过去两年，印度是全球AI渗透速度最快的国家之一。
从ChatGPT到各类大语言模型低门槛接入，让AI迅速进入印度普通人的日常生活。
在过去的两年时间当中，印度的IT行业历经了那从来没有出现过的下岗潮。班加罗尔，海得拉巴等技术重要城市，超过15万名技术工人失去了工作岗位。3月15日印度全国软件与服务公司协会公布出来的数据显示，IT行业初级岗位缩减的幅度高达32%，创下了历史最高纪录。
表面上看这是技术普及，但在一个就业承接能力不足、社会分层明显的环境中，这种“低成本替代”造成了IT行业极其严重的下岗潮。
不过，AI发展对印度社会影响最大的可能还不是IT行业下岗潮，而是更加强大的算法造成的社会撕裂。
过去互联网的问题，是信息茧房，是平台根据你的点击和停留时间不断推荐相似内容，但内容本身还是别人生产的；现在随着生成式AI普及，这一层正在发生变化——信息不再只是被筛选，而是可以被实时生成、按人定制。
你用什么语言，它就用什么语言生成内容；你带着什么立场，它就沿着这个立场补充论据；甚至你表达什么情绪，它会顺着情绪继续强化叙事。
印度各语言群体开始生活在彼此隔绝的信息空间里。泰米尔语、泰卢固语、孟加拉语等20多种官方语言有使用者，现在这些使用者都能获得完全用母语生成的海量内容。这些内容不再是被被动推荐的，而是依据用户立场实时定制的，进而形成闭环的信息生态系统。
这种变化相当直接且明显地加剧了地方民族主义情绪。
比如近年来南印度多地出现的“反印地语”运动，本质上是长期存在的语言政治问题，但在社交媒体和短视频平台的放大下，这类议题的传播速度和情绪强度明显提高；再比如旁遮普地区的“卡利斯坦”话题，在海外社交平台和本地网络空间中不断被重新激活，形成跨地域的舆论共振。
类似的现象，在克什米尔问题、宗教冲突叙事中也反复出现——不是这些矛盾是新产生的，而是它们被更高频、更精准地推送给更“对口”的人群。
平台算法本来就倾向于推送高情绪、高对立内容，而生成式AI进一步降低了内容生产成本。一条带有明确立场的历史解释、文化叙事甚至“伪分析”，可以被快速批量生成，并以本地语言传播，这使得原本零散的情绪更容易被组织成连续的叙事。
更关键的是，这种叙事正在变得“自洽”。过去，地方民族主义很多时候停留在情绪和记忆层面，比如“我们被忽视”、“我们的语言被压制”，但现在AI可以把这些碎片整合成一整套逻辑：帮你梳理历史、强调文化差异、放大资源分配的不均，甚至推演“如果更自治或独立会不会更好”。
一些研究也显示，在印度，使用本地语言内容的用户更容易形成高粘性的社群，而这些社群内部的信息重复度更高、外部信息进入更少，典型的信息封闭结构正在形成。
与此同时，印度的数字基础设施也在客观上加速这一过程。廉价智能手机和低价流量使得互联网几乎覆盖所有阶层，短视频平台和即时通讯工具成为主要信息来源。但是，这些平台的内容审核和语言覆盖能力并不均衡，顶多英语内容相对可控，而地方语言内容则非常难被有效识别和干预。
这就导致一个现实：不同语言空间之间的信息流动并不对称，各自内部却在高速强化。再叠加AI生成内容的规模化能力，就会出现一种结构性变化——信息空间不再是全国统一的大池子，而是被切分成一个个相对封闭的小池子，每个池子内部越来越一致，彼此之间却越来越难沟通。
过去一个国家要维持基本整合，至少需要共享的信息渠道、最低限度的共识，以及可以跨群体被理解的叙事框架，但现在这三样东西正在被削弱：信息渠道被语言和算法切割，共识被情绪化内容不断稀释，叙事则被分散到各个群体内部自行生产和强化。
当每个地区、每种语言、每个身份群体都可以低成本地维持一套完整且自洽的世界解释时，它们对“全国性叙事”的依赖就会下降——地方民族主义会被持续强化，跨区域理解不断减少，公共讨论空间逐渐缩小。
放在印度这种本来就高度多元、历史上存在明显地方认同的社会里，这种变化的意义就不只是“舆论分化”，而是认同结构本身的重排。
久而久之，问题就不再是某个地区是否要分离，而是越来越多的人，已经不再需要用“印度”来形容自己。
#头条精选-薪火计划#
文｜李梓硕 印度尼赫鲁大学国际关系与区域研究专业
热门跟贴