印度自研模型社死，照搬千问，仅塞提示词硬充印度造

2 小时前

AI资讯

1 阅读

大模型印度AI 主权AI 模型争议

围绕“印度造”大模型的争议，在2025年下半年到2026年初持续发酵。一边是官方高调宣称“绝不输中国”，一边是自家模型在逻辑推理和方言处理上接连翻车，印度AI的自主叙事正遭遇前所未有的信任危机。

2025年7月，印度首个自主研发的大模型项目BharatGen发布，被官方寄予“主权AI”厚望。但技术层面的短板很快暴露：该模型仅有20亿参数，在逻辑推理任务中存在诸多漏洞。在万亿级参数模型成为主流的当下，这样的体量几乎不具备实用竞争力。

更尴尬的是，被寄予厚望的Sarvam AI在内部测试中也出了问题。其早期版本参数未达预期，在处理印度复杂的方言混写内容时，甚至出现严重的逻辑崩溃。对于一个以“多语言、多方言”为卖点的本土模型来说，这几乎是致命的。

这一连串问题，把印度AI逼到了一个必须回答的岔路口：坚持打造漏洞百出的纯本土模型，是否就等于实现了AI主权？

推动印度AI战略转向的关键人物，是曾主导印度全民身份证（Aadhaar）和统一支付接口（UPI）体系的企业家南丹·尼勒卡尼。当政府仍聚焦算力堆叠和参数竞赛时，他提出了一个形象的类比：

印度自研模型社死，照搬千问，仅塞提示词硬充印度造

“如果全世界已有人耗资百亿美元造出了最好的‘发电机’，并愿意以极低的价格把‘电’卖给我们，那印度为什么还要倾家荡产去建自己的核电站？我们要做的，是用这些廉价的‘电’，发明全世界最丰富的‘电器’。主权不在于发动机是谁造的，而在于方向盘握在谁手里。”

基于这一逻辑，尼勒卡尼主张印度不必追求能完成复杂任务的大模型，而应聚焦能服务基层民生的小模型——帮农民算贷款利息、辅助村医做基础诊断。大模型研发成本高、场景有限，小模型成本低、适配性强，更贴合印度的现实需求。

这套说辞在2025年下半年大模型接连翻车后获得了更多认同，但也为后来的“套壳”争议埋下了伏笔：既然“电”可以买，那“模型”是不是也可以直接拿来用？

在具体落地上，印度把宝押在了13亿参数级别的微型模型架构上。这一选择并非偶然——13亿参数被公认为能够在低端硬件上实现AI落地“最后一公里”的算力甜点区。

印度电子和信息技术部部长瓦伊什瑙曾公开表态：印度不追求万亿级参数的“模型巨兽”，而是在13亿参数这类“战术级模型”上，挖掘更贴合本土场景的主权AI生产力。两个被反复引用的案例是：

Shodh AI的“炼金术士”（Project Skanda）：聚焦能源领域，通过算法推演探索钠离子电池研发路径，试图帮助印度摆脱对锂矿进口的依赖；
Amul的“牛棚保姆”（Sarlaben App）：源于总理莫迪关于“AI能否用于奶牛疾病诊断”的提问，仅用34天完成训练，可通过牛叫声、眼部照片实时监测奶牛健康。

这些应用确实贴合本土场景，但它们的核心技术底座究竟从何而来，却始终语焉不详。

真正让印度AI“社死”的，是随后曝出的底层照搬争议。多方信息指向，部分号称“自主研发”的印度模型，其底层实际调用的是阿里千问的开源权重，团队所做的工作主要集中在提示词工程和界面包装层面——换一套印地语、泰米尔语的系统提示词，再配上本土化的交互外壳，对外便以“印度造”示人。

印度自研模型社死，照搬千问，仅塞提示词硬充印度造

这种做法在工程上并非全无价值，提示词调优确实能改善特定场景的体验。但问题在于，当它被包装成“主权AI”的突破时，性质就变了：

这也解释了为何印度官方在面对质疑时，频频以“不追求万亿参数”“主权在于方向盘”来转移话题——方向盘确实握在手里，但发动机铭牌上刻的并不是印度名字。

套壳争议的背后，是算力家底的硬约束。到2026年初，印度通过“印度AI使命”落地的GPU数量达到3.8万颗，较一年前的1.8万颗翻了一倍，规模在南亚地区领先。但放到全球坐标系里，这个数字并不好看：

算力差距直接决定了模型能力的上限。2025年年中，印度“全栈自主研发”的AI路线正是在这一约束下遭遇实际困难。当自研模型在推理和方言场景中反复失灵，而套用成熟开源底座又能快速出成果时，选择“拿来主义”几乎是必然的。

只是，当“拿来”被说成“自研”，当提示词被当作核心技术，印度AI要挽回的不只是技术口碑，还有那句“绝不输中国”背后所剩无几的公信力。主权AI的方向盘或许真的握在手里，但如果连发动机都是别人的，这辆车能开多远，恐怕连印度自己心里也没底。