2026-09-03
普林斯顿社论称开源模型让芯片主权贬值;TCS、Infosys、Wipro不到半年买下超30万席美企办公Agent,机构知识正在写进外国系统。
各国把 AI 主权几乎等同于芯片、数据中心和自研大模型。印度尤其把主权放在战略中心,公共算力上也有动作。普林斯顿访问学者 Akash Kapur 和计算机科学教授 Arvind Narayanan 在《Science》发了一页社论,判断这个聚焦点已经错位。
开源模型扩散之后,训练一次前沿模型接近 10 亿美元,并不自动等于「谁有卡谁就有主权」。开始锁死的是应用层:能办事的 AI agent,正在把印度机构的工作流和内部知识写进他们既不拥有、也无法控制的外国系统。
这篇没有实验,论证分三步。
主权被收成一句可操作的话:一个国家能自己建造、运行并治理 AI 系统。基础设施层的对话停在芯片、机房和 LLM。印度在这一层有进展,政府把超级计算机等公共算力开放给研发,当共享资产用。追前沿仍然贵,单次训练已接近 10 亿美元。
基础设施主权可能没有看起来那么关键。开源模型在增殖,印度公司已经在微调、使用开源模型,算力和模型大概率还会更便宜、更全球可得。对外国软件、硬件和专长的依赖并没有因此消失,只是换了层。
真正的层是应用层。所谓 AI agent,是完成真实办公、写代码、处理行政事务的软件和工具。这类应用大量是进口或专有的,已经嵌进印度金融、学术和政府机构的日常流程,并且持续吞进更多组织数据。社论的核心判断很硬:机构把核心运营编码进外国系统,这种依赖比绑在某一块基础设施上更重。
对策不是再砸一个国产大模型,而是把 India Stack 的经验搬上来。印度用十多年做成了开放数字应用和平台,覆盖支付、生物识别身份、数据交换和商务,服务超过十亿用户,设计目标就是抗锁定。同一套思路用在 AI 上,就是立下通用规则,让不同 agent 能互相通信、在机构之间搬信息,而不被锁进一家的系统。
社论给出的硬数字很少,指向明确。
| 事实 | 数字 | 对照 |
| 训练一次前沿模型的成本 | 接近 10 亿美元 | 基础设施主权的门槛 |
| 印度三大 IT 服务公司采购美企 AI agent 许可证 | 不到 6 个月超过 30 万席 | TCS、Infosys、Wipro,用于办公任务 |
| India Stack 覆盖用户 | 超过 10 亿 | 支付、身份、数据交换、商务 |
30 万席是整篇最扎手的证据。这些工具不只是存文档,会吸收工作流和机构知识。agent 已经在管行政、写代码。社论没有给出这些许可证对应哪些产品、实际调用量,也没有对照「自建 agent」的机构占比。
India Stack 被写成可迁移的成功样板,尤其被全球南方国家研究、仿效。社论把「用同一套开放规则做 AI」写成印度下一次出口模板的机会,前提是先承认基础设施以外的依赖风险。
对做模型的人,竞争从「谁训得起 10 亿美元的模型」挪到「谁的 agent 吃进了客户的流程」。开源权重越来越近前沿,锁定发生在工作流、数据和制度知识那一层。
对买不起前沿训练的国家,公共超算和主权 LLM 不够。TCS、Infosys、Wipro 半年买 30 万席美企办公 agent,说明全球最大的 IT 服务出口国自己先把办公层交给了美国软件。客户如果再走同一条采购路径,锁定会从这些公司内部扩散到它们服务的全球企业。
可执行的动作是互操作规则。支付能做成开放轨道,是因为有强制互通的协议。agent 目前还没有等价物。谁先把「agent 之间如何通信、如何在机构间搬数据」写成可执行的规则,谁就在应用层拥有类似开放支付轨道的位置。
这是政策判断,不是算法贡献。把已有的数字公共基础设施叙事接到 agent,是渐进的;点名三大 IT 厂正在用采购加速锁定,是这篇真正要泼的冷水。
这是一页社论,不是实证研究。30 万席「办公任务许可证」被直接写成 AI agent。办公助手和生产级、会改核心系统的 agent 不是一类东西,文中没有拆开。
「编码核心运营」是机制推断。没有案例说明某家银行、某所大学、某个政府部门的哪条流程已经不可迁移,也没有给出切换成本。
开源模型增殖会让基础设施主权「没那么重要」,这个判断偏乐观。权重可下载,不等于芯片出口管制、云管辖权和本地推理成本消失。社论自己也留了一句:减少对外国软件、硬件和专长的依赖,并没有因此解决。
把 India Stack 的抗锁定经验平移到 agent,类比只走了一半。开放支付轨道搬的是交易指令,agent 搬的是持续写入的机构记忆。互通协议能降低切换成本,挡不住已经写进外国系统的工作流。通用规则由谁来定、如何强制采购遵守,文中没有规格。
Science 官网 PDF 被付费墙拦住,以上依据出版社页面被检索到的正文和摘要,没有图表。