中美AI太空競爭引印度反應，印部長稱印AI屬第一梯隊

中美兩國在AI領域的較量早已白熱化，如今更是把算力戰場搬到了近地軌道，爭相部署太陽能計算網絡，搶占未來科技的制高點。

可就在中美忙著實打實拼技術、鋪布局的時候，印部長在達沃斯論壇上直接放話，宣稱印度AI已經躋身第一梯隊，絲毫不輸中美。

這話聽著確實底氣十足，但熟悉AI行業的人大概都會犯嘀咕：中美都已經把算力玩到太空了，印度的第一梯隊，到底是真有硬實力，還是只是自喊口號？

中美對壘：太空算力見分曉，地面基建定輸贏

很多人可能還沒意識到，中美現在的AI競爭，早已不局限于地面的算法和芯片，太空算力的比拼，或許會成為未來拉開差距的關鍵。

日經亞洲1月15日就報道過，中美兩國的科技企業，都在緊鑼密鼓地推進太空數據中心布局，只不過兩者的路徑略有不同，實力也隱約有了分野。

中國在這一領域，或許可以說稍微占了點先機——去年5月，中國初創公司ADA Space和之江實驗室，聯手發射了12顆配備計算設備的衛星。

這些衛星靠著激光光學通信網絡相互連接，能直接在太空中完成AI計算，合計每秒可完成5千萬億次運算，差不多相當于一臺超級計算機的算力。

這12顆衛星，只是三體計算星座項目的第一步，按照規劃，這個項目最終要部署2800顆衛星，實現每秒百億億次運算的總算力，主要用來實時處理地球觀測數據，不管是天氣預報、災害管理，還是國防領域，都能發揮作用。

美國自然也不會甘心落后，谷歌、SpaceX、Starcloud等科技企業，都推出了自己的太空算力計劃。

太空比拼如火如荼，地面的電力基建，卻悄悄決定著中美AI算力的底氣，美國當下的AI熱潮看似兇猛，背后卻藏著電網危機。

華爾街日報1月12日報道，美國最大電網運營商PJM公司，運營的電網橫跨13個州，覆蓋6700萬人，剛好位于弗吉尼亞州北部的數據中心走廊，要為大量涌現的AI數據中心供電，而這些AI設施的耗電量，幾乎是個無底洞。

再加上，消費者電價在上漲，老舊發電廠退役的速度，比新電廠建設的速度還快，用電高峰期電網容量隨時可能耗盡，酷暑或嚴寒天氣里，說不定還要輪流停電，避免電網基礎設施損壞。

反觀中國，卻在悄悄筑牢電力根基，華爾街日報去年12月走訪內蒙古后報道，那里的開闊地貌和美國得克薩斯州相似。

如今卻布滿了風力發電機和輸電線路，被稱為新草原云谷，不僅能持續提供風電，還有超過100個數據中心正在運營或建設中。

按照摩根士丹利的預測，到2030年，中國在電網項目上的投入大概會達到5600億美元，比前五年增長45%。

高盛也預測，到2030年，中國的備用電力容量會達到400吉瓦，差不多是屆時全球數據中心預期用電量的三倍，如此來看，在AI算力的比拼中，中國的電力基建，或許就是一張隱形的王牌。

印度發聲：喊出第一梯隊口號，實則深陷泡沫與困境

中美在太空和地面雙線發力，印度終于按捺不住了，1月20日，印度官員在達沃斯論壇上直接放狠話，說deepick和cheap GB這類AI公司已經走到盡頭，大概率會失敗。

尹部長言外之意很明顯：印度AI并沒有落后，和中美還在同一條起跑線上，甚至有能力后來居上。

不得不說，印度的AI野心確實不小，不僅宣稱要成為全球AI第三支柱，還定下目標，2032年要搞定三大核心成果。

為了實現這個目標，印度政府也有動作，2024年批下了13億美元的預算，號稱要砸錢搞AI基建和創新。

資本市場也聞風而動，去年印度有一只RPPP AI概念股，PPT剛做完就被資本爆炒，一度暴漲5500%，看著熱鬧非凡。

可熱鬧歸熱鬧，印度的AI繁榮，多半只是泡沫，這只暴漲5500%的概念股，除了PPT，幾乎沒有任何實際產出，說白了就是資本炒作的產物，沒有一點實打實的技術支撐。

另外，印度最依賴的外包產業，正在被AI慢慢取代，過去幾十年，印度靠著英語優勢和廉價人力，把客服、數據錄入、軟件調試這些后臺工作，做成了一個價值2800億美元的大產業，占據了全球20%的客服市場份額。

塔塔、伊福瑟斯這些巨頭，幾乎承包了全球企業的客服和IT支持，硬生生養活了540多萬人，還催生出了龐大的中產階級，成為印度經濟的重要引擎。

2024年，印度經濟規模達到3.6萬億美元，光是IT行業對GDP的貢獻就超過10%，2022年之前，印度IT公司每年大概能吸收60萬畢業生，這份產業對印度的重要性，可想而知。

可AI的出現，恰好擊中了印度外包產業的軟肋——AI最擅長的，就是處理這些重復勞動，而且成本比印度入門級員工還低，甚至可以說幾乎不要錢，效率還比人工高得多、準確率也更高。

這就導致，印度曾經的香餑餑產業，開始大幅縮水，去年，印度整個外包行業的新增崗位，降到了十多年來的最低，只有6萬個。

伊福瑟斯的呼叫中心裁員45%，班加羅爾的業務也大幅收縮；塔塔更是預計，要裁掉超過1.2萬個中層崗位。

除了產業被沖擊，印度的AI技術本身，也充滿了讓人啼笑皆非的亂象，去年，印度推出了一款號稱能自動寫代碼的AI軟件food得AI，名字起得高大上，宣稱能幫程序員減輕負擔，解決禿頭難題，號稱軟件十分完美，只是偶爾反應遲鈍、bug多了一點。

可后續報道卻揭穿了真相：這款軟件所謂的智能生成代碼，根本不是AI運算的結果，而是后臺成千上萬的印度程序員人工編寫的。

最離譜的，大概還要數印度官方推出的牛糞芯片，2020年，印度國家牛委員會隆重推出這款黑科技，宣稱用神圣的牛糞制成，放在手機里能防輻射、保健康，印度大黨主席還親自站臺，夢想著以10美元一個的價格賣給美國人。

可還沒等打開美國市場，印度本國的科學家委員會就出來打臉，直言這款芯片完全不科學，根本沒有所謂的防輻射、保健康功效。

看著這樣的操作，難免讓人懷疑，印度宣稱要搞的高端芯片，會不會也用了類似的奇葩原材料。

底層短板：野心配不上實力，印度AI難成氣候

喊著第一梯隊的口號，做著充滿亂象的布局，印度的AI野心，終究還是敗給了自身的短板。

在我看來，印度要想在AI領域追上中美，至少要跨過四道坎，而這四道坎，每一道都不容易跨越，甚至可能成為印度AI發展的致命阻礙。

第一道坎，就是人才留不住，形成了史詩級的人才逆流，環球時報曾經舉過一個例子，一位印度青年，父母砸鍋賣鐵、貸款190萬盧比供他讀完計算機專業。

可畢業后，印度國內根本沒有高薪AI崗位，只能去亞馬遜印度分公司做客服，月薪2.2萬盧比，換算成人民幣也就1600多，連還貸款都勉強。

在這樣的環境下，稍微拔尖一點的印度AI人才，幾乎都會選擇出國留學，拿到美國H1B簽證，進入硅谷工作——畢竟那里有更好的薪資待遇和發展空間。

第二道坎，是電力基礎設施薄弱，根本撐不起AI的算力需求，AI本身就是電老虎，對電力的消耗大到驚人。

就拿GPT-4來說，根據券商研究報告，它每完成一次完整訓練，需要消耗大約38.2吉瓦時的電量，換算下來就是3820萬度電，平攤到95天的訓練周期里，每天就要消耗40萬度電。

而印度的電力系統，實在難以支撐這樣的消耗，印度的電力設施老化嚴重，長期缺乏維護，偷電問題也十分突出，電網穩定性堪憂。

第三道坎，是政府資金投入不足，和中美差距懸殊，AI發展離不開資金支持，不管是技術研發、人才培養，還是基礎設施建設，都需要大量資金砸入。

中國2025年中央對AI技術的支出預算接近4000億人民幣，還設立了84億美元的AI初創企業專項基金，各地也跟著推進AI+行動，把AI應用到工業、農業等實際領域。

美國更是夸張，政府推出700億美元投資計劃，專門用來建設AI數據中心和升級能源設施，再加上硅谷風投資本的瘋狂投入，2025年一年，OpenAI這樣的頭部企業就融資超過1500億美元。

反觀印度，資金投入就顯得捉襟見肘了，在印度最新的二五到二六財年預算中，政府撥給科技部的經費大約只有23億美元，這其中還要兼顧各種雜項支出，真正能落到AI行業的，恐怕寥寥無幾。

第四道坎，是多語言帶來的數據存儲成本高企，成為AI發展的額外負擔，AI的發展離不開大量數據的支撐，數據就相當于AI的糧食，只有攝入足夠多的優質數據，AI才能不斷迭代優化。

而印度的特殊情況的是，官方承認的語言就有22種，這就意味著，數據存儲需要兼顧多種語言，成本自然水漲船高。

簡單來說，中國的AI可能只需要處理一種主流語言的數據，就能滿足大部分需求，而印度的AI，卻要同時處理22種語言的數據，投入的成本成倍增加，效率卻未必能跟上。

這種多語言帶來的負擔，不僅增加了數據存儲的成本，也給AI模型的訓練帶來了不小的難度，相當于讓AI多花了好幾倍的力氣，卻未必能達到同樣的效果。

總結：AI競爭靠實力，口號撐不起第一梯隊

說到底，全球AI競爭，拼的從來不是口號有多響亮，而是技術實力、基礎設施、人才儲備和資金投入的綜合比拼。

中美兩國，一邊在太空布局算力網絡，搶占未來制高點，一邊在地面筑牢電力根基，支撐AI算力需求，哪怕還面臨著技術難關和成本壓力，卻始終在實打實推進，這也是他們能穩居全球AI第一梯隊的核心原因。

而印度，看似野心勃勃，喊出了第一梯隊的口號，也推出了一系列布局，可背后全是經不起推敲的泡沫和短板。

人才大量外流，沒有核心研發力量；電力基礎設施薄弱，撐不起AI算力需求；資金投入不足，難以支撐技術研發和產業落地；多語言帶來的數據成本高企，進一步制約發展。

或許，印度確實有發展AI的潛力，畢竟人口基數大，也有一部分優秀的AI人才，可潛力要轉化為實力，需要解決的問題還有很多。

中美已經在AI賽道上跑出了很遠的距離，而印度，還在起跑線附近徘徊，卻宣稱自己和中美處于同一起跑線，難免讓人覺得不切實際。

當然，做人要有夢想，國家發展也要有野心，我們也愿意看到印度在AI領域能有真正的突破，畢竟良性競爭，才能推動全球AI技術不斷進步。

但夢想終究要落地，脫離了實力支撐的口號，再響亮也沒有意義，等到印度真正解決了人才、電力、資金、數據等核心問題，拿出實打實的技術和成果，或許才能真正躋身AI第一梯隊，而不是現在這樣，靠著口號博眼球，深陷泡沫難以自拔。