AI巨頭們突然在印度掐起來了。為了爭奪三哥的歡心，OpenAI、Google、Perplexity紛紛大出血，先後在印度推出前所未有的免費訂閱計畫。效果看得見。根據市場情報公司Sensor Tower統計的數據，截至上周，ChatGPT在印度的日活躍用戶年增607%，達到7,300萬，是美國用戶數的兩倍多；Gemini在印度的日活躍用戶達到1,700萬，而美國的用戶數為300萬。顯然，"Free"的魔力比"AGI"大一萬倍，貪小便宜是所有人的共通點。但究竟是誰佔誰便宜，真不好說。來源：官網01. 數位殖民17世紀，英、荷、法多國船隊，為了香料、茶葉和棉花，先後進入印度的港口、成立東印度公司，從當地攫取了大量財富。數百年後，OpenAI、Google和Perplexity的數位船隊，再一次駛入了這片次大陸。這一次，他們要的是Token。為什麼又來印度？首先，是人口紅利。根據Epoch AI的研究，高品質的英語文字資料可能在2026年枯竭，到2028年，網路上所有高品質的文字資料都將被使用完畢。同時，英文數據佔比超65%，但涵蓋70%人口的非英語數據缺口達83%…此時此刻，擁有超過14億人口、22種官方語言、以及成千上萬種方言的印度，就成了AI時代最大的資源寶庫。印度用戶獨特的Hinglish（印地語與英語的混合體）以及複雜的語碼轉換現象，為大模型提供了絕佳的訓練材料。其次，利用龐大的印地語系，為大模型最佳化參數。大模型不讀字，讀的是Token。在早期的GPT模型中，英文的Tokenization效率極高，一個字通常就是一個Token。但對於其他語言，例如印地語、馬拉地語或泰盧固語，一個詞可能被拆成5-6個Token。如此就造成了兩個後果。第一，推理成本太高。同樣的語義，印地語消耗的算力是英語的3倍。第二，上下文視窗縮水。同樣的內存，能記住的印度語對話長度只有英語的1/3。例如，印度人是這樣說的：Arre bhai, model training ki efficiency literally exponential honi chahiye!這種一句話裡，至少無縫切換了三種語言，直擊大語言模型的軟肋。按照傳統的自然語言處理方法接收這種數據，會直接崩潰的數據。但透過海量的印度用戶互動數據，大模型正在學習一種超語言的表徵能力，以更好地理解多模態數據。簡單來說，印度市場就是一個龐大的天然實驗室，透過在印度大規模收集原生數據，巨頭們可以重新訓練Tokenizer，優化詞表。這直接關係到模型運作的經濟性。誰先讓印地語的Token壓縮率接近英語，誰就能在印度的B端API市場上擁有定價權。屆時，連印度這個語言最複雜、體積最龐大的市場都跑通了，世界其他地區還算問題嗎？隨著海量印度數據的注入，大模型將變得不再那麼「英語中心主義」。這不僅是政治正確，更是商業必須。02. 各顯神通為了搶奪印度的免費“礦工”，各家的大方向都是免費。但在具體策略上，有很大不同。OpenAI實施精準誘捕，把使用者綁在生活場景裡。最經典的場景：在接取UPI付款後，用戶只需輸入「給媽媽轉500盧比」就能直接交易，每一次支付行為都會產生「對話-決策-交易」的完整數據鏈。同時，用「母語對話」痛點吸引用戶：針對印地語語意準確率僅82.3%的短板，推出7種語言的廣告片，直接拉動46%的月活用戶每天打開APP。這導緻美國本土用戶和印度用戶出現巨大倒掛。美國用戶是用來變現的（Plus訂閱），而印度用戶是用來進化的。這種「雙軌制」策略，讓OpenAI能夠一邊在華爾街講收入故事，一邊在實驗室講數據故事。印度用戶每用一次GPT，就相當於為OpenAI貢獻了3條高品質語料。來源：官網Google則選擇找地頭蛇合作。Gemini在印度的日活一度低迷，但在與Reliance Jio共同推出「18個月免費Gemini Pro」後，DAU很快就飆升到15%，達到1700萬。Reliance Jio是何方神聖？它是印度信實工業旗下的電信營運商，是數位基礎設施壟斷者，擁有數億廉價4G/5G用戶。雙方聯手，新啟用的Jio手機會預設安裝Gemini外掛，你連拒絕的選項都沒有。這些外掛會悄悄收集「被動數據」：天氣查詢累積季風氣候數據，地圖導航記錄交通流規律，甚至相簿備份都會被用來訓練影像辨識模型。更關鍵的是，Google的優勢在於Android生態，而印度又是Android的絕對主場。Android系統的日誌權限讓Google取得使用者的APP使用習慣，透過行為資料給使用者打上200多個標籤，再反哺模型優化推薦。這不僅是為了雲端訓練，更是為了邊緣運算的資料回流。它不指望印度用戶會問Gemini什麼高端問題，而是你想用本地語言搜尋那家咖哩店，或者如何用孟加拉語寫一封求職信。這就夠了！來源：官網Perplexity又不一樣。既沒有OpenAI的品牌光環，也沒有Google的頻道霸權，所以它的邏輯是：先在印度存夠數據，再把礦賣給巨頭。印度可謂是全世界最卷的國家。由於教育資源的不平衡，大量印度學生和職場新人將AI視為「超級導師」。Perplexity聯合Airtel，花大價錢給3.6億用戶免費用200美元的Pro版，並默認開啟“全量數據同步”，用戶的每一次搜尋、提問、甚至修改回答的痕跡都會被記錄。這項操作直接讓下載量暴漲800%，每天新增300萬條多語言語料，比去年漲了4倍多。至今收集的數據若賣給微軟，估值可達10億美元。來源：官網除了以上這些，還有其它「小手段」。例如三家都在玩的「遊戲化激勵」。ChatGPT的「回答按讚」給積分，Gemini的「每日簽到」送儲存空間，Perplexity的「邀請好友」解鎖高級功能。這些設計都不算新穎，但確實能讓使用者停留更長的時間：使用長度每增加1小時，產生的語料量就會增加3倍。更狡猾的是「錯誤誘導」。企業方面會故意在回答裡留小漏洞，引發用戶主動糾錯。這些糾錯資料能直接用於模型迭代，比人工標註的效率高出5倍。印度用戶以為在幫AI進步，其實是當免費的資料質檢員。而在美國，這類質檢員的時薪是25美元…03. 免費才是最貴的在財務報表上，為大量印度免費用戶提供算力支援，很明顯是一筆巨額虧損。但在AI研發部門的報表上，這又是極低成本的資產購入。傳統邏輯是：用戶付費>營運成本=利潤。但AI訓練的邏輯是：營運成本（算力）=資料採整合本。以OpenAI為例，如果直接去買7,300萬人的多輪對話數據，費用至少是幾十億美元。但現在，只需要支付推理時的電費。這是一場以算力換智力的宏大套利。對企業而言，這毫無疑問是划算的。例如比哈爾邦用戶常用的“拉賈斯坦邦”，全球能流利使用的僅500萬人，但透過ChatGPT的對話收集，OpenAI已累積10萬條該語言的語料，讓模型識別準確率從65%提升到91%。更珍貴的是文化脈絡。宗教節日的祝福語、種姓制度的特殊稱謂、地區性的俚語黑話等等，這些知識圖譜的補全，是無法透過抓取通用網頁資料集實現的，必須依靠人類「口耳相傳」給AI。根據GoogleAI實驗室的報告：在連接印度方言數據後，Gemini的跨文化對話錯誤率下降了43%。那這些成果最大的功臣，印度用戶又扮演了什麼角色呢？佃農，妥妥的數據佃農！雖然享受了免費的各種高科技服務，但他們實際上是在沒有股權、沒有工資的情況下，為AI公司建立護城河。農民查“農藥配比”，貢獻農業數據；小商販算稅率，補充金融科技語料；甚至家庭主婦問“剩菜改造食譜”，都在豐富生活服務數據庫……這些場景化數據的市場規模已超過180億美元。最直覺的就是ShareChat的。其用戶上傳的影片資料被用來訓練AI品質評估模型，透過近萬個影片的主觀評分，讓無參考品質評估的誤差縮小到0.2分以內。這些「標註數據」直接幫助ShareChat提升了5%的用戶時長，估值衝到28.8億美元，但參與評分的用戶連優惠券都沒有。……以Counterpoint的測算，印度AI用戶平均每天產生4.2條有效語料，每條語料的標註成本約0.2美元，一年就是306美元。扣除免費套餐的營運成本（每人每年76美元），每個「數據礦工」每年能為AI公司創造230美元的淨價值。以ChatGPT 7,300萬日活為例，一年就能貢獻167.9億美元的財富。這比印度2024年全年的AI產業總產值還要高。更關鍵的是什麼呢？礦工永遠變不成「礦場主人」。現在印度用戶用的是免費AI，未來當巨頭關閉免費通道，就得繳訂閱費。相當於礦工挖了一輩子礦，最後還要買自己挖的礦石。目前的現況是：先發者拿走了數據，煉成了模型，然後把API賣回給印度的新創公司。這已經是個完美的商業閉環，也是一個完美的剝削鏈條。與19世紀印度給英國出口棉花，最後還要買英國布料的命運如出一轍。04. 尾聲就目前而言，印度市場的潛力，很可能是Google重歸龍頭地位的機會。首先，Google有YouTube的影片資料、Maps的地理資料、Android的行為資料…維度比更傾向於單純文字的OpenAI要豐富得多。更關鍵的是語音互動數據。眾所周知，印度有大量文盲，最新的人數約2.8億。這些人群在網路上的溝通方式，首選只能是語音。Google透過在語音辨識和語音合成上的積累，結合本地運營向的支援和Gemini的多模態能力，可能在印度農村市場實現對OpenAI的「農村包圍城市」。但說到這裡，大家可能都有一種奇怪的感覺。OpenAI和Google的戰爭，戰場居然在印度。這跟日俄戰爭的戰場在中國東北，有啥不同？這已經涉及到數據主權問題。印度政府已經意識到這一點。印度電子與資訊科技部最近也顯示觀點：不甘心只做數據的產地，想做AI的加工廠。一旦莫迪政府決定收緊資料出境政策（類似GDPR的印度版DPDP法案），矽谷科技巨頭的免費午餐可能會立刻結束。這或許是未來最大的風險點之一。（格隆）
