印度GPU自研计划：24个月目标与1.275万亿卢比预算

11月6日消息，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，该国政府打算在“印度半导体使命2.0”（India Semiconductor Mission 2.0）框架下，为本土GPU芯片研发提供支持，整项工作预计耗时约24个月。

他在采访中是这样说的：“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。”

Krishnan还系统谈到了Semicon 2.0的战略判断：ISM 1.0阶段盯的主要是晶圆制造和芯片封装两块，到ISM 2.0，能力要铺向芯片设计、制造设备、材料、化学品、先进封装以及研发组成的完整价值链。该计划总预算1.275万亿卢比（约合人民币900亿元左右），覆盖六大支柱，相关通知已在2026年8月下发。换句话说，GPU研发被放进了一个从设计到制造、从材料到设备的系统性产业政策框架，而不是单独拎出来的一个芯片攻关项目。

按Krishnan的拆解，印度需要构建的AI技术栈分五层：能源与电力基础设施排第一层，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模型和应用分别列第四、第五层。问题症结出在第二层——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，回应的是这一结构性约束。

不过，具体由哪家企业负责研发、芯片供应商或制造商是谁，Krishnan一概没有透露；芯片架构、性能指标和制程节点同样未公布。Yahoo Tech在转载ETGovernment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都还没有确定。

与GPU目标并行的，是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作印度在处理器设计领域能力增长的证据。两者和GPU要严格区分开：它们是基于开放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行构建应用生态。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，印度通过“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储备，但DLI所支持的芯片品类与高性能GPU之间的技术跨度仍然显著。

印度的AI算力眼下仍大量靠进口。IndiaAI Mission的共享算力池到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。可印度媒体报道称，截至2026年10月，该任务真正能调动的GPU只有约30,000块，没达到45,000块的承诺量；全球GPU供应吃紧、设备成本上涨，一些私营供应商因此没能交足承诺容量。本土GPU计划正是在这个背景下提出的：共享算力只能暂时解决“有没有卡可用”，硬件受制于外部供应这一层结构，它动不了。

制造这一头，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与塔塔电子签下协议，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建立战略合作。不过，晶圆厂从设备搬入到稳定量产，通常要按年算；印度规划的GPU就算设计完成，由谁制造、在哪个节点上制造、良率和成本怎么控制，这一连串问题都还没有答案。