Suwerenna AI Indii: 34 000 GPU na cudzym krzemie

Suwerenna AI Indii istnieje dziś w trzech warstwach z czterech: jest moc obliczeniowa, są otwarte modele językowe i są własne reguły. Nie ma krzemu. Filar obliczeniowy IndiaAI zebrał 34 381 kart graficznych od 14 dopuszczonych dostawców, a mimo to każda z nich została kupiona za granicą, bo w Indiach nie działa jeszcze fabryka wytwarzająca akceleratory AI.

Suwerenność AI to cztery warstwy, nie jedna etykieta

Za hasłem stoi konkret: kontrola nad mocą obliczeniową, danymi, modelami i regułami ich użycia. Kluczowe jest to, że te cztery warstwy są od siebie niezależne. Państwo albo firma może w pełni panować nad trzema i wciąż zależeć od jednego zewnętrznego podmiotu w czwartej, a wtedy poziom niezależności całości wyznacza ta czwarta.

Dlatego pytanie „czy mamy suwerenną AI” prawie zawsze prowadzi donikąd. Sensowne pytanie brzmi: która warstwa pęknie pierwsza, jeżeli warunki się zmienią. Prawna strona tego problemu, czyli co rządy realnie mogą zrobić modelom i narzędziom AI, opisaliśmy osobno we wpisie o tym, czy rządy mogą zakazać AI.

Skąd wzięło się 34 000 GPU

Rząd nie zbudował własnych serwerowni. Zamiast tego dopuścił do programu komercyjnych operatorów chmury i dopłaca do stawki godzinowej, a startupy i uczelnie wynajmują moc po obniżonej cenie. Storyboard18 podaje, że filar obliczeniowy IndiaAI zebrał w ten sposób 34 381 GPU od 14 dostawców, a popularne karty H100 kosztują w tym programie rzędu 92 rupii za godzinę pracy, czyli wyraźnie poniżej stawek komercyjnych hiperskalerów.

Moc dokładano etapami. VisionIAS opisuje dołożenie 15 916 kart do wcześniejszych 18 417, co daje ponad 34 tysiące. Po stronie sprzętu widać znane nazwy: NVIDIA wymienia Yottę, która dopiero buduje infrastrukturę Shakti Cloud, docelowo zasilaną ponad 20 000 kart Blackwell Ultra, Larsen & Toubro z obiektami w Chennai i Mumbaju oraz E2E Networks z klastrem HGX B200. To ważny szczegół, bo pokazuje, czym ta moc naprawdę jest: dotowanym rynkiem najmu, a nie państwowym żelastwem. Kto chce rozumieć tę różnicę na mniejszej skali, znajdzie ją w porównaniu sprzętu do lokalnego uruchamiania modeli LLM.

Dlaczego 22 języki to infrastruktura, a nie folklor

Indie mają 22 języki uznane konstytucyjnie i, jak podaje NVIDIA, ponad 1500 kolejnych odnotowanych. Globalne modele radzą sobie z nimi nierówno, bo tekst w tych alfabetach rozpada się na więcej tokenów, co podnosi koszt i pogarsza jakość. Model wyszkolony na własnym tokenizatorze rozwiązuje problem u źródła.

Efekt praktyczny opisuje Google DeepMind: Sarvam AI zbudowało na otwartych wagach Gemma 3 model Sarvam-Translate, który tłumaczy na poziomie akapitu we wszystkich 22 językach, a treści długie i ustrukturyzowane obsługuje dobrze w 15 z nich. To zarazem najlepszy przykład na to, jak nieostra bywa granica suwerenności: model jest indyjski, ale baza, na której powstał, pochodzi z Google. Mechanizm jest ten sam, co przy oszczędnościach na modelach otwartych, które opisaliśmy przy okazji tego, jak Coinbase ściął rachunki AI o połowę.

Reguły bez osobnej ustawy o AI

5 listopada 2025 roku MeitY ogłosiło India AI Governance Guidelines, pierwsze całościowe ramy zarządzania AI w tym kraju. Nie jest to ustawa. Dokument opiera się na siedmiu zasadach i na przepisach, które już obowiązują, w tym IT Act z 2000 roku, ustawie o ochronie danych osobowych DPDPA z 2023 roku i prawie autorskim z 1957 roku, i zapowiada raczej punktowe nowelizacje niż nowy akt prawny.

Konstrukcja instytucjonalna jest trójdzielna: międzyresortowa AI Governance Group jako organ decyzyjny, komitet ekspertów technologiczno-prawnych oraz instytut bezpieczeństwa AI. Nadzór sektorowy zostaje przy dotychczasowych regulatorach, każdy dla swojej branży. To wybór odwrotny do europejskiego, gdzie jeden akt prawny opisuje ryzyka poziomo dla całego rynku. Dla firmy działającej w obu jurysdykcjach oznacza to dwa różne sposoby udowadniania tego samego: że wie, jak jej system podejmuje decyzje.

Gdzie kończy się indyjska niezależność

Warstwa czwarta, czyli krzem, wciąż jest cudza. Institute for Competitiveness pisze, że pierwsza komercyjna fabryka wafli, budowana w Dholerze w Gudżaracie, ma dać chipy około 2028 roku przy docelowej zdolności 50 000 wafli miesięcznie. Zakłady, które pracują dzisiaj, zajmują się montażem, testowaniem i pakowaniem układów, a to inny etap łańcucha niż wytwarzanie logiki.

Skala pieniędzy też robi swoje: ten sam raport przypomina, że uruchomienie produkcji w procesie 3 nanometrów potrafi kosztować do 15 mld dolarów. Dopóki ta bariera stoi, każda deklaracja o pełnej suwerenności kończy się na fakturze wystawionej przez producenta akceleratorów. Że nie jest to problem wyłącznie indyjski, widać po ruchach największych graczy: opisywaliśmy zarówno zakup Tenstorrent przez Qualcomma, jak i własny chip OpenAI i Broadcomu. Wszyscy próbują wyjść spod jednego dostawcy, bo wszyscy pod nim są.

Druga strona medalu

Kilku rzeczy z tej układanki po prostu nie wiemy i uczciwie jest to powiedzieć wprost. Podana wyżej liczba kart opisuje moc zakontraktowaną i udostępnioną, a nie realnie wykorzystaną. Nie widzieliśmy niezależnego audytu pokazującego, ile godzin GPU faktycznie zużyto ani ilu odbiorców z tego skorzystało, więc traktowanie tej liczby jako miary realnego użycia byłoby nadinterpretacją.

Podobnie z terminami. Rok 2028 dla fabryki w Dholerze to plan, a plany w przemyśle półprzewodnikowym potrafią się przesuwać, więc rozsądniej czytać go jako najwcześniejszy możliwy moment niż jako datę pewną. Trzecia rzecz dotyczy słowa „otwarte”: otwarte wagi modelu nie oznaczają otwartych danych treningowych, a to dwie zupełnie różne obietnice. Wreszcie sam program stoi na linii budżetowej i na dostępie do importu, więc zmiana priorytetów rządu albo zaostrzenie kontroli eksportowych mogłyby zmienić obraz szybciej niż jakakolwiek inwestycja w fabrykę.

Co z tego ma polski właściciel małej firmy

Twoja niezależność nie jest deklaracją w regulaminie, tylko listą procesów, które staną, gdy jeden dostawca zmieni cennik, warunki licencji albo region świadczenia usługi. Jeśli obsługa klienta chodzi na jednym API modelu, treści mieszkają w jednym systemie bez eksportu, a sprzedaż zależy od jednego kanału widoczności, to masz dokładnie taki sam problem co Indie, tylko na własną skalę.

Praktyczna różnica polega na tym, że u Ciebie przesiadka jest wykonalna. Kraj nie zbuduje fabryki w kwartał, ale mała firma potrafi w kilka dni przepiąć integrację na inny model, jeśli od początku trzymała prompty i dane poza kodem dostawcy. Wybór między gotowym narzędziem a czymś szytym na miarę też jest wyborem o zależności, o czym pisaliśmy przy porównaniu gotowego chatbota i dedykowanego agenta AI. Warto też przepytać o to wykonawcę, zanim podpiszesz umowę: pomaga w tym lista kontrolna wyboru firmy do wdrożeń AI.

Jak policzyć własną zależność w pięciu krokach

1. Wypisz procesy, które przestaną działać w ciągu doby, jeśli konkretny dostawca wyłączy usługę. Nie funkcje, tylko procesy przynoszące pieniądze.
2. Przy każdym dopisz, czy dane wyjściowe da się wyeksportować w formacie czytelnym poza tym narzędziem. Brak eksportu to najdroższa forma zależności.
3. Sprawdź, czy podmiana modelu wymaga przepisania integracji. Jeśli prompty i logika siedzą wewnątrz panelu dostawcy, przesiadka kosztuje tyle, co budowa od nowa.
4. Wyceń przełączenie w dniach pracy zespołu, nie w zdaniach o elastyczności. Liczba dni jest jedyną uczciwą miarą.
5. Wskaż warstwę, która zostaje Twoja niezależnie od wszystkiego: dane klientów, treść na własnej domenie i konta w narzędziach pomiaru.

Ten ostatni punkt jest najważniejszy, bo widoczność w wyszukiwarce i w odpowiedziach modeli buduje się na treści, którą naprawdę kontrolujesz. Dlaczego wysoka pozycja w Google nie przekłada się automatycznie na cytowanie przez AI, rozbieramy w tekście o różnicy między cytowaniem w AI a rankingiem Google.

Najczęstsze pytania

Co to jest suwerenna AI?

To kontrola nad czterema warstwami stosu AI: mocą obliczeniową, danymi, modelami i regułami ich użycia. Suwerenność mierzy się warstwa po warstwie, bo można panować nad trzema i zależeć od kogoś w czwartej.

Ile GPU mają Indie w ramach IndiaAI?

Storyboard18, za komunikatem ministerstwa z lipca 2025 roku, podaje 34 381 GPU od 14 dopuszczonych dostawców chmury w filarze obliczeniowym IndiaAI. VisionIAS opisuje wcześniejszy etap: 15 916 kart dołożonych do 18 417 dopuszczonych wcześniej.

Czego Indiom brakuje do pełnej suwerenności AI?

Fabryki, która produkowałaby akceleratory AI. Pierwsza komercyjna fabryka wafli w Dholerze ma według Institute for Competitiveness dać chipy około 2028 roku, a działające dziś zakłady zajmują się montażem i testowaniem, nie wytwarzaniem logiki.

Co z przykładu Indii wynika dla małej firmy?

Że niezależność liczy się procesami, a nie deklaracjami. Wypisz procesy, które staną w ciągu doby, gdy jeden dostawca zmieni cenę albo warunki, i sprawdź, ile dni pracy kosztuje przesiadka.

Źródła: Storyboard18, VisionIAS, NVIDIA Blog, Google DeepMind, AZB & Partners, Institute for Competitiveness.

Powiązane artykuły

• Czy rzady moga zakazac AI
• NVIDIA DGX Spark do lokalnych LLM
• Wojna o talenty AI
• Banka AI: wyprzedaz 2026
• Flock Safety i inwigilacja AI