核心觀點

隨著數(shù)據(jù)處理量需求的高速發(fā)展，對數(shù)據(jù)運行算力和網(wǎng)絡(luò)端口速度的要求與日俱增，同時面臨數(shù)據(jù)高速涌入時和對應(yīng)處理單元匹配失衡的情況，通過設(shè)置專用DPU進在網(wǎng)絡(luò)端口處對數(shù)據(jù)完成預處理。

有利于釋放算力和存儲空間，增加計算安全性，降低計算成本，

同時為整體計算應(yīng)用相關(guān)行業(yè)的未來發(fā)展奠定基礎(chǔ)。

DPU的推廣應(yīng)用的關(guān)鍵要素:

近期在于確認技術(shù)路徑的選擇和分析落地案例的場景，

長遠來看在于找到核心推廣至全體計算行業(yè)應(yīng)用的方法。

目前根據(jù)現(xiàn)有調(diào)研，認為DPU市場火熱:

玩家類型眾多，

且入局時間接近，

處于激烈競爭狀態(tài)，

技術(shù)路徑各異：包括FPGA、ARM和自研異構(gòu)多種架構(gòu)，目前還沒有確認的最優(yōu)解決方案及芯片廠商應(yīng)用落地案例。

DPU用于平衡計算單元算力和網(wǎng)絡(luò)端口速度之間的差距，彌補需求缺口

在第一波云端算力暴漲的發(fā)展中，GPU一直占據(jù)市場主要位置，各種針對深度學習等工作負載打造的專用AI芯片也得到了急速發(fā)展。與此同時，光網(wǎng)絡(luò)的鋪設(shè)、通信的密度、底層算力的生態(tài)設(shè)施建設(shè)等，都在逐漸升級的過程中;帶寬不斷提升，將有更大的數(shù)據(jù)量涌入，數(shù)據(jù)的處理將會越來越復雜，包括網(wǎng)絡(luò)協(xié)議處理、存儲壓縮、數(shù)據(jù)加密等，這些本不是CPU和GPU擅長的領(lǐng)域。

在這個階段，計算成本和能力一直處于平穩(wěn)狀態(tài)，但隨著數(shù)據(jù)量的增大，網(wǎng)絡(luò)和存儲負載一直在增加。網(wǎng)絡(luò)性能和計算性能的差距一直在擴大，早在2018 年超過 70%的以太網(wǎng)端口的出貨速度就約為10G/秒。如果一直提升算力，但是通信基礎(chǔ)設(shè)施跟不上，整體系統(tǒng)性能還是受限，難以發(fā)揮出真正的潛能。

為了彌補此需求缺口，DPU應(yīng)運而生，專門用于處理數(shù)據(jù)。

DPU，Data Processing Unit，數(shù)據(jù)處理單元，是一種片上系統(tǒng)，結(jié)合了以下三個關(guān)鍵要素：

行業(yè)標準的高性能軟件可編程多核CPU，通?；趶V泛使用的Arm架構(gòu)，并與其他SOC組件緊密耦合。

高性能的網(wǎng)絡(luò)接口，能夠以網(wǎng)絡(luò)速度解析，處理和有效地將數(shù)據(jù)傳輸?shù)紾PU和CPU。

靈活的可編程加速引擎，旨在減輕網(wǎng)絡(luò)任務(wù)負擔并優(yōu)化AI和機器學習，安全性，電信和存儲等的應(yīng)用程序性能。

DPU的發(fā)展歷史

DPU專門用于數(shù)據(jù)處理，擁有高性能的網(wǎng)絡(luò)接口，用于彌補CPU和GPU的不足。

與專門用于通用計算的CPU和適合視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的加速計算不同的GPU相比，DPU出現(xiàn)年代較晚，近兩年才開始興起，主要用于在數(shù)據(jù)中心周圍移動數(shù)據(jù)，進行數(shù)據(jù)處理，減輕網(wǎng)絡(luò)和存儲工作負載，補足CPU和GPU的算力。

CPU 內(nèi)核是為通用應(yīng)用程序處理而設(shè)計的，隨著網(wǎng)絡(luò)速度的提高(現(xiàn)在每條鏈路的速度高達 200gb / s )， CPU 花費了太多寶貴的內(nèi)核來分類、跟蹤和控制網(wǎng)絡(luò)流量。

通過DPU的方式就可以解決網(wǎng)絡(luò)傳輸中的瓶頸問題或丟包問題。典型通信延時可以從30-40微秒降低到3-4秒，性能提升10倍以上。

DPU的三大主要功能：保證安全性、釋放CPU算力和釋放服務(wù)器容量

保證安全性：DPU 作為一個智能網(wǎng)卡 ，是網(wǎng)絡(luò)流量的入口，也是阻止攻擊和加密傳輸最直接的地方。它通過與主 CPU 分開運行來提供安全隔離，如果主 CPU 受損， DPU 仍然可以檢測或阻止惡意活動。DPU 可以在不立即涉及 CPU 的情況下檢測或阻止攻擊。

釋放CPU算力：DPU可以執(zhí)行原本需要CPU處理的網(wǎng)絡(luò)、存儲和安全等任務(wù)，釋放CPU的運算能力可以被釋放出來，去執(zhí)行其他企業(yè)應(yīng)用。

釋放服務(wù)器容量：DPU還釋放了服務(wù)器的容量，以便它們可以恢復到應(yīng)用程序計算。在一些具有大量I / O和沉重虛擬化的系統(tǒng)上內(nèi)核成本縮減一半，因此吞吐量提高了2倍。除了內(nèi)核的成本，還要計算整個機器的成本，包括其內(nèi)存和I / O以及所釋放的工作量，采用DPU之后，幾乎可以用一半的成本來保證原有的安全性和靈活性。

DPU的核心應(yīng)用在于分布式存儲、網(wǎng)絡(luò)計算和網(wǎng)絡(luò)安全領(lǐng)域的成本削減和性能提升。

DPU作為一個可編程處理器，運行的都是非應(yīng)用型負載，從而可以讓服務(wù)器CPU資源更好地服務(wù)應(yīng)用負載，對數(shù)據(jù)中心來說，是通過更明細的分工，實現(xiàn)效率的提升，總體系統(tǒng)成本的削減。

DPU同時將助力隱私計算和邊緣端計算的發(fā)展

隱私計算：基于隱私保護技術(shù)的數(shù)據(jù)要素化，使得數(shù)據(jù)所有權(quán)和使用權(quán)分離，使得數(shù)據(jù)價值可以流動，對算力和網(wǎng)絡(luò)都有巨大的要求。

算力：

多方安全計算、聯(lián)邦學習、同態(tài)加密、差分隱私、零知識證明等密碼學方法，性能低，需要的計算資源比明文多幾個數(shù)量級;

DPU可以帶來改善。DPU的本質(zhì)是將計算向存儲靠近。類似的方案有存內(nèi)計算、近內(nèi)存計算等框架，還有將計算和數(shù)據(jù)融合的霧計算。以數(shù)據(jù)為中心的處理器首先解決的是性能問題。

網(wǎng)絡(luò)：

算力不足可以用硬件加速緩解，但是網(wǎng)絡(luò)帶寬，尤其是公網(wǎng)環(huán)境，有限的帶寬是目前落地的瓶頸。尤其是多方安全計算MPC、聯(lián)邦學習等需要多輪網(wǎng)絡(luò)交互的技術(shù)。

對于性能問題，在數(shù)據(jù)的流動，即網(wǎng)絡(luò)傳輸，是數(shù)據(jù)中心的第二大職能。諸如網(wǎng)絡(luò)協(xié)議處理、傳輸壓縮、數(shù)據(jù)加密等任務(wù)都是網(wǎng)卡設(shè)備的職能。DPU可以被集成到SmartNIC(下一代網(wǎng)卡)中，從而帶來網(wǎng)卡的性能提升，那么它不僅可以處理物理層和鏈路層的數(shù)據(jù)幀，也有能力承擔網(wǎng)絡(luò)層和應(yīng)用層的職能。

邊緣端計算：NVIDIA DRIVE Atlan是新一代AI自動駕駛汽車處理器，在平臺上通過arm核集成了DPU，帶來了數(shù)據(jù)中心級的網(wǎng)絡(luò)

NVIDIA DRIVE Atlan是新一代AI自動駕駛汽車處理器，算力將達到1000TOPS，約是上一代Orin處理器的4倍，超過了大多數(shù)L5無人駕駛出租車的總計算能力，堪稱 “車輪上的數(shù)據(jù)中心”，將車輛的整個計算基礎(chǔ)設(shè)施集中到一塊系統(tǒng)級芯片上。

這是DRIVE平臺首次集成DPU，通過Arm核為自動駕駛汽車帶來數(shù)據(jù)中心級的網(wǎng)絡(luò)，致力于應(yīng)用到2025年的車型。

該SoC采用下一代GPU的體系結(jié)構(gòu)、新型Arm CPU內(nèi)核、新深度學習和計算機視覺加速器，并內(nèi)置為先進的網(wǎng)絡(luò)、存儲和安全服務(wù)的BlueField DPU，網(wǎng)絡(luò)速度可達400Gbps。

據(jù)Fungible和英偉達的預測，用于數(shù)據(jù)中心的DPU量級將達到和數(shù)據(jù)中心服務(wù)器等量的級別。數(shù)據(jù)中心里的服務(wù)器，一般都需要兩張智能網(wǎng)卡，雙運營雙備份以保證安全，且一般需要三年更新迭代一次，服務(wù)器每年新增大約千萬量級，每臺服務(wù)器可能沒有GPU，但一定會有一顆或者多顆DPU，好比每臺服務(wù)器都必須配網(wǎng)卡一樣。服務(wù)器每年新增大約1500萬臺，每顆DPU如果以1萬元計算，這將是千億量級的市場規(guī)模。

按照目前數(shù)據(jù)中心市場判斷，整體市場規(guī)模在千億級別

DPU 由智能網(wǎng)卡發(fā)展而來，未來最終將成為基礎(chǔ)設(shè)施處理的重要工具

以太網(wǎng)控制器開始，提高計算能力，從而使普通的NIC變得智能：

收集許多Arm核心。

增加現(xiàn)場可編程門陣列(FPGA)，可編程邏輯。

增加一種是自定義設(shè)計的網(wǎng)絡(luò)處理器。

Smart NIC 互聯(lián)通信：

管理側(cè)網(wǎng)絡(luò)后臺任務(wù)是最先遇到資源消耗挑戰(zhàn)問題的，在25bit/s下占用的CPU資源已經(jīng)非常顯著。智能網(wǎng)卡就是為卸載網(wǎng)絡(luò)相關(guān)工作任務(wù)而設(shè)計的。

DPU 數(shù)據(jù)處理：

從本質(zhì)上來說，在智能網(wǎng)卡的基礎(chǔ)上行，不僅僅是網(wǎng)絡(luò)，而是整個I/O相關(guān)的工作任務(wù)處理都會面臨資源消耗的挑戰(zhàn)問題，因此DPU在網(wǎng)絡(luò)卸載的基礎(chǔ)上，加入了存儲卸載及虛擬化卸載的解決方案。

IPU 基礎(chǔ)設(shè)施處理：

從云計算公司的角度來看，基礎(chǔ)設(shè)施處理器平臺不僅承載網(wǎng)絡(luò)、存儲及虛擬化的卸載，還需要承擔安全、管理、監(jiān)控等各種管理面的功能，更為關(guān)鍵的是物理隔離業(yè)務(wù)和管理：業(yè)務(wù)在CPU和GPU，管理在DPU(或者更準確地稱為IPU)。目前英特爾已經(jīng)使用 FPGA 部署了 IPU，微軟、百度、京東云和 VMWare是買家。通過特定功能，IPU可對數(shù)據(jù)中心中基于微服務(wù)架構(gòu)的現(xiàn)代應(yīng)用程序進行加速。谷歌和Facebook的研究表明，微服務(wù)通信開銷可消耗22%到80%的CPU性能。

DPU目前的主要架構(gòu)

基于FPGA的SmartNIC

Pro：靈活性高，可編程

可以像處理網(wǎng)絡(luò)和存儲一樣處理計算，在開發(fā)上，可以如CPU一樣具有高度的可編程性，也可以像在SoC解決方案上一樣快速開發(fā)新功能。如賽靈思宣稱，其Alveo U25與基于Arm多核的SmartNIC相比，在相同功率下，性能可提高10倍。

基于ARM多核陣列

Pro：可以卸載明確定義的任務(wù)，例如標準化的安全和存儲協(xié)議，GPU可以從與DPU融合中受益

Con：

基于軟件可編程處理器，由于缺乏處理器并行性，這些處理器在用于網(wǎng)絡(luò)處理時速度較慢

多核 SmartNIC ASIC中的固定功能引擎無法擴展來處理新的加密或安全算法，因為它們?nèi)狈ψ銐虻目删幊绦?，只能適應(yīng)輕微的算法更改。

異構(gòu)核陣列

Pro：異構(gòu)具有更高的靈活性，并能帶來更高效的數(shù)據(jù)處理效率

Con：需要自研架構(gòu)，研發(fā)投入較高。如國內(nèi)中科馭數(shù)的KPU架構(gòu)，他們將四類異構(gòu)核組織起來，分別處理網(wǎng)絡(luò)協(xié)議，OLAP\OLTP處理，機器學習和安全加密運算核。

目前的趨勢是趨于折中，且專用核的比重越來越大，正在成為最新的產(chǎn)品趨勢，以英偉達的BlueField2系列DPU來看，就包括4個Arm核及多個專用加速核區(qū)域，F(xiàn)ungible的DPU則包含6大類的專用核，和52個MIPS小型通用核。

DPU賽道上主要玩家

大廠收購初創(chuàng)企業(yè)

在DPU這一新興芯片賽道上已有英偉達(收購Mellanox)、英特爾(收購Bearfoot )、Broadcom和Marvell(收購Cavium)、 Fungible(初創(chuàng)) 、Xllinx等巨頭，主要以收購初創(chuàng)企業(yè)的方式完成。

初創(chuàng)企業(yè)團隊來自大廠背景，專注單一架構(gòu)的芯片

他們成立時間大部分在2018年及以后，在半年內(nèi)均完成了多輪融資，前期投資機構(gòu)持續(xù)加碼。

市場中DPU玩家與所有芯片廠商類似，在產(chǎn)業(yè)鏈中主要負責IC設(shè)計環(huán)節(jié)，僅有少部分設(shè)計框架設(shè)計。

EDA：設(shè)計芯片的軟件高度壟斷：美國的Synopsys、美國的Cadence 和西門子旗下的 Mentor Graphicss占領(lǐng)95%市場。

框架結(jié)構(gòu)：市場中DPU玩家與所有芯片廠商類似，在產(chǎn)業(yè)鏈中主要負責IC設(shè)計環(huán)節(jié)，僅有少部分設(shè)計框架設(shè)計。

ARM架構(gòu)較為壟斷，和intel的x86在數(shù)據(jù)中心市場形成直接競爭。

DPU廠商自研框架較少，目前

國內(nèi)僅有中科馭數(shù)公開KPU自研框架。

英偉達計劃收購ARM。(近期遭到擱置)

IC設(shè)計：我國初創(chuàng)芯片設(shè)計(DPU設(shè)計)廠商較多，競爭最為激烈。

晶圓測試&封裝制造：我國初創(chuàng)芯片(DPU)廠商和博通等類似，以Fabless模式為主，只負責芯片的電路設(shè)計與銷售。將生產(chǎn)、測試、封裝等環(huán)節(jié)外包。

無龐大實體資產(chǎn)，創(chuàng)始的投資規(guī)模小、進入門坎相對低

較無法做到完善的上下游工藝整合、較高難度的領(lǐng)先設(shè)計。代工廠會將制作完成的芯片送回 IC 設(shè)計公司、繼續(xù)進行測試與分析。

DPU產(chǎn)品至今商業(yè)化并不算成功，究其原因包括：

市面上的DPU產(chǎn)品功能覆蓋和場景覆蓋能力不足，難以滿足不同客戶對于DPU產(chǎn)品快速使用的需求。因此，如何讓市場形成更多有效的DPU產(chǎn)品是推動商業(yè)化的關(guān)鍵， DPU產(chǎn)品需要結(jié)合用戶的具體需求，從應(yīng)用場景出發(fā)，向下構(gòu)建底層體系，從而實現(xiàn)快速的商業(yè)化落地。

現(xiàn)有數(shù)據(jù)中心多為小型數(shù)據(jù)中心，真正運算量到了一定量及的超級大型數(shù)據(jù)中心做降本才更有意義。隨著數(shù)據(jù)量的不斷增加和邊緣計算應(yīng)用的增加，未來DPU的市場會逐步擴大。

因此，目前DPU廠商在商業(yè)化的道路上面臨的主要競爭對手來自自有商業(yè)應(yīng)用場景的超大型云服務(wù)器廠商。

云提供商對于自身的需求最清楚，因此自研芯片非常合乎情理，而且有機會能為自身的云服務(wù)提供差異化競爭的能力。

云服務(wù)器廠商：亞馬遜AWS從2013年開始用Nitro卡(智能網(wǎng)卡，如今已經(jīng)到了第四代)，亮點在于擁有控制EC2實例的業(yè)務(wù)邏輯。目前，亞馬遜馬遜為AWS已經(jīng)發(fā)布了基于ARM核的自研處理器Graviton。

同樣做國內(nèi)，阿里也有類似的產(chǎn)品邏輯，比如X-Dragon MOC，如果谷歌等其它云服務(wù)商也跟進使用ARM架構(gòu)自研芯片，那么這些云廠商就會成為芯片大廠的客戶同時也是競爭對手。

8-9年后，DPU將作為IT基礎(chǔ)設(shè)施中的主流方案。屆時，從云計算公司開始，至大中型互聯(lián)網(wǎng)公司再到中小型企業(yè)客戶群體將會依次完成從CPU到DPU的云計算引擎迭代更新。

總結(jié)

DPU，即數(shù)據(jù)處理單元芯片

有助于提高云計算及相關(guān)產(chǎn)業(yè)的效率和安全性、降低時間和經(jīng)濟成本，

收到整體政策和相關(guān)產(chǎn)業(yè)發(fā)展的支持

相關(guān)初創(chuàng)企業(yè)發(fā)展迅速，融資市場蓬勃

但相關(guān)產(chǎn)品具體落地應(yīng)用仍然受限，

主要在于目前存量機房、服務(wù)器數(shù)量較多，新服務(wù)器增量不及預期，且新組件安裝成本較高

且云計算市場集中度較高，使用者傾向于使用自研芯片

如果有自研架構(gòu)可以解決通用FPGA和arm架構(gòu)面臨的問題，并與落地應(yīng)用客戶溝通較深，對業(yè)務(wù)直接應(yīng)用有更多了解，將有極大競爭優(yōu)勢。

審核編輯：湯梓紅