印度人工智能发展的现状与挑战 - 印度拥有约10亿在线人口和庞大的移动优先用户群，每日产生海量数据，正迅速成为全球最大的人工智能用户基地之一[2][12] - 印度是OpenAI的ChatGPT和Anthropic的Claude在美国之后的第二大用户群，但其收入仅占这些平台总收入的一小部分[12] - 该国在人工智能三大基础要素中，缺乏大规模的基础研究培训以及公共实验室和大学中的先进处理器，但拥有丰富的数据资源[1][12] 数据作为战略资产的重要性 - 印度应将数据视为战略资产，而非免费出口的资源，以避免重复历史上低价出口原材料再高价回购成品的模式[1][2] - 美国大型科技公司正为获取印度市场的数据而展开猛烈攻势，这些数据包括语言、语音和行为，用于首先让外国系统变得更智能[2][12] - 印度的语言多样性（超过20种官方语言和数十种非官方语言）使得建立本地化数据集至关重要，否则AI模型将在关键场景中不可靠[3][12] 构建本土人工智能生态系统的路径 - 包括安德森·霍洛维茨基金支持的Poseidon AI在内的一些初创公司及大型科技公司支持的非营利项目，正尝试众包和创建本地语言数据集[6][13] - 印度应大力推动在医疗保健或金融等领域创建专业化、高影响力的本地化数据集，并建立安全访问敏感数据的框架[7][8] - 政府应要求建立能够提升能力的合作伙伴关系，包括公共计算资源承诺、高端芯片获取、AI研究人员培训管道以及超越象征性承诺的协作[10][13] 政策制定与价值捕获 - 制定公平的数据政策是印度在人工智能时代引领全球南方国家的最大机遇，其核心在于谁控制这一战略投入以及谁从中捕获价值[9][11] - 政策制定者应要求外国模型构建者披露用于训练其系统的数据类型，以及如何在印度语境下评估其危害和偏见[10][13] - 新德里应建立规范，将本地数据集视为公共产品，并考虑收益分享模式以确保利益留在国内[10][13]