作者：酷玩實驗室，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com