印度，决定自研GPU

全球AI算力竞争正在向更多国家蔓延。

继美国、中国以及欧洲部分国家加快布局AI芯片之后，印度也正式将目光投向了GPU。

当地时间11月4日，据印度《经济时报》旗下ETGovernment报道，印度电子和信息技术部（MeitY）秘书长S. Krishnan在接受采访时表示，印度计划在未来约24个月内开发出自己的GPU芯片。

这意味着，印度希望在两年左右的时间里，拿出一款自主设计的GPU，以减少对海外AI芯片供应商的依赖。

值得注意的是，这并不是印度单独启动的一个GPU研发项目，而是其更大规模半导体产业战略的一部分。随着India Semiconductor Mission 2.0（印度半导体使命2.0）的推进，印度正试图将本土半导体能力从晶圆制造和封装，进一步延伸到芯片设计、AI加速器、制造设备、材料以及先进封装等领域。

印度政府此次提出自研GPU计划，首先与全球AI算力供应格局有关。

在采访中，Krishnan谈到了一个现实问题：当前全球能够生产先进AI加速芯片的企业数量相对有限，这种供应集中不仅带来了较高的芯片成本，也使得依赖进口的国家在AI基础设施建设方面面临一定的供应风险。

对于印度而言，这个问题尤其值得重视。

近年来，印度一直在积极吸引全球科技企业建设数据中心和AI基础设施。与此同时，印度也希望发展本土AI模型，并推动AI在政府、医疗、农业、制造业和教育等领域的应用。

但如果底层算力长期依赖海外供应商，那么印度在AI产业链中的自主能力就会受到一定限制。

因此，印度政府希望将GPU纳入本土半导体产业的发展重点。

Krishnan在采访中将AI基础设施划分为五个层次：能源和电力、AI加速芯片、计算基础设施、AI模型以及应用。

其中，芯片是连接底层基础设施与上层AI模型的重要环节。印度目前在电力基础设施方面具备一定优势，也已经拥有服务器制造能力。C-DAC开发的Rudra系列服务器，包括具备AI计算能力的Rudra 3系列，正在推动本土服务器产业发展。

在AI模型方面，印度政府通过IndiaAI Mission支持了20多个本土模型，希望其中至少有两个能够发展成为具备前沿能力的大模型。

但在GPU这一环，印度仍然高度依赖海外技术和产品。

从这个角度看，开发本土GPU，实际上是印度希望补齐AI产业链底层能力的重要一步。

此次采访最值得关注的，是印度政府给出了相对明确的时间表：约24个月。

Krishnan表示，印度将通过India Semiconductor Mission 2.0推动本土GPU研发，并且政府已经明确将AI加速器芯片作为重点支持方向。

不过，目前印度方面并没有公布这颗GPU的具体技术参数，包括采用何种架构、制程节点、计算性能、显存配置，以及由哪家企业或研究机构负责研发，均尚未明确。

因此，现阶段更准确的理解是，印度政府已经将自主GPU列入国家半导体发展计划，并提出了约两年的研发目标，而不是已经公布了一颗即将量产的GPU产品。

从现有产业基础来看，印度并非完全从零开始。

在处理器设计方面，印度已经推出了SHAKTI和VEGA两套基于RISC-V架构的本土处理器项目。这些项目体现了印度在指令集架构、处理器设计方面的积累。

与此同时，印度政府此前推出的Design Linked Incentive（DLI）芯片设计激励计划，也在扶持本土芯片企业。

Krishnan透露，印度此前筛选了100多家芯片设计企业，其中24家获得了政府支持，随后有15家获得了风险投资或其他私人资本投资。这些企业正在开发微控制器、无人机飞控芯片、智能电表芯片以及CCTV摄像头芯片等产品。

印度政府希望通过这些项目，逐步建立本土芯片设计企业的商业化能力。

而在India Semiconductor Mission 2.0中，AI加速器将获得更高的政策支持力度。印度政府不仅考虑提供研发补助，还计划通过投资支持等方式，帮助具有战略意义的芯片项目发展，同时继续支持EDA工具。

此次GPU计划还有一个更值得关注的背景，就是印度半导体产业政策正在发生变化。

印度此前的半导体战略，主要集中在晶圆制造和封装测试，希望通过政府补贴吸引海外企业在当地投资建厂。

但在新的India Semiconductor Mission 2.0中，印度希望建立覆盖整个半导体价值链的产业生态。

根据Krishnan的介绍，新一轮计划将重点关注芯片设计、制造设备、材料、特种气体、化学品、先进封装以及研发等环节。

其中，晶圆制造项目将继续获得40%的支持，先进封装项目则可以获得35%的支持。印度政府还希望推动本土产业从传统封装向更先进的封装技术升级。

在技术研发方面，印度目前已经建立了28nm工艺节点的相关能力，但进一步向更先进制程推进，仍然需要投入大量资金和研发资源。硅光子等新兴技术，也已经进入印度政府支持的研究领域。

这意味着，印度正在尝试从过去以吸引制造业投资为主的半导体政策，转向同时发展芯片设计、制造和配套产业。

当然，GPU的研发并不只是设计一颗芯片那么简单。

一颗能够真正进入AI数据中心的GPU，除了计算核心，还涉及高带宽存储器、先进封装、高速互连、供电和散热，以及底层软件生态和编译工具链。即使完成芯片设计，也需要经过流片、验证、系统适配和软件优化，才能真正形成可用的产品。

尤其是GPU软件生态，往往需要长期积累。如何让本土GPU适配主流AI框架、模型和开发工具，将是印度必须面对的问题。

因此，24个月能否完成一颗具备实际应用能力的GPU，仍然存在不少需要观察的地方。

印度拥有一定规模的芯片设计人才储备，也有庞大的本土电子和IT市场，但从处理器设计能力走向高性能AI GPU，并不是简单的技术延伸。

对于印度而言，这次自研GPU计划更像是一次产业能力的集中考验。

过去几年，全球AI芯片市场主要由少数企业主导，GPU也逐渐成为各国发展AI产业时绕不开的基础设施。

印度此次提出两年内开发本土GPU，说明其半导体战略已经不再局限于晶圆厂和封装厂，而是开始向AI时代最核心的计算芯片延伸。

不过，宣布研发目标与真正形成产业竞争力之间，还有很长一段距离。

未来两年，印度能否拿出真正可用的GPU，能否建立配套的软件生态，以及能否将芯片设计能力转化为稳定的商业化产品，将决定这项计划最终能够走多远。

至少从目前来看，印度已经把AI GPU写进了自己的半导体产业发展路线图。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。