在算力需求高涨的今天，CPU和GPU作为算力底座，涨势凶猛。英伟达凭借GPU在AI时代一骑绝尘，市值节节高升直冲2万亿美元。然而，随着人工智能、大数据分析、云计算等技术的发展，CPU和GPU在处理现代数据中心的复杂负载方面逐渐显露出局限性。
智算中心时代，DPU的春天就要来了
据悉，假设每年新增服务器1500 万台，每台服务器对应一颗或多颗DPU（类比网卡配置），假设每颗DPU以1万元计算。由此可以推算，DPU是千亿级市场。
近年来，我国在DPU领域的政策支持也是频频发力。2021年工信部发布的《新型数据中心发展三年行动计划（2021-2023 年）》明确提出，“加快高性能、智能计算中心部署，推动CPU、GPU等异构算力提升”，这里的异构计算便主要指的是DPU。
无论从顶层设计，还是从市场需求来看，都让我们有十足的理由相信，DPU即将迎来历史最佳发展机遇期，DPU的春天要来了。
DPU，不言而喻的重要性
虽然在近期国家层面才首提DPU，但早在两三年前，DPU就在国内芯片市场掀起了一阵风潮，甚至成为了资本和大厂热追的风口。当然，这背后也折射出了这样一种行业共识，即技术趋势正在从以计算为中心（CPU为中心）向以数据为中心（DPU为中心）演进。
对于这一点，则要从CPU谈起。
众所周知，自计算机问世以来，一直采用的冯·诺依曼架构，该架构以计算和存储为核心。其中CPU作为处理器单元，负责执行各种算术和逻辑计算。RAM和硬盘则负责存储数据，并与CPU进行交互。
再后来图形、3D设计等多媒体软件的高速发展，要处理的工作量越来越大，也越来越复杂。为了帮CPU分担压力，专门进行图像和图形处理工作的GPU应运而生。
如今，随着数据量的指数性增长，计算任务难度和复杂性的增加，传统以CPU为中心的数据中心架构也开始面临性能的考验，此时，DPU作为一种面向海量数据的新型专用处理器，能够起到为CPU分担的作用。
提到DPU，很多人首先想到的是数据中心，是算力。但其实从功能角度来看DPU，英伟达给出了一个形象的回答——用来把数据在正确的时间放到正确的位置。
具体地，“正确的时间”指的是必须满足延迟要求，带宽要能达到数据量，数据带宽要做到匹配；“正确的位置”则是要把所有的远程资源都本地化，所有的跨节点访问都要做的跟访问本地的资源是一样的。
通俗一点讲，在云计算系统当中，如果说数据是一辆辆快速奔驰的汽车，那么DPU则是指挥这些汽车高效行驶的交通灯，可见，DPU能够有效提升算力高效运载能力。
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
