全球AI研究十大领域 - 基础模型推动通用AI发展，正朝着更小、更快、更高效的方向演进 [1] - 推理能力帮助AI逐步解决复杂问题，AI智能体可独立使用工具并执行任务 [1] - 多模态AI融合文本、图像、音频、视频及对物理世界的理解 [1] - AI安全旨在使系统可靠、可理解且能抵御滥用，机器人技术使机器能在现实世界中感知、决策和行动 [1] - AI for science加速医学、材料、气候和数学领域的发现，硬件方向开发专用芯片和节能计算 [1] - 数据与学习方法帮助AI从更少样本中学习、生成有用训练数据并持续改进，治理方向涉及公平、隐私、透明度和监管 [1] 美国AI研究优势 - 美国和中国主导全球AI研究但优势各异，美国在基础模型、推理、智能体、安全、AI for science和硬件领域领先 [2] - 美国依托庞大资本、算力和全球人才，2025年私人AI投资达2859亿美元（$285.9 billion）[2] - Nvidia及OpenAI、Anthropic、Google DeepMind等领先实验室强化了美国优势 [2] 中国AI研究优势 - 中国在机器人和AI研究产出方面领先，在模型和芯片方面正迅速缩小差距 [3] - 国家支持、规模效应和效率支撑中国进展，DeepSeek、阿里巴巴Qwen和月之暗面Kimi证明能以更低成本开发强大模型 [3] - 出口管制加速中国追求芯片自主，多模态AI和数据学习方法仍是两国激烈竞争领域，双方均在推进视频生成和计算高效训练 [3] - 欧洲在治理方面领先，其AI法案率先落地 [3] 印度AI发展现状 - 印度在语言AI方面具有真实优势，AI4Bharat、BharatGen、Sarvam AI和Bhashini开发覆盖全部22种表列语言的模型和数据集 [4] - 这些努力可开拓全球市场，尤其在印地语、泰米尔语、孟加拉语和旁遮普语使用国家 [4] - 应用AI也在推进，Wadhwani AI开发了结核病筛查和棉花害虫管理能力，IIT Ropar的Annam.AI为农民提供本地天气智能，IIT Kanpur的Airawat Research Foundation开发基于AI的空气质量系统 [4] - 主办AI影响峰会并通过《新德里宣言》获得92个国家认可，增强了印度在AI治理中的话语权 [4] - IndiaAI Mission在多个领域动员模型开发团队并部署超过45000个GPU，数据中心投资呈指数级增长 [4] - 但前沿能力仍然有限，算力依赖进口芯片，机器人和安全研究需要加强 [4] 印度AI战略方向 - 印度数字公共基础设施为AI研究提供借鉴，应聚焦规模和多样性带来优势的问题而非模仿美国路径 [5] - 多语言、语音优先AI：为服务不足语言开发开放模型可使印度成为非洲、南亚和东南亚社会的全球参照点 [5] - 节俭AI：开发高效、可负担的模型，能在廉价设备上运行甚至离线，同时开发用于手机、车辆和农机的低功耗芯片 [5] - AI作为公共基础设施：医疗、农业、教育和土地记录领域提供机会，在专业知识有限、数据不完美和问责要求强的环境中构建可靠AI [6] - 评估与信任：印度可开发多语言基准、测试社会偏见、检测深度伪造并建立与全球南方相关的安全标准，实现这些需要大幅深化研究能力 [6] 印度AI发展六步举措 - 创建专门机构：国家AI发展组织作为非政府公共实体，政府持股26%，印度国家银行和人寿保险公司各持26%，IT行业持30%，其余由慈善和学术机构持有，可提供类似国家支付公司对数字支付的集中领导力 [7] - 每年提供2500亿至3000亿卢比（₹25,000 crore-30,000 crore）资金持续十年，集中于选定优先领域而非分散使用 [8] - 公共资助的模型、数据集和基准应公开可用，数据赋能与保护架构应以任务模式推广，正式采用可将AIKosh和Bhashini转变为健康、农业、教育和语音领域的可信数据共享平台 [8] - 使政府成为首个客户，创造需求并帮助有前景的印度AI解决方案规模化 [8] - 投资人才：设立1000个研究讲席、数千个博士奖学金（仿效2014年Vishveshwariah博士计划），并努力吸引海外印度研究人员 [8] - 扩大算力和芯片设计：扩大共享GPU访问、资助国家超级计算、通过Semicon India支持节能AI芯片，结合设计补助、制造准入和政府保证采购 [9] 印度AI自主知识产权战略 - 印度不能重蹈半导体覆辙，印度人才设计了世界级芯片但知识产权主要属于全球巨头 [10] - 印度必须紧急创建和扩展自有知识产权，服务于印度和世界 [10] - 印度不应竞相构建仅匹配世界最佳的AI，那是巨头拥挤的红海，其机会在于蓝海：能说每种语言并在人们手中数十亿设备上运行的AI [10]