算力经济成全球战略竞争新焦点，AI浪潮加速DPU需求

图片来源于网络，如有侵权，请联系删除

在算力定义未来、技术革新日新月异的时代，数据中心正经历着前所未有的变革。DPU作为数据中心第三颗主力芯片，正引领行业步入一个高效、灵活的算力新时代。

6月19日，中科驭数正式发布国内首颗量产全功能DPU芯片K2 Pro。中科驭数专注于DPU芯片的研发设计，基于自研KPU芯片架构率先在国内完成了三代DPU芯片研发。自主研发的国际领先DPU芯片及系列产品，可以广泛应用于超低延迟网络、云和数据中心、金融计算、大数据处理、5G边缘计算、高性能计算等场景，助力算力成为数字时代的新生产力。

图片来源于网络，如有侵权，请联系删除

此前，中科驭数已经完成3轮融资，中科驭数B轮投资机构金融街资本党委书记、董事长兼总经理程瑞琦坦言，“DPU概念虽然在2000年左右就已经出现，起初是应用在数据高吞吐低延迟的金融行业。随着AI时代的到来，DPU在数据中心的应用场景之大将是难以想象的。”

创业公司涌入，巨头纷纷布局DPU

近年来随着海量数据爆发，计算任务愈发密集，传统以CPU为中心的数据中心架构日渐面临性能提升的瓶颈。在大型数据中心，流量处理就会占用20%～30%的计算资源，亚马逊云（AWS）将这些还未运行业务程序，先接入网络数据就要占去的计算资源称为“数据中心税（Datacenter Tax）”。而DPU最直接的作用是作为CPU的卸载引擎，接管网络虚拟化、硬件资源池化等基础设施层服务，从而释放宝贵的CPU资源来运行上层应用，实现了以数据为中心的业务和基础设施操作的分离。

尤其是在2020年 NVIDIA发布的DPU产品战略中将其定位为数据中心继CPU和GPU之后的 “第三颗主力芯片”，掀起了一波行业热潮。

在国际上，英伟达、英特尔、AMD、微软等厂商都已经积极布局DPU。AWS  2017年就已将其DPU芯片商业化落地，AWS 借助Nitro DPU 系统把网络、存储、安全和监控等功能分解并转移到专用的硬件和软件上，将服务器上几乎所有资源都提供给服务实例，极大地降低了成本。英伟达更是耗资69亿美元收购Mellanox并随之发布其DPU产品NVIDIA BlueField，并会每年在GTC大会上重磅推出其GPU和DPU组合成面向高性能计算的算力方案。

国内来看，除了中科驭数率先完成三代DPU芯片研发迭代并成功实现DPU规模化商用外，创业公司还有云豹智能、云脉芯联等，也均在过去几年内完成多轮融资。除此之外，包括中国移动、中国电信、腾讯、阿里等国内云厂商巨头也纷纷推出自己的DPU产品。4月28日，中国移动在其2024算力网络大会上正式发布大云磐石DPU，将应用于移动云新一代大云磐石DPU产品，实现关键技术自主可控。

清华大学教授、中国工程院院士郑纬民认为：芯片是算力的核心，是算力提升的关键所在。DPU芯片被称为数据中心中继CPU、GPU之后第三颗主力芯片，它作为数据处理器承担着数据网络传输、存储、计算、安全等任务，是重要的新型算力基础设施。DPU产业已经成为国内外竞争的新焦点，在未来数据中心、智算中心等高带宽、低延迟、高吞吐率产品都将发挥重要作用，为“东数西算”、算力网络等重要新型算力基础设施建设提供核心组件。

AI浪潮加速DPU需求，中国芯片企业仍需聚焦突破

从整个算力产业来看，随着人工智能等应用的推进，迫切需要高吞吐、低时延的算力基础设施，将网络、存储、安全等任务从CPU上卸载下来，DPU在人工智能的实施发展中将起到重要的作用。

中国科学院计算技术研究所研究员、中国工程院院士孙凝晖表示，“DPU是一个新兴事物，以前我们的数据中心里面是没有这个芯片类型的。随着互联网的发展，大量的数据涌入到数据中心中被云计算处理，所以才有了DPU对数据进出数据中心进行加速处理。不仅是因为数据多，还因为这些数据进入数据中心以后需要被大量的进行处理，它的处理的复杂度提高，所以DPU应运而生。虽然现在DPU还没有像GPU那样在数据中心应用的量非常的大，但是随着智能时代的到来，人工智能赋能各行各业，我们有大量的智能流会从AI的PC，AI的手机等各种智能硬件里面产生，会比过去互联网史时代还要大的量涌到数据中心被处理。所以对数据进入进出的数据中心来说，处理的流量和处理的复杂度都要进一步加大很多倍，预期DPU在数据中心的需求量会越来越大。”

有观点认为，未来DPU将会是服务器的标配。根据2023年《中国数据中心产业发展白皮书》，预计至2025年“十四五”规划期末，拟实现数据中心机架规模增长至1400万架，规模总量翻两倍，总增量投资约7000亿元。按服务器规模预计，未来几年云与数据中心领域每年国内服务器出货量将维持在500万台左右。

不过值得注意的是当前DPU正在规模化应用的早期阶段。对此，中科驭数CEO鄢贵海表示仍需要两点突破：“第一就是价格，DPU价格并不便宜，要想实现大规模部署还需要进一步降低成本。第二就是整个生态软硬件的成熟度，AI对算力基础设施的需求刚出现，这种新的趋势下我们看到算力基础设施系统结构从原来网络、交易节点、分布式，现在朝着‘三U一体’演进的时候就慢慢起来了。但这种趋势需要时间去沉淀，尽管AI对算力的需求会加速DPU的成熟，但对于芯片产品来说，三五年就做到成熟也不现实。”

鄢贵海同时也指出，国内芯片产业和全球最领先的技术仍然存在带差。英伟达已经市值超过3万亿美元，而国内市值能稳定在千亿元人民币的芯片企业都是凤毛麟角，这样体量差距之下去谈做和英伟达一样的东西，甚至说去全方位接近或者超越都是不切实际的。产业的成熟需要时间，只有一个行业能够出现一众规模较大的企业才代表这个行业成熟，能够参与到真正高水平的竞争中去。但在这之前，芯片企业还是要耐心补课，先在自己的专项上做到冠军，再寻求更多方向的发展。