2025年5月24日，Sarvam-M上線兩天后，Menlo Ventures投資人Deedy Das在X上發(fā)了一條帖子。

內(nèi)容不長，但足夠精準：印度最大的AI創(chuàng)業(yè)公司，估值十億美元的Sarvam，剛剛發(fā)布了它的旗艦大模型。上線兩天，Hugging Face下載量：23次。作為對比，他附上了另一組數(shù)字——兩名韓國大學生做的開源模型Dia，上個月的下載量：約20萬次。

最后一個詞：「丟人」。

這條帖子的轉(zhuǎn)發(fā)量在幾小時內(nèi)突破了印度科技圈的日常閾值。不是因為它特別刻薄——它確實刻薄——而是因為它把一個讓很多人隱隱不安的問題用數(shù)字說出來了：印度的AI，到底在哪里？

批評很快分成了幾個方向。

技術(shù)路線的質(zhì)疑最直接：基于Mistral微調(diào)，在IndicLLM基準上的得分僅比原始Llama高出0.02，這是Sarvam值得驕傲的成績嗎？有開發(fā)者在X上貼出了對比數(shù)據(jù)——Sarvam-M 0.49，Llama原版 0.47，Gemma 0.48——然后問：這是"可感知的提升"嗎？

生態(tài)批評則更結(jié)構(gòu)性。有投資人指出，印度沒有了Koo這樣的本土社交平臺，Sarvam-M缺乏一個天然的早期用戶反饋場，下載量低不只是模型的問題，是整個生態(tài)的問題。也有人算了另一筆賬：印度H100極度稀缺，出口管制壓力持續(xù)存在，在這種資源約束下，Sarvam能交出一個可用的24B印度語言模型，本身就不是一件容易的事——用Hugging Face幾小時的統(tǒng)計數(shù)據(jù)來定性一個項目，是在刻意誤讀。

支持的聲音里最有分量的，來自Zoho聯(lián)合創(chuàng)始人Sridhar Vembu。他在X上寫道："我們做過的每一個產(chǎn)品，沒有一個一開始就是爆款。"

但外界爭議如何，Sarvam的公關(guān)部門選擇了沉默。

真正開口的，是Pratyush Kumar本人。

他在X上轉(zhuǎn)發(fā)了批評帖子，寫了一句話：「很高興收到大家對Sarvam-M的反饋，請繼續(xù)。等我們開始訓練主權(quán)模型的時候，這些都會用上?！?/p>

這句話值得細讀。

他沒有辯解Sarvam-M的技術(shù)選擇，沒有解釋為什么用了Mistral底座，沒有反駁下載量數(shù)字，也沒有指責批評者不懂印度的資源限制。他做的事情是：把一次公開羞辱，原地轉(zhuǎn)化成了一個公開宣言。"等我們開始訓練主權(quán)模型的時候"——不是"如果"，是"等"。不是"我們將來考慮從零開始"，是"我們正在開始"。

這句話發(fā)出的時間是2025年5月25日，距離Sarvam-M發(fā)布過去了四十八小時。

此后的幾天里，Sarvam-M的Hugging Face下載量從23個反彈到334個，然后繼續(xù)緩慢爬升。不是什么了不起的數(shù)字，但至少證明最初的統(tǒng)計確實是因為Hugging Face數(shù)據(jù)延遲造成的偏差，而不是真實的用戶冷漠。

但數(shù)字的反彈并不是這個插曲真正的結(jié)局。

真正的結(jié)局，發(fā)生在八個月之后。屆時，曾經(jīng)在X上寫下「丟人」的那個人，會主動發(fā)文說："I was wrong."

但那是后話。

2025年5月，Sarvam需要面對的現(xiàn)實是：政府的4096塊H100已經(jīng)就位，承諾從零訓練的合同已經(jīng)簽署，外界的嘲諷已經(jīng)變成了歷史記錄。接下來沒有別的路，只有一條。

四、4096塊GPU，重新開始

讓我們回到那筆交易本身。

4096塊NVIDIA H100，六個月使用期，托管在孟買郊外的Yotta數(shù)據(jù)中心?？傎~單2.47億盧比，政府補貼其中的9868萬盧比。作為交換，Sarvam讓出了一部分股權(quán)，訓練完成的模型必須開源。

這是印度政府在IndiaAI Mission框架下簽下的第一批主權(quán)模型合同之一。67家機構(gòu)參與申請，最終四家入選：Sarvam、Gnani.ai、Gan.ai和Soket AI Labs。Sarvam拿到的算力分配是四家中最大的一塊。

從外部看，這是一筆對Sarvam極為有利的交易：政府出錢補貼算力，Sarvam用政府的GPU訓練模型，訓練完開源，政府拿一點股權(quán)。性價比高得有些不真實。

但這筆交易的另一面，是一個約束。

開源意味著Sarvam不能把這個模型變成護城河。股權(quán)意味著政府成了Sarvam的股東，這個身份在任何國家都意味著某種隱性的期待和潛在的干預(yù)空間。算力是政府補貼的，但賬單的剩余部分——超過1.5億盧比——要Sarvam自己承擔。對一家年收入只有2910萬盧比的公司來說，這個數(shù)字意味著巨大的財務(wù)壓力。

更深的約束是時間。六個月，4096塊H100，目標是一個從零開始、在全球基準測試上有競爭力、同時精通印度語言的大模型。

在全球AI軍備競賽的背景下，這是一個聽起來有些冒險的賭注。2025年初，OpenAI的融資總額已經(jīng)超過180億美元。DeepSeek用相對有限的資源訓練出了震驚業(yè)界的R1，但它背后是中國成熟的AI基礎(chǔ)設(shè)施生態(tài)。Sarvam的114名員工，要在一個GPU基礎(chǔ)設(shè)施還不完善、訓練數(shù)據(jù)需要自己從頭整理的國家，完成這件事。

他們的回答，是從基礎(chǔ)設(shè)施開始做起。

Sarvam的工程師首先重新設(shè)計了tokenizer——這是大模型處理文字的最底層組件。現(xiàn)有的主流tokenizer對印度文字效率極低，處理梵文、泰米爾文、孟加拉文這類非拉丁字母體系時，需要消耗比英文多出數(shù)倍的token。Sarvam重新訓練的tokenizer，對印度文字的處理效率提升了三到四倍。這一步?jīng)]有任何可見度，不會出現(xiàn)在發(fā)布會的PPT上，但它決定了后續(xù)所有訓練的成本和效率。

數(shù)據(jù)管道是另一個自建的基礎(chǔ)設(shè)施。Sarvam在內(nèi)部搭建了一套評估數(shù)據(jù)質(zhì)量的工具，從頭整理訓練語料。最終用于預(yù)訓練的數(shù)據(jù)量，30B模型約為16萬億token。這些數(shù)據(jù)的收集、清洗、標注，全部在印度國內(nèi)完成。

強化學習基礎(chǔ)設(shè)施也是自研的。這個環(huán)節(jié)決定了模型在推理任務(wù)上的最終表現(xiàn)，也是DeepSeek-R1讓業(yè)界重新注意到的核心技術(shù)路線。Sarvam選擇了同樣的方向，并把整套訓練流程完整地跑了一遍。

2025年下半年，Sarvam幾乎沒有對外發(fā)聲。

公司賬面上的年收入是2910萬盧比，折合約350萬美元。這是一個健康的早期創(chuàng)業(yè)公司收入，但在大模型訓練的語境下，這個數(shù)字說明Sarvam幾乎沒有任何財務(wù)緩沖。他們在用一家小公司的資源，做一件通常需要十倍體量才敢啟動的事情。

對外沉默的背后，是一支114人的團隊在訓練一個他們自己也不確定能否成功的模型。

五、14天，14次發(fā)布