La startup indiana Sarvam ha delineato il suo progetto più ambizioso: costruire in India, partendo da zero, un foundation model da oltre mille miliardi di parametri. Il piano è stato presentato durante l’evento Epoch, insieme a una serie di aggiornamenti che estendono il portafoglio dell’azienda dalla voce alla visione, fino agli agenti AI, agli occhiali intelligenti e ai servizi telefonici destinati agli sviluppatori.
Il nuovo modello nasce con un duplice obiettivo: competere sul piano globale e rispondere alle esigenze di imprese e organizzazioni pubbliche indiane. Il cofondatore Pratyush Kumar ha spiegato che Sarvam sta sviluppando il sistema internamente per renderlo competitivo in ambiti come coding, cybersecurity, simulazione e scienza. Rispetto ai modelli open-weight già pubblicati dall’azienda, il salto dimensionale accompagna una strategia più ampia, orientata alla costruzione di infrastrutture AI ospitate nel Paese.
La potenza del modello non è però l’unico argomento scelto da Sarvam. L’azienda punta anche sul costo operativo e sostiene che l’inferenza dei suoi sistemi sia 5,5 volte più economica rispetto a quella dei concorrenti globali. La tesi è che ridurre la spesa necessaria per eseguire le applicazioni stia diventando decisivo quanto aumentarne le capacità. Per le imprese, costi inferiori possono tradursi nella possibilità di portare in produzione servizi AI con volumi maggiori e margini di sostenibilità più ampi.
Il confronto proposto da Sarvam riguarda soprattutto l’AI vocale. L’azienda definisce la propria soluzione la più economica, veloce e scalabile per chi sviluppa prodotti basati sulla voce, aggiungendo che offerte paragonabili di ChatGPT non sarebbero attualmente disponibili e che Gemini non opererebbe su una scala simile. Si tratta di valutazioni formulate dalla stessa società, inserite in una proposta commerciale che combina prestazioni, ampiezza linguistica e contenimento dei costi.
Il piano sul modello di frontiera è accompagnato dal potenziamento dello stack multimodale. Il modello Vision è stato aggiornato per comprendere meglio documenti, immagini e impaginazioni visive complesse. Sarvam indica progressi nel ragionamento visivo e nella document intelligence, mantenendo il supporto per le lingue indiane. Il sistema punta così a gestire materiali nei quali testo, struttura grafica ed elementi visivi devono essere interpretati congiuntamente.
Anche la piattaforma speech riceve aggiornamenti nella riconoscimento vocale, nella conversione da testo a voce e nelle conversazioni parlate. Secondo l’azienda, i modelli offrono latenza più bassa, maggiore accuratezza e un supporto multilingue più esteso. Le applicazioni indicate comprendono assistenza clienti, assistenti vocali e altri servizi aziendali. A questo livello si aggiungono nuovi agenti AI e strumenti pensati per aiutare gli sviluppatori a realizzare applicazioni pronte per l’utilizzo in produzione.
Durante Epoch, Sarvam ha mostrato anche gli smart glasses Kaze, presentati inizialmente all’India AI Impact Summit. In una dimostrazione dedicata agli utenti con disabilità visive, le videocamere integrate hanno riconosciuto un autobus in arrivo, fornito indicazioni sul percorso, stimato il tempo di viaggio residuo e avvisato l’utilizzatore dell’avvicinarsi della fermata. La prova ha mostrato come visione artificiale, voce e informazioni contestuali possano convergere in un’interfaccia indossabile.
Tra gli annunci più insoliti figura infine un servizio che permette di noleggiare numeri mobili indiani. Nella dimostrazione, un utente ha ottenuto un numero in circa 30 secondi, dopo la verifica tramite PAN e Aadhaar. L’offerta è rivolta agli sviluppatori di agenti AI che necessitano di numeri locali per chiamate vocali e altre applicazioni di comunicazione. Modello su larga scala, inferenza a basso costo, multimodalità e accesso alla rete telefonica compongono così un ecosistema rivolto alla distribuzione concreta dell’AI presso imprese e settore pubblico.