印度拟24个月自研GPU：ISM 2.0覆盖设计到制造

11月6日，印度科技媒体ETGovernment报道称，印度电子和信息技术部（MeitY）秘书长S. Krishnan在接受专访时透露，按照“印度半导体使命2.0”（India Semiconductor Mission 2.0），印度政府将支持本土GPU芯片的研发，预计整个项目需要约24个月。

采访中，Krishnan的原话是：“我们应当拥有自己的GPU芯片。这不会一蹴而就。这是一个大约需要24个月的项目，我们打算朝着这个目标推进。”

采访中，Krishnan把Semicon 2.0的战略判断讲得很完整：ISM 1.0盯的是晶圆制造和芯片封装这两块，到了ISM 2.0，能力要铺到芯片设计、制造设备、材料、化学品、先进封装以及研发组成的整条价值链上。六大支柱都在这个计划里，总预算1.275万亿卢比（约合人民币900亿元左右），相关通知2026年8月已经下发。GPU研发由此被纳入一套从设计到制造、从材料到设备的产业政策框架，而不再是一个单独立项的芯片攻关课题。

Krishnan把印度需要构建的AI技术栈拆成五个层面：能源与电力基础设施排在第一层，用于AI计算的加速器芯片是第二层，计算基础设施与服务器为第三层，AI模型居第四层，应用在第五层。针对第二层，他明确点出了症结所在：全球GPU供应集中在极少数企业手中，这种集中直接抬高了AI算力的成本。印度在ISM 2.0下瞄准本土GPU，回应的正是这一结构性约束。

不过，具体由哪些企业负责研发、芯片供应商或制造商是谁，Krishnan都没有透露；芯片架构、性能指标和制程节点同样没有公布。Yahoo Tech在转载ETGovernment的报道时也注明，该GPU项目“仍是一个早期阶段的目标”，制造商、芯片供应商和承建方均未确定。

与GPU目标并行的，还有SHAKTI和VEGA两款RISC-V处理器的商业化推进。Krishnan在采访中把这两款处理器称为印度在处理器设计领域能力增长的证据。两者的定位要和GPU严格区分开：它们是基开放RISC-V指令集架构的CPU设计，与MeitY此次瞄准的GPU并非同一类产品。SHAKTI由印度理工学院马德拉斯分校（IIT Madras）主导，其软件开发工具包早在2019年就已发布，目的是让开发者在处理器商业化之前先构建应用生态。VEGA则有印度高级计算发展中心（C-DAC）等机构参与研发，2024年推出的Aries 3.0开发板搭载了VEGA ET301处理器，这颗芯片为32位、最高运行频率100MHz、配备26KB SRAM，面向传感器、可穿戴设备和物联网等轻量化场景，而不是桌面计算或图形处理。

在芯片设计生态的底层，印度靠“设计关联激励计划”（DLI）攒下了一批可量化的早期成果。Krishnan透露，DLI从100多家企业中筛选支持了24家，其中15家随后吸引了风险投资或其他私人投资，产品覆盖微控制器、无人机飞行控制器、智能电表芯片和闭路电视摄像头芯片等。这些成果为ISM 2.0把重心进一步上移到AI加速器等战略性芯片设计提供了一定底层储备，但DLI支持的芯片品类与高性能GPU之间的技术跨度仍然显著。

反过来看，印度眼下的AI算力供给仍大量靠进口。IndiaAI Mission的共享算力池2026年6月已超过45,000块GPU，研究人员和初创企业能以补贴价格接入算力。可印度媒体报道称，到2026年10月，该任务实际能用的GPU只有约30,000块，比承诺的45,000块少了一截，原因是一些私营供应商碰上全球GPU供应吃紧、设备成本上涨，没能交足承诺容量。共享算力能先解决“有没有卡可用”，却动不了硬件底层依赖外部供应这个结构，本土GPU计划就是在这个现实里提出来的。

制造这一环，印度靠引进外部能力来补前端产能。2026年5月，荷兰半导体设备商ASML和塔塔电子签了协议，为古吉拉特邦多莱拉（Dholera）的印度首座商业300mm（12英寸）晶圆厂提供设备，并支持量产爬坡。英特尔也宣布与塔塔集团在半导体制造和封装领域达成战略合作。不过，晶圆厂从设备搬入到稳定量产，通常得按年算；印度规划的GPU就算设计完成，由谁制造、在哪个节点上制造、良率与成本怎么控，这些问题都还没有答案。