报告概述
本报告由Bernstein发布，聚焦印度在人工智能时代面临的核心战略困境：依赖外国基础模型可能带来的长期风险，以及印度为何需要构建自己的大型语言模型（LLM）。报告首先梳理了印度在技术栈各层面（从硬件、操作系统到企业软件）的系统性依赖格局，指出AI正在从通用技术转变为类似“战斗机”的战略资源，而美国近期限制非公民访问前沿AI模型的事件印证了这一趋势。报告回顾了印度AI政策的现状，认为现有资金投入分散且规模有限，缺乏像中美那样的集中攻坚。报告对比了历史上印度在核能、航天等领域受制裁的经历，警示AI领域的类似风险。最后，报告提出了印度可能的应对策略：利用本土特有的垂直领域数据（如工业、医疗）构建专用LLM，同时通过政策杠杆实现有限自主。报告旨在帮助读者理解印度AI战略的紧迫性、政策权衡以及潜在价值创造路径。
报告的核心结论
印度需拥有自主基础模型以避免战略锁定
报告指出，AI正从通用技术转变为战略资源，类似过去的“战斗机”。美国已对非公民限制前沿AI模型访问，印度若仅靠应用层参与，将面临未来被切断核心模型访问的风险，沦为技术附庸。
印度缺乏本土LLM是结构性而非战略性选择
印度长期以IT服务模式为主，缺乏搜索、社交媒体等消费级平台，未能积累训练大模型所需的丰富结构化数据。高校和产业界也缺乏基础模型研发的深度积累，导致印度至今未出现类似DeepSeek的突破。
现有AI政策资金分散，效果有限
印度AI Mission五年预算约12亿美元，其中仅不到20%用于基础模型，约44%用于进口算力。资金在多个领域分散，难以形成单点突破，与中美每年数百亿美元的投入相比差距悬殊。
印度的真正机会在于垂直领域专用模型
报告认为，印度应重点利用工业、医疗等领域的独特数据集，构建可防御的专用LLM，而非追求通用大模型。这类模型对前沿算力要求较低，且能结合实体经济和机器人等场景创造价值。
全球AI分层化将加剧印度技术代差
未来最可能的情景是AI分层：先进国家保留最前沿模型用于国防等关键领域，向印度等新兴市场输出N-1或N-2代模型。这种代差会随时间累积，导致印度在军事、科研等领域持续落后。
报告回答的关键问题
印度为什么不能仅靠外国大模型？
报告指出，虽然租用外国LLM运行应用看似高效，但存在严重战略风险。美国已出台限制非公民访问前沿模型的规定，未来可能进一步收紧。一旦地缘政治冲突导致API或权重被切断，印度关键应用将瘫痪，或被迫运行落后两代的模型，失去竞争力。
印度AI政策的主要问题是什么？
报告认为，印度AI Mission资金分配“太散太少”：五年仅12亿美元，且近半用于进口算力，真正投入基础模型的部分不足20%。同时政策覆盖计算、数据、研究、应用等多个层面，缺乏重点，难以在任意领域形成优势。
印度有可能复制DeepSeek的成功吗？
报告认为，印度目前缺乏DeepSeek式突破的结构性条件：消费级数据平台缺失、AI人才多集中在应用层而非基础模型、学术研究深度不足。但报告建议印度可以走“垂直专用模型”路径，利用工业、医疗等领域的高质量数据集，构建较小但可防御的LLM，再逐步扩展。
全球AI的“全球化”为何正在破裂？
报告列举了美方对AI技术的出口管制演变：从芯片制造设备、高端GPU，到最近对前沿模型的限制。这证明AI正被重新定义为战略资产，而非普通商品。未来发达国家只会向盟友分享次代模型，新兴市场将被锁定在技术代差中，印度必须为此做好准备。
印度在哪些领域拥有独特的AI数据优势？
报告特别提到印度在工业（如制造业、供应链）和医疗（病患记录、诊断数据）等领域积累了大量独特、难以复制的数据集。这些数据可用于训练专用模型，即使不是最前沿的通用模型，也能在特定场景中创造可观价值，并延伸至物理世界（如工业机器人）。
报告中的代表性数据
印度AI Mission五年预算总额
2024-2029，涵盖计算、数据、研究、基础模型等，其中基础模型分配仅约2.2亿美元（<20%），计算设施占比约44%。
印度AI Mission实际支出（FY25修正）
FY25，图形显示FY25最初预算55.2亿卢比，修正后降至17.3亿卢比，实际支出仅约1.9亿卢比，反映出执行中的资金波动。
中国年度AI公共投资估算
近年，报告用于对比，说明印度AI投入在国际上仍非常有限。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的技术依赖图谱：Exhibit 1和Exhibit 2详细列出了印度在CPU/GPU、操作系统、企业软件、云计算、社交媒体等数十个领域的依赖对象，以及本土替代方案的现状。
- 美国对AI出口管制的完整时间线：Exhibit 5从2022年10月到2026年9月，记录了美国对华芯片和AI模型限制的每一次加码，包括对NVIDIA H20、H800等的限制以及Anthropic模型禁令。
- 中国对美国技术的替代方案对比：Exhibit 6展示了华为在芯片、操作系统、AI框架等领域对标美系产品的国产替代清单，如昇腾910C对标NVIDIA H100、鸿蒙对标Android等。
- 印度历史上受制裁的案例研究：Exhibit 7总结了1974年核试验、1998年核试验及半导体时代印度遭遇的出口管制，以及印度如何被迫自主发展。
- 印度AI Mission资金分配的详细图表：Exhibit 3和Exhibit 4以柱状图形式展示预算、修正和实际支出，以及资金在算力、基础模型、创业扶持等领域的分配比例。
- 全球AI分层情景分析：报告详细描述了“最可能情景”（N-1/N-2代模型）和“极端情景”（API突然中断），并探讨对印度不同行业的冲击。
- 印度本土LLM参与方现状：报告提到Sarvam是目前最致力于主权LLM的印度公司，而其他早期参与者（如Krutrim）已调整方向。
- 政策框架与杠杆分析：报告讨论了两种政策选项（限制外部模型准入+内部投入，或强制外企本土化），并分析各自的利弊与可行性。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
