耀途资本创始合伙人杨光（左三）在上市仪式现场。 本文为IPO早知道原创 作者｜ Stone Jin 微信公众号｜ipozaozhidao 据IPO早知道消息，上海壁仞科技股份有限公司（以下简称"壁仞科技"）于2026年1月2日正式 以"6082"为股票代码在港交所主板挂牌上市，成为"港股GPU第一股"，同时也是港股18C章特专科 技公司上市机制落地以来发行规模最大的新股。 成立至今，壁仞科技已云集了一个涵盖顶级财务投资机构、多元产业资本、半导体专业基金以及知名 国有投资平台等在内的豪华投资阵容。其中， 耀途资本于2020年参与了壁仞科技的A轮融资 。 在耀途资本创始合伙人白宗义&杨光看来，壁仞科技成长的关键在于：一是敏锐的商业洞察，精准把 握创业时机；二是极致的人才战略，汇聚并激励了行业顶尖的研发与管理团队；三是强大的抗风险韧 性，平稳度过了资本与供应链的起伏周期；四是果断的资本战略，坚定选择港股并成功抢占先机，获 得了市场的稀缺性溢价。 光羽芯辰、得一微电子、网迅科技、精控集成、NeuReality、赛勒科技、先进全成等。 在基础软件层 ，耀途资本已投资硅基流动、焱融科技、揽岳智能、速石科技、MemVerg ...

当对话式人工智能工具——ChatGPT点燃的全球AI（人工智能）训练竞赛逐渐开始白热化，一个更深层 次的产业变革悄然发生。2025年，被业界普遍视为"AI应用大爆发的元年"，智能体（Agent）正从概念 走向现实。而在应用爆发的背后，是百倍增长的推理算力需求与高昂成本之间的尖锐矛盾。在这场 由"训练"转向"推理"的算力范式革命中，中国AI芯片产业能否抓住历史性机遇？ 在日前举办的雪球嘉年华会议期间，云天励飞董事长兼CEO（首席执行官）陈宁在接受《每日经济新 闻》记者专访时表示，人工智能就像当年的第一台蒸汽机、第一个灯泡、第一台计算机，可以说，人工 智能是未来五年科技突破的关键。 陈宁认为，中国在算法上已能够将跟世界先进水平之间的差距缩短至数月，甚至在应用、数据、能源、 系统集成方面更有优势。 在陈宁看来，推理芯片赛道是中国实现"超车"的关键。这场关于重新定义算力的竞赛才刚刚吹响号角， 中国第一次与全球站在相近的起跑线。"我们有机会，也必须抓住这个机会。" 推理芯片展现巨大潜力 在陈宁看来，人工智能产业的发展可以清晰地划分为三个阶段。 第一阶段是2012年至2020年的"智能感知"时代，以小模型驱动特定场景的解 ...

公司上市进展 - 壁仞科技于2025年12月17日正式通过港交所上市聆讯，有望成为港股国产GPU第一股 [1] - 公司成立于2019年，专注于GPGPU芯片及智能计算解决方案，为AI模型训练与推理提供全场景基础算力 [1] - 本次募资将投向研发升级，伴随产品矩阵放量，订单有望支撑营收持续增长 [1] 行业市场格局与机遇 - 2024年中国智能计算芯片市场高度集中，前两大参与者合计占据94.4%的份额，其中美国GPU企业公司A占76.2%，中国半导体设计企业公司B占18.2% [3] - 在更细分的GPGPU市场，公司A一家占据97.6%的份额，另一家美国企业公司C占0.4%，两者合计占98.0% [3] - 壁仞科技在智能计算芯片市场的份额为0.16%，在GPGPU市场的份额为0.2% [3] - 灼识咨询预计2025年中国智能计算芯片市场规模将达504亿美元，GPGPU市场将增至409亿美元 [3] - 随着本土企业竞争力提升，其合并市场份额有望从2024年的约20%提升至2029年的约60% [3] - 摩根士丹利预测，到2027年，中国国产GPU自给率将从2024年的34%跃升至82% [4] - 摩根士丹利将2026年和2027年中国AI GPU收入预期从940亿元、1360亿元分别上调至1130亿元、1800亿元 [4] 公司财务与研发状况 - 公司营收实现快速增长：2022年收入49.9万元，2023年增至6203万元，2024年飙升至3.37亿元，2025年上半年收入达5890万元 [6] - 2024年全年营收低于沐曦股份的7.43亿元及摩尔线程的4.38亿元 [6] - 公司近些年累计亏损已超63亿元，2025年上半年单期亏损16亿元 [6] - 研发投入巨大：2022年、2023年、2024年、2025年1—6月研发费用分别为10.18亿元、8.86亿元、8.27亿元、5.72亿元，三年半累计投入超33亿元 [4] - 2025年上半年研发费用占总经营开支比例高达79.1% [6] 公司团队与技术实力 - 创始人、董事长张文拥有哈佛大学法学博士学位，在资本运作与产业资源整合领域经验深厚 [5] - 公司邀请曾主导海思自研GPU的核心人物洪洲担任CTO，并聚拢了AMD前全球副总裁李新荣、高通骁龙GPU团队前首席架构师焦国方等行业专家 [5] - 研发团队共657人，占公司员工总数83%，核心成员多具备近30年行业经验 [5] - 公司聚焦GPGPU架构、芯粒封装等关键技术，累计拥有613项专利及972项在申请专利 [5] 未来发展挑战与展望 - 公司盈利进程仍处于攻坚阶段，盈利尚需时日 [6] - 赴港上市是公司破解资金压力、把握国产替代机遇的关键一步 [6] - 技术积累能否转化为更大市场份额，持续亏损的局面能否随规模效应改善，是公司上市后需要回答的核心考题 [6]

2025年国产GPU行业关键分野与上市潮 - 2025年是国产GPU行业的关键分野，行业迎来密集上市潮 [2] - 摩尔线程于6月30日获科创板受理，仅用89天火速过会，并于12月5日登陆科创板，首日股价暴涨468.78%，市值一度突破3000亿元，创下年内新股纪录 [2] - 沐曦股份紧随其后，于12月7日完成申购，中签率低至0.033%，市场热情高涨 [2] - 壁仞科技、燧原科技等也相继传出明确的港股或A股上市计划 [2] - 这波密集上市潮本质是一场由资金需求驱动的突围战，上市成为穿越漫长研发投入期、维系生存与发展权的关键通道 [2] 行业财务特征与资金压力 - 行业处于快速成长期，特点是高强度、重资产的资本投入，普遍存在阶段性亏损 [4] - 摩尔线程过去三年（2022年至2024年）累计营收6.09亿元，同期净亏损共计50.05亿元 [4] - 沐曦股份过去三年累计营收11.17亿元，同期净亏损共计32.9亿元 [4] - 研发高投入叠加业务扩张带来备货压力，导致现金流高度紧绷，例如摩尔线程短期借款从0激增至12.17亿元以填补营运资金缺口 [5] - 国际龙头企业投入规模巨大，例如英伟达2024财年研发投入达129.14亿美元，凸显国产厂商面临的资金挑战量级 [4] - 一级市场存在强烈的退出需求，在美元基金收紧的背景下，二级市场成为红杉中国、深创投、字节跳动等上百家背后机构最主要的退出通道 [5] 政策环境与上市逻辑转变 - 2025年监管风向转变，随着“科创板八条”出台及对未盈利硬科技企业上市标准的重启，政策为肩负“算力自主”任务的公司打开了通路 [5] - 政策驱动资本市场对产业进行扶持，明确的上市预期是产业崛起的支撑 [5] - 当前投资策略被称为“群狼战术”，即让头部几家先上市融资，最终能跑出来一两家即可，这是一种战略性选择 [6] 核心挑战：供应链与生态壁垒 - 国产GPU厂商面临的核心挑战愈发清晰，供应链“卡脖子”风险正突破设计端，向制造乃至封装环节持续蔓延 [2] - 制造环节的外部依赖是当前最致命、最紧迫的痛点，瓶颈在于国内高端芯片产能不足，在晶圆制造、良率控制和规模化量产方面任重道远 [9] - 芯片厂商对外部先进代工厂的路径依赖使供应链安全成为核心问题，随着合规限制趋严，这条路径正快速收窄 [10] - 软件生态壁垒难以逾越，英伟达CUDA生态经过近20年积累已形成行业标准，客户迁移生态的成本远高于购买新硬件 [10] - 国产GPU即使在纸面算力参数上可以部分对标，但由于框架兼容、算子适配困难，最终会导致硬件性能大打折扣 [10] - 按销售金额计，2024年中国AI加速器市场中，英伟达占比约66%、华为昇腾占比约23%、AMD占比约5%，其余厂商（含摩尔线程、沐曦股份等）合计仅约1% [10] 竞争逻辑转变与商业化落地 - 行业竞争逻辑在2025年发生根本转变，商业化落地能力取代PPT参数，成为检验真金的唯一标准 [2] - 行业正从“讲故事、拼融资”阶段进入“拼落地、拼业绩”阶段，竞争焦点转向工程硬实力和市场交付 [14] - 在大客户“比标”环节，测试模式已转为不告知测试过程的“盲测”，分数直接决定订单归属，迫使厂商集中精力提升工程化能力 [14] - 各家厂商寻求差异化生存空间：摩尔线程走“全功能GPU”路线，AI智算业务增长迅速；沐曦股份专注于云端AI“训推一体”的通用GPU路线；燧原科技则背靠腾讯，产品在腾讯业务中规模化落地 [14] - 国内很多GPU厂商的订单既没有规模效益也没有稳定客源，却拥有几千亿市值，存在营收与市值不匹配的虚高风险 [14] 突围策略与未来展望 - 为突破CUDA生态壁垒，一些国产GPU厂商正推动更具实用主义色彩的路线——异构混训，即在一个计算集群中同时使用英伟达、华为、寒武纪等不同品牌GPU [11] - 从试图取代英伟达转变为与英伟达共存并协作，成为中短期内最具现实性的突围路径 [12] - 新的机遇来自AI推理时代的爆发式增长，推理更依赖堆卡的数量而非单卡质量 [15] - 国产GPU厂商正试图通过超节点的方式进行集群扩展以弥补单卡性能差距，超节点方案已成为行业标准 [15] - 人才和经验是决定胜负的隐形因素，大部分厂商高管团队具备深厚的海归背景和资深从业经验，为技术迭代和工程化落地提供基础 [15] - 行业洗牌的拐点预计在未来半年到一年内到来，最终可能只有两、三家公司能活下来 [15] - 生存攻坚战的胜负手取决于五个核心维度：产能、技术、超节点、订单、高管团队 [15] - 现阶段谈论“中国英伟达”为时尚早，行业更像是新能源汽车的2017年，真正的头部至少需要五年才会跑出来，眼下重要的是先活下来 [3][7] - 国产GPU的集体冲锋，不仅是在挑战英伟达的市场霸权，更是在为下一个十年的中国算力主权争夺关键基石 [15]

公司战略合作 - 英伟达首席执行官黄仁勋在韩国与三星电子会长李在镕、现代汽车集团会长郑义宣会面，传递出建立“伙伴”关系的明确信号 [1] - 公司分别与三星电子、SK集团、现代汽车集团、NAVER Cloud签约，其中韩国政府将获得5万块GPU，三星电子、SK集团和现代汽车将各获5万块GPU，NAVER Cloud则将获得6万块GPU [7] - 此次会面被视为一次高规格的战略宣告，旨在通过文化符号和商业利益的融合来巩固合作关系 [1][7] 供应链布局 - 英伟达AI GPU的生产高度依赖台积电，并且需要HBM提供显存支持 [2] - 随着全球AI竞赛白热化，晶圆生产和HBM供应已成为公司产能扩张的最大瓶颈 [3] - 三星被视作英伟达晶圆生产和HBM第二供应商的最佳选择，与李在镕的会面本质是一场“供应链保卫战”，旨在确保未来稳定顶级的弹药供应 [3] 市场竞争格局 - 华为昇腾、寒武纪等中国芯片企业正联合阿里、腾讯等云服务巨头，全力构建自主AI算力生态，从算力、运力、存力等多个维度形成集团军式紧追态势 [6] - 上述中国力量不仅在中国市场抱团取暖，更有机会向全球渗透，建立独立于英伟达CUDA生态之外的第二世界，对公司的GPGPU销售构成长期根本威胁 [6][7] - 在未来AI推理需求远大于训练需求的背景下，构建全栈生态以抢占应用市场已成为行业巨头竞争的焦点 [6]

公司研发进展 - 龙芯中科正在加紧进行通用图形处理器（GPGPU）的研发工作 [1]

核心观点 - 处理器芯片发展呈现“自研-放弃自研-自研”的螺旋式道路，近5年整机和平台厂商重新加入自研芯片战争，趋势是从以CPU为中心的同构计算转向CPU联合xPU的异构计算 [4][5] - 未来五年至十年，国产算力芯片的突破口在于指令系统结构的统一，建议将RISC-V作为统一指令系统，所有CPU/GPU/xPU基于RISC-V及其扩展开发，以扩大规模效应并高效利用研发资源 [5] - 架构创新难敌经济规律，指令集架构从几十款快速收敛至少数几款，x86和ARM占据主导地位是市场洗牌的结果，其成功关键在于庞大的软硬件生态系统和规模经济效应 [10][11][13] 计算模式与指令集架构演变 - 计算机经历八十多年历史，计算模式从早期集中式处理演变为分布式，再进化为集中式云中心和泛在分布智能终端构成的复杂体系 [9] - 当前核心CPU以两种主导指令集为代表：PC和服务器领域是x86架构，智能手机领域是ARM架构 [9] - x86战胜RISC架构靠的是不断向高端RISC学习并根据新应用需求增加指令子集，PC与服务器CPU同为x86架构使芯片出货量大，分摊了服务器CPU研发成本 [11] - RISC CPU失意表面原因是巨额软硬件投入成本，根源是无法颠覆已有软硬件生态系统 [11] 架构创新与生态挑战 - 进入纳米工艺后摩尔定律逐渐失效，晶体管开关速度放缓，业界依赖增加晶体管数量提升性能，基本思路是并行计算 [14] - 计算机体系结构分为激进结构、保守结构和折中结构三种类型，高端CPU常采用激进结构但导致硬件复杂、正确性难验证 [14][15] - 众核结构xPU芯片匹配图像处理、神经网络等并行计算特点，但其大规模应用首先要解决生态系统问题 [15][17] - 2009至2018年企业软件市场中，x86软件市场份额持续上升，2018年全球投入x86软件开发费用高达600亿美元，远超同期服务器硬件800亿美元总收入 [19] - 软件开发费用远高于硬件，新处理器架构难以获得配套软件投资，预计未来很长时间服务器市场x86 CPU仍居主导地位 [19][20] RISC-V发展现状与挑战 - RISC-V应用较多且相对成功的场景是软件简单的嵌入式领域，如微控制器和存储类产品，但物联网需求碎片化导致定制芯片失去规模效应 [21] - RISC-V硬件生态不成熟，缺乏有竞争优势的高性价比处理器核种类和支持多核互连的高性能片上网络 [21] - RISC-V进入以计算机为代表的通用平台还有旷日持久的路程，主要障碍在于软件生态不成熟 [24] - 基于RISC-V指令集扩展支持AI子指令集和后量子密码等创新案例显示其技术可行性，如Tenstorrent等企业开发了基于RISC-V的AI加速计算方案 [30] 自研芯片趋势与统一指令集路径 - 系统和平台厂商重新研发计算芯片，云厂商自研芯片模式可行因盈利基础在增值服务而非硬件，且掌控全栈软硬件使生态移植困难较小 [25] - 苹果公司实现核心产品线处理器全线自研，成功关键在于自研系统软件配合形成优化用户体验，而非单纯芯片自研 [26][27] - 软件定义一切包括成败，指令系统越多软件生态投入越大，当前领域专用架构和其他xPU研发领域出现软件掉队现象 [28][29] - 体系结构创新未必需要新架构，可在现有指令系统框架内实现，统一基于RISC-V指令集开发可避免重复劳动和研发资源浪费 [30]

行业整体发展态势 - AI驱动产业链加速迭代 多领域实现局部突破 全球市占率实现飞跃[2] - 国内企业在AI算力基座和机器人领域仍存在规模、长期生存力及算法等方面与海外发达国家的差距 但正通过应用端牵引和协同研发快速追赶[3] 算力基座领域突破 - 海光信息拥有CPU与GPGPU双产品线 实现多代际产品研发创新和商业化落地 布局形成"芯片设计—整机交付—软件生态"完整链条[4] - 佰维存储2024年AI新兴端侧业务收入超10亿元 具备主控芯片设计及封测全产业链服务能力 产品覆盖NAND Flash与DRAM[5] - 概伦电子过去四年国内业务占比快速上升并开始跃居主导 通过并购整合助力国内EDA产业补短板[5] - 国内先进工艺与高端芯片研发需求爆发 推动芯片研发与生产本地化、规模化趋势 EDA行业成长空间持续打开[6] 机器人领域进展 - 绿的谐波打破日本垄断 谐波减速器全球市占率第二 正推进机电传动和电液领域新布局[8] - 埃夫特业务涵盖核心零部件自主研发及整机系统集成 通过"两端牵引"策略联合客户和高校推进前沿革新[9] - 步科股份机器人业务一半服务机器人领域 一半拓展至智能设备 无框电机技术进入高良品率规模化制造阶段[10] - 元琛科技2025年一季度完成环保岛智能从0到1突破 二季度实现从1到3跨越 实现98%以上环保岛自控率[10] 中外技术差距分析 - 国产存储品牌信任度不足 AI服务器存储90%以上依赖海外品牌 国内厂商因稳定性担忧难以进入核心供应链[11] - 国产存储占国内需求份额不足10% 全球占比不到5% 与国际先进水平存在明显技术代差[11] - 国际芯片企业在技术积累、专利布局和工艺成熟度方面优势深厚 国内企业需大踏步追赶[11] - 机器人领域核心差距在算法 与国外存在半年左右差距 国际巨头采用大公司加大资金加密集人才模式快速迭代[17] 追赶策略与规划 - 佰维存储2020-2024年营收复合增速50% 研发投入复合增速60% 计划2028年实现技术追赶、规模扩张和盈利提升三大突破[11][14] - 海光信息采取内部挖潜加外部合力双轮驱动 联合产业链超6000家企业组成光合组织 完成超1.5万软件适配[12][15] - 概伦电子实施聚焦加协同战略 深耕EDA优势领域并通过并购整合完善产品矩阵 与龙头企业深度协同推动技术适配[16] - 埃夫特2至3年内聚焦工业场景突破 加快AI算法研发确保两年内小批量项目落地[17] - 步科股份短期优化半自动生产线提升良品率 长期聚焦分布式计算模组研发并深入研究具身智能与AGI技术[19] - 绿的谐波推进技术壁垒深化和成本壁垒构建 加快设备自主可控 短期聚焦具身智能产品迭代[21] 应用端挑战 - 环保领域AI应用面临人才短缺和付费模式不成熟挑战 需构建可持续盈利模式[23]

行业核心观点 - AI驱动产业链加速迭代 多领域实现局部突破 企业突破垄断 全球市占率实现飞跃 [1] - 国内AI算力基座和机器人行业在规模 长期生存力 算法等方面与海外发达国家存在一定差距 [2] - 国内企业正通过应用端牵引 协同研发和持续投入创新快速缩小差距 [2] 算力基座突破 - 海光信息拥有CPU与GPGPU双产品线 实现多代际产品研发创新和商业化落地 形成芯片设计-整机交付-软件生态完整链条 [3] - 佰维存储聚焦半导体存储 产品覆盖NAND Flash与DRAM 2024年AI新兴端侧业务收入超10亿元 具备主控芯片设计 封测等全产业链服务能力 [3][4] - 概伦电子在EDA领域深耕晶圆厂 存储器厂及高端芯片设计 过去四年国内业务占比快速上升并开始跃居主导 [4] - AI带动高端芯片与先进工艺需求爆发 推动国内芯片研发与生产本地化 规模化趋势 [5] 机器人技术进展 - 绿的谐波谐波减速器打破日本垄断 全球市场占有率第二 正推进机电传动 电液领域和具身智能模组新布局 [6] - 埃夫特业务涵盖机器人核心零部件 整机及系统集成 重点布局自主化核心技术自研和智能化两大方向 [6][7] - 步科股份业务一半服务机器人领域 一半拓展至智能设备 将机器人研发的小型化 一体化 模组化技术拓展至先进智能设备 [7] - 人形机器人部件需求经历样品交付 小批量生产 高良品率规模化制造三个阶段跃迁 [8] - 步科股份凭借十年无框电机技术积累已成功进入第三阶段 [9] 应用端创新 - 元琛科技2023年切入环保岛智能与工业流程运维智能 2025年一季度完成从0到1突破 二季度实现从1到3跨越 [9] - 通过环保工艺+机理模型+硬件改造+算法实现98%以上环保岛自控率 [9] 技术差距分析 - 国产存储产业链起步较晚 在品牌积累 规模效应和技术成熟度上与国际先进水平存在差距 [10] - AI服务器存储90%以上依赖海外品牌 国产存储占国内需求份额不足10% 全球占比不到5% [10] - 佰维存储2020-2024年营收复合增速50%左右 研发投入达到60%复合增速 [10] - 国际芯片企业如英特尔 AMD 英伟达在技术积累 专利布局 工艺成熟度上优势深厚 [10] - EDA领域核心挑战在于先进工艺路径与产业链协同 国内擅长1-10 10-100应用落地 但0-1核心供应链突破缓慢 [12] - 机器人领域国产与海外核心差距在算法 整体与国外有半年左右差距 [16] 追赶策略与规划 - 佰维存储规划到2028年实现技术追赶 规模扩张和盈利提升三大突破 保持近五年营收复合增速 [12] - 海光信息采取内部挖潜+外部合力双轮驱动战略 内部加大研发投入和先进技术布局 外部谋求与中科曙光战略合并 [13] - 通过多芯片互联 高带宽低延迟互联技术实现多芯片等效算力 超越单芯片性能 [13][14] - 概伦电子实施聚焦+协同战略 深耕EDA优势领域并通过并购整合完善产品矩阵 与海光信息等龙头企业深度协同 [15] - 埃夫特二至三年内聚焦工业场景突破 加快AI算法研发 确保两年内小批量项目落地 [16] - 步科股份短期优化半自动生产线提升良品率 长期聚焦分布式计算模组研发和具身智能与AGI技术研究 [18] - 绿的谐波短期聚焦具身智能产品迭代 长期推进技术壁垒深化和成本壁垒构建 [19] 行业挑战 - 人形机器人供应商面临长期生存与技术壁垒构建挑战 未来全球可能仅剩2到3家核心头部企业 [17] - 工业领域AI应用存在人才短缺问题 付费模式尚未成熟 商业模式有待清晰 [19]

项目概述与目标 - 印度正竞相在2030年前从零开始自主研发2纳米GPU，旨在赶上英伟达的规划路线图并巩固其在人工智能技术和产品方面的本土基础 [1] - 该项目的长远目标是在数据中心、AI模型训练、云平台和超级计算机等领域，取代AMD、英特尔、英伟达和高通等全球巨头的芯片 [8] - 印度计划在2030年将自研GPU安装在C-Dac的云服务器和超级计算机上，供学术界、研究人员和初创公司使用，以构建自主研发的AI模型并运行云平台 [4] 项目进展与时间规划 - 项目由班加罗尔先进计算发展中心负责，工程师已获得2亿美元资金用于开发芯片 [1] - 芯片的早期预览版将于2025年底展示，首批约29台国产GPGPU原型机将在今年年底前开始试验 [2][8] - 经过试验后，GPGPU将进行微调，并于2029年实现量产和商业化推广 [8] - 2亿美元的工程设计成本将在五年内分摊，从2025财年到2029财年 [6] 技术规格与成本优势 - 目标芯片工艺为2纳米，与英伟达预计到2028年高端芯片将达到的工艺标准看齐 [1] - 印度自研GPU的成本预计将比英伟达目前的芯片零售价低50% [2] - C-DAC的目标是将本土GPU作为片上系统板提供，它将作为一个全栈系统工作，包括内存芯片、计算处理器和连接调制解调器 [5] 战略动机与地缘政治因素 - 项目旨在改变印度在核心AI技术方面对美国公司的依赖，实现地缘政治独立和技术自主 [2][4] - 美国前总统签署的行政命令（表明在冲突时可限制芯片获取）是印度开始认真考虑自主研发芯片的关键时刻 [4] - 自主研发的芯片将解决对供应链（尤其部分依赖中国）的安全担忧，避免关键芯片易受后门攻击 [4][5] - 拥有自主研发的GPU专利将使印度不仅能制造和训练自己的人工智能，还能将其推向世界其他地区 [5] 资金与机构支持 - 根据其财政年度报告，在24财年，C-DAC从该中心获得了105.6亿卢比（约1.22亿美元）的年度资本基金分配，且这一数字在25财年有所增加 [5] - 该项目由印度电子和信息技术部牵头，先进计算发展中心和国家电子政务部门也参与其中 [8] 面临的挑战 - 芯片设计基于电子设计自动化工具，授权费用高达数百万美元，且设计验证过程极其耗时，需要雄厚的资金支持 [10] - 与CPU不同，GPU缺乏标准化架构，这使得构建GPU所需的工程流程更加复杂 [10] - 即使开发出2纳米芯片，印度在未来五年内也不太可能拥有能生产此类芯片的国内制造工厂，因此很可能需要与台积电合作进行大规模生产 [2]