瓜分印度

来源：图虫

AI巨头们突然在印度掐起来了。

为了争夺三哥的欢心，OpenAI、Google、Perplexity纷纷大出血，先后在印度推出前所未有的免费订阅计划。

效果看得见。

根据市场情报公司Sensor Tower统计的数据，截至上周，ChatGPT在印度的日活跃用户同比增长607%，达到7300万，是美国用户数量的两倍多；Gemini在印度的日活跃用户达到1700万，而美国的用户数量为300万。

显然，"Free"的魔力比"AGI"大一万倍，贪小便宜是所有人的共性。

但究竟是谁占谁便宜，真不好说。

来源：官网

01、数字殖民

17世纪，英、荷、法多国船队，为了香料、茶叶和棉花，先后进入印度的港口、成立东印度公司，从当地攫取了海量财富。

数百年后，OpenAI、Google和Perplexity的数字船队，再一次驶入了这片次大陆。

这一次，他们要的是Token。

为什么又来印度？

首先，是人口红利。

据Epoch AI的研究，高质量的英语文本数据可能在2026年枯竭，到2028年，互联网上所有高质量的文本数据都将被使用完毕。

同时，英文数据占比超65%，但覆盖70%人口的非英语数据缺口达83%……

此时此刻，拥有超过14亿人口、22种官方语言、以及成千上万种方言的印度，就成了AI时代最大的资源宝库。

印度用户独特的Hinglish（印地语与英语的混合体）以及复杂的语码转换现象，为大模型提供了绝佳的训练材料。

其次，利用庞大的印地语系，为大模型优化参数。

大模型不读字，读的是Token。

在早期的GPT模型中，英语的Tokenization效率极高，一个单词通常就是一个Token。

但对于其他语言，比如印地语、马拉地语或泰卢固语，一个词可能被拆成5-6个Token。

如此就造成了两个后果。

第一，推理成本太高。

同样的语义，印地语消耗的算力是英语的3倍。

第二，上下文窗口缩水。

同样的内存，能记住的印度语对话长度只有英语的1/3。

比如，印度人是这样说话的：Arre bhai, model training ki efficiency literally exponential honi chahiye!

这种一句话里，至少无缝切换了三种语言，直击大语言模型的软肋。

按照传统的自然语言处理方法接收这种数据，会直接崩溃的。

但通过海量的印度用户交互数据，大模型正在学习一种超语言的表征能力，能更好地理解多模态数据。

简单来说，印度市场就是一个巨大的天然实验室，通过在印度大规模收集原生数据，巨头们可以重新训练Tokenizer，优化词表。

这直接关系到模型运行的经济性。

谁先让印地语的Token压缩率接近英语，谁就能在印度的B端API市场上拥有定价权。

届时，连印度这个语言最复杂、体量最庞大的市场都跑通了，世界上其他地区还算问题吗？

随着海量印度数据的注入，大模型将变得不再那么“英语中心主义”。

这不仅是政治正确，更是商业必须。

02、各显神通

为了抢夺印度的免费“矿工”，各家的大方向都是免费。

但在具体策略上，有很大不同。

OpenAI实施精准诱捕，把用户绑在生活场景里。

最经典的场景：接入UPI支付后，用户只需要输入“给妈妈转500卢比”就能直接交易，每一次支付行为都会生成“对话-决策-交易”的完整数据链。

同时，用“母语对话”痛点吸引用户：针对印地语语义准确率仅82.3%的短板，推出7种语言的广告片，直接拉动46%的月活用户每天打开APP。

这导致美国本土用户和印度用户出现巨大倒挂。

美国用户是用来变现的（Plus订阅），而印度用户是用来进化的。

这种“双轨制”策略，让OpenAI能够一边在华尔街讲收入故事，一边在实验室讲数据故事。

印度用户每用一次GPT，就相当于给OpenAI贡献了3条高质量语料。

来源：官网

谷歌则选择找地头蛇合作。

Gemini在印度的日活一度低迷，但在与Reliance Jio共同推出 “18个月免费Gemini Pro”后，DAU很快飙升到15%，达到1700万。

Reliance Jio是何方神圣？

它是印度信实工业旗下的电信运营商，是数字基础设施垄断者，拥有数亿廉价4G/5G用户。

双方联手，新激活的Jio手机会默认安装Gemini插件，你连拒绝的选项都没有。

这些插件会悄悄收集 “被动数据”：天气查询积累季风气候数据，地图导航记录交通流规律，甚至相册备份都会被用来训练图像识别模型。

更关键的是，谷歌的优势在于安卓生态，而印度又是安卓的绝对主场。

安卓系统的日志权限让谷歌能获取用户的APP使用习惯，通过行为数据给用户打上200多个标签，再反哺模型优化推荐。

这不仅仅是为了云端训练，更是为了边缘计算的数据回流。

它不指望印度用户会问Gemini什么高端问题，而是你想用本地语言搜索哪家咖喱店，或者如何用孟加拉语写一封求职信。

这就够了！

来源：官网

Perplexity又不一样。

既没有OpenAI的品牌光环，也没有Google的渠道霸权，所以它的逻辑是：先在印度攒够数据，再把矿卖给巨头。

印度可谓是全世界最卷的国家。

由于教育资源的不平衡，大量印度学生和职场新人将AI视为“超级导师”。

Perplexity联合Airtel，花大价钱给3.6亿用户免费用200美元的Pro版，并默认开启“全量数据同步”，用户的每一次搜索、提问、甚至修改回答的痕迹都会被记录。

这一操作直接让下载量暴涨800%，每天新增300万条多语言语料，比去年涨了4倍多。

至今收集的数据若卖给微软，估值可达10亿美元。

来源：官网

除了以上这些，还有其它“小手段”。

比如三家都在玩的“游戏化激励”。

ChatGPT的“回答点赞”给积分，Gemini的“每日签到”送存储空间，Perplexity的“邀请好友”解锁高级功能。

这些设计都算不上新颖，但确实能让用户的停留时间更长：使用时长每增加1小时，产生的语料量就会翻3倍。

更狡猾的是 “错误诱导”。

企业方面会故意在回答里留小漏洞，引发用户主动纠错。

这些纠错数据能直接用于模型迭代，比人工标注的效率高5倍。

印度用户以为在帮AI进步，其实是当免费的数据质检员。

而在美国，这类质检员的时薪是25美元……

03、免费才是最贵的

在财务报表上，为大量印度免费用户提供算力支持，很明显是一笔巨额亏损。

但在AI研发部门的报表上，这又是极低成本的资产购入。

传统逻辑是：用户付费>运营成本=利润。

但AI训练的逻辑是：运营成本（算力）=数据采集成本。

以OpenAI为例，如果直接去购买7300万人的多轮对话数据，费用至少是几十亿美元。

但现在，只需要支付推理时的电费。

这是一场以算力换智力的宏大套利。

对企业而言，这毫无疑问是划算的。

比如比哈尔邦用户常用的“拉贾斯坦语”，全球能流利使用的仅500万人，但通过ChatGPT的对话收集，OpenAI已积累10万条该语言的语料，让模型识别准确率从65%提升到91%。

更珍贵的是文化语境。

宗教节日的祝福语、种姓制度的特殊称谓、地区性的俚语黑话等等，这些知识图谱的补全，是无法通过抓取通用网页数据集实现的，必须依靠人类“口口相传”给AI。

根据谷歌AI实验室的报告：接入印度方言数据后，Gemini的跨文化对话错误率下降了43%。

那这些成果最大的功臣，印度用户又充当了什么角色呢？

佃农，妥妥的数据佃农！

虽然享受了免费的各种高科技服务，但他们实际上是在没有股权、没有工资的情况下，为AI公司构建护城河。

农民查“农药配比”，贡献农业数据；小商贩算税率，补充金融科技语料；甚至家庭主妇问“剩菜改造食谱”，都在丰富生活服务数据库……这些场景化数据的市场规模已超过180亿美元。

最直观的就是ShareChat的。

其用户上传的视频数据被用来训练AI质量评估模型，通过近万个视频的主观打分，让无参考质量评估的误差缩小到0.2分以内。

这些“标注数据”直接帮助ShareChat提升了5%的用户时长，估值冲到28.8亿美元，但参与打分的用户连优惠券都没有。

按Counterpoint的测算，印度AI用户平均每天产生4.2条有效语料，每条语料的标注成本约0.2美元，一年就是306美元。

扣除免费套餐的运营成本（每人每年76美元），每个“数据矿工”每年能给AI公司创造230美元的净价值。

以ChatGPT 7300万日活为例，一年就能贡献167.9亿美元的财富。

这比印度2024年全年的AI产业总产值还高。

更关键的是什么呢？

矿工永远变不成 “矿场主人”。

现在印度用户用的是免费AI，未来当巨头关闭免费通道，他们就得交订阅费。

相当于矿工挖了一辈子矿，最后还要买自己挖的矿石。

目前的现状是：先发者拿走了数据，炼成了模型，然后把API卖回给印度的初创公司。

这已经是个完美的商业闭环，也是一个完美的剥削链条。

与19世纪印度给英国出口棉花，最后还要买英国布料的命运如出一辙。

04、尾声

就目前而言，印度市场的潜力，很可能是谷歌重归龙头地位的机会。

首先，谷歌有YouTube的视频数据、Maps的地理数据、Android的行为数据……维度比更倾向于单纯文本的OpenAI要丰富得多。

更关键的是语音交互数据。

众所周知，印度有大量文盲，最新的人数在2.8亿左右。

这些人群在互联网上的交流方式，首选只能是语音。

谷歌通过在语音识别和语音合成上的积累，结合本地运营向的支持和Gemini的多模态能力，可能在印度农村市场实现对OpenAI的“农村包围城市”。

但说到这里，大家可能都有一种奇怪的感觉。

OpenAI和谷歌的战争，战场居然在印度。

这跟日俄战争的战场在中国东北，有啥区别？

这已经涉及到数据主权问题。

印度政府已经意识到这一点。

印度电子和信息技术部最近也表明观点：不甘心只做数据的产地，想做AI的加工厂。

一旦莫迪政府决定收紧数据出境政策（类似GDPR的印度版DPDP法案），硅谷科技巨头的免费午餐可能会立刻结束。

这或许是未来最大的风险点之一。