当一家餐厅开始向全街免费发放米其林级别的顶级牛排时，街角牛肉铺的老板浑身发抖。
在全球 AI 产业链里，就上演着这样一幕。
金融时报（Financial Times）专访了印度 AI 明星初创公司 Sarvam AI 的联合创始人维维克·拉格万（Vivek Raghavan）。
这位印度技术大佬发出了一个极其尖锐的警告：如果印度不尽快搞出自己的“主权 AI”（Sovereign AI），海外免费和极低价格的 AI 模型就会把印度变成新的“数字殖民地”！
维维克·拉格万
这话说得可谓痛心疾首。但最黑色幽默的地方在于：无论是硅谷的巨头，还是中国的开源大厂，在狂飙突进、卷 API 价格的时候，根本没人把枪口专门对准印度。
两个大国在疯狂打折、开放权重，只是在互相“对拼内力”。
但对于刚刚起步的印度本土 AI 创业者来说，这种全球性的技术平权和降价大潮，却像是一场毁灭性的“降维打击”。
中国厂商把 API 价格打到每百万 Token 只要几毛钱，把印度本土大模型的商业化美梦，给直接“卷”没了。
这个剧情，不就是三体里的“二向箔”吗？
二向箔
硅谷和中关村打架，班加罗尔为什么瑟瑟发抖？
在商业世界里，有一个反直觉的定律：免费的免费午餐，往往是最昂贵的“毒药”。对于印度广大的中小企业和开发者来说，海外模型降价简直是天大的福音。
不管是 Meta 以前开源的 Llama，还是中国厂商开源的通义千问 Qwen、DeepSeek，性能强悍还不要钱；就算用 API，海外巨头们在过去一年里也把价格疯狂暴砍了 80% 到 90%。
老板们开心坏了：直接接个 API，或者跑个开源模型微调一下，立马就能给客户提供 AI 服务的“买办模式”，难道不香吗？
但拉格万等印度本土技术派却看到了背后的深渊：
如果全印度的企业都去套壳海外免费模型，谁还会花钱买印度本土初创公司的模型 API？
没有收入，就没有资金去租 GPU；没有本地真实用户去调用，就无法积累本土语言的交互数据；没有数据飞轮，本土模型就永远打不过海外巨头。
这套逻辑一旦形成闭环，印度庞大的数字基础设施，将彻底沦为外国大模型的“流量通道”。
这就是拉格万所担心的“数字殖民主义 2.0”：1.0 时代是倾销鸦片和商品，2.0 时代是倾销算力和算法，让你从底层智力供给上，彻底丧失自主权。
班加罗尔的 AI 开发团队
隐形的“算法关税”：凭什么用印地语，要多付 8 倍账单？
你可能会问：既然海外免费模型这么好，印度直接“拿来主义”用一辈子不就行了吗？还真不行。
这里藏着一个绝大多数普通人不知道的黑硬核细节：分词器（Tokenizer）的编码机制偏见，正在向非英语国家征收昂贵的“算法关税”。
印度街头多语言公共标识
大模型并不是直接阅读印地文或汉字的，而是把文本切碎成 Token 来按量计费。海外绝大多数大模型在设计分词算法时，底层语料库里 80% 以上都是英文。
这就导致了一个极其不平等的现象：
英文：分词器处理起来得心应手，一个常用单词 Apple 可能只算 1 个 Token。
印地语或泰米尔语：由于在训练集中占比极低，分词器就像一台失控的碎纸机，把一个原本很短的印地语词汇，绞碎成 4 到 8 个极其零碎的字节符号。
这就像去同一家面包房买切片面包，店家不按重量算钱，而是按“切了多少刀”来收费。
美国顾客买一条吐司，面包师切了 5 刀，收 5 刀的钱；印度顾客买了一块印度飞饼，笨拙的面包师因为不会切，剁了 40 刀，最后要收 40 刀的钱。
明明获取的是同等份量的智力服务，印度普通人调用 GPT-4 用印地语聊天，要支付比美国人贵 4 到 8 倍的 Token 账单！
这也是为什么
Sarvam AI 咬着牙也要做自研：他们训练了 1050
亿参数（105B）的模型，甚至计划冲刺万亿参数（1T），核心突破点之一就是重构了适配印度语系的分词器，把 Token 压缩效率提升了 3
倍以上。只有把这个“算法关税”砍下来，本地企业才用得起 AI。
印度 Bhashini 语言技术演示
历史的回旋镖：从“后勤办公室”到“数据黑工”
把视线拉长，你会发现这场关于“数字殖民地”的争论，不过是历史回旋镖的又一次击中。在过去 30 年的 PC 和移动互联网时代，班加罗尔凭借大量廉价且会说英语的人口，成为了硅谷科技巨头的“后勤办公室”（Back-office）和呼叫中心基地。
印度赚取着最微薄的人工服务费，而核心的软件 IP、操作系统和数据主权，全在硅谷手里。
2003 年班加罗尔呼叫中心
到了生成式 AI 刚爆发的阶段，这种剥削变得更加赤裸。
OpenAI 等公司为了做 RLHF（基于人类反馈的强化学习），将庞大的数据标注工作以每小时 1.5 到 2 美元的极低时薪，外包给肯尼亚和印度的“数据黑工”，让他们每天在屏幕前筛选有毒言论和违规文本。
而更讽刺的“终极闭环”很快就来了：
海外巨头用印度廉价劳动力标注好的数据，训练出了极其聪明的 AI 语音 Agent，然后以极低的价格卖回给印度企业，用来替代掉印度本土几百万呼叫中心的员工。
从“帮硅谷接电话”，到“给硅谷做数据标注”，再到“自己的电话客服岗位被硅谷 AI 替换”——这种长达数十年的产业链底层阵痛，正是拉格万等印度科技精英产生“被殖民危机感”的心理根源。
印度 AI 数据标注工厂
1 万张 GPU 的倾国之力：不拼写诗，专拼“打冷枪”
既然意识到了危机，印度能像中美一样，直接拉出几万张 H100 堆出通用大模型去正面刚吗？答案是：根本做不到，家底不允许。
我们可以对比一组冰冷的数据：
中美头部巨头的单集群算力，动辄是 10 万张 H100/B200 起步；
印度倾全国之力推出的国家级“IndiaAI Mission”计划，总预算约 1037 亿卢比（约合 12.4 亿美元），目标也仅仅是采购 1 万张 GPU，还要分给全国的院校和初创公司共享。
在极度匮乏的算力面前，Sarvam AI 这类印度本土厂商被迫打出了一条极具差异化的生存打法：放弃在通用智力、写诗、写代码上跟中美硬拼，转头押注“端到端语音+边缘小模型”。
Sarvam 105B 大模型发布现场
印度是一个拥有 22 种官方语言、超过 121 种主要语言的大国，同时还有相当基数的人口识字率较低，极度依赖 WhatsApp 的语音条沟通。
在印度，AI 最接地气的刚需不是写论文，而是“打电话”。
一位北方邦的棉花农夫想问政府补贴进度，他不会用手机打字，只能打客服电话。
如果用 GPT-4，需要把声音转成文本、后台翻译成英文、大模型思考、再译回印地语吐出声音，耗时超过 4 秒，且贵得吓人。
而 Sarvam 开发的低延迟语音 Agent，直接在本地小模型上做“语音到语音”的直连，懂当地农产品俚语，0.8 秒内就能用亲切的乡音回话。现在，他们的语音系统每天要处理 250 万到 300 万次印度本土语言的电话。
这才是印度本土 AI 在海外倾销大潮中，死死守住的最后一块“战壕”。
印度农民在田间用本土语言打电话
免费的才是最贵的：绝育种子与技术买办
面对海外免费模型的诱惑，当下的印度 AI 产业正站在一个极其微妙的分水岭上。这就好比某些跨国农业巨头，向第三方国家免费发放产量极高的农作物种子。短时间内，本地农民欢天喜地，自家的育种研究所纷纷倒闭。
但几年之后人们会发现，这些免费种子被设置了“基因绝育”，无法自行留种；而此时本地的传统种子库早已灭绝，农业命脉被彻底锁死。
对于印度而言，直接拿海外开放权重的模型来做套壳应用，是短期内最爽、成本最低的“买办路径”；但走向“主权 AI”，哪怕技术笨拙、算力简陋，却是维持技术独立性的唯一火种。
中美之间激烈的 AI 价格战与开源博弈，原本只是一场科技巅峰的争霸，却无意中对全球中等国家的本土 AI 创业生态形成了巨大的外溢“误伤”。
当中国厂商再次宣布“API 免费降价”时，看似一句轻松的“好的”，背后却是全球 AI 产业格局最深刻的一次洗牌。
在这个算力即国力的时代，当免费的技术雨露洒满大地时，究竟是技术的普遍平权，还是一场无法拒绝的“数字招安”？市场很快就会给出答案。
