新創國家正在透過優先考慮全球範圍內的本地應用創新來開闢一條獨特的道路。
請注意，此 ChatGPT 使用者產生的插圖僅出於代表性目的而發布。
重點
- 印度不再只是追隨全球人工智慧趨勢——它正在建立一個獨特的應用人工智慧生態系統。
- 印度人工智慧新創公司去年透過 98 輪融資籌集了 3 億美元。
- 印度在人工智慧應用方面的優勢不在於模型建構。
雖然美國等全球領導者已經引領了步伐，但印度機構現在正在展示獨特的製度和創新模式。
這次展示揭示了一個基本事實：印度的人工智慧發展軌跡不再只是追隨全球趨勢——它定義了自己。
去年，印度的人工智慧公司透過 98 輪融資籌集了 3 億美元，而美國公司透過 849 輪融資籌集了 1,225 億美元。過去五年，印度共有 969 家人工智慧新創公司成立，美國則有 4,092 家。
儘管印度人工智慧新創公司的資金仍然明顯較低，但投資者和創辦人認為，這種差距反映了市場結構的差異，而不是野心。
Peak 15 Partners 和創業加速器 Rise 創投董事總經理 Rajan Anandan 表示，美國正在推動通用人工智慧 (AGI)，印度的生態系統正在建立一個可以幫助該國 14 億人口的人工智慧堆疊。
阿南丹表示：“為了追求通用人工智慧，美國人工智慧實驗室和大型科技公司正在構建萬億參數模型來進行計算，並投入大量資本。近年來，人工智慧和數據中心幾乎推動了美國GDP的所有增量增長，以至於它已經成為資本密集型的。”
「印度的方法有所不同。我們看到應用程式的爆炸式增長以及以人類規模模擬人工智慧的公司的崛起。
這在印度新創企業面臨的問題中顯而易見。該公司的創辦人正在建構用於印度語言支援的人工智慧工具，首次在網路上使用語音介面，為小農戶提供精準諮詢，以及為第一線醫療服務提供人工智慧支援。
與美國不同的是，在美國，新創企業生產力和模型性能佔據主導地位，印度新創公司正在優化低成本環境中的負擔得起的多語言存取和分發。
另一家國際創投公司 Lightspeed India 的合夥人 Hemant Mohapatra 表示，印度的人工智慧故事與美國不同。
「問題不在於誰能夠建立最大的基礎模型，而是誰能夠大規模解決最棘手的現實問題。印度目前在人工智慧領域的優勢在於應用創新。我們擁有數億用戶、獨特的本地挑戰以及大量遺留的程式設計服務，這些服務現在將轉變為人工智慧驅動的解決方案，」Mohapatra 說。
Peak XV 幫助了 MarqVision、Mem0、Supabase、Hyperbound 等印度公司，而 Lightspeed 則投資了 Save AI、Composition 和 Emergent 等公司。
創投公司一致認為，市場深度、資本形成和潛力方面的結構性差異解釋了美國新創企業不斷成長的原因。
美國經濟規模達 30 兆美元，受益於更高的科技新創支出、更快的採用率以及更願意為人才付費的意願。
Dashverse A. 的娛樂賭注
一個典型的例子是 Dashverse，這是一家位於班加羅爾和舊金山的人工智慧娛樂新創公司。
該公司表示，雖然美國在基礎研究方面處於領先地位，但印度正在成為人工智慧平台應用的全球之都，這是一個巨大且首個基於行動和創意智慧驅動的平台。
「我們與印度各地的多個製作工作室合作製作人工智慧微劇。
「這個生態系統證明印度不僅是一個龐大的消費市場，而且有潛力成為全球高品質、基於人工智慧的故事講述中心。
「這個計畫使我們能夠實現全球人工智慧內容的最高貨幣化，我們的 Dashreels 行動應用程式的年收入達到 3000 萬美元。
該公司執行長 Sanidhya Narain 表示：“對我們來說，人工智慧的未來不僅僅在於模型，還在於可擴展的實驗，這些實驗將為下一個世界帶來價值。”
印度人工智慧生態系統的另一個與眾不同之處在於，公司願意尋找或早期市場接受其產品的能力。
「由於更快的採用速度和更高的支付意願，美國公司的擴張速度更快。美國還具有分銷優勢，因為那裡有密集的早期採用者集群。最重要的是，美國資本配置的風險偏好一直遠高於其他國家，」Unicorn Ventures 印度管理合夥人 Bhaskar Majumdar 表示。
馬宗達爾補充說，隨著大多數資金流入該領域，印度可能會成為「世界的應用」。 UIV 投資了 TakeMe2Space、Netrasemi 和 Algorithm Deep 等公司。
86% 的人工智慧預算用於應用
IIMA Ventures 合夥人 Vipul Patel 指出，印度企業在 2020 年至 2025 年間籌集的 18 億美元中，86% 將投資於人工智慧應用。
該公司由一位印度裔企業家創立，在成立僅六個月後就獲得了 1500 萬美元的種子資金，這展示了矽谷人工智慧的複雜性。
「在印度的背景下，投資者對資助研發缺乏興趣導致人工智慧繼續存在，」帕特爾說。
生態系參與者一致認為，印度成為資本應用平台需要解決算力、人才等結構性瓶頸。
「最大的差距是運算。印度在未來兩到三年內需要大約 100 萬個 GPU。如今，印度人工智慧任務資助了大約 38,000 個 GPU，但只有 15,000 個處於運行狀態。這意味著我們需要將運算量增加 50 倍，並且需要提高速度，」Anandan 說，他指的是用於高速並行運算的流程。
Special Invest 普通合夥人 Arjun Rao 表示：「我們需要在計算、資本和人才方面做更多的事情。政府設立的 IndiaAI Mission 的初步跡像是有希望的，學術界和工業界也有類似的關注。我們需要利用我們在人工智慧方面的數據和頂尖能力，並將其轉變為國家的長期公用事業。」
專題介紹：Aslam Huni / Rediff
