印度 AI 的戰略焦點：應用層優先
在今年達沃斯論壇中，印度電子與資訊技術部長 Ashwini Vaishnaw 強調，**印度 AI** 的實力不在於爭奪最大模型，而是在於把人工智慧落地到真實世界的應用與可衡量的投資回報（ROI）。他的主張是，AI 的價值從「應用層」開始——當技術直接改善農業、醫療、教育或政府服務時，才會產生可觀的經濟與社會回報。
這種以應用驅動的策略，依賴印度過去十年建立的數位公共基礎（例如大規模身分與支付系統）來成為推動 AI 採用的跳板，旨在讓技術利益廣泛普及而非僅停留在研發實驗室中。
模型規模不是萬靈丹：中等參數模型的實務價值
Vaishnaw 在公開場合提出一個關鍵數據：幾乎 **95%** 的實際應用場景，可以使用參數在 **20–50 億**（20–50 billion）範圍內的中等模型來解決，而非追逐超大型前沿模型。這一論點強調了成本效益與能耗考量，並把焦點放在可部署性與本地化上。
為了支撐這一立場，印度正推動一組適合本地語言與行業需求的中小型模型，這些模型在保護數據主權與文化相關性方面具有優勢，同時減少建模與運行的資本與能源負擔（參見政府發布的說明 PIB 公報）。
重新思考 AI 地緣政治與計算資源民主化
談到 AI 的地緣政治影響，Vaishnaw 質疑「擁有最大模型 = 地緣政治影響力」的假設，指出大型模型可能被關停或在經濟上不可持續，因此不應被視為絕對的戰略資產。相反，**可負擔且可廣泛部署** 的解決方案才更可能在第 5 次工業革命中產生持久的經濟價值。
為解決計算能力的瓶頸，印度推動多元化的算力選擇（包括 CPU 與定制晶片）與分散式基礎設施，並透過公私協力提高對企業與研究單位的可及性，避免對單一供應源造成過度依賴。
治理、可審查性與產業前置治理工具
在治理面向，Vaishnaw 強調 AI 系統的可審查性與可司法檢驗性的重要性，並指出印度正在開發工具以減輕偏見、確保企業部署前的適當“unlearning” 與風險緩解。這反映出印度對「負責任 AI」的重視，期望技術擴散時能兼顧公平與法治。
這類科技與法律交織的治理架構，旨在為企業與公部門提供可操作的合規路徑，同時保護公民權益與數據安全，進一步支援印度在全球 AI 生態系中的獨立性與可控性（相關報導綜述見 媒體報導）。
評論與總結：從規模迷思到落地實踐
綜觀 Vaishnaw 在達沃斯的論述，可以看出印度試圖以務實路線突破「大模型崇拜」的迷思，並以**落地應用、可觀的 ROI 與本地化模型**為核心競爭力。這種策略既回應了能源與成本的現實限制，也強調技術普及與社會效益。
未來的關鍵在於：印度能否持續擴充可用算力、完善治理工具，並把中等規模模型與大規模實際應用的橋樑鋪好。若能成功，印度不僅能在技術層面取得經濟收益，也可能在全球 AI 生態中塑造一種以可持續性與包容性為導向的新範式。
