当一个国家试图在人工智能领域建立主权能力时，它遇到的第一个问题往往不是算法精度，而是供应链现实。英伟达的 GPU 配额、数据中心的地理位置、训练数据的语言分布——这些基础设施层面的约束，比技术白皮书上的任何指标都更深刻地塑造着一个区域性 AI 初创公司的命运。
2026 年 8 月，总部位于班加罗尔的 Sarvam 宣布完成 7400 万美元的 B 轮扩展融资，英伟达首次以战略投资者身份出现在这家印度公司的股东名单中。这轮扩展将 Sarvam 的 B 轮总融资额推过 3 亿美元，估值锁定在约 15 亿美元，成为印度第二家 AI 独角兽。但如果仅仅将此视为又一笔资本交易，就会错过埋藏在股权结构与基础设施绑定中的真实信号。
联合创始人 Pratyush Kumar 的表述直白得异乎寻常：“看到英伟达押注印度公司令人鼓舞，Sarvam 是首家获得英伟达投资的印度公司。”这句话的隐含前提是，在过去几年全球 AI 融资热潮中，英伟达将股权支票投向了数十家公司，但印度从未进入这份名单——直到现在。
| 字段 | 内容 |
|---|---|
| 公司 | Sarvam（Sarvam AI） |
| 轮次 | B 轮扩展（Series B Extension） |
| 金额 | 7400 万美元（约 69.78 亿卢比） |
| 投资方 | NVIDIA、Glade Brook Capital、Gaja Capital、Indigo Ventures、Activate，以及多位天使投资人与家族办公室 |
| 总部 | 印度班加罗尔 |
| 创始人 | Vivek Raghavan、Pratyush Kumar |
| 官网 | https://www.sarvam.ai/ |
英伟达为何用股权而非订单绑定一家印度模型公司
根据监管文件披露的细节，英伟达在这轮扩展中投入约 23.79 亿卢比（约 2500 万美元），获得 Sarvam 1.66% 的股份。Glade Brook Capital 以约 19.03 亿卢比取得 1.33% 持股。国内投资方 Gaja Capital 投入 9.51 亿卢比，Indigo Ventures 承诺 3 亿卢比。Activate 基金创始人 Aakrit Vaish 称这是其“对单一公司做出的单笔最大资本承诺”，旨在调动战略 LP 和家族办公室共同支持印度主权 AI，但未披露具体投资金额。
这笔交易的核心逻辑写在硬件供应链上，而非投资条款里。Sarvam 的基础设施运行在英伟达 H100 和 Blackwell 级 GPU 上，公司已通过印度 AI 使命（IndiaAI Mission）获得经由 Yotta Data Services 提供的补贴 H100 算力。对英伟达而言，1.66% 的股权远不足以在财务上构成重大敞口，但它为芯片供应商锁定了两条长期通道：其一，Sarvam 计划在六个月内部署万亿参数模型，训练所需 GPU 集群规模将远超当前补贴配额；其二，印度 AI 使命代表的政府端算力采购，正成为英伟达在新兴市场最重要的 B2G 入口，而 Sarvam 是被该使命选中的“主权基础模型”开发商。
这与英伟达在全球其他市场的投资逻辑一脉相承，但在印度具有更复杂的政府维度。英伟达不是单纯追逐财务回报的 VC，其投资组合本质上是一张围绕 CUDA 生态扩张的需求地图——被投公司使用英伟达硬件，消耗计算时，并推动下一轮 GPU 采购周期。Sarvam 的情况更加特殊：当一家公司同时承载政府主权 AI 项目、获得补贴 GPU 配额，并公开规划万亿参数模型的训练规模时，英伟达的股权介入既是对现有 H100 账款的保障，也是在印度公共算力支出中长期占据默认位置的筹码。
全栈叙事背后：Sarvam 在产业链上的真实位置
Sarvam 自称“全栈 AI 平台”，产品线覆盖基础模型（Sarvam 105B、30B、Vision）、推理基础设施（Sarvam Inference）、语音代理平台（Samvaad）、AI 编码代理（Sarvam Code）、文档智能以及企业 AI 工具。这一矩阵乍看类似 OpenAI 加 Anthropic 再加一部分 Twilio——同时涵盖模型层、推理层和应用层，在印度本土 AI 公司中尚无直接对标。
但如果将其置于真实的产业链约束中审视，“全栈”更精确的描述是一种试图将印度本地化需求转化为多个商业入口的策略，而非每条产品线都具备独立竞争力。
在模型层，Sarvam 发布了两款从零训练的基础模型——105B 参数和 30B 参数版本，以及一个视觉模型。这些模型的核心卖点并非与 GPT-5 或 Claude 的基准分数正面对抗，而是针对 22 种印度语言的训练优化。印度语言处理涉及非拉丁文字的分词、稀缺语料的合成、以及多语种代码混合（Hinglish 等）的理解，这些技术挑战在全球通用模型中优先级不高，但在印度 14 亿人口的政府服务、银行客服和中小企业场景中构成硬性需求。Sarvam 选择在这里建立差异化是务实的，但它并未披露模型在标准化英文基准测试中的表现数据，这使得其与全球前沿模型的技术差距处于不可比较的模糊地带。
更具观察价值的是 Sarvam 新推出的推理平台 Sarvam Inference，该平台将 Sarvam 105B 模型与开源模型 GLM 5.2、Gemma 4 等部署在印度境内基础设施上，面向开发者、企业和政府客户提供推理服务。公司将其定义为“token 主权”——确保推理工作负载在印度境内完成，以满足数据本地化要求。这是 Sarvam 产品矩阵中最直接嵌入印度监管现实的一项：2023 年以来，印度政府逐步收紧关键行业的数据跨境限制，银行与公共部门对“推理托管地点”的需求正在从建议变为硬约束。在数据本地化的监管推力下，推理平台更像是基础设施准入许可的商品化业务，而非 AI 能力的护城河——但这恰恰是在印度市场比纯模型更稳定的收入来源。
商业模式：政府是第一个客户，但不会是最后一个
Sarvam 的商业模式面向 B2B 场景，目标客群横跨开发者、企业、政府和中小企业。三类客户在实际销售中的转化路径截然不同：政府端的入口是印度 AI 使命项目，企业端依赖行业定制化解决方案，开发者端则通过自服务推理平台和开源社区触达。
政府合同在印度提供了稳定但周期漫长的收入流，且通常带有附带条件——主权 AI 模型的训练需要使用印度境内数据、基础设施，并接受审计合规要求。Sarvam 通过成为印度 AI 使命的核心承接方，获得了补贴 GPU 资源和明确的模型采购预期，但这同时意味着公司需要将相当比例的算力预算分配到政府优先级项目上，而非完全按照商业市场信号配置。在英伟达的投资逻辑中，政府合同实际上是 GPU 消费的担保主体——Sarvam 接受的政府项目越多，其英伟达硬件的使用量越大，而这偏偏是在英伟达持有股权的前提下可以预期的增长。
企业端的竞争更加直接。Sarvam Code 编程代理将直接与 Claude 和 Codex 争夺工程团队用户，语音代理平台 Samvaad 已从大客户定向开放转向自服务模式，面向初创公司、中小企业和独立开发者。Samvaad 向中小客户开放落地，标志着 Sarvam 试图用价格区分在语音 AI 市场复制本土化优势——印度语言支持是海外平台难以快速补齐的能力，而印度企业对本地语言电话客服、语音交互的付费意愿已被验证。Sarvam 在 2026 年 7 月 30 日的首届开发者大会上披露，其 105B 模型的 token 定价已经公布，但具体价格水平与竞品的比较数据，公司未在公开材料中披露。
被挑选的主权选手：一场带有准入标准的竞争
Sarvam 的竞争格局由三层叠加构成：全球化闭源模型、印度本土模型公司和开源模型生态。
在全球层面上，Claude 和 Codex 是其编程工具的直接竞争对手，但这些全球产品在印度本地语言支持上存在天然短板——它们在 Hinglish 混合输入、印度文字 OCR、多语种客服场景中并非专门优化。这一短板给了 Sarvam 的语音与文档智能产品一个时间窗口，但窗口期取决于全球模型在多语言微调上的投入速度，而非 Sarvam 单方面的进度。
在印度本土层面，Bhavish Aggarwal 创办的 Krutrim 是目前唯一另一家印度 AI 独角兽。两家公司都声称开发印度语言优化的基础模型，但产品路线的差异显著：Krutrim 更强调垂直整合到 Aggarwal 已有的 Ola 生态，而 Sarvam 的走向更像独立基础设施服务商，定位更接近政府和企业级平台。Sarvam 被印度 AI 使命选中，这本身就是一种强筛选——在多个本土模型团队中，政府的算力补贴与项目合同是有明确指向性的资源，而不像市场融资那样完全开放竞争。这使得 Sarvam 在本土竞争中暂时享有准政策壁垒，代价则是对政府项目的高度依赖以及随之而来的交付压力。
在开源层面，Sarvam Inference 平台运行 Gemma 4、GLM 5.2 等开源模型，这意味着公司部分业务直接与开源生态共存。如果企业客户可以自行部署相同的开源模型并获得相近性能，Sarvam 推理平台的商业价值将由其托管服务、合规支持和印度境内延迟优势决定，而非模型本身的稀缺性。
资本结构：多数控制权如何影响下一轮选择
监管文件揭示的股权结构透露出比融资额更丰富的信息。本轮扩股完成后，创始人合计保留 38.44% 的持股，HCLTech 的持股被稀释至 9.95%。在经历 B 轮两笔融资总规模超 3 亿美元后，创始人仍持有超过三分之一的股份，这在全球 AI 融资的同类阶段中属于偏高控制权。
这一结构意味着两件事。第一，创始人在下一轮融资或并购谈判中拥有足够高的决策权重，不会被资本方强制推动违背技术路线的商业变现。第二，由 HCLTech、英伟达、Glade Brook、Gaja Capital、Indigo Ventures 以及多家家族办公室组成的股东名单，混合了战略投资者、财务投资者和国内 LP 的多种利益诉求。Glade Brook 和 Gaja Capital 作为成长型基金，会推动明确的上市或退出时间表；英伟达的关注点在于 GPU 售额和 CUDA 生态渗透率；Indigo Ventures 来自印度最大航司 IndiGo 的投资部门，其参与可能指向旅客服务等应用场景的合作预期。这些不同优先级的力量在一个仍由创始人控制的董事会中如何博弈，将是 Sarvam 从产品承诺走向商业化验证阶段最值得跟踪的内部变量。
万亿参数承诺：工程挑战在芯片供应而非算法
Sarvam 宣布计划在六个月内推出万亿参数模型，瞄准编程、网络安全、模拟仿真和科学研究等场景。这是整个融资叙事中最引人注目的产品承诺，也是技术风险最高的部分。
万亿参数模型的训练开销并非线性增长。在不计算模型架构优化和数据工程的前提下，训练一个万亿参数规模的密集模型所需要的 GPU 集群规模、电力供应和数据中心冷却能力，都远超当前 Sarvam 公开拥有的基础设施容量。公司通过印度 AI 使命获得了补贴 H100 资源，但补贴的配额量是针对当前规模的模型训练设计，而非万亿级参数。
此外，Sarvam 从未披露其万亿参数模型的架构设计：是混合专家（MoE）架构通过稀疏激活降低实际计算消耗，还是传统密集模型架构。这一选择将直接决定训练成本量级和工程时间线。如果以 MoE 架构实现万亿参数，实际训练成本可能在密集模型的几分之一；但如果目标是用于编程和科学算力场景的推理精度，MoE 路由机制的设计难度递升。公司称模型将“从零在印度训练”，这排除了基于现有大模型进行增量预训练的可能性，意味着数据收集、清洗和标注的工程量也相应扩大。
编辑推断：Sarvam 的万亿参数模型路线图，目前更接近融资叙事中的远景承诺，而非已锁定算力和架构的确定性交付。在六个月的时间窗口内完成训练，需要现成可用的数千块 GPU 集群，这在 Blackwell 系列 GPU 全球供不应求的背景下，本身就是对 Sarvam 供应链能力的极限测试。
商业化瓶颈：政府合同能否规模化复制
Sarvam 面临的核心商业化问题不是产品有没有客户，而是政府合同这种初始验证，能否顺利转向企业市场的规模化采购。
在政府端，印度 AI 使命为 Sarvam 提供了产品开发的早期锚定和基础收入，但政府人工智能预算的增速与规模受财政周期约束。即使在最乐观的政策驱动情景下，政府在数年内能持续转化为商业化 AI 合同的总支出，也难以支撑一家 15 亿美元估值公司的增长曲线。Sarvam 需要将政府项目的有效性转化为企业客户的付费意愿——银行需要语音客服，中小企业需要文档处理，开发团队需要编程辅助——这些场景的付费客户数和客单价数据，公司目前均未披露。
在全球扩张策略上，Sarvam 已于旧金山设立办公室，并任命 Mistral AI 和 Thinking Machines Lab 的早期成员 Devendra Singh Chaplot 为顾问。美国市场的竞争烈度与印度生态环境完全不同：企业客户对全栈 AI 平台的选型会同时在价格、精度、安全和生态绑定四个维度进行量化比较，价格优势本身不足以建立护城河，而印度语言差异化在美国市场的需求急剧收缩。Sarvam 的出海路线，更可能是在全球印度侨民和服务于印裔群体的金融、法律、医疗行业中找到窄切口，而非在主流美国企业市场与 OpenAI 或 Anthropic 正面对抗。
待验证假设：印度主权 AI 的市场定价权
本报道追踪了 Sarvam 本轮融资中可核实的全部公开信息，但以下关键假设仍有待市场检验。
Sarvam 105B 模型的 token 定价虽已公布，但开源模型生态中 Gemma 4、Llama 3 等性能对标选项提供了持续下行的价格锚点。如果 Sarvam 不能通过语言本土化优势在模型性能上形成可量化差异，定价将受到来自开源面和全球商用 API 的两端挤压。Sarvam 的商业模式所依赖的核心判断——印度企业和政府愿意为“token 主权”支付溢价——尚未在公开财务指标中得到验证。同样，万亿参数模型的训练成本与交付时间表仍依赖于尚未公开的技术架构选择和与实际相符的 GPU 供应计划。
最后，Sarvam 在印度主权 AI 赛道中的市场地位建立在两项暂时性优势之上：印度 AI 使命的选型和英伟达的首投。两者都不构成永久的竞争壁垒。如果印度政府的主权模型政策未来转向多供应商竞争的审慎采购，Sarvam 的先发优势将相应递减；如果英伟达在其一贯的投资策略中将股权筹码投入其他印度 AI 公司，当前唯一的战略投资者绑定也会被相对化。
RecodeX 极客视：Sarvam 的融资路径精确踩中了印度 AI 政策最敏感的节点——在政府想要主权能力、芯片商想要新市场、资本想要下一个独角兽的交叉点上，它同时给出了三方各自需要的叙事。但主权 AI 的商业化不是一项政策工程，而是一场比拼价格、性能和客户获取的市场竞争，这是政府合同和资本估值都无法替代的课程。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。