印度在打造人工智慧（AI）基礎建設的過程中，正面臨一項奇特悖論：一方面，政府正考慮允許本土GPU供應商將運算容量賣給海外客戶，因為擔心國內需求不足；但另一方面，印度本地研究人員與新創企業卻抱怨取得平價算力依舊困難重重，難以順利建置與訓練AI模型。這種落差引發了一個根本問題：印度AI算力究竟是需求不足，還是所建置的基礎建設根本無法滿足國內使用者的實際需求？
研究人員、新創創辦人以及GPU基礎建設供應商在接受Moneycontrol訪問時指出，運算容量分散、租金上漲、核銷流程繁瑣，加上各家商業條件不一，使得部分GPU處於低度使用狀態，但研究人員卻仍為取得運算資源而苦惱。
總經費高達1,037.2億盧比的「IndiaAI Mission」已遴選14家公司入選供應商名單，包括Jio Platforms、Tata Communications及Yotta Data Services，由這些業者以補貼價格將運算容量提供給印度新創、研究人員與學術機構使用。然而，由於外界擔心國內需求不足以消化持續新增的容量，政府正研擬讓這些供應商以商業價格將算力銷售給海外客戶，這項消息由Moneycontrol引述政府消息來源先行報導。
此一擬議中的政策，是希望協助供應商回收投資成本高昂的GPU基礎建設，同時讓印度的國內AI市場有更充裕的時間逐步發展。然而業界人士認為，使用率偏低並不代表AI運算的需求真正不足，真正的挑戰在於如何讓現有容量變得更平價、更適合不同的AI工作負載。
## 算力短缺還是算力錯配？
印度科學理工學院（IISc）助理教授、同時也是Cogniable.Tech共同創辦人的Prathosh AP表示，這種表面上的矛盾，部分源自於印度目前GPU基礎建設的類型。他估計本土供應商合計約擁有3萬顆GPU，但若要發展最先進的「前沿（frontier）」AI模型，所需的運算容量將遠高於此。Prathosh直言：「打造前沿模型需要高出10到20倍的算力，而我們並沒有。」
他進一步指出，印度GPU基礎建設分散在多家供應商之間，因此大多數容量更適合用於較小型AI模型與推論（inference）工作負載，而非用來訓練大型前沿模型。前沿模型需要數千顆GPU透過高頻寬網路串聯，才能作為單一運算系統運作。此外，印度目前已上線的GPU中，僅有少數是Nvidia B200等適合高強度訓練工作負載的先進晶片。這代表即使GPU容量客觀存在，也可能無法滿足嘗試建置大型基礎模型的研究人員需求。
AI應用程式開發的經濟考量則帶來另一項挑戰。開發AI應用的新創通常有兩種選擇：一是租用GPU來自行託管開源模型，二是使用OpenAI、Anthropic等全球AI公司所提供的應用程式介面（API）。許多新創傾向選擇後者，因為相較於租用專屬GPU，支付API使用費往往更便宜。此外，數個主要的非中國前沿模型均為封閉式（proprietary），而部分企業客戶即使在印度本地託管，對使用中國開源模型仍有疑慮。
結果就是，應用程式開發者未必需要大量本土GPU容量，但從零開始開發模型的研究人員卻仍受限於運算資源。不過Prathosh強調，現有基礎建設對於訓練小型語言模型及學術研究仍具相當價值，目前已有研究人員實際使用這些資源。
印度AI基礎建設與Mission關鍵指標
| 指標類別 | 數值 | 說明 |
|---|
| 本土GPU總量 | 約3萬顆 | 本土供應商合計估計容量 |
| IndiaAI Mission總經費 | 1,037.2億盧比 | 國家級任務總財政支出 |
| 補貼比例 | 最高40% | 針對算力可負擔性提供的補貼 |
| 採購目標 | 1萬顆GPU | 五年保證使用的長期採購目標 |
## 補貼價格有了，但取得管道仍卡關
雖然IndiaAI Mission試圖透過補貼定價讓算力更平價，部分新創創辦人仍認為，該方案依賴私人擁有的基礎建設，導致商業利益相互矛盾。JOHNAIC創辦人兼執行長Sasank Chilamkurthy就質疑「印度缺乏商業GPU需求」的前提說法，「我質疑這個前提。問題是出在價格上。」
不同於由政府直接擁有並分配GPU的模式，IndiaAI Mission仰賴入選的私人供應商以議定價格釋出其基礎建設。Chilamkurthy指出，GPU價格上漲使得對供應商而言，補貼租金的吸引力下降，因為他們從商業客戶端可能賺到更高報酬。他認為這會形成一種誘因，促使供應商優先服務願付更高費用的客戶，而非尋求補貼算力的新創。他直言：「問題在於政府並未擁有GPU，無法自行分配。」並指控官僚流程與供應商誘因使得新創難以取得補貼容量。
Chilamkurthy補充說，IndiaAI的費率在全球屬於最低水準，但新創仍持續在雲端基礎建設與運算資源上投入可觀金額。事實上，許多已獲得創投融資的新創，已以更高的商業費率向同一批入選供應商購買算力，這也讓人質疑：既然補貼容量唾手可得，為何他們不採用？
Qure.ai AI研究主管Manoj Tld則指出另一項因素：GPU租賃的經濟結構。他表示，大型雲端供應商偏好與前沿AI實驗室簽署長約，因為這些合約利潤較高、承諾較有保障，相較之下，與運算需求可能波動的新創簽小型合約並不划算。「對他們來說，與100家新創簽署小型合約並不合理，因為這些新創不一定會續約。」他對Moneycontrol如此表示。Manoj說，GPU成本已大幅攀升，使供應商不願承諾固定租賃價格。「我們看到成本在6個月內跳漲了50%。」他建議政府可考慮直接購買GPU，再委託雲端供應商以固定成本管理基礎建設。不過他估計，這樣的安排成本將是現行依營運支出模式的三到四倍。
## 繁瑣行政流程迫使新創出走
除了價格之外，研究人員與創業家也表示，申請補貼運算容量的流程本身就會降低使用意願。Serendipity Labs創業者Krishna Sangeeth KS回憶，他曾想為一個小型概念驗證專案申請GPU容量，卻在冗長的申請流程後放棄。他提出的算力預算不到1萬盧比，卻花了將近30分鐘填寫申請表。之後他收到一封電子郵件，要求提供包括年營收在內的財務資料，並要求他達到特定資格門檻。他最終決定改用Amazon Web Services（AWS），因為在該平台取得額外運算容量只需申請一筆配額上限調整。他承認IndiaAI Mission確實提供有用的措施，包括補貼及免費Notebook存取，但存取一顆GPU節點所需的流程與審批數量，對希望快速實驗的開發者形成阻礙。
這個案例說明，即使補貼的本土運算容量存在，新創仍可能轉向海外雲端供應商。
## GPU供應商眼中的需求錯配
然而基礎建設供應商認為，這種表面上的矛盾反映的是AI市場的演進，而非根本性的需求短缺。雲端、資料中心與AI基礎建設供應商ESDS的首席商務官Sameer Redij表示，印度正處於從「建置GPU容量」轉向「確保基礎建設被有效運用」的過渡階段。「印度所面對的並非AI需求短缺，而是一個正在轉型的市場，從建置容量走向讓容量發揮生產力。」他說。Redij指出，學術研究人員與新創通常需要可負擔的短期算力來進行實驗與模型開發，而企業與政府部門則需要穩定的容量來支應持續性的AI工作負載。要用同一套商業與存取模式同時服務這兩類客戶，即使容量充足，仍可能造成部分客戶被忽略。
IndiaAI Mission已透過最高40%的補貼改善價格可負擔性，但Redij認為，光是讓GPU機時變便宜並不夠。研究人員還需要儲存、網路、軟體工具、工程支援，以及足夠的時間來開發與測試模型。他建議採取以專案為基礎的算力額度、加速審批流程、簡化補貼程序，以及整合研究人員與新創需求的機制。
AI4India共同創辦人、BharatGen董事Shashi Shekhar Vempati則提出不同觀點，認為將目前局勢描述為GPU短缺並不精確。他表示，兩年前算力取得確實嚴重受限，政府介入確實重要，但整體可取得性自此已有大幅改善。「環境快速演進，需求與使用情境也持續演變。」他說。Vempati指出，透過「Anusandhan國家研究基金會（ANRF）」針對學術研究人員，以及「研究、開發與創新基金（RDIF）」針對早期新創的目標性介入措施，是解決其運算需求的可行管道。
## 政府尋求保證需求
這場辯論發生的同時，政府正致力於確保取得更多運算容量，並試圖讓民間供應商的投資更具商業可行性。10月7日，政府已發布入選名單的徵詢文件，擬長期採購1萬顆AI GPU，並保證為期五年的使用量。聯邦電子及資訊科技部長Ashwini Vaishnaw表示，此一安排目的是為基礎建設供應商提供更明確的需求能見度。他在10月8日於新德里的一場活動中表示：「我們也將進行GPU的長期採購，為期五年的長期供應，讓產業界能對需求有所掌握。我們的需求估計為1萬顆GPU。」
這項提案並非由政府一次購足1萬顆GPU，而是希望在五年內取得運算容量的存取權，藉此讓供應商對潛在營收有更高的能見度。搭配擬議中的開放海外客戶服務，這項動作凸顯政府希望在國內市場發展之際，讓GPU投資仍具有可行性。然而，這兩項進展也讓潛在矛盾更加凸顯。
供應商正在尋求更明確的需求保障與國際客戶管道，部分國內研究人員與新創卻仍表示，他們所需的算力在價格與條件上依然難以取得。印度AI戰略面臨的挑戰，因此並非僅僅是採購更多GPU或為現有基礎建設尋找更多客戶，而是要確保所打造的運算容量，能真正契合國內AI開發者在技術、財務與營運上的需求。
除非這道鴻溝獲得解決，否則印度AI運算基礎建設擴張的同時，仍可能無法充分滿足原本旨在扶植的研究人員與新創。
