美国商务部的一纸指令，让 Anthropic 最新的 Fable 5 与 Mythos 5 模型，对所有非美国公民关上了大门，哪怕是身处美国境内的外籍员工也不例外。

这件事在全球 AI 圈激起的涟漪，到了印度却有格外沉重的分量。

近日，投行伯恩斯坦发布一份研究报告，直接戳破了一个很多人不愿面对的现实：印度看似热闹的 AI 产业，本质上是踩着别人的模型往前走。靠租用算力跑海外大模型、在上层做应用开发，看起来是稳步前进，但核心命脉始终攥在别人手里。哪天人家把模型权限一收，印度整个数字经济的智能化升级，都可能直接踩空。

这不是危言耸听，而是已经发生的趋势。印度能不能拥有自己的 "DeepSeek"，早已不是技术圈的小众议题，而是关乎未来国运的战略选择题。

AI 是新时代的 " 战斗机 "

很多人还把大模型当成普通的 SaaS 产品，觉得花钱买 API 就能用，没必要自己造。但过去几年的全球趋势已经把真相拍在了桌面上：AI 正在快速从通用技术，变成和战斗机、核技术同级别的战略资源。

这场管制的升级是一步步来的：先是关键矿产和半导体设备被纳入出口管制，接着是高端 GPU 被限购，现在已经蔓延到了最前沿的大模型本身。Anthropic 的限权不是孤例，而是整个西方阵营收紧 AI 技术输出的信号。未来最顶尖的基础模型，不会再是花钱就能买到的云服务，而是会像最先进的战斗机一样，核心能力只留给本国和核心盟友，出口的都是减配版、旧一代版本。

对印度来说，这意味着现在这套 " 靠海外大模型做应用、靠数据中心赚租金 " 的 AI 路线，从根上就有风险。我们不是说做应用和建基础设施没有价值，而是不能把整个国家的 AI 未来，都押在 " 别人会一直开放模型权限 " 这个假设上。核心模型外包得越彻底，未来被卡脖子的时候就越被动。

印度为何没跑出自己的大模型？

说起来很反常识：印度是全球人口大国，互联网用户规模位居世界前列，每天产生海量数据，堪称全球大模型的 " 燃料产地 "，但自己却没能跑出一个世界级的通用大模型。

印度没有迎来自己的 "DeepSeek 时刻 "，从来不是主动的战略选择，而是产业路径依赖下的必然结果。印度的科技生态长期是服务导向，本土没有成长出足够有规模的搜索、社交、消息类消费互联网平台 —— 而恰恰是这些平台，能持续产出训练先进大模型所需的高质量、结构化数据。没有本土数据生态的倒逼，自然就不会有对应的人才培养体系和学术积累，整个产业的注意力都放在了应用层。

长期的 IT 服务外包模式，更是加固了这种路径依赖。印度工程师最擅长的，是基于海外巨头做好的软件做定制化、微调优化，这套打法在传统软件时代百试百灵。以至于到今天，很多行业头部机构还在说 " 印度不需要自己的大模型，做好应用就行 "。这些观点本质上不是深思熟虑的战略判断，只是印度走到今天的路径惯性而已。

全栈依赖的老路走不通了

回看印度的科技发展史，几乎就是一部 " 开放 + 依赖 " 的历史。互联网时代，印度选择了全面开放，结果就是全球平台悄悄成了印度数字经济的底层轨道。

这种依赖不是单点的，而是全栈式的。从最底层的 CPU、GPU、存储芯片，到电脑、手机的操作系统，再到企业用的 ERP、办公软件，甚至消费端的社交、视频、电商平台，印度的主流选择几乎全是海外厂商。本土企业不是没有尝试过突破，但大多在全球巨头的产品、资本和生态护城河面前，没能做大规模。

过去这套模式没人觉得有问题，大不了晚个十年二十年跟进，总能跟上全球技术节奏。但 AI 这波不一样，它不是某一个单独的应用，而是未来所有产业的底层基础设施 —— 从企业办公流程到工业生产，从国防安全到民生服务，未来所有东西都会跑在 AI 底座上。

更关键的是，现在 AI 产业的格局还没完全定型，印度还有入场的窗口。如果像过去的技术周期一样再等二三十年，等海外巨头的 AI 底座彻底焊死在印度的经济体系里，再想摆脱依赖就难了。到时候不只是利润大头被海外赚走，整个国家的产业升级节奏，都要由别人说了算。

印度 AI 政策的现实尴尬

意识到主权 AI 重要性是一回事，能不能落地做成是另一回事。印度不是没有动作，2024 年就推出了印度 AI 使命，五年总预算约 1040 亿卢比，折合约 12 亿美元，把算力、数据、科研、基础模型都列为了核心方向。但放到全球维度看，这笔投入的体量实在不算大 —— 仅中国每年的公共 AI 投入，就有数百亿美元量级。

比钱少更棘手的问题，是投入太分散。这 12 亿美元里，只有不到 20% 投向了基础模型研发，44% 都花在了算力扩容上，剩下的还要分给应用开发、创业扶持、数据平台、人才培养等好几个方向。相当于什么都想碰一点，但哪个方向都没拿到足够的资源，很难做出真正有竞争力的深度突破。目前整个印度本土，也只有 Sarvam 等少数玩家，还在坚持投入完整的主权大模型技术栈。

预算执行的稳定性也堪忧。2026 年修订的 2025 财年预算里，AI 相关的拨款就出现了明显下调，政策的波动很容易打断研发节奏。报告认为，中美两国的 AI 发展路径就很清楚：美国早期靠私有资本和算力优势集中突破模型能力，中国在外部限制下集中攻坚模型效率和半导体配套，都是先单点打透，再逐步扩展到全栈。但像印度这样撒胡椒面式的投入，很容易陷入 " 样样都有、样样不精 " 的尴尬。

印度仍抱有侥幸心理

很多人觉得，AI 管制主要是针对中国，印度和美国关系好，轮不到自己。这种想法实在太过侥幸。技术管制从来不是只针对某一个国家，只要 AI 的战略属性越来越强，管制范围只会越来越宽，印度历史上已经吃过太多次这样的亏。

从 1974 年核试验后的核技术封锁，到 90 年代航天领域的技术限制，再到 1998 年核试验后的国防、金融全面制裁，印度在核、航天、国防领域，一次次体验过西方技术断供的滋味。现在半导体领域的高端设备、AI 加速芯片管制，非北约国家都会受到不同程度的影响。

AI 领域的管制只会越来越严。最可能出现的局面，是全球 AI 进入分层准入时代：最顶尖的模型只给本国核心领域用，出口给其他国家的都是落后一到两代的版本。对印度来说，这就意味着本土应用永远只能基于旧模型开发，哪怕工程师再厉害，也很难打过拿着先进模型的海外创业公司。

更现实的产业冲击是，传统 IT 服务时代印度靠廉价工程师红利吃遍全球，海外企业自己做成本太高；但 AI 时代不一样，海外创业者哪怕没有深厚技术背景，靠着先进大模型就能搭出标准化的 AI 服务，直接和印度的 IT 外包企业抢生意，过去的人力护城河会被快速稀释。

更极端的情况，是地缘冲突时直接断供，金融、国防等关键系统的 AI 功能一夜之间全部停摆，后果不堪设想。

印度的破局之路在哪？

报告认为，印度也没必要一上来就对标中美，硬砸钱做通用大模型。以印度的产业基础和资源体量，完全可以走一条更务实、更有自身特色的路线。

印度最大的优势，是拥有丰富且独特的垂直领域数据，尤其是工业、医疗这些实体产业场景。与其在通用大模型上和海外巨头硬碰硬，不如把这些高价值、难复制的垂直数据牢牢握在手里，限制全球平台无限制获取这些数据，扶持本土企业基于专有数据做垂直领域的专用大模型，再在上面开发行业应用。

这条路的想象空间不止于软件。这些垂直模型还能延伸到实体经济里，比如训练工业机器人、下一代人形机器人 —— 在这些场景里，行业专属数据的价值，往往比最先进的通用大模型还大，哪怕用稍旧一代的 AI 模型也能落地。

这条路短期内或许诞生不了万亿市值的科技巨头，但却是真正能帮印度在 AI 价值链上往上走的路径。从只做外包服务，到拥有自己的核心模型和数据壁垒，逐步扩大本土价值创造的占比。更重要的是，它能形成正向循环：当资本和人才看到本土 AI 栈有机会跑通，就会有更多创业者从印度出发，做面向全球的产品。

说到底，印度要不要有自己的 "DeepSeek"，从来不是一个技术面子问题。它是一道选择题：是继续沿着过去的路径，做全球 AI 体系里的下游应用者，还是抓住这波技术变革的窗口，拿回自己的技术主动权。

AI 时代的国家竞争，拼的不只是谁的应用多，更是谁握着底层的核心能力。这一步迈出去很难，但一直站在原地，未来只会更难。