Sarvam AI: el plan maestro de Nueva Delhi

En los corredores de Bengaluru, lejos del brillo de San Francisco y la ferocidad regulatoria de Bruselas, se está gestando una revolución silenciosa pero tectónica. La India, durante mucho tiempo considerada el motor de externalización de procesos de TI del mundo, ha decidido que ya no se conforma con mantener los servidores de otros; ahora aspira a construir la mente digital del Sur Global. El anuncio de Sarvam AI de lanzar el primer Gran Modelo de Lenguaje (LLM) fundacional verdaderamente autóctono para principios de 2026 no es solo un hito corporativo; es una declaración de intenciones geopolítica. Marca el fin de la era en la que la India exportaba datos crudos e importaba inteligencia refinada, y el comienzo de una era de "Soberanía de Datos" donde la infraestructura cognitiva se construye localmente, para problemas locales, con sensibilidades locales.

La urgencia de este movimiento es palpable. Mientras OpenAI, Google y Anthropic compiten por la supremacía en el idioma inglés, las 22 lenguas oficiales de la India y sus miles de dialectos han quedado relegados a notas al pie en los conjuntos de datos de entrenamiento occidentales. Esta "pobreza de datos" no es benigna; crea una brecha de rendimiento donde los modelos globales alucinan, fallan o simplemente imponen normas culturales occidentales al procesar consultas en hindi, tamil o telugu. Sarvam AI, respaldada por gigantes del capital riesgo como Lightspeed y Peak XV, y bendecida por la "Misión India AI" del gobierno, busca llenar este vacío con un modelo de 120 mil millones de parámetros entrenado desde cero, diseñado específicamente para navegar la complejidad lingüística y cultural del subcontinente.

Vivek Raghavan y Pratyush Kumar, los fundadores de Sarvam AI y veteranos de la iniciativa AI4Bharat, han identificado un fallo crítico en la arquitectura actual de la IA global: la "tasa del token". Los modelos occidentales, optimizados para el inglés, fragmentan las palabras de idiomas índicos en múltiples tokens ineficientes, lo que infla los costos de computación y la latencia para los usuarios indios. Al construir un tokenizador nativo y entrenar el modelo con un 20% de datos de origen indio (un salto cuántico comparado con el <1% habitual en modelos globales), Sarvam promete no solo soberanía cultural, sino una eficiencia económica brutal que podría democratizar el acceso a la IA para millones de personas.

La Muralla de la Tokenización y la Tiranía del Inglés

Para entender por qué la India necesita su propio modelo, hay que descender a las matemáticas del lenguaje. Los LLMs "leen" el texto convirtiéndolo en tokens (fragmentos de palabras). Un modelo como GPT-4 es extremadamente eficiente en inglés; la palabra "love" es un solo token. Sin embargo, en hindi o malayalam, una sola palabra con significado complejo puede ser destrozada en cinco o seis tokens arbitrarios porque el modelo no "entiende" la estructura morfológica del idioma. Esto significa que para procesar la misma cantidad de información, un usuario indio paga más y espera más que un usuario estadounidense. Es un impuesto oculto sobre la diversidad lingüística.

El enfoque de Sarvam, y de competidores emergentes como Krutrim de Ola y Project Indus de Tech Mahindra, es corregir este desequilibrio estructural. Su modelo no es un simple ajuste fino (fine-tuning) de Llama o Mistral; es un entrenamiento desde la base (pre-training) que ingiere billones de tokens de literatura, conversaciones y documentos legales indios. Esto permite que el modelo capture matices que son invisibles para los gigantes de Silicon Valley: la forma en que se dirige uno a un anciano en la India rural, la mezcla fluida de idiomas (code-mixing) como el "Hinglish", o las sutilezas de las leyes locales de tierras. En un país donde la voz es la interfaz principal para cientos de millones de usuarios analfabetos o con baja alfabetización digital, un modelo que "piensa" nativamente en índico no es un lujo, es un requisito de accesibilidad.

Este esfuerzo técnico va de la mano con una visión social. Mientras que en Occidente la IA se comercializa a menudo como una herramienta de productividad para trabajadores del conocimiento (programadores, escritores), en la India el enfoque es la "IA para la población". Se imaginan asistentes de IA que ayuden a un granjero en Maharashtra a entender esquemas de subsidios gubernamentales mediante comandos de voz en su dialecto local, o que permitan a un artesano en Tamil Nadu negociar precios en mercados globales sin saber inglés. La soberanía de la IA aquí no se trata de escribir correos electrónicos más rápido, sino de saltar barreras de alfabetización y acceso que han existido durante siglos.

La Geopolítica del Chip: El Estado como Arquitecto

Ninguna ambición de IA puede sobrevivir sin el oxígeno del hardware: las unidades de procesamiento gráfico (GPUs). Aquí es donde entra en juego la "Misión India AI" del gobierno, dotada con más de 10.000 millones de rupias. Reconociendo que las startups locales no pueden competir con los balances de Microsoft o Google para comprar chips NVIDIA H100, el estado indio ha intervenido para democratizar el acceso al cómputo. El plan de adquisición de miles de GPUs para ponerlas a disposición de investigadores y startups como Sarvam es un reconocimiento de que el cómputo es ahora una infraestructura pública, tan vital como las carreteras o los puertos.

Esta estrategia de "Cómputo como Bien Público" es única. A diferencia de Estados Unidos, donde el desarrollo de la IA es casi enteramente impulsado por el mercado privado, o China, donde es una extensión del aparato estatal, la India busca un camino intermedio: el estado facilita la infraestructura base ("Railways for AI"), mientras que el sector privado construye los trenes y servicios sobre ella. Sin embargo, los desafíos son inmensos. La infraestructura energética de la India todavía lucha con la estabilidad, y los centros de datos son bestias sedientas de electricidad. Construir una capacidad de IA soberana requiere no solo chips, sino gigavatios de energía confiable y verde, un rompecabezas que el país aún está resolviendo.

Más allá del Valle: Un Modelo para el Sur Global

Lo que está ocurriendo en la India tiene implicaciones que van mucho más allá de sus fronteras. Si Sarvam AI y sus pares tienen éxito en crear modelos de alto rendimiento y bajo costo, optimizados para entornos con recursos limitados y alta diversidad lingüística, crearán un modelo exportable para el resto del Sur Global. Naciones en África, el sudeste asiático y América Latina observan con atención. El modelo de Silicon Valley de "un modelo gigante para gobernarlos a todos" es cada vez más visto con escepticismo por países que temen un nuevo tipo de colonialismo digital.

La visión india propone una alternativa: modelos más pequeños, específicos, culturalmente anclados y eficientes en el uso de energía. Al integrar estos modelos con la infraestructura pública digital existente (pagos, identidad), la India podría ofrecer un paquete tecnológico completo a otras naciones en desarrollo, desafiando la hegemonía digital de Estados Unidos y China. No se trata solo de tecnología; es diplomacia suave. Al igual que exportó el yoga o el cricket, la India aspira a exportar una visión de la IA que sea pluralista, democrática y accesible.

El Fin de la Inocencia

El lanzamiento inminente del LLM de Sarvam AI es el disparo de salida en una carrera que definirá la próxima década de la economía india. Ya no es suficiente con ser los codificadores del mundo; la India quiere ser el arquitecto. Los riesgos son altos: los modelos pueden fallar, la financiación puede secarse y la competencia global es feroz. Pero la alternativa —ser un vasallo digital permanente, importando inteligencia y exportando datos— es políticamente inaceptable para una nación que acaba de aterrizar en el polo sur de la Luna.

El "Leviatán de Silicio" tiene ahora un competidor en el este. No busca dominar el mundo, sino asegurarse de que su propia voz, con sus mil acentos y matices, no se pierda en el ruido blanco de la globalización algorítmica. La soberanía, en el siglo XXI, se escribe en Python, pero se piensa en sánscrito, hindi y tamil.