DeepSeek开源之后，印度韩国突然宣称，已自主研发出媲美中国的AI

聊AI这个话题，最近真是越看越有意思。印度和韩国前后脚跳出来喊话，说自家搞出了能跟中国掰手腕的大模型。

这年头，谁家新模型发布不拿DeepSeek当靶子？可等技术圈的人一动手扒代码，那些＂自主研发＂的招牌又能撑几个小时？这场热闹背后，藏着的其实是中国开源AI在全球攻城略地的另一面。

先看印度。今年2月，班加罗尔的萨尔瓦姆AI在新德里的印度AI影响力峰会上一口气亮出两款模型。

参数不算最猛，但敢跟DeepSeek R1正面较量的胆子，倒是不小。

印度媒体夸得也很卖力。按萨尔瓦姆自己的口径，那款旗舰在多项基准测试里跑赢了600B规模的DeepSeek R1，尺寸只有对方六分之一，成本还比谷歌Gemini Flash便宜。这话一出来，印度舆论就沸腾了，什么＂追平中国＂＂跻身第一梯队＂的标题铺天盖地。

数据听着很唬人，但懂行的人都知道，跑分和实际能打完全是两码事。

印度政府这次是真的下了本钱。萨尔瓦姆是从67家申请者里挑出来的第一批种子选手，能拿到4000块GPU用满六个月，属于＂印度AI使命＂的核心项目。资本圈同样不含糊。

Peak XV和Khosla Ventures这些老牌基金合起来砸了超过5000万美元。政府和资本一起抬轿子，这架势就是要造星。

再看韩国。7月31日，LG AI研究院把K-EXAONE 2.0直接扔上了Hugging Face。

这是韩国＂主权AI基础模型项目＂下的第二代旗舰，采用混合注意力和MoE架构，总参数7500亿，每个token激活约370亿，规模是第一代236B模型的三倍多。一夜之间，K-EXAONE成了韩国AI圈的新招牌。

韩媒接着就把这几个数字放大成＂韩国AI跻身全球前沿＂的历史时刻。可惜好话不能只挑一半说。

挑赢自己的赛道去比，这套路各国都会玩，但玩多了大家也就见怪不怪。政府对这事的托底是实打实的。

韩国科学技术信息通信部主导的＂专有AI基础模型项目＂投入了约5300亿韩元、折合3.58亿美元的公私联合资金，K-EXAONE正是重点扶持对象，目标定在2027年打造有全球竞争力的韩国AI。

SK电讯也带着自家A.X模型加入了这场同台竞技，谁都不想被落下。宣传越响，扒得越快。

印度这边先起了争议。不少人质疑，Sarvam模型是在DeepSeek已经发表的研究基础上搭起来的，为什么它的反应跟当年DeepSeek站在Transformer肩上时截然不同。这个问题问得挺尖锐，答案其实一点都不复杂。

因为宣发口径把＂借鉴＂直接包装成了＂从零打造＂，落差就出来了。萨尔瓦姆的CEO也没打算硬扛。

他公开承认团队＂欣赏DeepSeek团队，并跟随和学习他们的研究＂，同时强调105B模型是在＂小团队、小规模＂下做出来的。承认归承认，媒体那边的稿子里＂印度自主＂四个字始终高挂。

这种嘴上一套、宣传一套的操作，看多了也就明白，政治叙事和技术真相从来不是一码事。

架构层面的相似更藏不住。Sarvam AI和BharatGen的Param 2都选了MoE架构，Param 2每个token只激活24亿参数，团队规模也不大，路数很像当年做DeepSeek R1那批人。

架构学习本身没错，全球AI技术就是这么一层一层往上摞的。问题在于，为什么中国团队敢大大方方公开自己踩着谁的肩膀，别人却非要装作从石头缝里蹦出来。

韩国这边同样绕不开外部依赖。2026年4月，LG AI研究院负责人林于亨已经跟英伟达副总裁布莱恩·卡坦扎罗见了面，讨论把EXAONE接入英伟达Nemotron平台做主权AI部署。一边喊＂自研＂，一边紧紧抱着英伟达的大腿。

所谓的＂主权AI＂，说到底还是要看别人家的算力脸色。为什么全世界都盯着中国开源模型不放？账一算就明白。

DeepSeek的R1推理模型公开成本大约600万美元，当时OpenAI的GPT-4研发花了约1亿美元。这个差距不是一星半点，是数量级的鸿沟。

对印度、韩国这种想省钱又想讲政治故事的国家，跟着中国开源路线走就是最优解。MoE架构的流行也是同一个道理。

这种效率优先的架构，正在把这些国家的模型定位成算力密集竞赛里的低成本替代品。既能撑起＂主权AI＂的门面，又不必真去烧几十亿美元从零训练。

省钱又有面子的买卖，谁不愿意做。这就是印韩这波集体亮相的真实底色。

有意思的是印度自家的分裂。印度电子和信息技术部把重心放在推理端，鼓励企业用现成模型跑业务；IT部长阿什维尼·维什瑙对外又表态，印度公司完全有能力自己训练大模型。一边喊主权，一边全国的开发者都在悄悄拉Qwen、DeepSeek的权重回来跑活。

这种撕裂，只能靠＂套壳发布＂来临时缝合面子。

韩国的思路则更务实。韩国行政安全部已经用EXAONE 4.5来处理每天超过3.9万件的公众举报，食品药品安全部也把它用在AI辅助的新药审评系统上。有政府订单托底，模型能不能横扫全球基准反倒不那么关键。

先把国内的应用生态跑起来，再慢慢补技术短板，这套路走得更稳。站在中国的角度看这场戏，其实没什么好焦虑的。

印韩每一次高调宣布＂自研媲美中国＂，本质上都在给DeepSeek、千问免费打广告。在Kimi K3引爆这轮全球开源竞赛还在升温之际，韩国以主权AI名义入局，说明东亚开源AI生态的三角格局正在成形。

这种格局的形成，对中国来说反而是好事。产业史的规律其实很朴素，谁定义了底座，谁就能收生态的租。

中国AI企业选择开源，不是做慈善，是要把生态门槛拉到最低，让全世界开发者主动把中国架构变成默认选项。等哪天印度、韩国的所谓＂国产AI＂发现自己每一层底层都绕不开中国范式，这套＂自主＂叙事就再也讲不下去了。

后面还有戏看。LG AI研究院还在准备下一款面向产业的AI基础模型，同时也在做面向公众的K-EXAONE 2.0测试平台。

可以想见，未来一年里，印韩两国还会有更多＂7500亿参数＂＂万亿参数＂的重磅消息接连抛出，配套的政治口号也会一浪高过一浪。宣传越响，越说明中国AI这块蛋糕的分量。

技术竞赛的规律一直都是这样，一开始比谁喊得响，比到中段看谁能真的把模型交付到用户手里，比到最后拼的是生态深度和商业成本。

印韩的＂AI主权＂故事讲得再动听，商业理性这一关是绕不过的。中国从被围堵的对象走到全球开发者绕不开的供应商，这一步走得不容易，也走得很扎实。