印度正大力构建本国人工智能基础设施,来自印度次大陆的行业领袖表示,这一举措将对新加坡、马来西亚等东南亚成熟科技中心起到促进作用,而非形成竞争蚕食。
在新加坡举办的Gitex AI Asia 2026大会上,站在印度AI基础设施建设浪潮前沿的科技高管们阐述了印度的庞大规模将如何成为更广泛亚洲市场的试验场。
印度数据中心巨头Yotta Data Services联合创始人兼首席执行官苏尼尔·古普塔,与总部位于英国、专注于AI驱动智慧城市应用的Gorilla Technology董事长兼首席执行官杰伊·钱丹,近期签署了一项里程碑式协议,计划在印度全境部署数千块图形处理器(GPU)。
在一场炉边对话中,两位领导人就此次部署计划的细节展开讨论。此次合作的背后,是印度新德里政府力推建立主权AI能力、保护国家数据并满足国内需求的战略方向。
印度拥有14亿人口,其中10亿智能手机用户已接入互联网,目前该国承载了全球超过一半的数字支付交易。这直接推动了在境内处理和存储数据的需求持续攀升。
古普塔指出,随着近年来AI的快速普及,用户开始对自身数据的安全性产生忧虑,尤其关注AI系统如何使用和管理个人信息的隐私问题。他表示:"人们希望拥有主权AI,以及用主权数据训练的主权模型。这在印度目前是一股巨大的浪潮,并获得了政府的全力支持。"
通过政府主导的"印度AI使命"计划,印度政府正大幅补贴算力成本,向基础设施提供商付费,将GPU资源分配给本土模型开发者、研究人员和学术机构。钱丹表示:"我们计划在头六个月内部署约5000块GPU用于AI工作负载。"他补充说,该合作最终目标是将规模扩展至36000块GPU。
根据协议,Gorilla负责提供GPU基础设施,Yotta则在其位于印度纳维孟买的数据中心运营这些GPU,向企业和政府客户提供AI算力服务,涵盖GPU集群、裸金属GPU、AI实验室工作站及AI模型端点等。
突破投资回报率瓶颈
古普塔指出,尽管许多企业已在金融、媒体、娱乐和制造业等多个领域开发了AI应用场景,但并非所有项目都能顺利落地投产。
他说:"首席财务官并不买账。如果我投资这些GPU、模型、数据集和技能体系,能否获得回报?我们必须降低成本,让他们能够跨越那条通向量产的门槛。一旦他们开始实验并取得成功,自然会进一步扩大规模。"
钱丹表示,通过以弹性、低成本的按需消费模式提供GPU基础设施,Yotta与Gorilla旨在使企业AI具备商业可行性,并在三到五年内实现投资回报。
然而,印度AI基础设施的快速扩张也引发了外界疑虑——这是否会将科技投资从东南亚数字中心吸走。
"在我参加的所有会议中,大家都会问:'印度会取代新加坡、马来西亚和越南吗?'这不会发生,"钱丹说,"印度不是来取代任何人的,印度是来帮助大家建立规模和速度的,是来证明你可以构建大型模型,并以高效的成本结构取得成功的。"
古普塔补充道,印度规模庞大的数据中心也在帮助解决全球供应链挑战。他透露,由于其他地区存在GPU短缺问题,来自欧洲和中东的企业正越来越多地将目光转向印度,希望在当地托管AI训练与推理工作负载。
"由于印度在地缘政治上相对稳定,与许多其他地区相比更为安全,它具备成为服务全球AI需求重要枢纽的潜力,"他说。
Q&A
Q1:印度主权AI战略的核心目标是什么?
A:印度主权AI战略旨在构建本国AI基础设施,保护国家数据安全,满足国内需求。通过政府主导的"印度AI使命"计划,印度政府大力补贴算力成本,向基础设施提供商支付费用,将GPU资源分配给本土模型开发者、研究人员和学术机构,推动AI技术在金融、媒体、制造等领域的规模化应用。
Q2:印度AI基础设施的扩张会影响东南亚科技中心的发展吗?
A:不会形成替代关系。Gorilla Technology董事长杰伊·钱丹明确表示,印度不是来取代新加坡、马来西亚或越南的,而是帮助这些市场建立规模和发展速度。印度庞大的体量更多充当亚洲市场的测试场,并通过提供高性价比的GPU基础设施,与东南亚科技生态形成互补。
Q3:Yotta与Gorilla Technology的合作具体包括哪些内容?
A:根据双方协议,Gorilla Technology负责提供GPU基础设施,Yotta Data Services则在其位于纳维孟买的数据中心负责运营这些GPU。双方计划在首六个月内部署约5000块GPU,最终目标扩展至36000块GPU,向企业和政府客户提供GPU集群、裸金属GPU、AI实验室工作站及AI模型端点等算力服务,目标是在三到五年内实现投资回报。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。