印度式AI自主：本土部署中国开放权重模型，同时紧握美国芯片

事件概述

印度尚无本土前沿AI模型，先进模型和高端芯片均依赖外部供应。塔克沙希拉研究所（Takshashila Institution）研究员普拉奈·科塔斯坦（Pranay Kotasthane）和巴拉特·雷迪（Bharath Reddy）在《印度斯坦时报》刊文提出，印度应选择“中国开放权重模型+美国芯片”的组合来实现AI自主：将中国开放权重模型部署在印度本土GPU上，既能避免数据出境，又可减少对美国专有API的依赖，同时维持美国芯片供应链。

核心信息

• 本土部署中国模型优于调用美国API：若印度政府部门或银行依赖Claude、ChatGPT等境外专有API，每次请求都由受美国司法管辖的企业处理，存在被美国出口管制或制裁切断访问的风险。而将中国开放权重模型部署在印度数据中心，模型权重只是静态参数文件，数据不出境，中国开发者无法撤销访问，也接触不到用户数据，主权风险反而更低。

• 安全担忧存在概念混淆：部分印度企业与监管机构将中国硬件物理后门或资本影响的风险，误套到模型权重上。开放权重模型本质上只是参数文件，推理完全在印度本土GPU进行，风险并非中国模型特有。“潜伏代理”或“木马”等后门风险同样存在于专有模型中。

• 中国模型能力接近前沿且迭代迅速：中国开放权重模型仅需前沿模型一小部分成本，整体能力约落后Anthropic前沿模型八个月。月之暗面（Moonshot AI）的Kimi K3已在部分代码基准测试中超过Anthropic的Fable 5，差距仍在快速变化。

• 存在约18个月的窗口期：中国曾对镓、锗、锑及稀土加工技术采取“先放开后管制”的先例。若中国开放权重模型展现出变革性影响，北京可能限制下一代模型出口，但已公开的权重无法收回。印度需在未来18个月左右建设本土AI推理能力，包括微调、评测和红队测试。

• 高端GPU仍需美国供应：开放权重模型解决不了算力供应链问题。印度推理所用GPU全部由美国企业设计，仍受美国出口管制。印度短期内只能维持对美接触，继续参与“硅和平”（Pax Silica）等倡议。

• 监管应聚焦部署而非模型来源：印度监管不应因模型来自中国就一概限制，而应审查数据流向、算力控制者和审计记录。对低价中国模型一律设限，会抬高企业成本，却无法解决真正的主权风险——即对境外专有API的持续依赖。

值得关注

这一观点反映印度战略界正从“技术依赖是否可控”而非“依赖哪一方”来重新评估AI主权。核心诉求是借助中国开放权重模型降低对美国专有接口的依赖，同时保留美国芯片供应，为印度争取更大的技术自主空间。