一
这本书的全部材料，来自对公开资料的系统性搜集与综合：印度政府机构（UIDAI、NPCI、RBI、PIB、MeitY、NITI Aayog）的官方数据与文件；国际组织（世界银行、其全球财务包容数据）的报告；学术来源（剑桥金融基础设施手册、ACM Interactions 等）；主流媒体的深度报道（MIT 科技评论、The Wire、Scroll.in、Business Standard、TechCrunch 等）；智库分析（ORF、CSIS、Brookings、CGAP、Stimson）；以及批评性来源（Rethink Aadhaar、相关学者的论述）。
写作中坚持了几条纪律。其一，区分事实、解释和推断——“UPI 在 2026 年 1 月处理了约 217 亿笔交易”是事实，“这套基建是数字主权的工具”是解释，“数据层是 AI 飞轮的入口”是结构性推断，三者在文中尽量保持可辨。其二，对官方口径的数字保持警惕——尤其是“节省万亿”这类政治性极强的数字，一律标注其来源和争议。其三，对涉及人命和声誉的判断保持克制——排斥章节里的死亡案例都来自公开报道，但因果归属用了审慎的措辞，不做超出证据的指控。
二
这本书也有它清晰的边界，需要坦率承认。
最大的边界，是关于“排斥”的真实规模。UIDAI 至今不公开认证失败的具体数字，关于排斥的认识，主要来自媒体和民间组织对个案的抽样调查。这意味着，书里呈现的排斥，几乎肯定只是冰山露出水面的部分——有多少人在更安静地承受着系统的拒绝，公开数据无法回答。
第二个边界，是关于数据的实际流向。第四层（数据层）的同意架构在纸面上的设计是清楚的，但这些被授权的数据在现实中究竟流向了谁、被用于什么，缺乏公开的、可追溯的记录。书里关于“数据飞轮”的判断，更多是基于结构和趋势的推断，而非对实际数据流的实测。
第三个边界，是关于 AI 前瞻的不确定性。第十一章讨论的本土大模型、Finternet、能源栈，相当一部分还处于规划和早期阶段，它们的宏大目标和实际进展之间有距离。书里已尽量标注哪些是已兑现的、哪些是宣称的，但这个领域变化极快，任何前瞻都有被现实修正的风险。
承认这些边界，不是为了削弱这本书的判断，而是为了让判断落在它该落的地方——它能让你对这套基建形成研究者级别的结构性理解，但它不能替代那些只有走进现场、走进数据、走进私域才能获得的更细的真相。那些更细的真相该怎么去找，写在最后一章里1。