2026年6月初，彭博社发表评论文章，标题直指一个让印度决策层坐立不安的命题：莫迪力推「主权AI」面临现实考验。文章揭示了印度AI自主战略中一个深层的结构矛盾：一个想成为AI强国的国家，正同时承受着全球底部水平的算力储备、外资垄断的云基础设施，以及微软一纸禁令就能切断其核心数据访问权的现实。
数据的悖论：20%的产出与5%的算力
印度产生了全球近20%的数据——这个数字来自其14亿人口、全球最大的数字身份识别系统（Aadhaar）、统一的电子支付架构（UPI），以及蓬勃发展的外包产业。但与之对应的，是印度仅拥有不到5%的全球AI算力。
这个剪刀差暴露的远不止是技术短板。数字身份系统、海关数据、银行交易记录等核心数据，大量存储在亚马逊AWS、微软Azure等外国公司的云平台上。微软曾阻止一家俄罗斯支持的印度炼油商访问其租用的云服务器上的数据——这一事件在印度决策者中引发了真实的战略恐慌。
「外国公司可能利用印度数据训练AI再卖回印度，使印度沦为新时代『殖民地』。」
四道门槛
印度自主发展AI面临的挑战并非单一的技术问题，而是一组相互叠加的结构性障碍：
投资缺口。印度的AI初创公司通常只能筹集数亿美元投资，与美国头部企业动辄数百亿美元的季度支出相比，差距以数量级计算。本土企业无力支撑AI基础设施所需的资金缺口，只能由外资补充——但这又回到了「谁建基础设施谁有控制权」的根本矛盾。
云基础设施的锁定。印度政府系统中约有三分之一运行在外国云服务商上。这不仅意味着数据主权悬于他国法律（如美国的CLOUD Act），也意味着外国公司可以顺理成章地利用这些数据训练并变现其AI模型。印度高算力芯片的开发进展缓慢，短期内看不到替代方案。
大语言模型的起步滞后。部分早期印度本土模型基于外国框架研发，已有的本土模型也与世界顶尖水平有较大差距。当Google Gemini、OpenAI已经以低价甚至免费的方式接入印度教育、流媒体和外包服务平台时，本土模型的追赶窗口正在快速收窄。
算力的硬约束。印度高端GPU数量不足8万块，约为美国的1%。以这个基数是无法跑通前沿模型训练的——这既是资源问题，也是准入问题，因为获取先进AI芯片的渠道本身受到出口管制。
四道护城河与它们的不确定性
印度并非没有优势。彭博社的文章也列出了四道护城河：
人才储备是最先被提到的——印度软件外包产业价值3150亿美元，这意味着庞大且训练有素的工程人才池。这种人力优势在代码生产层面是真实的，但在AI基础研究层面是否足够，是另一个问题。
本土需求的独特性是第二道。22种官方语言意味着任何外来模型都难以完美覆盖本地化的AI服务需求——这为本土模型制造了一片天然避风港。问题是，Google和OpenAI的低价渗透正在蚕食这片避风港。
成本创新是第三道。印度已在登月等前沿科技领域证明了自己可以在有限资源下构建竞争力。如果用更少的算力和资本做出足够好的产品，印度AI确实有机会找到自己的生态位。
数字基础设施是第四道。Aadhaar、UPI等国家级数字平台为AI的落地提供了现成的应用场景。本土AI可以直接接入这些系统，为14亿人口提供服务——如果它们能绕开对外资云平台的依赖。
主权与开放的永恒张力
印度主权AI故事的核心矛盾，在于「想自主」与「必须开放」之间的不可调和。印度一方面希望建立自主AI体系以保障数据主权，另一方面，由于本土能力尚未成熟，又不得不借助外资AI服务来维持数字经济的运转。Google Gemini已接入印度教育辅导，OpenAI被整合进创作者工具和企业软件——这些入口一旦被深度嵌入，再切换的代价将越来越高。
更吊诡的是，印度政府曾给予外国云服务商长达20年的免税待遇，这在当时是吸引外资的理性决策，却在今天构成了本土数据中心企业竞争的不对称劣势。
印度并非唯一在AI领域有主权雄心的国家。日本、韩国、英国都在推进各自的版本。但日韩拥有印度不具备的先进制造和资本优势。当全球主要经济体都在争夺同一块「自主AI」的目标时，先行者优势和资本密集度双重叠加，留给追赶者的空间正在加速缩小。
印度主权AI的前景，道阻且长。但它的困境对整个全球南方国家有警醒意义：数字基础设施建设初期的开放决策，十年后可能转化为主权行使的结构性天花板。