儘管印度擁有蓬勃發展的AI新創生態系統，但至今尚未打造出具有全球競爭力的AI引擎，這引發了人們對於其在追求AI領導地位時所面臨的挑戰與機遇的疑問。
印度擁有超過500萬名資訊科技專業人員，並且日益重視人工智慧 (AI) 教育，按理來說，它應該具備足夠的優勢，可以在快速發展的全球AI競賽中與其他國家競爭。 2023年，美國憑藉ChatGPT率先取得領先地位，中國也迅速跟進推出DeepSeek，但印度尚未開發出能夠模擬人類溝通能力的大型語言模型 (LLM)。
新興的印度AI產業
儘管缺乏旗艦級的AI引擎，印度的AI產業正經歷顯著的成長。 Tracxn的數據顯示，印度AI領域包含7,114家新創公司，總共獲得了230億美元的股權融資。 印度政府意識到AI的潛力，啟動了IndiaAI Mission，撥款約12.1億美元，用於促進本地大型多模態模型 (LMM) 和關鍵領域特定基礎模型的開發和部署。
在全球AI舞台上競爭
IndiaAI Mission的CEO Abhishek Singh表示，印度的新創公司必須將目光從國內市場轉向全球，才能有效地與全球AI強權競爭。 Singh在班加羅爾舉行的Accel AI Summit上強調，雖然政府最初的支持非常有價值，但長期成功取決於模型訓練的全球視野。
代表印度2830億美元科技產業的全國軟體和服務公司協會 (NASSCOM) 承認，建立一個全球認可的AI模型具有複雜性和資源密集性。 NASSCOM的高級傳播經理Satyaki Maitra強調，需要迅速採取行動，並建立獨特的AI身份。
為了加強AI研究能力，IndiaAI Mission最近宣布增加了15,916個圖形處理單元 (GPU)，這對於並行處理密集型AI計算至關重要。 通過公私合作夥伴關係，此次擴充將使全國AI計算總容量增加到34,333個GPU。
培養本土AI创新
包括Gan AI、Gnan AI、SarvamAI和Soket AI在內的幾家新創公司，在IndiaAI Mission的支持下，正積極開發針對印度環境量身定制的基礎模型。 其他公司，如Sarvam AI、Fractal和CoRover AI，則專注於特定領域的AI創新。
Maitra表示，要實現AI的成功，需要政府、產業和學術界共同努力，建立一個涵蓋電腦和數據治理、模型訓練和實際部署的全面價值鏈。
克服印度AI發展的挑戰
著名的網路安全專家Pawan Duggal表示，印度可能會遇到諸如高端AI硬體稀缺、高級GPU的取得受限以及雲端計算資源不足等挑戰，這些對於訓練大型AI模型至關重要。
Duggal還指出，與全球同行相比，投資存在顯著差距。 雖然印度AI新創公司的風險投資有所增加，但仍遠低於美國和中國的水平。
他指出，從2014年到2023年，美國在企業和新創公司投資了2.34兆美元，中國投資了8320億美元，而印度在同一時期投資了1450億美元。
Duggal認為，印度正在朝着創建自己的AI模型邁進，但需要解決關鍵的基礎設施、資金、人才、數據和監管挑戰。
語言多樣性：獨特的挑戰
印度的語言多樣性為AI開發帶來了獨特的障礙。 英語只是該國22種官方語言之一，並且還擁有1,600多種口語，其中許多語言的數位化程度有限。
客製化軟體開發公司Momentum 91的Yash Shah強調，"印度" LLM的主要應用在於其跨各種印度語言運作的能力。 然而，由於大多數印度語言缺乏高品質的訓練數據，這目前具有挑戰性。
Shah認為，對於基於英語的LLM，其他公司和國家已經有了相當大的領先優勢，這種優勢可能會持續下去。
AI發展的主要障碍
Upsquare Technologies的Utpal Vaishnav認為，風險規避的投資者、不一致的數據法規和GPU供應受限是主要障礙。
Vaishnav認為，印度擁有豐富的智力資本，GPU也越來越容易取得，多語言數據也等待利用。 透過耐心資本、明確的問題定義和人才的策略性部署，可以在兩到三年內推出一個結構緊湊、世界級的LLM。
深入探討印度AI發展所面臨的挑戰
為了真正了解印度創建世界級AI引擎的旅程，剖析阻礙其進展的複雜挑戰至關重要。
硬體障礙：關鍵瓶頸
正如Pawan Duggal強調的那樣，取得尖端AI硬體，特別是高級GPU，是一個重要的限制。 GPU是AI的動力來源，可以加速訓練和運行複雜AI模型的計算密集型任務。 印度境內這些資源的供應有限，直接阻礙了快速AI開發和創新。
雲端容量難題：對可擴展性的擔憂
與硬體限制密切相關的是雲端計算資源不足的問題。 雲端平台提供可擴展的計算能力、儲存和服務，對於處理大規模數據集和訓練大型AI模型的計算需求至關重要。 儘管雲端在印度的採用率不斷提高，但針對AI工作負載量身定制的強大且價格合理的雲端基礎設施，落後於領先的AI國家。 這種差距影響了印度AI開發人員有效實驗、疊代和擴展其模型的能力。
資金因素：彌合投資差距
印度與美國和中國等全球AI領導者之間存在巨大的投資差距，這令人擔憂。 風險投資推動了AI新創公司的成長，使其能夠吸引頂尖人才、獲取資源並追求雄心勃勃的項目。 印度相對缺乏以AI為重點的風險資金可能會扼殺創新，並使新創公司難以在全球範圍內競爭。 解決這個問題需要營造更有利於AI的投資環境，吸引國內和國外資本。
人才探戈：培養AI專業知識
儘管印度擁有大量資訊科技專業人員，但專業AI人才的供應仍然是一個挑戰。 建立和部署複雜的AI系統需要多種技能，包括機器學習、深度學習、自然語言處理、計算機視覺和數據科學。 為了彌合這個人才差距，印度需要投資於AI特定的教育和培訓計劃，從國外吸引經驗豐富的AI專業人員，並培養一個充滿活力的研究社群。
數據缺陷：解決數量和質量問題
高品質、有標籤的數據的可用性是AI的命脈。 AI模型會根據它們訓練的數據來學習模式並做出預測。 缺乏關鍵領域的足夠數據，尤其是在印度語言方面，是一個重要的障礙。 此外，確保數據隱私、安全性和合乎道德的使用至關重要。 印度需要制定全面的數據策略，以解決數據收集、註釋、治理和可訪問性問題。
監管障礙：應對不確定性
AI的快速發展帶來了監管挑戰。 世界各國政府都在努力如何監管AI，以促進創新，同時降低潛在風險。 印度缺乏明確且一致的AI法規，為AI開發人員和投資者帶來了不確定性。 建立完善的監管框架，以解決數據隱私、演算法偏差和責任等問題，對於促進負責任的AI開發至關重要。
機會仍然很多：對未來的展望
儘管存在挑戰，印度仍具有成為全球AI領域主要參與者的巨大潛力。 該國龐大的人口、不斷成長的經濟以及不斷提高的數位採用率為AI創新創造了肥沃的土壤。 為了實現這一潛力，印度需要專注於：
- 策略性投資： 增加對AI基礎設施、研究和開發以及教育的投資。
- 人才發展： 加強AI教育和培訓計劃，以培養一支技術精湛的勞動力。
- 數據生態系統： 創建強大的數據生態系統，以促進數據收集、共享和治理。
- 監管明確性： 建立明確且一致的AI法規，以促進創新並降低風險。
- 協作夥伴關係： 促進政府、產業、學術界和民間社會之間的合作。
透過應對這些挑戰並充分利用其優勢，印度可以建立一個蓬勃發展的AI生態系統，從而推動經濟成長，提高生活品質，並為全球AI革命做出貢獻。 打造世界級AI引擎的道路可能艱辛，但潛在的回報是巨大的，有望將印度轉變為AI強國。