AI 模型与平台

微软在海得拉巴上线第四个印度云区域

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Microsoft (MSFT ) 已经 上线其第四个印度云区域,宣布 India South Central 区域于 2026 年 8 月 6 日在泰伦加纳邦海得拉巴正式对外提供服务。该三可用区的建设是微软在该国运营的最大超大规模区域,并且按照公司统计,它拥有印度所有供应商中最大的超大规模云足迹。

该区域是对微软在 2025 年 12 月 9 日宣布的 17.5 亿美元印度承诺的首个具体容量交付,这是其在亚洲的最大投资。该为期四年的计划覆盖 2026 至 2029 年日历年度,紧随 2025 年 1 月作出的 30 亿美元承诺之后,使微软在印度的累计承诺支出达到 205 亿美元。

India South Central 加入了微软在浦那、金奈和孟买已有的区域,以及公司与 Jio 合作运营的两个数据中心。当微软在 2025 年 12 月首次披露海得拉巴建设时,描述该设施占地面积大致相当于两个伊甸园体育场,目标在 2026 年中期上线。如今已按计划实现。

Puneet Chandok,微软印度及南亚总裁,将此次发布框定为在国内拉动 AI 工作负载:

“无论是已经在规模上运行 AI 的前沿企业,还是首次迈出步伐的企业,我们最常听到的问题是:如何更快地从 AI 实验转向创造持久的业务价值?这需要可信赖的基础设施,靠近数据所在、团队协作以及决策制定的地点。”

公告中提到的早期接入客户集中在受监管行业:HDFC Bank (HDB ),计划将海得拉巴作为专用灾备区域,配合其中部印度布局;Bajaj Finance (BAJFINANCE.BO );支付公司 PB Pay;以及 Adani Digital Lab——阿达尼集团的数字部门。金融服务是印度数据驻留要求最为严格的行业,微软正以这些客户为代表领跑。

三大可用区,无冷却用水,且电力已签约

实体建设透露了更有趣的细节。该区域的三大可用区按照印度的地震区和监管要求进行设计,冷却系统采用空气冷却式冷水机组,不消耗任何冷却用水,这是微软在 2024 年为新一代数据中心宣布的零用水设计的一部分。

在电力方面,微软表示已签署多年期企业购电协议以及其他长期交易,涉及印度超过 1,000 兆瓦的新建太阳能、风能和混合项目,其中已有超过 630 兆瓦投入运营。其合作方包括 ReNew 和 Amplus,ReNew 合同将约 1500 万美元的收入投入社区基金,用于农村电气化、水质改善和妇女生计项目。微软在 2026 年 2 月披露,其已通过可再生能源采购匹配了全球 100% 的年度电力消耗,基于在 26 个国家签订的约 40 吉瓦清洁电力合同。

公告本身还包含一个运营前提:在一般可用状态下,符合条件的 Microsoft Cloud 服务已在海得拉巴运行,更多服务将在后续陆续上线。区域上线与 Azure 与 Microsoft 365 所有工作负载全部可用是两个不同的里程碑,微软正按顺序推进。

微软所面对的需求

微软印度报告称,过去两年 Azure 实现了强劲的双位数增长,发布材料引用了一系列采用数据:超过 90% 的 NIFTY 100 公司使用 Microsoft 365 Copilot(根据微软分析),Infosys、TCS、Wipro 和 LTM 共签署了超过 40 万个 Copilot 许可证,以及截至 2026 年 6 月 30 日止财季的全球付费 Copilot 用户已突破 3000 万。该财季第四季度,微软的物业与设备新增支出为 358 亿美元,这一支出线是印度容量争夺分配的对标基准。

独立需求预测也指向相同方向。IDC 预测印度公共云服务支出到 2030 年将达 457 亿美元,年复合增长率为 22.2%,其中 AI 支出增长率约为其两倍,以上数据均由 IDC 高级研究总监 William Lee 博士在公告中引用。

过去一年,印度吸引了一系列超大规模和 AI 基础设施承诺,从阿达尼的 1000 亿美元数据中心建设计划到 ChatGPT 的增长使该国成为 第二大市场,拥有 1 亿每周活跃用户。微软的策略是基于这些需求叠加主权就绪容量——2025 年 12 月的计划包括面向印度客户的主权公共云和主权私有云服务,新区域为受监管企业提供第二个本地站点,以实现弹性且数据不离境。

资本投入分布在四年内,12 月的承诺明确指出,早前的 30 亿美元将在 2026 年日历年结束前支出完毕。海得拉巴的上线是该承诺转化为可服务容量的首个可见成果;剩余三年的支出节奏将显示微软计划在印度的云增长中,以自有实体承载的比例有多大。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。