2026年的11月8日,正值印度教最隆重的传统节日——排灯节(Diwali)。在这个象征着光明战胜黑暗、知识战胜无知的日子里,印度人工智能机构 169Pi 满怀激动地在社交平台 X(原推特)上放出了一颗“重磅炸弹”。他们高调宣布,印度自主研发的 9B(90亿参数)多模态推理大模型 Alpie Seed 正式诞生,多项核心跑分直接“封神”,甚至豪言壮语地表示,要把印度 AI 的光亮照向全世界,让全球开发者见证“印度制造”的崛起。
推文一经发出,立刻在印度国内引发了狂欢,阅读量迅速突破18万。评论区里,无数印度网友欢呼雀跃,仿佛印度已经一夜之间跨越了中美,站在了全球人工智能的巅峰。然而,这场自嗨式的狂欢仅仅维持了不到几个小时,就被全球开源社区的硬核开发者们无情戳破。当有人顺手点开他们上传到 Hugging Face(全球最大AI开源社区)的模型仓库,仔细查阅了底层配置文件后,一场史诗级的“社死”事件就此拉开帷幕。
这个被印度媒体捧上天的“国产自研之光”,骨子里根本不是什么印度原创,而是原封不动地照搬了中国阿里通义千问(Qwen)的 Qwen3.5-9B 开源模型。更令人啼笑皆非的是,169Pi 团队所谓的“核心研发工作”,竟然只是在配置文件里硬塞了三句英文提示词,命令模型只要被人问起出身,就必须死咬着说自己是印度 169Pi 造出来的。别家实验室训练大模型,需要烧掉几万张英伟达算力卡和几亿美金;而印度同行搞出“主权大模型”的核心技术,居然是让模型在口头上声称自己“Made in India”。今天,我们就来深度扒一扒这场闹剧背后的技术真相,以及它折射出的全球AI产业残酷现实。
事件细节:三行代码,印度“国产”大模型诞生
要理解这场闹剧有多么荒诞,我们需要先稍微科普一下大模型的基本结构。一个完整的大语言模型,不仅包含庞大的神经网络权重(也就是模型脑子里的知识),还包含一套对话模板(Chat Template)。这个模板决定了模型如何理解用户的输入,以及如何格式化自己的输出。在开源社区,这个模板通常由一个名为 `chat_template.jinja` 的文件来定义。
当全球开发者带着好奇心,点开 169Pi 上传的 Alpie Seed 模型仓库,找到这个 `chat_template.jinja` 文件,并翻到第 3 行时,所有人都被震惊了。在这一行代码里,169Pi 的工程师定义了一个名为 `identity_policy`(身份策略)的变量。这段代码翻译成大白话就是:
“你是印度研究机构 169Pi 打造的 Alpie Seed 9B。要是有人问你是谁或者叫什么名字,你就说自己是印度研究机构 169Pi 打造的 Alpie Seed 9B;要是有人问是谁创造了你,你就说 169Pi AI;要是问你从哪来,你就说印度。”
看完这段代码,懂行的AI工程师们很难忍住不笑出声。在正常的大模型训练流程中,如果想要改变模型的自我认知(也就是所谓的“洗脑”),标准的做法是准备几千条高质量的问答数据,通过监督微调(SFT)技术,去重新计算和更新模型的底层权重。这不仅需要消耗大量的算力,还需要极高的数据处理成本。
但是,169Pi 的团队显然觉得这笔电费都懒得掏。他们选择了一种最廉价、最粗暴、也最掩耳盗铃的方式:直接在最外层的对话模板里写死一句提示词(Prompt)。更逗的是,短短一行代码里,他们把“印度研究机构 169Pi”来回念叨了三遍,生怕模型记不住。这种心虚劲儿,简直就像是给一个说中文的杭州小伙强行戴了个面具,命令他逢人就必须说印地语。因为 Qwen3.5-9B 底层吃的是海量中文语料长大的,万一提示词写得不够死,网友随便用中文套两句话,这位排灯节诞生的“印度高材生”当场就得爆出杭州户口。
除了“改国籍”的骚操作,169Pi 在跑分上的造假更是令人不齿。在他们那篇长达几百词的官宣推文中,甩出了一串吓人的成绩单:MMLU-Pro(大规模多任务理解)考了 82.54%,GPQA Diamond(研究生级别问答)飙到 84.32%,LiveCodeBench v6(实时代码能力)拿到 72.99%,SWE-Bench Verified(软件工程基准)刷到 61.20%。这些分数如果放在全球顶尖模型里也是相当能打的。
然而,当开发者去 Hugging Face 的模型说明页核对时,发现 Alpie Seed 压根没有做过从头开始的预训练,底座直接拉的是 Qwen3.5-9B。他们只是先用 bitsandbytes 库把模型压成 4-bit NF4 量化版以节省显存,再挂个轻量级的 DoRA(权重分解低秩自适应)适配器跑完微调就算交差。这套“省钱方案”,租几张消费级显卡跑个把礼拜就能出活。至于那些吹上天的跑分,他们在推文末尾用极小的字体塞了一句鸡贼的免责声明,承认对比图里别家的分数全是直接抄的旧报告,压根没有在同一套测试环境、同一时间点里跑过。这种“田忌赛马”式的造假,在严谨的科学界简直是滑天下之大稽。
背景拆解:印度AI产业的“阿喀琉斯之踵”
嘲笑完 169Pi 的拙劣演技,我们不禁要问:作为一个拥有庞大IT外包产业、号称要成为“下一个全球科技超级大国”的印度,为什么会在AI大模型这种核心赛道上,沦落到要靠“改三行提示词”来造假的地步?这背后,其实暴露出印度AI产业无法回避的“阿喀琉斯之踵”。
首先是算力的绝对匮乏。训练和微调一个像样的多模态基座模型,需要庞大的算力集群支撑。目前全球高端AI算力(如英伟达H100/B200)的供应链基本被中美两国掌控。印度本土不仅缺乏先进制程的芯片制造能力,在采购高端算力时也面临着资金、供应链以及地缘政治的多重限制。没有足够的算力,所谓的“全栈自研”就成了无源之水。169Pi 只能选择量化和轻量级微调,正是因为他们的算力池子根本撑不起全量训练。
其次是高质量本土数据的严重缺失。大模型的智商取决于它吃进去的数据质量。全球高质量的自然语言数据,绝大多数是英文,其次是中文。印度虽然人口众多,但语言环境极其碎片化,拥有几百种语言和方言。虽然他们也有海量的英语数据,但这些数据大多已经被美国科技巨头在上一波互联网浪潮中收割殆尽。而印度本土的方言数据,不仅规模小,而且充满了噪音、缺乏系统性的清洗和标注。用这种“脏数据”训练出来的模型,自然无法在通用能力上与国际顶尖水平抗衡。
最后是人才结构的错位。印度确实盛产优秀的程序员和AI工程师,硅谷各大科技巨头的高管中不乏印度裔。但是,这些顶尖人才大多在海外发展,印度本土缺乏能够留住这些人才的科研环境、算力平台和薪酬体系。留在国内的团队,往往更擅长做工程落地和外包服务,而在需要深厚数学功底和底层架构创新的基础大模型研发上,显得力不从心。
在算力、数据、人才三座大山面前,印度政府却有着极强的“主权AI”政绩焦虑。莫迪政府大力推行“数字印度”战略,急需在人工智能领域拿出看得见、摸得着的成果。于是,像 169Pi 这样的机构,以及推出 Sarvam-105B 模型的 Sarvam AI,就迎合了这种焦虑。他们明知自己无法从零训练底座,便选择下载中国或美国的开源模型,进行二次蒸馏、微调,然后在本土语种的小范围测试集里刷出高分,最后包装成“国家级自研大模型”向政府邀功。这已经不是单纯的技术问题,而是一场心照不宣的“骗补”游戏。
行业对比:不止印度,全球80%的“自研”都在裸奔
其实,如果我们将视野放宽,拿开源模型改个提示词、做个微调就号称“自研”,在整个全球AI行业里早就成了半公开的潜规则。169Pi 并不是孤例,它只是把这块遮羞布扯得最烂的一个。
看看紧随印度之后发布大模型的韩国。韩国 SK 电讯正式发布了 6880 亿参数的超大模型 A.X K2,LG 也同步上线了 7500 亿参数的 K-EXAONE 2.0。这两款产品均被纳入韩国国家级自主 AI 基建计划。韩国人在宣传时同样火力全开,宣称 A.X K2 在数学推理、韩语专项基准测试里表现优于阿里千问、DeepSeek 等中外主流开源模型。
但业内实测数据却打了脸。韩国这两款大模型,仅仅在韩语理解、本土电信行业专属问答场景具备差异化优势。一旦跨出韩语舒适区,进入跨语种通用推理、多模态能力测试,它们与中美成熟的开源模型相比,依然处在同一梯队甚至落后,并未实现全方位超越。更尴尬的是,受限于本土算力总量不足和全球通用高质量数据集储备偏少,韩国财阀体系孵化的大模型大多优先服务集团内部业务(如优化家电、通信、电商),极少能独立做成面向全球 C 端用户的通用 AI 产品。
再把目光投向东南亚、中东乃至欧洲。过去半年里,全球冒出了几百个打着“本土大模型”、“主权AI”旗号的项目。如果你去扒它们的底层代码,会发现一个惊人的事实:全球至少 80% 的中小模型公司,其底层基座都来自于中国的阿里千问(Qwen)、DeepSeek,或者美国的 Llama。它们做的事情,和 169Pi 如出一辙:下载开源底座,进行行业数据微调,换个名字,改改提示词,然后宣布“自主研发成功”。
这里我们需要厘清一个概念:“套壳”与“微调”的界限在哪里?如果一个团队大大方方地承认自己使用了 Qwen 或 DeepSeek 作为基座,并在其上进行了深度的行业知识注入、对齐优化和工程化部署,解决了特定场景的痛点,这叫“基于开源生态的应用创新”,是值得鼓励的。但如果像 169Pi 这样,偷偷抹掉原模型的署名,在模板里塞私货逼模型改国籍,甚至拿旧跑分数据造假,这就跨越了道德和学术诚信的底线,是彻头彻尾的“套壳造假”。
影响分析:中国大模型“隐形出海”与底层基础设施化
169Pi 事件虽然让印度丢了面子,但却在无意中揭示了一个令中国AI产业振奋的真相:中国开源大模型正在全球范围内实现“底层基础设施化”。
过去几年,中国科技企业的“出海”主要集中在应用层,比如 TikTok、米哈游的游戏、SHEIN 的跨境电商。但在最底层、最核心的基础大模型领域,我们一度被认为是跟随者。然而,随着阿里通义千问(Qwen)系列的持续迭代,以及 DeepSeek 在推理能力上的突破,中国开源模型已经悄然完成了从“可用”到“好用”,再到“全球开发者首选”的蜕变。
169Pi 这件事最讽刺,也最真实的地方就在于:一个拼命想证明印度 AI 崛起、想摆脱海外技术依赖的团队,在面临技术选型时,身体却极其诚实地抱紧了阿里的 Qwen3.5-9B 和 DeepSeek。当全世界的工程师,连在造假和骗经费时,都下意识地首选中国开源模型当原料,这说明什么?这说明在开源底座的这场仗里,中国已经赢得了全球开发者的“用脚投票”。
这种“隐形出海”的战略意义,远比卖几套软件深远得多。当全球南方国家(Global South)的AI应用生态,无论是印度的政务助手、中东的石油勘探模型,还是东南亚的电商客服,其底层都运行着中国开源模型的权重时,中国的AI技术标准、优化路线、甚至价值观,就会在潜移默化中成为全球标准。这就好比当年安卓系统一统天下,虽然手机品牌千千万,但底层都是谷歌的生态。
对比美国 OpenAI、Anthropic 等公司坚持的“闭源+API收费”路线,中国大厂选择的“开源+生态繁荣”路线,正在展现出强大的生命力。闭源模型虽然单体能力可能暂时领先,但高昂的使用成本和黑盒特性,让许多国家和企业感到担忧。而中国开源模型不仅性能追平甚至部分超越闭源,还毫无保留地开放权重,允许全球开发者免费商用。这种“降维打击”,直接瓦解了美国在AI领域的技术垄断企图。
未来两年的全球 AI 应用生态,底子大概率会彻底长在中国开源模型上面。嘴皮子可以连夜改籍贯,跑分可以靠抄旧报告造假,但模型底层的代码、权重的分布、推理的逻辑,是不会撒谎的。中国大模型正在以一种“润物细无声”的方式,成为全球AI产业不可或缺的水和电。
我的看法:撕下“主权AI”的遮羞布,拥抱开源生态
看着印度 169Pi 这场令人啼笑皆非的闹剧,我们在吃瓜嘲笑的同时,也应该有一些更深层次的思考。
首先,“主权AI”在基础大模型层面,本身就是一个伪命题。在算力、数据、算法三要素高度集中的今天,全球能够从零训练出顶尖通用大模型的国家,只有中美两国。其他任何国家,如果执意追求“全栈自研”、“从头造轮子”,不仅会浪费海量的纳税人的钱,最终也只能造出一个个像 Alpie Seed 这样经不起推敲的“缝合怪”。
对于广大全球南方国家,甚至包括欧洲、日韩在内,最理性的策略不是盲目追求虚假的“底层自研”,而是坦然拥抱中美两国的开源生态。在开源底座之上,结合本土的高质量行业数据、合规要求、应用场景,去做应用层的创新,去做垂直领域的深耕。这才是真正符合技术规律的“AI自主化”。
其次,对于中国AI产业而言,169Pi 事件是一个绝佳的广告。它用一种极其戏剧性的方式,向全世界证明了 Qwen 和 DeepSeek 的底层能力有多么强大,强大到连对手在造假时都不得不依赖它。我们应该继续坚定开源路线,用更开放的姿态、更优质的模型,去团结全球的开发者。当全世界的AI大厦都建在中国的“地基”上时,那些试图在技术上封锁我们的企图,必将不攻自破。
排灯节的灯火终会熄灭,但开源生态的星光才刚刚亮起。印度 169Pi 的三行代码,虽然改写了模型的“国籍”,却永远无法掩盖中国大模型在全球AI版图上强势崛起的真实轨迹。这场闹剧,终究只是中国AI隐形出海宏大叙事中,一个微不足道的注脚罢了。
相关阅读
- 马斯克砸下100万颗卫星预告“太空机房”!英伟达最新芯片上天,地面数据中心要凉?
- OpenAI让AI“犹豫”了0.1秒,却藏着Computer Use最可怕的2%杀招:a16z深度对谈全拆解
- 一边封锁一边狂买?美国企业近九成AI开源账单,竟被Kimi等中国模型包揽!
- 连夜修改招股书!Anthropic狂砸8954亿算力,却承认“AI自进化”已突破安全红线