Avataar 的影片 AI 技術憑藉速度、成本效益及對文化細微之處的掌握，成功應對印度的龐大規模挑戰

相較於美國、歐洲和中國，印度的 AI 模型產出進度較為緩慢。 目前僅有少數新創公司推出模型，其中大部分為大型語言模型或語音模型。為鼓勵更多開發，政府推出了「印度人工智慧任務」（India AI Mission），這是一項約 12 億美元的計畫，其內容包括讓入選的新創公司以公開發布其模型為條件，換取享有補貼的 GPU 運算資源。 獲選參與該計畫的 12 家新創公司之一——Avataar AI，已推出一款名為 Varya 的新視訊模型，該模型專為理解在地情境而設計，例如辨識不同的節慶、食物和服裝。

這家由 Peak XV 投資、專注於開發電子商務影片工具的新創公司，並未從頭開始打造 Varya。 該公司以阿里巴巴公開釋出的影片生成模型「Wan 2.2」為基礎，運用一種稱為「蒸餾」的技術——本質上是將模型的能力壓縮成更精簡、更快速的版本，並針對 Avataar 的特定應用場景進行優化。 最終產出的模型僅需四個步驟即可運作，相較於 Wan 2.2 的 50 個步驟，影片生成速度提升 10 倍，且成本僅需原來的極小部分。

具體來說：使用 NVIDIA H200 GPU 時，Varya 能在 45 秒內生成一段 5 秒的 720p 影片，而 Wan 2.2 則需 1,230 秒。

Varya 最引人注目的特點或許在於其定價。 該公司計劃在其託管服務中，按每秒影片收取 0.48 盧比（0.005 美元）——遠低於 Veo、Kling、Luma 和 Runway 等模型，這些模型通常每秒收費 0.10 美元或更高。兩者價格差距約達 20 倍。

「印度是一個『影片優先』的市場。我們在印度的每款大型消費級網路產品中都觀察到這一點：影片比文字更具優勢。當前的 AI 影片模型成本過高，難以在印度實現全民規模的應用。若要讓影片 AI 普及至學生、教師、微型、小型及中型企業（MSMEs）、創作者、企業及公共服務領域，成本必須大幅降低。 成本是印度 AI 普及的最大關鍵，」Peak XV 董事總經理 Rajan Anandan 向 TechCrunch 表示。

圖像與影片生成模型往往會忽略文化上的細微差異，並產生刻板或千篇一律的輸出結果——這正是 TechCrunch 先前曾報導過的問題。Avataar AI 表示，他們已運用精心篩選的數據來訓練 Varya，使其能辨識包括食物、服飾、建築及節慶在內的文化細微差異。

Varya 將作為開放權重模型，連同其訓練資料一併發布於印度的「AI Kosh」入口網站——該平台是印度政府用於集中存放公開可用 AI 模型與資料集的儲存庫——這意味著開發者可以自行部署或根據自身需求進行修改。 Avataar 還計劃將該模型提供給其企業客戶，並表示願意與 Higgsfield 和 Adobe Firefly 等影片工具建立合作夥伴關係。目前任何人都可以透過其官網，使用文字提示或參考圖片來試用該模型。

Varya 的推出反映出印度在人工智慧雄心中的一項根本性權衡。 業界資深人士指出，印度應透過開發應用程式及建立穩健的開發者生態系統，而非在基礎模型領域與他國競爭，來於人工智慧領域嶄露頭角。這種務實態度有其原因：由於缺乏運算資源且高品質數據供應有限，印度的模型開發進度一直落後於全球競爭對手。

「印度人工智慧任務」也是政府為彌合此差距所推動的更廣泛計畫之一。 去年，該計畫遴選了 12 家新創公司——其中包括 Avataar AI——負責開發 AI 模型，並為其提供高性價比的運算資源。今年稍早，資訊科技部長阿什維尼·瓦伊什納夫（Ashwini Vaishnaw）表示，印度目標是在 2028 年前吸引 2,000 億美元的 AI 投資，並在六個月內將其 GPU 運算能力提升一倍以上。