ความต้องการด้าน Inference ของอินเดียเปรียบเสมือนระเบิดเวลาต่อดุลบัญชีเดินสะพัด

ฉันตั้งใจจะเขียนเกี่ยวกับบทความนี้มานานแล้ว แต่ถูกบังคับให้เขียนเมื่อเห็นอีเมลแจ้งต่ออายุการสมัคร Claude Max รายเดือนของฉัน ในประสบการณ์อันจำกัดของฉันบนอินเทอร์เน็ต (~15 ปี) ฉันไม่เคยจ่ายเงินมากกว่า $10 ต่อเดือนสำหรับซอฟต์แวร์ใดๆ จนกระทั่ง Claude/ChatGPT เข้ามาในชีวิต

ฉันยังไม่ชอบเรียงความแนว "วิทยานิพนธ์" จริงๆ แต่ฉันถูกบังคับให้เขียนเกี่ยวกับเรื่องนี้เพราะฉันคิดว่าไม่มีใครคิดว่าปัญหานี้กำลังจะกลายเป็นปัญหาใหญ่ขนาดไหน แน่นอนว่าไม่ใช่ในระดับสูงสุดของรัฐบาลของเราที่อาจจะมีเรื่องใหญ่กว่าต้องจัดการ (ไม่ใช่น้ำมันปรุงอาหารนะ)..

ในสุนทรพจน์ต่อชาติสัปดาห์นี้ นายกฯ เน้นย้ำถึงการขาดดุลบัญชีเดินสะพัด (CAD) ที่เพิ่มขึ้น ซึ่งทำให้เขาแนะนำให้เพื่อนร่วมชาติของเรา 'งดเดินทางไปต่างประเทศ', 'ลดการเดินทางไปทำงาน' และ 'อย่าซื้อทอง' เป็นต้น ทั้งหมดนี้เกี่ยวข้องกับ inference อย่างไรคุณอาจถาม?

ตั้งแต่ฉันเริ่มใช้เวลากับบริการ IT โดยเฉพาะอย่างยิ่งว่า AI จะ disrupt โครงสร้างอัตรากำไรของบริษัทเหล่านี้อย่างรุนแรงได้อย่างไร มันก็ยากที่จะไม่คิดถึงเรียงความ AGI Trades ปี 2024 ของ Daniel Gross ที่เขาเปรียบเทียบการส่งออก IT ของอินเดียซึ่งตอนนั้นมูลค่า $250B กับ tokens ของ GPT-4 (ซึ่งตอนนั้นยังไม่สามารถ reasoning ได้ด้วยซ้ำ) ปัจจุบัน tokens ของ GPT 5.5 มีคุณค่ามากขึ้นมาก...

Petrodollar เป็นการผสมผสานสกุลเงินโดยพฤตินัยมาระยะหนึ่งแล้ว การนำเข้าน้ำมันและทองคำในอดีตและปัจจุบันยังคงทำให้การขาดดุลบัญชีเดินสะพัดของเรากว้างขึ้น มันทำให้รูปีอ่อนค่าลงเมื่อราคาพุ่งสูงขึ้น น้ำมันทำให้นักเศรษฐศาสตร์มหภาค รัฐมนตรีคลัง และผู้ว่าการธนาคารกลางรู้สึกกังวลด้วยเหตุผล (สงครามที่กำลังดำเนินอยู่ได้เปิดเผยจุดอ่อนเชิงโครงสร้างในเศรษฐกิจของเราทำให้เรื่องแย่ลงไปอีก)

แต่เศรษฐกิจ AI กำลังสร้างการพึ่งพาการนำเข้าแบบใหม่ที่ดูเหมือน petrodollar ใหม่มากขึ้นเรื่อยๆ นั่นคือ token-dollar

หากเศรษฐกิจบริการของอินเดียเริ่มพึ่งพา tokens ของโมเดลต่างประเทศเพื่อส่งมอบงานซอฟต์แวร์ การวิเคราะห์ การให้คำปรึกษา BPM การสนับสนุนลูกค้า การปฏิบัติตามข้อกำหนด การดำเนินงานทางการเงิน และงานเขียนโค้ด เราก็กำลังสร้างปัจจัยนำเข้าที่มีมูลค่าเป็นดอลลาร์ใหม่สำหรับเครื่องจักรส่งออกที่สำคัญที่สุดของอินเดีย

อินเดียไม่จำเป็นต้องมีผู้เล่น inference ภายในประเทศระดับโลกเพราะฟังดูรักชาติหรือเพราะอธิปไตยฟังดูเท่ แต่เป็นเพราะรูปีไม่สามารถแบกรับอนาคตที่ทุกหน่วยของงานที่ขับเคลื่อนด้วย AI ถูกเช่าเป็นดอลลาร์

เบาะรองรับทางมหภาคของอินเดียคือบริการ (สำหรับตอนนี้..)

บัญชีภายนอกของอินเดียมีปัญหาเชิงโครงสร้างที่เรียบง่าย เรานำเข้าสินค้าสำคัญจำนวนมากที่จำเป็นต่อเศรษฐกิจของเรา น้ำมัน ทอง อิเล็กทรอนิกส์ เครื่องจักร เซมิคอนดักเตอร์ อุปกรณ์ป้องกันประเทศ ปัจจัยการผลิตทางอุตสาหกรรม การนำเข้าเหล่านี้สร้างความต้องการดอลลาร์อย่างต่อเนื่อง

สิ่งที่ช่วยเราไว้ได้เสมอคือบริการ โดยเฉพาะ ITeS

อินเดียปิดปีงบประมาณ 2569 ด้วยการส่งออกบริการที่ $418.3B เทียบกับการนำเข้าบริการที่ทำให้เกิดดุลการค้าบริการเกินดุลสุทธิ $213.9B การเกินดุลนั้นเป็นเหตุผลเดียวที่รูปีไม่พังไปก่อนหน้านี้ มันจ่ายค่าน้ำมัน ทอง อิเล็กทรอนิกส์ เครื่องจักรของเรา บทวิจารณ์ของกระทรวงการคลังเองในเดือนเมษายนยอมรับว่าการเกินดุลบริการชดเชย 64.2% ของการขาดดุลการค้าสินค้า บัญชีภายนอกทั้งหมดทรงตัวอยู่บนหลังการส่งออกบริการ และการส่งออกบริการทรงตัวอยู่บนหลังนักพัฒนา นักวิเคราะห์ พนักงานสนับสนุน และวิศวกรชาวอินเดียที่ขายเวลาให้ลูกค้าต่างประเทศในราคาที่มีกำไร

ข้อตกลงทางมหภาคที่อินเดียอยู่ด้วยมาหลายปีกำลังถูก disrupt อย่างรุนแรงในขณะนี้..

อนาคต AI แบบขี้เกียจของอินเดียเปลี่ยนการส่งออกบริการเป็นการนำเข้า token

วันนี้ บริษัท IT อินเดียหาเงินดอลลาร์จากลูกค้าทั่วโลกและจ่ายต้นทุนส่วนใหญ่เป็นรูปี

พรุ่งนี้ บริษัทเดียวกันอาจหาเงินดอลลาร์จากลูกค้าทั่วโลก แต่จ่ายเงินให้บริษัทโมเดลต่างประเทศสำหรับ inference ทุกครั้งที่ AI agent reasoning, เขียนโค้ด, ร่าง, ตรวจสอบ, ค้นหา, สรุป, จัดประเภท หรือตอบสนอง การเก็งกำไรในยุคก่อนจะไม่คงอยู่อีกต่อไปในโลกที่เน้น token มากขึ้น..

ความเสี่ยงไม่ใช่ว่าบริษัทอินเดียจะใช้เครื่องมือ AI ต่างประเทศ พวกเขาใช้อยู่แล้วและจะเพิ่มการใช้จ่ายตาม MoUs ที่เพิ่งลงนามกับ OpenAI และ Anthropic ความเสี่ยงคือปัจจัยนำเข้าที่ scarce ในการส่งมอบบริการเปลี่ยนจากแรงงานอินเดียเป็น inference ต่างประเทศ

เมื่อนั้น IT อินเดียจะกลายเป็นผู้ขายต่อสติปัญญาของคนอื่น

Tokens มีพฤติกรรมเหมือนสินค้าขั้นกลางนำเข้า

token ถูกมองข้ามได้ง่ายเพราะมันรู้สึกเป็นนามธรรม ไม่เหมือนน้ำมันดิบเป็นบาร์เรลที่ขนถ่ายที่ Jamnagar

แต่ในบัญชีภายนอก นามธรรมไม่สำคัญ เพราะการชำระเงินเป็นดอลลาร์ที่เกิดขึ้นซ้ำๆ ก็ยังคงเป็นเงินรูปีที่ไหลออก

ตอนนี้ลองแมปสิ่งนั้นกับอุตสาหกรรมบริการของอินเดีย ใบเรียกเก็บ token ประจำปี $42B ที่ 10% ของการใช้จ่าย inference ต่างประเทศจะไม่ดูเหมือนน้ำมันในบัญชีการค้า แต่มันจะทำหน้าที่เหมือนรูรั่วสำคัญในบัญชีภายนอก

วงจรป้อนกลับของรูปี

เรื่องนี้จะน่าเกลียดขึ้นเมื่อคุณเพิ่มค่าเงินอ่อนค่า

inference ต่างประเทศตั้งราคาเป็นดอลลาร์ บริษัทอินเดียมักหารายได้ ใช้จ่าย หรือรายงานเป็นรูปี หากรูปีอ่อนค่า token ทุกหน่วยที่ตั้งราคาเป็นดอลลาร์จะแพงขึ้นในรูปสกุลเงินท้องถิ่น

นั่นสร้างวงจรอุบาทว์:

การนำ AI มาใช้มากขึ้นเพิ่มความต้องการ inference ต่างประเทศ ความต้องการ inference ต่างประเทศเพิ่มการไหลออกของดอลลาร์ การไหลออกของดอลลาร์เพิ่มแรงกดดันต่อบัญชีภายนอก รูปีที่อ่อนค่าทำให้ inference ต่างประเทศแพงขึ้น ต้นทุน inference ที่สูงขึ้นบีบอัตรากำไรของอินเดีย

นี่คือเหตุผลที่ inference ภายในประเทศไม่ใช่แค่โครงการ vanity เพื่ออธิปไตย แต่มันทำหน้าที่เหมือนการป้องกันความเสี่ยงจากอัตราแลกเปลี่ยน (FX hedge) สำหรับทุกบริษัทเทคโนโลยีและสตาร์ทอัพในอินเดีย

GPU DCs คือโรงกลั่นน้ำมันแห่งอนาคต

ในเชิงกลยุทธ์ GPU เป็นสิ่งที่ใกล้เคียงที่สุดที่เศรษฐกิจ AI มีต่อสินทรัพย์พลังงานที่ให้ผลผลิต เพราะมันเปลี่ยนไฟฟ้า ชิป โมเดล และซอฟต์แวร์ให้เป็น cognition/สติปัญญาในรูปแบบของ tokens และตอนนี้ tokens ดิบในปัจจุบันก็เริ่มผลิตและทำงานได้เช่นกัน

ประเทศที่ขาด compute จะเช่าสติปัญญาจากประเทศและบริษัทที่มี อย่างน้อยในกรณีน้ำมัน คุณต้องมีพรจากสวรรค์เพื่อพบน้ำมันในเขตแดนของคุณ แต่สำหรับการผลิต tokens คุณแค่ต้องการพรจาก Jensen และ PO (หวังว่า Lisa Su จะช่วยด้วยเช่นกัน..)

เรากำลังมุ่งหน้าสู่อนาคตที่สมจริงอย่างรวดเร็วที่อินเดียจะถูกบังคับให้นำเข้า tokens ทั้งหมด เพราะมันล้มเหลวในการสร้างตลาด inference ภายในประเทศที่เชื่อถือได้ซึ่งไม่ได้กำหนดมูลค่าเป็นดอลลาร์

การจัดซื้อจัดจ้างเพียงอย่างเดียวจะไม่แก้ปัญหานี้

รัฐบาลได้ดำเนินการในทิศทางที่ถูกต้อง ภายใต้ IndiaAI Mission มี GPU มากกว่า 38,000 ตัวถูกนำขึ้นระบบสำหรับสิ่งอำนวยความสะดวก compute ส่วนกลาง โดยให้สตาร์ทอัพ สถาบันการศึกษา และสถาบันสาธารณะเข้าถึงได้ GPU ภายใต้ภารกิจนี้ยังถูกอธิบายว่ามีให้ใช้ในราคา ₹65 ต่อชั่วโมง

แต่คลาวด์ GPU ที่ไม่มีเลเยอร์ inference ที่แข็งแกร่งจะกลายเป็นพอร์ทัลรัฐบาลอีกแห่ง มีประโยชน์สำหรับการทดลองและพาดหัวข่าว อ่อนแอสำหรับกรณีการใช้งานจริง มองไม่เห็นสำหรับนักพัฒนา ไม่เกี่ยวข้องกับองค์กร

แพลตฟอร์ม inference สาธารณะของอินเดียควรมีลักษณะอย่างไร? ควรมี

• การกำหนดราคาเป็นรูปี
• โมเดล open-weight ที่ทันสมัย (SoTA) ที่ให้บริการในลักษณะที่มีประสิทธิภาพสูงสุดในแง่ token (vLLM, SGLang, TensorRT ฯลฯ)
• เกณฑ์มาตรฐาน latency และ throughput สาธารณะที่อัปเดตแบบเรียลไทม์
• ตัวเลือกการปรับใช้ส่วนตัว
• รอบการอัปเดตโมเดลที่รวดเร็ว
• ประสิทธิภาพภาษาภาษาอินเดีย
• ต้นทุนต่อ workflow ที่แก้ไขแล้ว ไม่ใช่แค่ต้นทุนต่อ token

เกณฑ์มาตรฐานควรเรียบง่าย: นักพัฒนาชาวอินเดียสามารถเปลี่ยนจาก API ต่างประเทศไปยังปลายทางภายในประเทศได้หรือไม่ โดยไม่ต้องเขียนแอปพลิเคชันใหม่ เสียสละความน่าเชื่อถือ หรือรอสามถึงหกเดือนให้แคตตาล็อกโมเดลตามทัน?

หากคำตอบคือไม่ แสดงว่าเรายังไม่มีแพลตฟอร์มหรือกลยุทธ์ inference

เราอาจพลาดเกม pre-training LLM ระดับแนวหน้า (frontier SoTA) ในครั้งนี้

อินเดียควรซื่อสัตย์เกี่ยวกับจุดที่มันยืนอยู่

การฝึกโมเดลระดับแนวหน้าเพื่อแข่งขันกับ OpenAI, Google, Anthropic, Meta และห้องปฏิบัติการที่แข็งแกร่งที่สุดของจีนต้องใช้ compute, ความสามารถพิเศษ, ข้อมูล, โครงสร้างพื้นฐาน, ความลึกในการประเมิน, การกระจาย และเงินทุนเสี่ยงหลายพันล้านดอลลาร์

แต่การต่อสู้ทางมหภาคในทันทีคือ inference เพราะ workflow ขององค์กรส่วนใหญ่ไม่ต้องการโมเดลที่ฉลาดที่สุดในโลก พวกเขาต้องการโมเดลที่ถูกที่สุดที่แก้ไขงานได้อย่างน่าเชื่อถือ

และ inference เป็นเครื่องทำเงินอย่างแท้จริงตราบใดที่ GPU ไม่ได้อยู่ในงบดุลของคุณ เมื่อพิจารณาว่า inference ที่ล้ำสมัยเป็นการออกแบบร่วมกันระหว่างฮาร์ดแวร์และซอฟต์แวร์ การอยู่ใกล้กับฮาร์ดแวร์ (close to the metal) ที่นี่ช่วยและสร้างคูน้ำเชิงโครงสร้างให้กับธุรกิจของคุณ

workflow การเคลมในสำนักงานหลังบ้านไม่จำเป็นต้องใช้ Opus/5.5 ล่าสุดเสมอไป ตัวแทนการปฏิบัติตามข้อกำหนดไม่จำเป็นต้องใช้ reasoning ระดับแนวหน้าสูงสุดเสมอไป ตัวสรุปการสนับสนุนลูกค้าไม่จำเป็นต้องใช้โมเดลที่แพงที่สุดที่มีอยู่เสมอไป

โมเดล open-weight ที่แข็งแกร่ง ซึ่งถูกจัดเส้นทาง-แคช-ปรับแต่ง (routed-cached-fine-tuned) สำหรับ workflow ที่กำหนดเอง พร้อมการประเมินในโลกจริง และให้บริการในท้องถิ่นด้วยต้นทุนที่ต่ำกว่า สามารถชนะส่วนแบ่งขนาดใหญ่ของ workload องค์กรอินเดีย

นั่นคือที่ที่อินเดียยังมีหน้าต่างอยู่ จีนตระหนักถึงสิ่งนี้เมื่อประมาณ 2 ปีที่แล้วกับ LLMs และ 15 ปีที่แล้วกับโครงสร้างพื้นฐานคลาวด์คอมพิวติ้ง

ยักษ์ใหญ่เทคโนโลยีจีนตระหนักว่าพวกเขาไม่สามารถนิ่งเฉยและยกการควบคุมให้ตะวันตกในการฝึกโมเดล - การซื้อ H200 ล่าสุดและการมุ่งเน้นไปที่ NPU ที่ผลิตในประเทศของ Huawei แสดงให้เห็นว่าพวกเขาให้ความสำคัญกับภาษีนำเข้าที่กำลังจะมาถึงนี้อย่างจริงจังเพียงใด ผู้นำระดับสูงของเรากำลังยุ่งอยู่กับการกล่าวสุนทรพจน์ว่าเราควรหยุด pre-training และเรียนรู้ที่จะรักกรณีการใช้งาน โดยไม่มีขีดความสามารถ inference ที่แท้จริงให้เห็น..

สหรัฐฯ เข้าใจเลเยอร์ inference อย่างลึกซึ้งแล้วและกำลังกลายเป็นห้องปฏิบัติการวิจัย inference..

Together (Tri Dao หัวหน้านักวิทยาศาสตร์ของพวกเขาคือสมองเบื้องหลัง Flash Attention), Fireworks (RL post-training โดยมี Cursor เป็นลูกค้าหลัก), Baseten, DeepInfra, Modal และตอนนี้ vLLM (Inferact) และ SGLang (Radixark) ซึ่งทั้งหมดระดมทุนได้หลายร้อยล้านดอลลาร์ กำลังสร้างเลเยอร์ inference ประสิทธิภาพสูงรอบโมเดล open-weight - กลายเป็น neo-labs ด้าน inference โดยพฤตินัย

พวกเขาอัปเดตแคตตาล็อกโมเดลอย่างรวดเร็ว พวกเขาแข่งขันด้าน latency ต้นทุน และประสบการณ์นักพัฒนา NVIDIA เองได้เน้นย้ำบริษัทเช่น Baseten, DeepInfra, Fireworks และ Together สำหรับการลดต้นทุน token ผ่าน inference ที่ปรับให้เหมาะสมบนระบบ Blackwell

ไม่มีบริษัทอินเดียสักแห่งที่ดำเนินการในระดับนี้ แม้ว่าโลกจะยอมรับความสามารถของเราในการส่งมอบบริการ IT ตามธรรมเนียม

ด้วยเหตุนี้ เราจึงยังขาดแพลตฟอร์ม inference ภายในประเทศเริ่มต้นที่นักพัฒนา ธนาคาร บริษัท SaaS ผู้ขาย IT หรือหน่วยงานรัฐบาลที่จริงจังสามารถไว้วางใจเป็นจุดแรกในการติดต่อ

ในขณะที่เรามี Simplismart, Neysa และ Yotta แต่การดูแพลตฟอร์มของพวกเขาอย่างรวดเร็วแสดงให้เห็นว่าเราล้าหลังแค่ไหนในทุกพารามิเตอร์ที่แตกต่างกัน

ปัญหาผู้เล่นรายใหญ่ของอินเดีย

ผู้เล่น GPU และคลาวด์รายใหญ่ของอินเดียไม่สามารถปฏิบัติต่อ inference เหมือนหน้าแคตตาล็อกต่อไปได้ หากโลกกำลังย้ายจาก Llama ไป Qwen ไป DeepSeek ไป Kimi ไปยังอะไรก็ตามที่เปิดตัวเดือนหน้า (Xiaomi ตอนนี้มีโมเดล open-weight ระดับแนวหน้า!!) ผู้ให้บริการ inference ของอินเดียไม่สามารถอัปเดตแคตตาล็อกโมเดลด้วยความเร็วการจัดซื้อของ PSU (รัฐวิสาหกิจ)

inference ภายในประเทศควรถูกยึดถือมาตรฐานเดียวกับ inference ต่างประเทศ

• ดีกว่า ในที่ที่ workload เฉพาะของอินเดียมีความสำคัญ
• ถูกกว่า ในที่ที่เศรษฐศาสตร์รูปีมีความสำคัญ
• เป็นส่วนตัว ในที่ที่กฎระเบียบมีความสำคัญ
• ทันสมัย ในที่ที่ประสิทธิภาพของโมเดลมีความสำคัญ

นี่คือปัญหาด้านนโยบายและโอกาสสำหรับสตาร์ทอัพ

ข่าวดีคือสิ่งนี้สร้างได้ และเราไม่จำเป็นต้องต้มมหาสมุทร

เรารู้แล้วว่า Anthropic, Google และ OpenAI ทั้งหมดถือว่าอินเดียเป็นตลาดใหญ่เป็นอันดับสองสำหรับการใช้จ่าย AI - ความต้องการมีอยู่อย่างชัดเจน ElevenLabs กำลังดำเนินการเพื่อสร้างรายได้ประจำปี $100M ในอินเดียจากการขาย inference เสียงเพียงอย่างเดียว

ในขณะที่ภารกิจ IndiaAI เริ่มต้นในเส้นทางที่ถูกต้อง ที่ไหนสักแห่งยางก็ไม่สามารถสัมผัสถนนได้ - เพราะเราคิดว่าการจัดซื้อ GPU เพียงอย่างเดียวก็เพียงพอแล้ว

compute ที่ได้รับการอุดหนุนควรให้รางวัลกับการใช้งานในการผลิตจริง ไม่ใช่เพื่อสะสมโลโก้

คำถามคือใครจะเก็บกำไรส่วนต่างในท้ายที่สุด (นอกจาก Jensen) หากบริษัทโมเดลต่างประเทศเก็บกำไรส่วนต่าง token คลาวด์ต่างประเทศเก็บกำไรส่วนต่างโครงสร้างพื้นฐาน และบริษัทอินเดียเก็บกำไรส่วนต่างการรวมระบบ แล้ว AI จะกินข้อได้เปรียบเดียวที่เรามี (การเก็งกำไรค่าแรง) ทำให้การพึ่งพาภายนอกแย่ลง

หากอินเดียสร้าง inference ภายในประเทศ เรื่องราวจะเปลี่ยนไป เพราะ GPU ที่นำเข้าทั้งหมดจะกลายเป็นโครงสร้างพื้นฐานภายในประเทศ - การใช้จ่าย token เป็นดอลลาร์บางส่วนกลายเป็นการใช้จ่ายเป็นรูปี และกำไรส่วนต่างบางส่วนยังคงอยู่กับบริษัทโครงสร้างพื้นฐานของอินเดีย

ขีดความสามารถ AI บางส่วนจะพร้อมใช้งานสำหรับสตาร์ทอัพและองค์กรอินเดียโดยไม่ต้องมีความเสี่ยงจากอัตราแลกเปลี่ยน (FX exposure) อย่างต่อเนื่อง การส่งออกบริการบางส่วนจะป้องกันได้มากขึ้น

ปิดท้าย

ใบเรียกเก็บเงินสไตล์การนำเข้าน้ำมันครั้งต่อไปของอินเดียอาจไม่เพียงมาจากเรือบรรทุกที่เทียบท่าที่ Jamnagar

มันจะมาจากการเรียก API นับล้านครั้งโดยบริษัทบริการและสตาร์ทอัพอินเดียที่เรียกตัวเองว่า AI-native ในขณะที่เช่าสติปัญญาเป็นดอลลาร์อย่างแน่นอน

เป็นเวลาหลายทศวรรษที่อินเดียนำเข้าพลังงานและส่งออกซอฟต์แวร์

แต่สิ่งนี้สามารถหลีกเลี่ยงได้ มันต้องการให้อินเดียหยุดสับสนระหว่างการจัดซื้อ GPU กับขีดความสามารถ inference หยุดสับสนระหว่างแบรนด์รักชาติอธิปไตยที่ฟังดูดีแต่ไม่ใช่โครงสร้างพื้นฐานระดับการผลิต และหยุดแสร้งทำเป็นว่าใบเรียกเก็บ AI เป็นปัญหาของคนอื่น ใบเรียกเก็บกำลังมาถึงแล้ว ของฉันคือ $138 เมื่อเดือนที่แล้วซึ่งได้รับการอุดหนุนอย่างมาก ของคุณจะไม่เป็นเช่นนั้นในอนาคตอันใกล้นี้

inference ภายในประเทศเป็นโครงสร้างพื้นฐานทางเศรษฐกิจมหภาคแล้ว เราจำเป็นต้องเพิ่มขีดความสามารถในภาวะสงครามราวกับว่ารูปีต้องพึ่งพามัน