关键观点
真正的缺口是机器可读数据，而非知识本身
演讲者认为，印度在前沿模型训练数据中的缺席并不代表当地缺少知识，而是大量知识从未被数字化。其引用的研究称，印度语言在前沿模型共用训练数据中的代表性不足1%。这造成一种反差：印度是前沿AI产品的…展开观点收起观点
演讲者认为，印度在前沿模型训练数据中的缺席并不代表当地缺少知识，而是大量知识从未被数字化。其引用的研究称，印度语言在前沿模型共用训练数据中的代表性不足1%。这造成一种反差：印度是前沿AI产品的重要市场，却不是其数据体系中的重要组成部分。Sarvam Vision因此首先是一项知识数字化工程，其次才是OCR模型竞争。
为什么重要: 如果源资料不可被机器读取，语言模型、搜索系统和个人智能体都难以利用这些知识；文档数字化由此成为印度本土AI能力的基础设施。
支撑证据
أقل من 1%من مجموعة البيانات المشتركة التي تُدرَّب عليها نماذج Frontier تحتوي على تمثيل للغات الهندية.
文档智能的目标是提取知识，而非孤立文字
团队明确区分了文本识别与知识提取：即使字符被识别出来，若缺少逻辑关系、布局和结构，结果仍可能没有意义。复杂文档还包含表格、数学公式、手写内容和多种版式，这要求模型理解块之间的组织方式。Sarv…展开观点收起观点
团队明确区分了文本识别与知识提取：即使字符被识别出来，若缺少逻辑关系、布局和结构，结果仍可能没有意义。复杂文档还包含表格、数学公式、手写内容和多种版式，这要求模型理解块之间的组织方式。Sarvam采用块级OCR，并分别处理布局难度和阅读难度。该设计把文档还原视为结构化理解问题，而不只是字符转写。
为什么重要: 下游检索、问答和业务自动化依赖结构正确的内容；仅提高字符准确率不足以保证结果可用。
支撑证据
أولاً، الهدف هو استخلاص المعرفة، وليس مجرد استخلاص النصوص. فاستخراج النصوص دون ترابط منطقي لا معنى له.