很長一段時間，CPU 主導了整個數據中心，虛擬化算力成為云計算的重點。

直到人工智能應用的爆發性增長，GPU 的芯片架構被發現更適合支持大規模的AI模型訓練和推理，GPU 成為數據中心第二大算力芯片。

當 CPU 再無力解決數據中心基礎設施遇到的瓶頸時，新一代 DPU 芯片出現了。DPU 可以重新分配算力和優化算力資源，帶來新的數據中心創新范式，因而被認為是未來幾年行業內最重要的創新。

據智能計算芯世界數據顯示，DPU 全球市場需求巨大，“從 2020 年的 30 億美元增加到 2025 年內的 136 億美元，CAGR 約 36%，到 2027 年全球數據中心加速器市場價值可達 530 億美元，復合年增長率 CAGR 近 44%。”

看到這種“CPU、GPU、DPU 成為數據中心三大算力芯片”的趨勢之后，國外幾大傳統芯片巨頭正馬不停蹄地規劃自己的 DPU 產品線，國內也集中出現了一批拿到融資的 DPU 創企。仿佛一夜之間，DPU 公司成為芯片投資的香餑餑。有些沒有任何芯片投資經驗的風投都希望可以在本次半導體熱潮中坐上順風車，令一些從沒做過高端芯片的團隊、甚至創始人沒有任何芯片背景的初創企業都可以借此 DPU 風口拿到融資。

但打造一家成功的 DPU 企業遠不像外界所設想的那么簡單：一款商業上成功的DPU，必然是一款世界級芯片，也是一款極度復雜的高端芯片。

去年國內的半導體行業融資火熱，但從今年初開始，科技股股價大幅調整，國內科技行業也進入融資寒冬。國內對科技企業的風險投資額在今年第一季度相比去年減少了 76.7%，很多風投甚至在今年第一季度停止投資新的項目。

但越是在困難的經濟環境下，越能看出誰是行業里的贏家。基于公開信息與跟行業內一些資深專業人士的交流，DeepTech 對國內 DPU 行業進行了深入分析。

DPU：新一代數據中心算力和服務的核心

首先，DPU 是在目前算力困境、摩爾定律放緩的大背景下產生的。它從處理網絡負載和卸載 CPU 任務的智能網卡，演變成新一代數據中心算力和服務的核心，讓云服務商“將基礎設施和客戶應用分而治之”，這個思想也指導著數據基礎設施領域近年來的諸多創新。

隨著單一服務器的網絡端口的速度達到 200G 或以上，原來的網絡、存儲、虛擬化、安全等基礎設施多方面任務，已經無法有效率地由 CPU 承載，而將這一類基礎設施任務轉移到新的計算單元 DPU 上，這也就意味著，DPU 的設計邏輯需要遵從軟件定義思路，它一定是靈活且兼具可編程性的，可以支持不同客戶的不同業務和私有協議。

有幾個重要的研究報告強有力地證明了，這些基礎設施任務的運行可以消耗大量的 CPU 性能。

(來源：Google 官網)

一項由哈佛大學和谷歌的團隊在 2015 年發表的研究報告 Profiling a warehouse-scale computer 稱，該研究對谷歌數據中心業務和數以萬計的服務器進行了經過三年的深度分析，結果顯示，跨越不同服務器的應用所產生的屬于基礎設施類的任務構成了“數據中心稅”，消耗了服務器中約 30% 的算力資源。該報告也指出，因為谷歌數據中心服務器數量龐大，若每臺服務器資源利用率能提升一點，都會帶來巨大的成本效益。

另一項研究是 Facebook(現稱 Meta)數據中心團隊 2020 年的分析 Accelerometer: Understanding Acceleration Opportunities for Data Center Overheads at Hyperscale。該團隊對運行在 Facebook 計算優化數據中心平臺上的微服務進行全面描述，發現執行核心應用程序邏輯只占用 CPU 18% 的時間;剩余時間完全用于非應用程序邏輯核心的一般操作。也就是說，在 Facebook 執行核心應用時，其數據中心里的 CPU 82% 的時間都消耗在基礎設施類任務，這個數字是相當驚人的。也正因如此，Facebook 團隊態度更加鮮明地表示，“加速此類基礎設施的通用模塊，可以極大地提高數據中心的性能”。

(來源：Meta 官網)

DPU 大幅提高算力性價比和利潤，引來云服務商和芯片廠紛紛布局

全球云計算老大亞馬遜云 AWS 最早看到數據中心算力的瓶頸和提升空間，因此 AWS 也是最早嘗試自研 DPU 芯片的云服務商。

AWS 的數據中心體量最為龐大，因此對于算力痛點的體會是最深刻的。其 CTO Werner Vogels 就公開表示過，傳統架構的數據中心已經優化到了極限。

以 AWS 的客戶場景舉例，在傳統架構下，大量的資源浪費在算力、網絡、存儲的運營和調度管理上，這些資源沒有為客戶提供直接價值。

(圖|AWS Nitro;來源：AWS)

對此，AWS 的提出的解決方案，就是把大部分虛擬機管理程序遷移到其自研的 DPU —— Nitro 中。2017 年起，AWS 開始用 Nitro 系統取代上一代架構。

效果是立竿見影的，Nitro 的應用成功證實了 DPU 的市場價值：管理云服務的程序從原來的 CPU 轉移到 DPU 上之后，CPU 的資源幾乎可以完全用來運行客戶業務負載，其 DPU 使用上不但靈活還兼具高性能。尤其在成本上，DPU 令寶貴的 CPU 資源被充分利用，因此 AWS 大幅提高了能售賣給云客戶的算力資源。對于云客戶來說，他們同樣買到了更高性價比的算力。

通過 DPU 去達到其數據中心的算力資源利用率最大化，AWS 迎來了前所未有的最高云服務利潤：2022 年第一季度，AWS 業務實現收入 184 億美元，同比去年增長 36.6%;利潤 65.1 億美金，同比去年增長 57%，利潤率 35.3% 達到了歷史新高。這些數字的背后，離不開其自研的 DPU 芯片 Nitro。

AWS 模式因此成為其他云服務商學習的榜樣。我們也看到，在國內，諸如阿里云這樣的云大廠，也已高調宣布了基于 FPGA 的自研 DPU 解決方案。

可以說，最近幾年，云服務商的數據中心最大的變化就是 DPU 的誕生。它對云計算最大的變革既是性能、功耗和安全的優化，算力資源的彈性調度，更是經濟價值上的提升。

因為 DPU 解決的技術痛點在云服務里面起了關鍵的作用，芯片巨頭英偉達 Nvidia、英特爾 Intel 等也迅速反應過來，一邊開始緊鑼密鼓地收購相關技術團隊，一邊競相推出 DPU 或者類 DPU 的早期產品，賣給數據中心客戶，不甘落于人后， 因此 DPU 成為數據中心芯片巨頭兵家必爭之地。

如今，世界最大的幾家云計算服務商，幾乎都靠 DPU 在各自數據中心去進行所有的算力資源彈性調度、動態按需分配等，以期大力提升云服務的質量和效率。換句話來說，每一家云服務商都要靠 DPU 去優化自身數據中心的利用率和性價比，才能和別的云服務商競爭。

而對于闖進這個賽道的國內 DPU 創企來說，他們距離“成功造出一款商業可用的 DPU”這個目標，目前還有著怎樣的距離?分析彼此之間的差異，我們將不難看出誰是最有實力的 DPU 企業。

根據 DeepTech 的研究，要打造一個成功的 DPU 芯片企業，至少需要兼具以下六大條件：

一、具備高端芯片開發經驗：異構、多核處理器、軟件定義芯片

眾所周知，芯片有很多種類型，但也可以簡單分為高端和低端。

設計高端芯片和低端芯片有很大的區別，首先體現在工藝上，高端芯片使用的工藝需要非常先進;其次，設計高端芯片需要研發團隊對芯片的架構、設計、驗證、后端等環節非常熟悉，要有足夠的經驗。其中一個環節出錯，都將影響整個芯片的功能和質量，需要花更多時間和成本再去修改和流片。對于 DPU 這樣的高端芯片來說，每次修改和流片估計需要一億人民幣以上的成本(還不包括時間和機會成本)。

(來源：NVIDIA)

但光是開發過高端芯片依然不夠，從市面上已有的 DPU 產品來看，異構芯片的開發經驗也是必備。例如，英偉達的 Bluefield DPU，英特爾的 Mount Evans DPU，都屬于異構芯片的架構，涉及到多核處理器 CPU 部分、加速引擎、支持虛擬化的高速端口、高帶寬內存等模塊，和對各個模塊互聯的高速總線。

把這么多的復雜模塊集成到一顆 DPU 芯片，如果沒有做過這些模塊和集成這些復雜模塊到一顆芯片的經驗，是沒有辦法做出這樣的一塊高端芯片的。非異構和異構之間的技術鴻溝，就像建造一座平房和建造一幢 200 層大廈的差距。

此外，上文也提到 DPU 作為一種軟件定義芯片，需要靈活性和可編程性，重點是在芯片設計上對性能和可編程性之間的平衡和取舍。

因此，開發高端 DPU 所需要的人才，和低端芯片是不一樣的，即便是有高端芯片開發經驗，DPU 還提出了更高的要求：每個模塊對性能和功耗的要求非常高，組合到一起要求就更高了，必須要做過同類型芯片、非常高精尖的人才共同協作才可能做出來。

目前在國內沒有企業做過如此復雜的芯片。能夠做出來一塊如此顛覆性的芯片，在中國半導體行業也將是一個創舉。

二、大量商業落地的經驗

在芯片行業，許多創業者都是技術出身，但卻經常忽略了如何進行商業落地。

所謂成功的商業落地經驗，包含對客戶痛點的認識、對產品在市場的定位、對生產流程的質量和風險管理、產品的易用性、研發和產品成本的把控與市場的回報等，都需要深刻理解，這些經驗決定了產品是否能成功商業落地。

以美國硅谷為例，有很多技術很牛的團隊去創業，但缺乏商業落地經驗，最終失敗而歸;近期比較成功的芯片創業團隊，幾乎都是被芯片大廠收購。

相比美國，目前中國的資本市場還不夠成熟去支持大型芯片行業的商業并購。所以，對國內初創芯片企業，大量商業落地的經驗就更為重要了。

一個成功的芯片企業，技術本身只是一個起點、一種途徑，最終還是要看產品在市場的接受度，看芯片是否能成功大量商用。

三、有成功創業經驗的團隊

創業和在大公司工作的分別，在于在大公司沒有創業公司的緊迫性，也沒有生死存亡的壓力。

在初創芯片企業里，最初的 3-5 年和第一個產品就決定了公司的生死存亡，而大公司容許有試錯機會，資金方面也更加充裕。

創業公司什么都講速度和效率，也沒有太多試錯的機會，所以，創業公司的心態跟大公司不一樣;很多技術人員在大公司覺得所有流程都已經規范化了，因此容易形成路徑依賴，跟隨流程做事。

但是創業公司是需要從 0 開始制定最優的流程，自主性和責任心完全不一樣，具備更強的主人翁意識。

所以，習慣在大公司工作的人不一定適應創業，但是創過業的人心態會完全不一樣，會知道所有初創公司必須經歷的過程和挑戰，以及需要解決問題的辦法。

四、對云計算客戶業務非常熟悉

一款成功的產品，最重要的是客戶能用上，能增加客戶的價值，這樣才是真正的商業成功。

具體到 DPU 上，正如上文提到的，它要支持的云業務非常復雜，多則可能達到上千種業務，而且不單要支持目前的業務，還要支持未來產品周期內新的業務，面對未來業務的變化，需要體現一定的業務前瞻性。

如果對云計算客戶業務不熟悉，不可能做出可以支持客戶業務的產品。因為產品的迭代必須以業務驗證為基礎。

這也是為什么到目前為止，傳統芯片大廠(如英偉達和博通等)都沒有做出特別有競爭力的 DPU 產品，無論是在 DPU 的設計上還是與大的云服務商合作商用上來看，這些產品都沒有到 “秒殺友商”的程度。

DPU 門檻之高，導致它目前還是一片藍海。這也為國內 DPU 的初創公司提供了巨大機會。

DPU 創業團隊一定要在云服務商有過相關的工作經驗，甚至有開發過類似 DPU 產品的經驗，才能做出一個有競爭力的 DPU 產品。

五、與云計算大廠客戶緊密合作，有豐富的場景實戰經驗

條件四和條件五都涉及和云客戶打交道的經驗，但兩者有所不同的是，第四點強調對云業務的前瞻性，第五點則強調的是芯片有銷售保障。因為芯片出來后一定要量產，有銷售和訂單上的保障，才能繼續有足夠的資金去持續開發和迭代，這是投資者非常看重的優勢。

(來源：Microwave Journal)

因為 DPU 芯片的復雜度如此巨大，所以只有前期跟客戶的緊密合作才能保證芯片出來后客戶能用上，從而保證商業落地的成功。

有大客戶使用，才有其他中小客戶的跟隨。美國大廠的 DPU 芯片未能和國內大的云服務商緊密合作，因此在這點上相對國內的 DPU 初創公司就沒有特別的優勢。

六、超高開發成本，必須要巨額融資

基于 DPU 芯片如此復雜，也需要如此先進的工藝，根據海外做 DPU 的初創公司如 Fungible 和 Pensando 等需要的資深開發人員規模、研發時間、需要購買的 IP 和測試工具以及這些公司融到的資金去估算，開發這樣復雜的高端通用的 DPU 芯片大概需要 3 億美元以上的成本，才能實現客戶量產。

這樣的成本注定了 DPU 不是一個“親民”的創業游戲，需要大量的融資。

眾所周知，國內本身高端芯片人才就非常少，待遇也正水漲船高;所購買的 IP 和先進工藝的流片費用非常昂貴;從開發 DPU 這樣高端復雜的芯片到量產大概需要 300 多的技術人員，包括芯片設計和驗證、配套芯片的軟件、DPU 解決方案和板卡的開發、產品質量驗證、客戶技術支持等。

這筆賬算下來，國內要成立一個 DPU 公司，預計跟海外一樣，從 0 開始也需要融到 3 億美元以上，產品才能大量量產。

如果不是具備很強實力的團隊，在當前這個“融資寒冬”中將很難融到這個額度。事實上，目前絕大多數投資者已經變得非常謹慎，除了頭部企業外基本不會去考慮投其他企業，這也幾乎成為了行業共識。有些已經在去年投資熱潮中融到一部分資金的初創芯片公司目前打著 DPU 芯片旗號，卻拿著這些資金去做其他產品，比如做基于 FPGA 的 DPU 解決方案，或者是傳統的加速網卡，而并非做的有競爭力的 DPU 芯片，要知道這兩者體現在產品功耗、性能、成本等的差異非常巨大 ;技術難度跟投入的資源和成本也完全不在一個量級。

綜合考慮整個芯片行業的普遍經驗以及 DPU 這種高端芯片的特殊性，條件一決定芯片是否可以做出來以及產品是否具有競爭力;條件二、四、五決定芯片是否可以大量商用;條件三決定公司是否有成功創業的基因，而條件六是初創公司生存必須的氧氣。

在當前大環境下，國內 DPU 的初創公司缺少上述任何一項條件，都將面臨巨大風險。

云豹智能：國內第一家DPU獨角獸

DeepTech 根據公開信息進一步梳理了國內幾家 DPU 初創企業目前的情況，發現云豹智能是目前唯一一家能夠同時符合以上六大必備條件的國內 DPU 初創企業，而符合以上條件的公司，即便在海外也實屬罕有。

(來源：云豹智能官網)

云豹智能成立于 2020 年底，公司一直非常低調，融資額度等信息未對外透露，但據業界可靠消息得知，云豹智能是國內 DPU 行業融資最多的一家創企，目前估值已是獨角獸級別。從工商信息看到，國內三大云服務商之一的騰訊，是云豹智能的投資者。

從公開信息來看，云豹智能團隊行業背景資深，創始人兼 CEO 蕭啟陽博士有頂尖的學術背景，24 歲就博士畢業于美國斯坦福大學，后在美國麻省理工學院擔任講座副教授，后續在硅谷創辦 RMI 公司，該公司先被 NetLogic 公司收購，后來他又促成博通公司 Broadcom 以 37 億美金并購 NetLogic。他從 0 開始做過的幾代大芯片，是當時世界通訊領域里最高性能的多核處理器，也是業界早期最成功的軟件定義芯片。因其芯片的靈活性和通用架構，被國內和國外最大的幾家通訊網絡設備商大規模應用在路由器、無線基站、控制器、核心網、安全設備和智能網卡上。

正因為其開發的軟件定義芯片早期在智能網卡上的應用，讓蕭博士和他的團隊多年前就對智能網卡與 DPU 技術和客戶痛點有深刻理解。在他離開博通之后，國內最大的云服務商之一將其一部分核心團隊挖走，然后該團隊在這家云服務商從 0 到 1 打造了目前為止國內最大量商用的 DPU 智能網卡。

目前云豹的成員不單有蕭博士之前在博通的團隊，還包括很多來自國內外芯片大廠和頭部云服務商的具有 20 多年豐富經驗的技術人員。

有了這種技術基底，云豹智能自研架構的 DPU 產品，最大的壁壘將是其通用性，這也是跟其他 DPU 公司最不同的一點。

這種通用性體現在其 DPU 產品具有豐富的功能和可編程性，可以支持不同的云計算的場景和資源統一管理、動態按需分配，從而優化資源的利用率、大力降低功耗，進而能大幅提升云服務商的利潤。

與 DPU 硬件開發相配套，云豹智能在軟件生態建設上的投入將不亞于硬件上的投入，這也是由 DPU 產品本身是軟件定義芯片所決定的。按照設想，云豹智能未來將是一家提供 DPU 全棧式解決方案的公司。

國內 DPU 行業“大閱兵”

而相對于云豹智能，國內一部分創業經驗或類似大芯片經驗稍顯欠缺的一些公司在去年投資環境火熱的情況下，都隨著 DPU 風口漸起，成功融到資。

現有公開信息顯示，較為被關注的國內 DPU 初創企業有以下幾家：

中科馭數：2018 年成立，創始人鄢貴海是中科院背景，中科院背景的公司通常技術實力雄厚。其第一款產品是針對金融行業客戶的數據庫應用做的加速卡。而從數據庫加速卡到真正的 DPU 芯片還需要跳過較高的技術門檻。

芯啟源：2015 年成立，公開資料顯示，創始人盧笙有銷售 USB 和 TCAM 芯片的背景，在 DPU 風口期收購了美國 Netronome 公司的 IP(Netronome 是一家有近 20 年歷史的網絡處理器 NP 供應商，最近幾年把其 NP 產品視為智能網卡或 DPU，但一直沒有大量商用)。從公開信息顯示，芯啟源的亮點是和浙江移動有合作，但目前暫未查到和國內幾家頭部云服務商有緊密合作。

云脈芯聯：2021 年 5 月成立，創始人劉永鋒是技術出身，曾在阿里和華為工作過，在公開信息沒有查到其創始人有開發高端芯片和創業的經驗。其公司亮點是有字節跳動的財務投資。

星云智聯：兩位創始人是夏廬生和于勇。夏廬生曾擔任安信證券研究中心通信行業首席分析師，公開信息查不到于勇在芯片行業的背景。在創辦星云之前，他們在 2020 年 10 月還創辦了另外一家公司叫星思半導體。從投資界得知，該公司融資初期計劃做 5G 基帶芯片。在 DPU 風口期，2021 年 3 月，這兩位創始人再成立了星云智聯，最初也是計劃做高端 DPU 芯片產品。星云的亮點是拿到了美團和百度的投資。值得一提的是美團早前已放棄公有云的業務;而百度云應該會提供一些業務和場景可以幫助推動其 DPU 產品開發。

益思芯：創始人黃益仁是存儲技術加速芯片的專家，2013 年在美國創辦了 Cnex Labs 公司。黃益仁離開 Cnex Labs 后回國，于 2020 年創辦了益思芯。存儲只是 DPU 芯片其中一個功能模塊，從存儲加速芯片到真正的 DPU 大芯片還有很長的路。

大禹智芯：成立于 2020 年 6 月，創始人李爽是前美團公有云的負責人，對云業務有一定的認識。在美團放棄公有云業務后出來創辦了大禹智芯，從投資界得知其一開始做的是基于 FPGA 的解決方案。

因此，綜合對比來看，或缺乏高端芯片開發經驗，或缺乏頭部云服務商合作的經驗等，是國內大部分 DPU 創企的普遍問題。因為 DPU 芯片的投入非常龐大，在沒有融到足夠多的資金或沒有和大的云服務商合作之前，一些初創公司選擇先去做 FPGA 或技術相對簡單的加速卡芯片，而非復雜而多功能的 DPU 芯片，也未嘗不是一種折中策略。

從以上六大必備條件分析下來，不難看出云豹智能的綜合實力最為強勁。

未來的 DPU 市場，成了云廠商兵家必爭之地。

如果不解決數據中心資源利用率低下造成的算力供需矛盾，未來還會有更多的算力需求無法匹配上供給。羅蘭·貝格 Roland Berger 公司就預測，從 2018 年到 2030 年，無人駕駛算力需求增加 390 倍，數字貨幣算力需求增加約 2000 倍，VR 游戲算力需求增加約 300 倍。

有能力解決這個問題的 DPU 創企，一旦抓住時代機遇便可快速發展。

特別是國內數據中心產業正處于高速發展期，本身就為 DPU 的應用提供了很好的土壤。再加上國內從政府到社會層面意識到芯片產業具有經濟性和戰略性雙重屬性，對國產芯片提供前所未有的扶持，以及像東數西算這樣的大工程提供了國產 DPU 充分的商用場景，必定可以培育出有世界競爭力的 DPU 芯片公司，做出一款世界級芯片。

越是高端的芯片產品，準入門檻就越高，“贏家獨贏”的特點也越明顯，即資本、人才、客戶等行業資源會不斷地集中到頭部企業。一家頭部芯片企業的市占率，可能比幾家非頭部企業的市占率總和還要高很多倍。非頭部芯片企業的生存空間會非常小，其投資者的風險也特別大。雖然 DPU 市場目前仍是一片藍海，但最終也會不可避免地走向贏家獨贏的局面。