L'industria dell'intelligenza artificiale indiana si trova oggi di fronte a un bivio cruciale, catalizzato dalla comparsa improvvisa di DeepSeek, il modello linguistico cinese che ha dimostrato come sia possibile competere con i giganti occidentali utilizzando risorse limitate e tempi di sviluppo ridotti. Questo evento ha scatenato reazioni contrastanti tra gli imprenditori tech del paese, alcuni galvanizzati dalle possibilità che si aprono, altri amareggiati per le opportunità perdute a causa della cronica mancanza di investimenti. La sfida per l'India non è solo tecnologica, ma tocca questioni profonde di sovranità digitale e identità nazionale in un settore che definirà il futuro economico globale.
La lezione di DeepSeek: quando l'innovazione viene dall'esterno
Quando DeepSeek-R1 ha fatto il suo debutto sui mercati internazionali, superando molti modelli consolidati pur essendo sviluppato con budget e tempi significativamente inferiori, ha provocato onde d'urto nell'ecosistema tecnologico indiano. Adithya Kolavi, ventenne fondatore della startup CognitiveLab, ha visto in questo lancio la prova che l'disruption tecnologica non richiede necessariamente capitali enormi: "Ho pensato: 'Ecco come si fa disruption con meno risorse'. Se DeepSeek ci è riuscito, perché non noi?"
Diversa è stata la reazione di Abhishek Upperwal, architetto di uno dei primi tentativi indiani di sviluppare un modello fondazionale. Il suo Pragna-1B, un modello multilingue da 1,25 miliardi di parametri progettato per ridurre la "tassa linguistica" che grava sull'India a causa della sua diversità idiomatica, aveva faticato a ottenere finanziamenti adeguati. "Se fossimo stati finanziati due anni fa, ci sarebbe stata una buona possibilità che fossimo noi a costruire quello che DeepSeek ha appena rilasciato," riflette con amarezza.
Il paradosso dell'hub tecnologico senza ricerca
Il contrasto tra le ambizioni e la realtà dell'India nell'AI rivela un paradosso fondamentale: nonostante sia riconosciuta come un hub tecnologico globale, il paese investe appena lo 0,65% del PIL in ricerca e sviluppo, una frazione rispetto al 2,68% della Cina e al 3,5% degli Stati Uniti. Questa disparità affonda le radici in un ecosistema che si è evoluto con una mentalità orientata ai servizi piuttosto che all'innovazione.
Giganti come Infosys e TCS hanno prosperato offrendo servizi software efficienti, ma l'invenzione non è mai stata né prioritaria né adeguatamente ricompensata. Esistono sacche di eccellenza nella ricerca governativa, come nel DRDO e nell'ISRO, ma le loro scoperte raramente si traducono in applicazioni commerciali, mancando i ponti istituzionali che negli Stati Uniti collegano la ricerca militare all'innovazione civile attraverso agenzie come DARPA.
La risposta lampo del governo: 67 proposte in due settimane
La reazione istituzionale al successo di DeepSeek è stata sorprendentemente rapida per gli standard burocratici indiani. In soli dieci giorni dal lancio del modello cinese, il Ministero dell'Elettronica e dell'Information Technology ha pubblicato un bando per lo sviluppo di modelli fondazionali nazionali, riuscendo a mobilitare quasi 19.000 GPU attraverso partnership con provider privati come Jio, Tatta e AWS.
I numeri parlano chiaro: 67 proposte arrivate in due settimane, triplicate entro marzo. Ad aprile, l'annuncio di sei modelli su larga scala da sviluppare entro fine 2025, oltre a 18 applicazioni AI dedicate a settori cruciali come agricoltura ed educazione. Sarvam AI è stata selezionata per sviluppare un modello da 70 miliardi di parametri ottimizzato per le lingue indiane.
La complessità linguistica: una sfida unica al mondo
Se sviluppare modelli linguistici in inglese o cinese presenta sfide note, l'India affronta un problema di complessità quasi unica: 22 lingue ufficiali, centinaia di dialetti, e la particolarità che nessuna lingua nativa è parlata dalla maggioranza della popolazione. Le lingue indiane rappresentano meno dell'1% dei contenuti web, rendendo estremamente difficile reperire dati di training di qualità.
I tokenizer globali, che scompongono il testo in unità processabili dai modelli, funzionano male con gli script indiani, spesso interpretando erroneamente i caratteri o saltandoli del tutto. La sfida è aggravata dalla natura agglutinativa delle lingue indiane, dove le parole si formano combinando molte unità di significato attraverso prefissi e suffissi, creando strutture che i tokenizer standard faticano a gestire efficacemente.
Innovazioni dal basso: quando la necessità genera creatività
Nonostante i vincoli, alcuni team indiani stanno sviluppando soluzioni innovative. Upperwal ha creato una tecnica chiamata "tokenizzazione bilanciata" che permette al suo modello da 1,25 miliardi di parametri di comportarsi come uno da 7 miliardi, particolarmente efficace in hindi e gujarati. Sarvam AI ha sviluppato OpenHathi-Hi-v0.1, un modello open-source in hindi addestrato su 40 miliardi di token, dimostrando le crescenti capacità del settore.
Krutrim-2, dall'altro estremo dello spettro, rappresenta un approccio più ambizioso con i suoi 12 miliardi di parametri ottimizzati per inglese e 22 lingue indiane. Il team ha costruito un tokenizer Indic personalizzato e progettato il modello per casi d'uso multimodali e voice-first, cruciali in un paese dove le interfacce testuali possono essere problematiche.
La missione da 1,25 miliardi: IndiaAI e la strategia nazionale
L'IndiaAI Mission, lanciata nel marzo 2024 con un budget di 1,25 miliardi di dollari, rappresenta il tentativo più strutturato dell'India di colmare il gap nell'intelligenza artificiale. Oltre 18.000 GPU, inclusi quasi 13.000 chip H100 di fascia alta, sono stati messi a disposizione di startup selezionate come Sarvam, Soket Labs, Gnani AI e Gan AI.
Secondo Abhishek Singh, CEO di IndiaAI, l'obiettivo è raccogliere circa 12 miliardi di dollari in investimenti R&D nei prossimi cinque anni, di cui 162 milioni attraverso la missione stessa e il resto da fonti private e internazionali. La strategia include anche un Deep Tech Fund of Funds da 1,2 miliardi di dollari per catalizzare l'innovazione nel settore privato.
Il dibattito sull'apertura: sovranità vs accessibilità
La decisione di sviluppare Sarvam come modello chiuso, nonostante le sue radici tecnologiche pubbliche, ha scatenato un dibattito sulla natura della sovranità digitale. Critici come Amlan Mohanty sottolineano che "la vera sovranità dovrebbe essere radicata nell'apertura e nella trasparenza", citando l'esempio di DeepSeek-R1 che, nonostante i suoi 236 miliardi di parametri, è stato reso liberamente disponibile per uso commerciale.
La questione del compute rimane centrale: l'India importa ancora la maggior parte dei suoi chip invece di produrli domesticamente, rendendo costoso l'addestramento di modelli di grandi dimensioni. Tuttavia, il paese gode di vantaggi sui costi di costruzione dei data center, con circa 5 milioni di dollari per un centro hyperscale, circa la metà rispetto a mercati come Stati Uniti o Europa.
Verso un approccio distintivo: forza contro spettacolo
La strada che l'India sceglierà di percorrere nell'AI sembra orientarsi più verso l'autodeterminazione strategica che verso il tentativo di superare OpenAI o DeepSeek. Nandan Nilekani, presidente di Infosys, ha suggerito un approccio pragmatico: lasciare che i giganti della Silicon Valley sviluppino i grandi modelli linguistici, mentre l'India si concentra sull'utilizzo di questi strumenti per creare dati sintetici e modelli linguistici più piccoli ma specializzati.
Questa visione, che privilegia la sostanza rispetto allo spettacolo, riflette un consenso crescente sul fatto che l'India dovrebbe giocare una partita diversa. Come osserva Bharath Reddy della Takshashila Institution: "Tentare di dominare ogni livello dello stack non è realistico, nemmeno per la Cina. Meglio dominare un livello, come applicazioni, servizi o talenti, per rimanere indispensabili."