近日，印度人工智能影响力峰会在喧嚣声中落下帷幕。印度政府在峰会上积极营销印度发展人工智能的潜力与实力，大力宣介印度引领人工智能全球治理的理念与主张，展现其争当全球人工智能“第三极”的战略雄心。不过，组织混乱、机器狗造假事件等负面新闻也让峰会效果大打折扣，引起人们对印度能否顺利推进其人工智能战略的质疑。
与中美两国相比，印度在人工智能领域明显落后，但其战略雄心却毫不逊色，明确将人工智能作为推动经济转型、破解发展难题、弥合数字鸿沟、提升国际话语权的重要抓手。印度总理莫迪在峰会召开前夕接受媒体采访时提出，“印度应跻身全球三大人工智能超级大国之列”。峰会期间，莫迪再次强调，“印度不仅是人工智能革命的一部分，更是在领导和塑造着人工智能革命”。
印度的“雄心壮志”并非毫无依据，其在人工智能领域亦有诸多优势：印度将人工智能作为国家战略，2024年3月即启动《印度人工智能使命》，全面推进人工智能生态系统建设，并将人工智能战略与“印度制造”“数字印度”等国家战略深度融合；印度是拥有全球最大互联网用户群体的国家之一，绝大部分民众已建立数字身份系统，为人工智能技术的大规模部署和反馈优化提供了海量数据和真实场景测试基础；印度拥有巨大的市场潜力，人工智能市场规模预计以25%~35%的年复合增长率扩张，吸引国际科技巨头纷纷投资印度；印度拥有大量软件开发、数据处理、机器学习等领域专业人才，斯坦福大学2024年人工智能指数显示，印度人工智能技能渗透率以2.8分位居全球第一；印度在国际舞台上被认为是全球南方的重要成员，为其参与全球人工智能治理提供独特身份优势。
依托上述优势，印度政府积极推进人工智能战略，在算力基础设施建设、高精尖人才选拔培养、数据资源开放共享、吸引国际科技巨头落地、全球人工智能治理参与、本土大语言模型研发等领域多措并举，且取得一定进展。比如，印度政府已整合3.8万个高端图形处理器（GPU），且仍要扩大规模，以优惠价格提供给印度初创企业和学术机构，以强化本土算力支撑；已建立27个印度数据与人工智能实验室，另有543个实验室选址已确定，助力提升本土研发水平；已遴选12支团队推进本土基础模型或大语言模型的开发项目，其中印度政府支持的BharatGen大语言模型能够支持20余种本土语言；启动“印度人工智能数据集平台”，提供高质量非个人数据的无缝访问；向超过8000名本科生、5000名研究生及500名博士生提供人才培养支持；推动谷歌、微软、亚马逊等科技巨头承诺对印投资百亿美元，加强这些企业在印度的数据中心和云基础设施建设；积极推动人工智能在医疗、农业等领域的应用，如2025年大壶节期间采用基于人工智能的人群管理系统，大幅降低了事故发生率。
不过，印度人工智能发展之路并非坦途，诸多结构性短板弱项亟待解决。
一是算力与基础设施瓶颈。算力是人工智能发展的关键指标，涉及高端芯片、高性能存储和网络设施、电力供应等，但印度在相关领域短板明显。印度本土尚无先进制程芯片制造能力，其半导体产业在软硬件方面都面临诸多掣肘，训练大模型所需高性能GPU几乎完全依赖进口。虽然印度政府积极扩大GPU规模，但与中美相比仍有很大差距，美国单家科技巨头的GPU储备就超过印度全国总量。此外，印度云算力和数据中心基础设施不足，本土云服务商规模有限，大规模训练更多依赖海外云资源，而印度电网稳定性不足、水资源短缺等问题又制约算力基础设施建设。
二是高端人才流失与研发短板。印度虽然拥有庞大的信息通信（IT）人才群体，但存在高端研发人才严重短缺且流失率高、应用型人才过剩而研究型人才不足、IT劳动力规模大但核心工程师占比极小等问题。比如，印度研发人才主要集中在算法调优和应用开发，而非底层架构设计；顶尖科研人员更倾向于赴美深造就业，人才流失问题严重。研发投入不足更使这一问题雪上加霜，印度全国研发支出占国内生产总值（GDP）比重仅为0.6%，远低于人工智能强国3%左右的水平。这导致印度人工智能研发多集中在应用层和二次开发，原创性成果稀少，高端研究能力与应用开发能力之间存在断层。
三是高质量数据供给与治理缺陷。印度数据资源丰富，但在数据质量、数据治理体系、跨境规则等方面存在明显掣肘。比如，印度已通过《数字个人数据保护法》，且积极搭建数据开放共享平台，但在跨部门数据共享、隐私保护与创新平衡等方面仍缺乏细则，数据使用、模型训练中的合规边界存在不确定性。此外，印度的多语言优势同时带来数据标注和标准化的难题，叠加数据碎片化、数据标注体系不健全、数据质量参差不齐等问题，导致高质量语料不足。
四是产业生态培育效果有待提升。印度拥有活跃的人工智能初创生态，但许多企业和项目都停留在早期或概念验证阶段，在落地实施、商业化规模化、组织资源与资金匹配等方面仍面临明显瓶颈。2月19日，印度《经济时报》援引行业专家称，印度约75%的企业人工智能项目在概念验证阶段后就陷入停滞，难以进入生产部署和规模化阶段。印度“人工智能+”更多集中在服务业，与实体经济融合不足，工业自动化、智能制造应用场景不足。此外，印度IT巨头主要提供外包和系统集成业务，缺乏真正开展自主核心技术研发、构建本土底层人工智能平台的全球级人工智能龙头企业。显然，印度虽然有大量初创企业和示范项目，但真正实现大规模、可持续商业化仍存在难度。
总之，印度在海量数据、独特的多语言场景、完善的数字公共基础设施和成本优势等方面有一定特色，有助于其在普惠性人工智能应用、多语言处理、开源生态构建等领域形成差异化竞争力。人工智能影响力峰会的举办，也有助于使其成为连接发达国家技术和资本资源与发展中国家应用需求的重要枢纽。但是，印度的人工智能实力目前更多体现在战略愿景和发展潜力上，其人工智能发展面临的结构性问题短期内难以得到根本解决，在核心技术、产业化规模和全球竞争力等方面仍处于“追赶”阶段，印度迈向全球人工智能“第三极”道阻且长。
