印度或成为大型AI付费市场，但价值外流与算力过剩风险同步上升

概览

报告比较OpenAI与Anthropic的使用数据，研究印度及其他新兴市场如何使用AI、用户是否会转向付费订阅，以及这种转变对就业、跨境费用、IT服务和数据中心投资意味着什么。其核心判断是：新兴市场并非AI应用的落后者，反而更快进入生产性和自动化阶段；但印度能否成为经济受益者，取决于其能否建立本土模型和应用，而不仅是购买海外服务。

核心观点

印度AI应用规模很大，但人均指标容易低估其影响。印度在2月突破1亿ChatGPT周活跃用户，是仅次于美国的第二大市场，但人均使用量只排在150个经济体中的第109位。Anthropic数据呈现相同结构：印度贡献7.1%的绝对使用量、排名第二，人均使用量却仅排121个经济体中的第103位。报告认为，这种反差源于印度大量劳动力仍处于AI暴露度较低的行业，而不是已经使用AI的人群缺乏深度。即使用户基础相对集中，印度付费用户使用ChatGPT数据分析工具的强度仍是全球平均的4倍，编码工具使用强度是全球平均的3倍。 新兴市场的AI使用更偏向工作和自动化，而发达经济体更多将其作为信息获取和表达辅助工具。印度ChatGPT使用中有35%与工作相关，高于31%的全球平均值；新兴经济体工作用途占32.4%，也高于发达经济体的29.3%。印度在技术帮助方面仍位居报告跟踪的28个主要经济体前列。报告据此认为，新兴市场用户更常让AI直接完成技术、写作或类似工作任务，而发达经济体更常用AI搜集信息、进行自我表达和获得实用建议。这也意味着AI对新兴市场就业的影响不能因目前低成本、局部采用而被忽视，企业用例最初可能通过减少人员需求来为订阅费用提供资金。 使用类别正在快速变化，并显示不同模型逐渐形成专业分工。印度ChatGPT查询中的“技术帮助”占比从2024年的约20%降至目前6.3%，但仍属全球最高水平之一；同期多媒体从1.4%升至9.8%，自我表达从2%升至6.3%，实用指导从26%升至33%，信息搜索从15%升至17%。全球ChatGPT技术用途也从2024年的约13%降至目前4%，而Anthropic在新兴经济体的计算机与数学用途超过25%。报告据此判断，技术和编码用户正在迁往更专门的工具：Anthropic正成为编码任务的偏好选择，OpenAI则继续在信息搜索、个人指导和多媒体用途上占优。 年龄与用途结构使新兴市场具备较高的长期订阅价值。全球ChatGPT用户中35岁以下占比由2024年的近70%降至66%，说明较年长用户正在加入；发达经济体约40%的用户超过35岁、18%超过45岁，新兴经济体对应比例为28%和11%。印度结构更年轻，78%的用户低于35岁、92%低于45岁，而其人口中约30%超过45岁，且互联网用户超过10亿。报告将技术帮助、写作和实用指导定义为“生产性用途”，将写作和技术帮助进一步归为知识或工作相关用途，并以年轻用户占比近似衡量可持续使用时间，以生产性用途近似衡量付费意愿。由此形成的矩阵显示，新兴经济体同时拥有更长的潜在用户生命周期和更高的付费倾向；主要制约不是使用价值，而是收入差异造成的支付能力。如果订阅价格能反映当地收入水平，发展中经济体可能涌现更多付费用户。 AI订阅与此前免费互联网服务的商业模式存在根本差异。印度在社交、视频、支付和电商时代能够迅速积累用户，是因为许多服务免费提供，平台通过广告、交易和生态扩张变现；软件也常有免费替代品，且大规模分摊后的持续成本很低。生成式AI则具有较高的单用户算力和能源成本，使用越多，运营成本越高，因此ChatGPT、Gemini、Claude、Microsoft Copilot及AI原生企业应用从一开始就强调订阅收费。账号共享还受到令牌限制、隐私和账户权限约束。报告因此认为，付费AI在新兴市场最终可能普及，但消费者令牌使用量的提升会更渐进，年度订阅也会挤占其他可选消费。 报告对印度LLM订阅支出进行了情景测算。假设Gemini、ChatGPT和Claude三大模型的零售用户转化率为0.75%至1.25%，三者企业用户转化率约为1.4%，当前采用水平对应的年度LLM订阅支出接近9.5亿美元，即约10亿美元的现实年外流。虽然ChatGPT约有3.3亿月活跃零售用户，明显领先，但收入份额不会同样悬殊，Claude预计仅小幅落后。随着企业渗透率提高和订阅方案高端化，报告认为近期年外流可能达到40亿至50亿美元。十年后，本地LLM使用费的年度外流可能高达200亿至300亿美元，尚未计入有出口收入抵消的支出；应用层还可能额外收取数百亿美元。这将使AI费用约相当于印度当前石油进口额的三分之一。若本土缺乏主要基础模型和广泛使用的应用软件，大部分资金将流向美国科技企业；大幅降低模型成本或形成印度本土应用则可改变这一结果。 这使印度面临“使用大国是否也是价值捕获大国”的关键分岔。报告认为，印度成为全球最大AI用户之一，并不自动意味着它会成为最大经济受益者之一。如果印度只能购买海外模型和应用，其年轻且生产性强的用户基础将转化为持续的跨境费用；如果能建立AI原生企业、本土基础模型和应用层，则可能保留更多价值。报告还认为，印度、越南等市场大量使用AI完成软件任务，会推动IT服务在提供相关劳动力的国家内部重新配置：AI替代方案和智能体企业可能在当地成长，但更均衡的能力分布也可能冲击部分大型IT服务机构。 印度目前的AI投资主要集中在基础设施和制造，而不是前沿大模型或成熟应用产品。2026年新德里AI Impact峰会相关承诺据政府官员引用可达2500亿美元；Reliance承诺在7年内投入1100亿美元建设主权AI基础设施，Microsoft计划到2030年通过印度投入500亿美元，将AI扩展至低收入国家。数据中心和算力是最大投资方向：当前容量约1500MW，2025年3月至2026年4月间公布了30个项目、合计新增3.5GW，一些基于公告的估算预计2030年达到12GW。半导体投资则较多落在外包封装与测试，而非晶圆制造。IndiaAI Mission试图补足主权算力和基础模型缺口，其共享设施拥有超过4.5万块GPU，资助15个本土大、小语言模型，并支持农业、医疗等12个行业的20项AI解决方案。 报告对12GW数据中心目标明显谨慎。其高层测算显示，一座1GW、日均利用率70%的数据中心每天可处理约30亿次推理查询，相当于服务约5500万至6000万日活用户；12GW理论上可服务超过7亿日活用户。即使暂不考虑电力、水资源、承包商能力和GPU获取，需求本身也可能不足，因此如果所有公告项目均兑现，可能形成实质性过剩。除非印度数据中心能够承接跨境AI推理需求，否则公告热潮可能逐步转化为延误或取消；但跨境推理又受延迟敏感性和数据本地化要求制约。报告计划后续进一步细化该容量测算。

分析框架

报告首先用OpenAI和Anthropic数据比较印度、新兴经济体与发达经济体的绝对使用量、人均使用量、任务类别和年龄结构；随后把年轻用户占比视为潜在使用年限，把技术帮助、写作和实用指导等生产性用途视为付费意愿的近似指标。报告再以三大LLM的月活跃用户、零售与企业付费转化率构建订阅支出情景，并把结果延伸至跨境费用和本土价值捕获。最后，它用单位算力可处理的查询量检验印度数据中心规划与潜在需求是否匹配。

方法论与常识提炼

• （词表外方法）

  跨平台使用数据比较

  报告交叉比较OpenAI与Anthropic的绝对使用量、人均排名、任务结构和年龄结构，以检验印度及新兴市场的AI使用特征是否在不同平台上重复出现。

• （词表外方法）

  用户生命周期价值与付费倾向矩阵

  报告用年轻用户占比近似衡量未来可持续使用时间，并用生产性任务占比近似衡量付费意愿，从而比较不同经济体的潜在订阅生命周期价值；支付能力被单独视为限制因素。

• 行业/产业分析框架量价拆分

  LLM订阅支出情景测算

  报告以主要LLM的活跃用户规模、零售和企业付费转化率及订阅收费为基础估算当前、近期和十年后的年度支出及跨境资金外流。

• 行业/产业分析框架产业链上中下游传导

  AI价值链与资金流向分析

  报告区分数据中心与算力、半导体、基础模型和应用层，分析印度投资集中在哪些环节，以及订阅收入最终由本土企业还是海外科技公司获得。

• 行业/产业分析框架供需框架

  数据中心容量供需检验

  报告把1GW数据中心在70%利用率下的日查询处理能力换算为可服务用户数，再与2030年12GW规划比较，以判断未来是否可能出现过剩。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 印度AI经济

  印度拥有全球领先的绝对用户规模、年轻用户结构和较高生产性用途，但可能主要承担海外LLM及应用订阅费用。

  优势

  超过1亿ChatGPT周活跃用户，工作、技术和编码用途较高，年轻用户支持更长潜在生命周期。

  劣势

  人均使用率仍低、支付能力受收入水平限制，本土前沿模型和成熟应用层相对不足。

  对比

  绝对使用量仅次于美国，但人均ChatGPT和Anthropic使用排名分别为第109/150和第103/121。

  风险

  就业替代、可选消费被订阅挤占、跨境费用扩大及本土价值捕获不足。

• 全球LLM订阅平台

  印度及其他新兴市场可能成为长期付费用户来源，并将大部分订阅收入导向海外模型提供商。

  优势

  新兴市场用户更年轻，生产性和工作用途更高，具备较强付费倾向。

  劣势

  高单用户可变成本使免费模式难以长期维持，当地收入水平限制支付能力。

  对比

  Anthropic更偏编码和技术任务，OpenAI在信息搜索、个人指导和多媒体用途上更强。

  风险

  补贴退出后采用速度放缓、价格与当地收入不匹配，以及模型间用户迁移。

• 印度IT服务行业

  AI软件任务在印度、越南等市场的高使用率可能推动服务能力在当地重新配置，并促进本土AI替代方案和智能体企业发展。

  优势

  拥有面向全球的软件人才和较高的AI技术用途。

  劣势

  AI带来的能力扩散可能削弱部分大型组织的集中优势。

  对比

  新兴经济体比发达经济体更偏向用AI直接完成工作和自动化任务。

  风险

  人员需求下降及大型服务机构受到冲击。

• 印度数据中心与算力基础设施

  投资承诺和项目公告推动容量快速扩张，但报告认为2030年12GW目标可能明显超过本土需求。

  优势

  全球云厂商、印度企业集团和政府均投入资源，当前规划规模庞大。

  劣势

  需求、供电、水资源、承包商能力和GPU供应可能限制项目兑现。

  对比

  当前容量约1.5GW，而基于公告的2030年预测达到12GW。

  风险

  产能过剩、项目延误或取消；跨境推理又受到延迟和数据本地化限制。

关键数据

• 印度ChatGPT周活跃用户超过1亿2月突破该门槛，绝对规模仅次于美国
• 印度ChatGPT人均使用排名第109/150绝对规模很大，但人均排名较低
• 印度Anthropic使用份额7.1%绝对使用量仅次于美国
• 印度Anthropic人均使用排名第103/121与ChatGPT的人均偏低特征一致
• 印度付费用户数据分析工具使用强度全球平均的4倍显示集中用户群的使用深度较高
• 印度付费用户编码工具使用强度全球平均的3倍反映较高的技术性用途
• 印度工作相关ChatGPT使用占比35%高于全球平均31%
• 新兴与发达经济体工作用途占比32.4% vs 29.3%新兴经济体更偏工作相关用途
• 印度技术帮助用途约20%降至6.3%从2024年至今明显下降，但仍处全球较高水平
• 全球ChatGPT技术用途约13%降至4%从2024年至今，显示技术用户向其他工具迁移
• 印度多媒体用途1.4%升至9.8%使用结构快速转向图像和视频等内容
• 印度实用指导用途26%升至33%成为增长较明显的用途
• 印度35岁以下用户占比78%高于全球66%
• 印度45岁以下用户占比92%用户年龄分布显著偏年轻
• 当前LLM订阅年支出估算接近9.5亿美元按零售转化率0.75%至1.25%、企业转化率约1.4%测算，约对应10亿美元年外流
• 近期LLM费用外流估算40亿至50亿美元/年基于企业渗透率提高和订阅方案高端化
• 十年后LLM费用外流估算200亿至300亿美元/年不含有出口收入抵消的支出，应用层还可能额外收取数百亿美元
• 印度当前数据中心容量约1500MW即约1.5GW
• 新增数据中心项目30个项目、合计3.5GW公告期为2025年3月至2026年4月
• 2030年数据中心容量估算12GW基于已公布项目，报告认为规划较激进
• IndiaAI Mission共享算力超过4.5万块GPU资助15个本土大、小语言模型及12个行业的20项AI解决方案
• 1GW数据中心推理能力约30亿次查询/日按70%利用率估算，可服务约5500万至6000万日活用户
• 12GW数据中心潜在服务能力超过7亿日活用户用于说明全部规划落地后可能出现的需求不足

影响与含义

报告认为，新兴市场可能因年轻用户和生产性用途而成为重要AI订阅市场，企业使用还可能通过降低人员需求来支持付费。但印度若不能在基础模型和应用层建立本土能力，其庞大使用量将更多体现为流向海外科技公司的持续费用，而不是本地价值创造。与此同时，AI可能重塑印度等国的IT服务供给结构，并使部分大型机构承压；基础设施投资则面临需求不足、电力和水资源约束、GPU获取、延迟及数据本地化等问题。

风险

• 订阅价格若不能适应新兴市场收入水平，用户的支付能力可能限制付费转化。
• 企业以减少人员需求为AI使用融资，可能使就业影响扩大。
• 若印度缺乏本土基础模型和广泛使用的应用层，LLM及应用费用将大量流向海外。
• AI年度订阅可能挤占消费者其他可选支出。
• 2030年12GW数据中心规划可能超过实际推理需求，导致过剩、延期或项目取消。
• 电力、水资源、承包商能力、GPU获取、延迟和数据本地化可能制约数据中心建设及跨境服务。
• AI能力更均衡地分布可能冲击部分大型IT服务机构。

后续跟踪

• 跟踪LLM单位成本下降和补贴定价退出的路径。
• 关注面向当地收入水平的订阅方案能否提高新兴市场付费转化率。
• 观察印度企业用户渗透率、令牌使用量和高端订阅方案采用情况。
• 关注印度能否形成主要本土基础模型、AI原生企业和广泛使用的应用层产品。
• 跟踪已公告数据中心项目的实际开工、利用率、延期及取消情况。
• 观察印度数据中心能否承接跨境推理，以及延迟和数据本地化限制是否缓解。
• 关注AI对印度IT服务就业和大型服务机构竞争地位的影响。