共计 3592 个字符，预计需要花费 9 分钟才能阅读完成。
曾经，计算机如同大脑般重要的是 CPU。计算机内部存储的数据、外围设备及其他组件，要么向 CPU 输入数据，要么听从 CPU 的指令。
后来，GPU 问世，旨在减轻 CPU 在图像处理方面的压力。然而，凭借出色的并行处理能力，如今的 GPU 已不局限于图像渲染，还广泛应用于人工智能、深度学习、大数据分析等领域。
当下，随着核心网、汇聚网迈向 100G、200G，接入网也达到 50G、100G，CPU 已无法提供足够算力处理数据包，“性能带宽增速比失调”问题凸显。AWS 形象地将其称为“数据中心税”—— 在业务程序运行前，接入网络数据便会占用大量计算资源。
例如，在云计算场景下，虚拟机之间的数据转发，通常 20 个 VM 所需算力，若用 Xeon 的多核 CPU 处理，大约需要 5 个核的算力，这是一笔不小的开销。
阿里云弹性计算产品线负责人张献涛曾算过一笔账，若阿里云营收规模达上百亿元，存储、网络占用约 10% 的 CPU 资源，意味着年损失 10 多亿元。
于是，为进一步减轻 CPU 负担，DPU 登上舞台。对于 CPU 处理效率低下且 GPU 也无法处理的负载，可卸载到专用的 DPU 进行处理。
DPU 的概念由英伟达带火。2020 年上半年，英伟达以 69 亿美元收购以色列网络芯片公司 Mellanox Technologies，并于同年推出 BlueField-2 DPU，拉开了 DPU 发展的序幕。
英伟达首席执行官黄仁勋表示：“DPU 将是未来计算的三大支柱之一。CPU 用于通用计算、GPU 用于加速计算，而 DPU 在数据中心移动数据并进行处理。”
DPU 竞争开启
DPU 最早在云计算领域落地，许多云服务商早意识到问题。AWS 自 2015 年便开始探索 DPU 发展，收购芯片厂商 Annapurna Labs，推出 Nitro 芯片。尽管当时尚无“DPU”这一名称，但 Nitro 被公认为是 DPU 的早期形态。2017 年，AWS 正式推出 Nitro，将网络、存储和安全任务卸载到基于 Arm 架构的专用设备上。
同年，为解决云计算业务规模扩大带来的资源争抢、算力损失问题，阿里云推出神龙（X-Dragon），通过虚拟化实现转接 CPU 存储、网络等基础功能。很快，阿里云将天猫双十一作为试验场并成功运营，随后上汽成为第一家神龙架构的试验客户。
回顾往昔，2017 年可称为 DPU 元年。三年后英伟达将其命名为 DPU，才有了统一叫法。目前，真正实现大规模商用 DPU 架构的，全球仅有亚马逊的 AWS 和阿里云两家。
在云服务商中，不止亚马逊与阿里云布局 DPU，同样看重云服务的腾讯云也加入研发。腾讯以统一算力底座、降低总体成本为目标，自研了水杉和银杉两代 DPU。目前，腾讯自研 DPU 已支撑公有云外部客户以及微信、QQ、腾讯会议等自研业务上云。
去年加入云计算的字节跳动也宣布将自研 DPU，计划通过火山引擎云产品对外服务。
在云厂商的激烈竞争下，芯片厂商也有所行动。
当初带火 DPU 的英伟达自然有所部署。英伟达计划在 2022 年推出性能更强的 BlueField3；到 2022 年，计划推出第三代 DPU；2024 年推出集成其 GPU 模块的 BlueField4。
Marvell 最新推出的 OCTEON 10 系列 DPU，采用 Armv9 架构的 Neoverse N2 CPU 内核和台积电 5nm 制程工艺，支持最新的 PCIe 5.0 I/ O 与 DDR5 内存。作为 DPU 的重要补充，Marvell 还为 OCTEON 10 引入内部机器学习 (ML) 引擎。如此一来，Marvell 正成为英伟达的直接竞争对手。
英特尔也参与其中，在 2021 年 6 月发布首款 IPU 产品，将其视为云战略的重要支柱之一，助力数据中心网络加速走向可编程的分布式架构。2022 年 4 月，英特尔公布收购云解决方案公司 Granulate 的协议，以提升自身在云计算系统的综合协调性；2022 年 5 月，英特尔发布第二代 IPU，并公布将在 2023—2024 年间上线第三代 IPU 的消息。基于端到端可编程能力，英特尔不断在“云端”实现高效运算，解锁数据中心基础设施的新潜力。
国内 DPU 初创企业
DPU 赛道上逐渐出现中国企业身影，且随着 DPU 风口渐起成功融到资金。目前，国内较受关注的 DPU 初创企业有云豹智能、中科驭数、芯启源、云脉芯联、星云智联、大禹智芯等。
今年 6 月，大禹智芯宣布完成 A 轮融资，融资金额未公布，该轮融资由前海方舟旗下的智慧互联产业基金、中原前海基金和齐鲁前海基金共同投资，融资资金将用于产品研发和推广。
云豹智能同样在 6 月完成 B 轮融资，据悉本轮云豹投后估值约 90 亿元，投资方包括腾讯、淡马锡、深创投、华西村股份旗下投资平台一村资本、民生银行上市金融控股平台民银资本、耀途资本，这是腾讯第 3 次投资这家成立不到 2 年的 DPU 公司。
9 月，中科驭数宣布完成超以往轮次融资规模的数亿元 B 轮融资，由金融街资本领投，建设银行旗下建信股权跟投，老股东灵均投资、光环资本、泉宗资本连续三轮追投。
芯启源在去年 11 月完成数亿元的 Pre-A4 轮融资后，今年 3 月宣布再获超亿元战略投资，本轮融资由国家集成电路产业基金旗下子基金上海超越摩尔领投，老股东允泰资本继续坚定跟投。
可见，在 DPU 热潮下，不少初创企业纷纷获得巨额融资。但作为数据处理的关键力量，DPU 需要与 CPU、GPU 同量级的投入，然而市场规模远不及 CPU、GPU。据统计，2021 年全球 DPU 市场规模达 50.7 亿美元，CPU 市场规模则可达 532 亿美元，相差达 10 倍之多。
有业内人士估算，在终端场景，大芯片销量至少需达到数千万级别才能有效摊薄一次性研发成本；在数据中心场景，则需要 50 万甚至 100 万以上的销量，才能有效摊薄研发成本。
根据海外做 DPU 的初创公司如 Fungible 和 Pensando 等所需的资深开发人员规模、研发时间、需购买的 IP 和测试工具以及融资金额估算，开发这样复杂的高端通用 DPU 芯片，大概需要 3 亿美元以上成本，才能实现客户量产。
这注定 DPU 并非简单的创业项目。
DeepTech 曾总结打造成功的 DPU 芯片企业至少需具备六大条件：一是拥有高端芯片开发经验；二是具备大量商业落地经验；三是有成功创业经验的团队；四是熟悉云计算客户业务；五是与云计算大厂客户紧密合作，有丰富场景实战经验；六是必须有巨额融资。
从创始人经历看，不少初创公司或缺乏高端芯片开发经验，或缺乏与头部云服务商合作的经验等，能否走到最后仍是未知数。
云豹智能创始人萧启阳博士毕业于美国斯坦福大学，后在硅谷创办 RMI 公司；中科驭数创始人鄢贵海有中科院背景；芯启源创始人卢笙有销售 USB 和 TCAM 芯片的背景；大禹智芯创始人李爽是前美团公有云负责人，对云业务有一定了解，这四家公司创始人都有相关背景。
云脉芯联、星云智联等企业创始人在公开资料中，缺乏开发高端芯片和创业经验。云脉芯联创始人刘永锋技术出身，曾在阿里和华为工作，公开信息未查到其开发高端芯片和创业经验；星云智联两位创始人是夏庐生和于勇。夏庐生曾任安信证券研究中心通信行业首席分析师，公开信息查不到于勇在芯片行业的背景。
即便强如英伟达，其 DPU 发布两年左右，使用人数也不多，更何况中国芯片初创企业在芯片方面发展相对薄弱。目前能取得成绩的仅有中科驭数、云豹智能两家企业。
中科驭数成立仅一年后，第一颗芯片就成功完成流片，实现业界数据库与时序数据处理融合加速芯片零的突破。中科驭数第三代 DPU 芯片研发迭代也接近尾声。中科驭数第二代 DPU 芯片 K2 已于今年年初投片，预计 10 月回片。
云豹的第一款 DPU SoC（系统级芯片）正在开发阶段，计划明年量产。去年底云豹已发布基于 FPGA 版本的 DPU 云霄。
与 CPU、GPU 等一样，DPU 结构复杂、开发周期长、投入大。中国 DPU 初创企业起步于 2020 年和 2021 年，算上前期团队组建时间，开发周期仅约 1 年左右，何时能量产产品是市场期待的。
总结
实际上，梳理中国 DPU 行业商业模式，可分为两种。
一种是以芯启源为代表，通过自研中高级软件、外购处理器和网络芯片的方式，这种方式门槛适中，DPU 产线核心研发团队至少需 10 人，预计 5 至 8 年收回前期成本。
另一种是以中科驭数和云豹为代表，自研处理器微架构和中高级软件，外购网络芯片的方式，这种方式门槛较高，DPU 产线核心研发团队至少需 40 人。
DPU 没有统一标准、需与云计算基础设施紧密绑定、产品通用性存问题、无明确大客户，这些都是 DPU 创业会遇到的问题。
目前要解决 DPU 标准化应用，存在一定挑战。由于数据中心本身复杂，各大厂商一方面采用商用现货组件（即 COTS）构建系统以追求低成本，一方面又设法分层服务化，打造面向不同类型客户的标准化产品，但除此之外的所有技术实现几乎都是“八仙过海，各显神通”。
中科驭数创始人鄢贵海也表示：“有的厂商强化 IO 能力、有的关注路由转发、有的重视存储卸载、有的关注安全加密，各不相同。”而上层负载不同，对底层架构需求也各异，这或许是目前 DPU 标准化面临的最大挑战。
