印度IT教父甩锅：印度搞不出AI大模型，都怪中国把大模型开源了

文/王新喜

印度IT圈教父级人物、印孚瑟斯联合创始人南丹·尼勒卡尼，最近在接受科技媒体Rest of World采访时甩了一口漂亮的锅。

他直接点名两家中国公司：DeepSeek和阿里Qwen，直指中国企业把大模型开源了，现在印度想从零训练一个通用大模型，商业上基本已经没有可行性。

无独有偶，印度本土AI公司创始人马祖姆德更早就在领英发文《为什么印度造不出基础大模型》，声称中国大范围开源高性能大模型，压低行业成本，逼得印度本土企业全都只做二次微调，没人愿意从零搭建基础大模型。

印度舆论把锅全扣在中国开源头上，仿佛是中国把印度AI的自研路给堵死了。

外包立国的基因，天生容不下基础大模型

可但凡扒一扒印度IT产业的老底就会发现，印度搞不出大模型，根子上是几十年“外包躺赢”的路径依赖。

班加罗尔的写字楼挤满了工程师，硅谷CEO里印度裔占据显著份额，可撑起印度IT招牌的塔塔咨询、印孚瑟斯、Wipro，做的都是接单型生意，你提需求、我交付，靠人力成本差赚服务费。

欧美银行升级系统找它们，跨国公司数字化改造找它们，客服中心外迁降本还找它们，这样的外包生意跟押注基础大模型根本不是一个物种。

做IT外包，骨子里是甲方要啥我做啥，但训练一个千亿参数通用大模型，需要上万张H100级别的AI芯片，配套数据中心、电力供应、冷却系统，光基建投入就能烧掉几十亿美金。

烧完钱训练出来还不算完，用户每一次提问都要消耗GPU算力，电费、运维费是刚性支出；对手隔两三个月就迭代新版本，你不跟进就会被市场淘汰，烧钱没有尽头。

这种“砸几十亿、赌三五年、成败未知”的生意，在印度外包巨头的董事会里根本通不过，因为这等于让收租的去创业，老板第一个不答应。

为什么中美大模型能做成？美国那边，微软、谷歌、亚马逊、Meta，家家都有自己的云服务、芯片供应链，还有十亿级全球用户入口。

中国这边也是如此，有自己的芯片产业链，阿里、腾讯、字节、百度、华为，模型练出来立刻能塞进电商、社交、搜索里反哺业务。

印度手里那些巨头是服务商，不是平台方，没有淘宝、微信、抖音那种能装下十亿用户的大水池。

大模型不是一个孤立的产品，是巨头商业生态里的一环，中美走的都是“自有场景反哺研发”的闭环路子。

印度的IT公司既没有自己的亿级用户平台，也没有落地的消费场景，更没有自研芯片和云服务的底子，印度一开始就缺乏这个水池底子。

大模型拼的不是代码，是一整套体系家底

就算印度企业想通了，愿意砸钱赌一把，现实条件也不允许。

首先是印度高端AI芯片全靠进口，连成熟制程的逻辑芯片都造不利索，更别说H100、H200这种顶级算力芯片。

就算能买到现货，数据中心配套也是死穴。印度电网稳定性之差是出了名的，动不动就大面积停电。

可AI数据中心要求7×24小时不间断供电，光配套备用电源、冗余电力系统的成本就比中美高出一大截。冷却系统、带宽、专业运维能力，全都是肉眼可见的缺口。

再一个是数据鸿沟。大模型的根基是高质量语料，而印度有22种官方语言，文字体系各不相同，印地语、泰米尔语、孟加拉语、泰卢固语各有各的使用人群，没有任何一种语言能覆盖全国绝大多数人口。

印度理工马德拉斯分校的AI4Bharat项目，算是印度最成体系的开源语料工程，攒了22种语言，总共也就2500亿左右的token。

而中文大模型的训练语料，动辄就是数万亿token起步。

语言碎片化直接导致语料收集成本极高、通用模型的训练基础薄弱。花同样的钱训练出来的模型，只能覆盖一小部分人群，商业价值天然打了对折。

此外是印度本土风投市场的规模，和中美根本不在一个量级。

大模型这种“烧钱数年、胜负未知”的赛道，需要的是长期战略资本，印度本土的风投规模有限，愿意长期砸钱，能砸得起大模型这种"无底洞"级别项目的机构，屈指可数。

没有巨头托底，没有资本接力，光靠几个创业公司，根本扛不起基础大模型的天量投入。

中国开源不是拦路虎，是印企的遮羞布

说到这就很清楚了：印度搞不出基础大模型，是产业基因、基建、数据、资本共同决定的，本来就没什么成功概率。尼勒卡尼甩锅中国开源，是给印度AI产业找了个体面的台阶下。

时间倒回2020年，GPT-3刚发布，全球大模型赛道刚起步，那时候如果印度咬牙上马，本土企业合力研发，哪怕做出来的模型性能一般，起码有本土市场兜底，能慢慢迭代。

可那时候的印度IT圈，忙着接外包订单赚快钱，根本没人看得见AI的发展大趋势。

等2024、2025年中国的开源模型陆续放出来，效果越来越好，还能免费商用，印度的创业公司立刻找到了最优解：下载现成的开源模型，喂点本地语言数据微调一下，几个月就能做出客服、教育、医疗的本地化应用，成本低、见效快、风险小。

对创业公司来说，这是天上掉馅饼，投资人一句话就能把你问死：人家免费开源的模型效果比你好，你凭什么要我投几个亿从零开始做？

日经亚洲2026 年7月实地走访班加罗尔 36 家AI 初创公司，统计结果摆在明面上，七成以上企业直接接入DeepSeek、通义千问这类中国开源模型支撑线上业务，真心愿意投入资源训练自有底层模型的企业不足三成。

开源只是把“要不要从零造轮子”的答案摆到了台面上，让印度没法再假装“我们只是不想做，不是做不出来”。

印孚瑟斯联合创始人南丹・奈勒卡尼的态度转变，更能戳穿这套双标逻辑。

2025年7月他接受海外媒体采访，点名中国开源模型阻碍印度自主研发，催地政府出台限制政策。

但后来他在印度工业联合会论坛却主动劝说同行不必死磕从零研发，直接拿中国开源模型做本土多语言适配，确实是性价比最高的路线。

就算没有DeepSeek和通义千问，还会有Meta的Llama、有Mistral的开源模型。全球开源浪潮是大势所趋，印度跟不上，是自己没家底接不住，怨不得别人。

大模型这场竞赛，美国靠的是顶尖芯片、全球互联网平台、成熟风险资本，三位一体堆出来的优势。

中国靠的是超大规模市场、完整互联网生态、海量应用场景、强大基建能力，一层层垒出来的地基。

印度除了英语优势和海量工程师，几乎处处都是短板。印度工程师大多也在给欧美企业打工，服务的是甲方需求，不是本土产业。没有自己的平台与场景，没有自己的算力底座，再多人才，也都是给别人做嫁衣。

这就像当年的软件外包一样，印度做到了全球最大，可核心的操作系统、数据库、编程语言，从来都攥在欧美手里。

现在AI浪潮来了，印度依然想走“承接外包、做应用层”的老路，但这条路却已经面临AI本身的竞争了。

甩锅中国开源，不过是给自己的路径依赖找个借口罢了。真正的门槛从来不在别人开不开源，而在自己有没有家底、有没有决心、有没有完整的产业生态。

没有这些，就算全世界的模型都闭源，印度也造不出属于自己的基础大模型。