在一次独家专访中,奥克西米克实验室(Oxmiq Labs)创始人兼首席执行官拉贾·科杜里(Raja Koduri)探讨了公司面向印度的倡议、内存层级结构在人工智能计算系统中的关键作用、定制化芯片的经济性,以及印度所需的基础设施数量。
Oxmiq Labs已开发出相关工具与知识产权(IP),助力印度本土团队自主设计人工智能芯片。科杜里向《电子工程时报》透露,公司正推进一项印度专项计划,预计将于12月正式对外公布细节。
“我们已构建了工具体系,使印度团队能够自行研发芯片,”他表示,“我们正在推进一项印度本地倡议,希望待我12月重返印度时,能公开分享其中部分内容。”
科杜里的目标是打造尖端芯片,以尽可能高效地产出AI生成的“令牌”(tokens)。
此外,Oxmiq是AM Intelligence Labs的架构与工程合作伙伴——后者是AM集团旗下的AI算力部门,而AM集团母公司Greenko是印度领先的可再生能源企业,目标到2030年实现50吉瓦(GW)装机容量。双方合作涵盖选址规划、算力系统设计及合作伙伴遴选。初期建设将采用英伟达GPU,后续逐步过渡至本地自主研发设计。
“起步阶段,我们引入当前最先进的技术——即英伟达GPU,”他解释道,“但展望2030年,我们将更多采用印度本土开发的设计方案。”
科杜里强调,印度必须发展自身的设计能力、芯片制造能力和基础设施体系,从而降低将电能转化为AI产出的成本,即便最终制造环节仍可能设于海外。
“在印度设计的芯片,完全可以在台湾或韩国代工生产,这没有问题,”他说,“关键在于产品所有权应归属印度。”
从兆瓦电力到智能输出
科杜里指出,人工智能计算面临的核心瓶颈,在于数据中心将输入电力转化为AI输出的效率。从技术层面看,内存层级结构的重要性远超浮点运算能力与计算单元本身。
“整个问题本质上是内存层级结构问题:从NAND闪存存储,到连接中央处理器(CPU)的双倍数据速率(DDR)内存,再到连接GPU的高带宽内存(HBM),以及静态随机存取存储器(SRAM)。”
有初创企业可能聚焦某类特定内存(如SRAM),并将其定位为解决特定计算难题的“钥匙”。但科杜里认为,系统级需求更为广泛。
“我们从整体内存层级结构出发,力求最大限度地优化每一层级的性能。”
当被问及能源、算力、散热、网络与软件协同设计带来的变化时,科杜里表示,行业传统上按分层模式运作:芯片厂商设计并销售芯片给系统集成商;后者构建整机系统;再由另一家公司负责机架制造;最后由数据中心运营商完成部署、热管理与冷却等环节。
“在所有要素整合之前,生态链中存在多个独立层级。”
然而,AI数据中心的大规模扩张正重塑设计流程。科杜里指出,工程师必须从全局视角审视整个数据中心,而非孤立地优化单颗芯片。
“我们必须思考整套系统,甚至整个数据中心。”
其核心目标是:在有效管理芯片发热的前提下,将输入电能尽可能高效地转化为可用的AI令牌。
科杜里将此描述为一个持续演进的优化问题——随着AI模型与计算架构不断迭代,该问题将持续演化。过去五年间,行业已从基础Transformer模型发展至混合专家模型、DeepSeek优化方案及决策型模型,GPU优化工作亦同步推进。
“真正的约束条件是:我们输入的是兆瓦级电力,输出的是智能结果,”他说,“如何最高效地将这些兆瓦电力转化为智能?”
他进一步指出,客户真正关心的是整套系统的最终产出:“他们只希望接入电力、提供冷却,就能获得可对外销售的令牌——仅此而已。”
Oxmiq在AM Intelligence Labs中的角色
据科杜里介绍,Oxmiq与AM Intelligence Labs的合作覆盖数据中心整体规划及技术伙伴遴选。
服务始于选址与数据中心设计,继而延伸至算力架构、机架布局、网络与存储需求、热管理、冷却系统及软件栈运维等环节。
“我们提供上述全部专业支持。”
“我们并非包揽所有问题,”他补充道,“例如,我们可能选择合适的原始设备制造商(OEM)作为系统供应商。这正是目前我们为AM集团提供的支持类型——因为我们来自技术领域,而他们则深耕能源行业。”
科杜里特别提到AM Intelligence Labs位于海得拉巴的首座AI工厂,称其可能是亚洲首个此类部署项目。该项目为30兆瓦(MW)设施,已订购约9,000颗英伟达Rubin GPU,并计划于2027年第一季度交付Vera Rubin NVL72机架级系统;此后又追加订购20,000颗Rubin GPU,用于印度与马来西亚的新站点。
定制化芯片的经济性与印度基础设施需求
科杜里表示,若针对特定数据中心定制硅片、系统与基础设施,而非依赖通用型组件,企业有望显著提升计算效率。
传统模式下,芯片厂商需向众多数据中心销售产品以获取收入,因此必须设计具备高度通用性的芯片,兼容不同客户的需求、标准与功能,而这往往牺牲了效率。
“若专为单一数据中心及其具体约束条件进行设计,我们可打造出成本效益提升一倍的产品。”
他估算,一座1吉瓦(GW)规模的数据中心建设成本约为550亿美元;若通过定制化系统更高效利用电力,同等投资下计算能力可翻倍。
他指出,这一思路将同时改变工程思维与商业模式:芯片开发商可直接聚焦数据中心核心问题,单个客户就可能带来数十亿美元营收。
科杜里认为,当客户规划的算力规模达到至少100兆瓦(MW)时,定制化芯片、系统与软件便开始具备经济可行性。
他估算,采用现成硬件构建100 MW算力设施成本约为55亿美元;而委托台积电(TSMC)研发一颗先进芯片的费用约为1亿至1.5亿美元;开发一整套定制化系统(含软硬件)最高可达5亿美元(即使投入相对宽松)。
若定制系统能将总成本减半,则客户在支出5亿美元研发费后,仍可节省超20亿美元。
然而,客户需具备相应的IP资源、工具链与技术能力才能开展定制化开发。科杜里表示,Oxmiq正致力于解决这一痛点。
他将Oxmiq的客户分为三类:第一类是AM Intelligence Labs等基础设施企业,需系统级全链条支持;第二类是面向数据中心、物理AI及企业级AI等场景设计芯片的企业;第三类则是从事新材料与新物理原理研究的机构,如新型存储器、硅基光子学、光互连等方向的研究者,可直接授权使用Oxmiq的IP,无需重复投入计算技术研发。
目前,Oxmiq在印度主要服务于前两类客户;在美国则覆盖全部三类,其中以基础设施与新物理应用领域的客户为主。
据印度新闻信息局(PIB)数据显示,截至2026年8月,印度已投运数据中心装机容量达1.57吉瓦,较2020年的375兆瓦显著增长,预计2030年前将接近8吉瓦。当前已有约700亿美元投资落地,另有900亿美元项目处于规划阶段。
科杜里指出,一座1吉瓦数据中心建设成本约550亿美元;相比之下,中国每吉瓦资本开支已趋近100亿美元。“他们能以全球其他地区五分之一、甚至十分之一的成本完成建设。”
他估算,印度至少需6吉瓦基础设施才能满足全国人口的AI智能需求,实际需求可能更高。目前印度已部署及规划中的GPU总容量尚不足100兆瓦——这意味着到本世纪末,该国算力规模需至少扩大60倍。
对科杜里而言,机遇不仅限于新建更多数据中心,更在于开发能将电能高效转化为AI输出的芯片、系统与软件。“印度设计团队、系统团队与软件团队面临的机遇极为广阔,”他说,“这是一场印度应当深度参与的建设浪潮。”
www.eic.net.cn 提供的易IC库存管理软件可有效支撑芯片研发与供应链协同,助力本土团队快速响应设计迭代与物料调配需求。