谷歌百亿美元押注印度，建设1GW数据中心
近期，谷歌宣布将在印度投资超100亿美元（未来5年150亿美元），在印度南部的安得拉邦建设一个总装机容量达1吉瓦（1GW）的AI数据中心集群。
百亿美元、数据中心、谷歌和印度，这四个因素叠加在一起，让整个AI行业产生了无限联想。
百亿美元降临，印度为何得到“泼天富贵”
据公开报道，谷歌的这笔投资主要集中在印度南部的安得拉邦（Andhra Pradesh），特别是港口城市维沙卡帕特南（Visakhapatnam，简称Vizag）。这座城市过去以重工业闻名，如今正以“数据港”的身份重生。
当地政府透露，这一数据中心群的总装机容量可达1GW，建成后将成为南亚地区规模最大的AI与云计算基础设施之一。印度方面高规格参与其中，印度财政部长和安得拉邦首席部长都出席了与谷歌签署的合作备忘录（MoU）仪式。
据印媒报道，谷歌的投资不仅包括数据中心本身，还涵盖能源、冷却与网络等配套基础设施。若项目按计划推进，将分阶段建设并投入运行。这笔投资表面上是一项数据中心扩建，但背后折射出谷歌对全球AI版图的深度考量。
那谷歌为何会最终选择印度呢？
首先，是市场规模。印度拥有全球第二大互联网用户群体，接入人数超过8亿。移动互联网渗透率持续上升，数字服务需求暴增。无论是AI搜索、YouTube内容分发，还是云端办公，印度都成为谷歌全球增长最快的市场之一。
其次，是政策窗口。印度政府在过去三年持续推动“数字印度计划”，将数据本地化、AI基础设施与云计算列为重点发展方向。安得拉邦在政策层面尤其积极——为数据中心提供长期电价优惠，并计划将当地建设成6GW级“数据能源走廊”。这与谷歌当前追求的低碳、分布式能源策略高度契合。
最后是供应链与地缘安全考量。谷歌在美欧的数据中心接近满负荷，而亚洲需求快速增长。由于众所周知的原因，中国无法成为谷歌的首选，而印度却能提供了政策便利与相对较低的运营成本。对谷歌而言，这既是战略避险，也是算力再分布的关键一步。
这次投资也不出意外的在印度国内也引发了讨论。支持者认为，谷歌的到来将带来就业与技术溢出，促进当地AI生态成长。批评者则担忧，大型跨国公司控制本地数据基础设施，可能带来“数字主权”风险。
印度政府正在平衡“开放”与“主权”。根据现行数据保护法案，关键数据需本地存储，外资数据中心须符合安全审查要求。谷歌此次采用与地方政府合作的方式，体现了在政策语境下的审慎布局。
AI时代的能源焦虑：1GW的背后
在AI模型不断膨胀的当下，数据中心不再只是存储的仓库，而是“算力的发动机”。
据项目披露，这个1GW的数据中心群将重点引入高能效、可再生能源方案。谷歌此前承诺，到2030年实现全球运营的“24/7无碳电力”目标，这一印度项目被视为公司在亚洲的重要落地实践。
1GW的容量意味着其可支撑大量高功耗GPU节点，为大模型训练或AI推理提供强劲算力。这将有助于谷歌在亚洲市场改善AI服务延迟，并优化搜索、翻译、语音助手等产品体验。
不过，印度电网的稳定性与能源供给结构仍面临挑战。谷歌预计将通过液冷技术与智能调度系统来应对AI算力高峰期的能耗波动。
谷歌在印度的投资，并非孤立事件，而是其全球AI算力战略的一环。
过去五年，谷歌陆续布局多地AI计算中心：美国中部、欧洲芬兰、东南亚新加坡。如今，印度南部这一新节点，成为其亚太区域的重要补强。
从地理上看，印度处于亚欧算力互联的中轴线。谷歌可借助光缆网络实现区域数据流的低延迟互通，为Gemini大模型、Vertex AI平台等提供更灵活的支撑。同时，印度本地AI初创企业与云计算客户众多，谷歌云的本地部署将显著提升客户体验与响应速度。
据业内报道，谷歌云在印度的市场份额与营收均保持高增长趋势。这笔投资无疑将进一步夯实其在当地的竞争地位。
与竞争者的赛跑：AI数据中心的全球军备竞赛
实际上，谷歌并不是第一个看好印度未来在AI行业中角色的公司，微软、亚马逊、Meta等巨头的激烈竞争。
微软近两年在印度的投入显著增长，已在海得拉巴、浦那等地建立数据中心，并宣布未来两年再投资约30亿美元，用于云与AI基础设施。
亚马逊旗下AWS计划到2030年在印度投资约127亿美元，用以扩大云基础设施规模。
Meta则积极探索印度本地AI加速节点，以支持其生成式内容和广告系统。
相比之下，谷歌此次超过100亿美元的投资虽略低于AWS的累计投入，但聚焦AI算力与可持续能源，使其在能效与环保方向上更具示范意义。这是谷歌与其他巨头拉开差距的关键战略点。
OpenAI目前并不直接建设数据中心，而主要依赖微软Azure等合作伙伴提供算力支持。谷歌借助印度节点的地理优势，或能在全球算力分布上实现更灵活的调度，优化Gemini模型的区域推理能力。
谷歌的更大野心：AI算力的本地化与普及
从更高的视角看，谷歌真正的目标，是以数据中心为核心节点，推动AI算力的全球本地化与普及。
通过分布式算力布局，谷歌让AI模型更靠近用户、更贴近企业数据，从而降低延迟与成本，也有助于满足不同国家的隐私与合规要求。
印度同时也是多语种与多文化的AI数据宝库。无论是语言模型训练还是视觉模型标注，印度提供了丰富且多样的数据源，为Gemini系列模型的泛化能力提供支撑。
这一投资意味着AI计算正从“中心化”向“分布式”演进。算力的重心，正在从美国与欧洲，向新兴市场转移。