前言：
数据处理器 DPU 作为算力体系核心互连芯片，由传统网卡迭代而来，分为全功能、AI DPU 两大产品，与 CPU、GPU 协同支撑数据中心运行。当下云计算存量需求稳固，大模型驱动 AI 智算增量爆发，DPU 硬件卸载可破解服务器算力瓶颈，行业市场规模高速扩张。目前国内 DPU 国产化率不足三成，技术、生态、资金多重壁垒抬高入局门槛，自主替代空间广阔。
一、行业相关概述
数据处理器（Data Processing Unit，简称“DPU”）芯片是一种以数据处理为核心的通用处理单元，是对计算资源相关的低时延网络、弹性存储、安全和管 控的协同处理平台。相比CPU和GPU，DPU专注于数据中心网络的数据处理与低时延传输，通过对网络基础设施的智能升级，提升整体运行效能。
资料来源：中国信息通信研究院
根据观研报告网发布的《中国DPU（数据处理器）行业发展趋势分析与未来投资研究报告（2026-2033年）》显示，DPU是由传统网卡（NIC）逐步演进而来。从演进历程来看，网卡产品完成了三轮核心升级：从仅具备基础传输功能的普通网卡，迭代为拥有简单任务卸载能力的入门级网卡，最终升级为兼具高性能、通用可编程卸载、低时延 RDMA 能力的 DPU 网卡。与此同时，顺应云原生架构普及、全场景数据处理的市场需求，全功能 DPU 应运而生；后续结合AI智算集群高速互联的专属需求，行业进一步迭代出适配超大规模GPU集群的AI DPU，形成两大核心产品体系。
全功能DPU与AI DPU的主要功能及适用场景
| DPU 类别 | 主要产品系列 | 场景需求 | 具体功能 |
| 全功能 DPU | 云霄系列 | 云计算前端网络；多租户 虚拟化平台；AI 智算；AI 存储网络 | 设备虚拟化与网络虚拟化， 弹性网络、低时延 RDMA、 存储、安全、管控的卸载及 加速，可编程数据平面硬件 卸载，KV-Cache 缓存管理 及加速 |
| AI DPU | 风驰系列 | AI 智算；云计算后端网络； 高性能训练/推理集群 | 大规模 RDMA 网络通信，多路径负载均衡，可编程拥塞控制，快速重传能力，存储卸载 |
资料来源：公开资料，观研天下整理
从纵向功能定位看，DPU属于互连芯片中网络芯片的一种，具体用于服务器与网络连接，与以太网交换芯片、Switch芯片、Retimer芯片、oDSP芯片等共同构成了数据中心互连体系的关键硬件基础。
相较其他的互连芯片，DPU的特点分析
| 类型 | 互连范围 | 主要功能 | 技术基座 | 主要应用场景 |
| DPU | Scale-out集群互连的端口/接入层，及系统级协同 与卸载单元 | 服务器与网络的数据收发、协议处理，可选支持RDMA/虚拟化加速，以及网络/存储/安全/管理等卸载 | Ethemet 、TCP/RDMA/RoCE、虚拟化与安全加速引擎、多核处理与可编程数据处理、拥塞控制与数据调度等 | 云服务器网络接入、数据存储网络接入、类中心网络连接;云计算中心基础设施卸载、AI智算集群通信与数据路径优化、多租户与安全隔离 |
| Ethernet Switch | Scale-out集群互连的网络枢纽 | 多端口高速转发、流量调度,构建数据中心网络骨干 | Ethernet 、 高 速SerDes、队列控制 | TOR、Leaf、Spine交换机，数据中心网络骨干，AI 训练网络 |
| oDSP | Scale-out 光互连链路的关键处理单元 | 光链路调制、均衡、纠错等处理，实现高速电光互连与长距离传输 | 高速光通信、DSP 算法、FEC | 高速光模块、跨机柜、跨机房数据中心光互连 |
| PCIe Switch | Scale-up 系统内互连 | 扩展 PCIe 通道，实 现 CPU、GPU、SSD 等多设备间高带宽 互连与路由 | PCIe协议、高速SerDes、交换架构 | 单机或机架内多加速器扩展、存储扩展、I/O 汇聚 |
| CXL Switch | Scale-up 系统内互连(面向内存/资源池化) | 面向内存扩展与池 化的低时延互连与资源共享 | CXL 协议(基于PCIe物理层)内存语义互连、交换架构 | 内存扩展、内存池化、异构资源共享 |
| PCIe/CXL Retimer | Scale-up系统内互连的链路增强器件 | 信号重定时与链路补偿，提升高速互联传输距离与稳定性 | PCIe/CXL 物 理 层、信号完整性、 均衡与补偿技术 | 主板/背板/线缆延伸、 长链路PCIe 或CXL 互连 |
资料来源：公开资料，观研天下整理
二、云计算、AI智算等核心下游场景刚需爆发，DPU价值持续凸显
1、云计算
云计算是当前DPU渗透率最高、落地最成熟的下游赛道，也是DPU产业发展的核心基本盘。
数据来源：公开数据，观研天下整理
在数据中心中，云服务商通过虚拟化技术将物理服务器的计算、网络和存储资源池化，以弹性裸金属、 虚拟机和容器等形式向租户提供云服务。该场景下，云服务商的核心需求之一是构建弹性裸金属、虚拟机及容器云服务“三合一”统一架构。
每台物理服务器通常需同时运行多租户业务应用和大量基础设施服务（包括网络虚拟化、存储虚拟化、安全隔离、资源调度等），传统架构中这些基础设施服务由 Host CPU 以软件方式处理，随着网络带宽从 10G/25G 向 100G/400G 演进，基础设施开销占用的 CPU 算力比例持续攀升，成为制约数据中心效率提升的关键瓶颈。
而DPU针对 I/O密集型任务进行硬件级优化，可将网络、存储、虚拟化、安全、管控等功能从CPU 卸载至 DPU 上进行处理，能够有效降低CPU负载、提高数据中心运行效率。
资料来源：公开资料，观研天下整理
近年在数字化转型持续推进、云计算渗透率不断提升以及人工智能、大数据等新兴应用加速落地的共同驱动下，全球云服务市场保持稳健增长态势，给DPU带来广阔增长空间。数据显示，全球云服务市场规模由2021年的28927.06 亿元增长至2025 年的59185.72 亿元，期间年复合增长率为19.60%；预计到2030年将进一步增长至136309.93 亿元，2026 年至2030 年间的年复合增长率达17.9%。
数据来源：公开数据，观研天下整理
2、AI智算
如果说云计算是DPU产业的“存量替换市场”，那么AI智算就是DPU产业增长最快的“增量蓝海市场”。随着大模型参数规模从数十亿级向万亿级演进，AI训练与推理对算力的需求呈指数级增长，万卡乃至十万卡规模的GPU集群，已经成为头部大模型厂商的标配基础设施。
在超大规模GPU集群中，GPU之间的数据通信成为制约计算效率的关键瓶颈——若网络无法以足够低的延迟和足够高的吞吐完成GPU间的数据传输，GPU将处于等待状态，造成昂贵的GPU算力资源的闲置浪费。借助DPU实现零拷贝、内核旁路、无CPU干预效果及针对 AI 大规模集群优化的可编程拥塞控制，AI 应用直接与远端服务器进行 数据交互和内存读写，消除了 GPU 跨节点通信网络带宽和时延瓶颈，提高了资源利用率和训练效率。
资料来源：公开资料，观研天下整理
AI场景下，可由DPU卸载的CPU任务及DPU卸载效率情况
| 可卸载任务 | 预估开销占比 | 功能描述 | DPU卸载效率 |
| 网络通信处理 | 约20%-35% | API请求路由、TCP/IP 协议栈、 RDMA数据传输、推理结果序 列化与网络发送、Agent工具 调用的网络请求路由 、 多Agent间通信、外部 API交互的数据传输 | 高（CPU开销降 低80%） |
| 存储 I/O 管理 | N/A | KV-Cache读写及跨节点共享、 模型参数加载、训练数据预取、NVMe-oF协议处理 | 高（IOPS提升2倍、读写延迟降低30%） |
| 安全隔离与加密 | N/A | 数据传输加密、多租户隔离、访问控制策略执行 | 高（硬件加密引擎性能提升5倍） |
| 虚拟化与资源调度 | 虚拟化约 20%-30% 调度约 50%（含tensor预处理、 detokenization、元数 据准备） | vSwitch转发、资源调度、QoS、弹性扩缩容 | 高（vSwitch延迟降低 90%、支持热迁移停顿缩短 90%） |
资料来源：公开资料，观研天下整理
三、DPU已从可选配件到算力核心，全球及中国市场迈入高速增长通道
当前，伴随AI产业从训练主导向推理、Agent 应用全面落地转型，DPU已彻底摆脱数据中心“可选项”的定位，成为AI基础设施的关键核心组件。英伟达2026年GTC发布的Vera Rubin系统中，BlueField-4全功能DPU与ConnectX-9 AI DPU，正式成为与CPU、GPU、NVLink交换机并列的“第四根支柱”，直接印证了其在AI算力体系中的战略地位。
行业战略升级叠加下游需求爆发，推动全球及中国 DPU 市场进入高速增长通道。根据弗若斯特沙利文数据，全球 DPU 市场规模从2021年的649.93亿元增长至2025年的1964.91亿元，期间年复合增长率31.86%。预计2030年全球 DPU 市场规模将进一步攀升至4362.39亿元，长期成长空间广阔。
数据来源：弗若斯特沙利文，观研天下整理
中国市场增长速度更为突出，是全球DPU产业的核心增长极。数据显示，中国DPU市场规模由2021年150.44亿元增长至2025年497.58亿元，期间年复合增长率高达35.87%，增速高于全球平均水平；预计2030年中国市场规模将达到1290.91亿元，成为算力基础设施领域增长最快、潜力最大的细分赛道之一。对比全球市场，2025 年中国 DPU 市场规模占全球约 25.32%，预计到 2030 年，占比将提升至约29.59%，中国市场在全球 DPU 行业地位逐步提升。
数据来源：弗若斯特沙利文，观研天下整理
四、国产化率偏低，DPU国产替代需求迫切、空间广阔
DPU并不只是更复杂的网卡，它同时涉及网络、计算、存储、虚拟化、安全隔离等多个领域，本质上是一颗系统级芯片。真正决定DPU壁垒的，也不仅是芯片本身，还包括数据面处理能力、软件栈、云原生适配以及大规模数据中心里的稳定性。即便如英伟达，在DPU领域也经历了较长的产品演进周期。英伟达早期斥巨资收购Mellanox补齐DPU能力，而Mellanox早期BlueField系列产品（BF1，BF2）并没有真正被市场大量采用，直至英伟达收购Mellanox后开发的BF3, 才算得上是成功的DPU产品。
DPU行业壁垒
| 行业壁垒 | 相关情况 |
| 技术壁垒 | DPU并非单一功能芯片，而是深度嵌入数据中心基础设施的数据处理中枢。DPU 芯片的研发涉及复杂架构设计、工艺制程、多模块集成、系统软件开发以及软硬件一体化调优等多项技术能力。DPU 不仅需要在支持弹性网络、存储、安全、虚拟化功能的同时实现高吞吐、低时延和高可靠性传输，还需支持通用可编程，并与上层虚拟化和云原生软件体系进行深度适配。相关能力依赖长期技术积累与多轮产品迭代，新进入者在短期内同时补齐硬件设计与系统软件能力的难度较大。 |
| 生态壁垒 | 在设计与应用端，DPU 主要应用于 AI 智算与云计算基础设施的核心链路， 一旦产品成功导入，通常会深度嵌入客户的网络、存储与虚拟化体系，更换成本 较高。在供应端，DPU 产品通常采用复杂芯片架构，对芯片设计、流片、封装测试及良率控制提出较高要求，同时需在高带宽、高功耗密度运行环境下保持长期稳定性。 |
| 人才壁垒 | DPU 涉及网络、存储、安全及虚拟化等多种任务，研发过程涉及复杂架构设计、工艺制程、多模块集成、系统软件开发以及软硬件一体化调优等多项技术能力，需要拥有深厚的软硬件技术栈、丰富的大芯片量产经验，并能够适应高强度的研发协作与创新要求的复合型人才。DPU 行业顶尖人才较为稀缺，国内具备 DPU 设计及软硬件协同开发能力和经验的人才仍存在显著缺口，特别是企业难以通过外部人才招募的方式快速搭建专业团队。 |
| 政策壁垒 | 作为网络基础设施的重要组成部分，DPU 在数据安全、自主可控及关键基础设施稳定运行方面受到政策与监管层面的高度关注。行业参与者需满足相关安全、合规及国产化要求，并在技术路线、产品可靠性及交付能力等方面与政策导向保持一致。政策环境在支持行业发展的同时，也客观上提高了对企业技术成熟度、合规能力及长期投入水平的要求。 |
| 资金壁垒 | DPU 行业作为典型的技术和资本密集型领域，新进入企业在研发高性能 DPU 产品时，不但面临技术壁垒，同时也面临较高的资金壁垒。DPU 产品研发 涵盖可编程硬件架构设计、配套软件开发、IP 核积累等复杂环节，不仅需要协 调多方外部资源、适配众多认证合作伙伴，且单款产品量产成功需投入巨额资金， 研发周期长、不确定性高。企业自进入行业伊始，就必须储备充足资金以支撑长期研发及市场拓展，缺乏资金实力和规模的企业难以在激烈竞争中立足。 |
资料来源：公开资料，观研天下整理
当前我国DPU市场格局由英伟达等海外头部厂商主导，行业国产化水平整体偏低。据弗若斯特沙利文数据，2025年英伟达等海外厂商在中国DPU细分市场的占有率超70%，国产厂商不足30%，核心芯片高度依赖进口，产业安全存在明显隐患。
数据来源：弗若斯特沙利文，观研天下整理
在全球科技竞争加剧、产业链自主可控战略推进的大背景下，DPU作为与 CPU、GPU 并列的数据中心三大主力芯片，其国产化替代已成为保障国家算力产业安全、实现科技自立自强的重要环节。同时随着云计算、AI智算、存储通信、网络安全、边缘计算等关键战略领域的算力需求持续扩容，下游市场对自主可控 DPU 产品的刚需不断提升。
预计未来，在政策扶持、技术迭代、下游需求三重因素叠加下，将持续加速DPU领域国产替代进程，国产DPU芯片有望逐步实现对进口产品的市场替代，迎来新一轮规模化发展机遇。
五、云豹智能为DPU国产替代的核心标杆企业，工程化能力、商业化落地能力位居国内行业前列
从具体企业来看，云豹智能是国内少数实现高性能全功能DPU SoC大规模量产的芯片设计企业，核心产品技术指标对标国际主流厂商，工程化能力、商业化落地能力位居国内行业前列，是DPU国产替代的核心标杆企业。
公司自成立以来持续投入高性能 DPU 技术和产品研发，2023 年率先推出国内领先的基于 SoC 方案、支持 400Gbps 高速网络的全功能 DPU 芯片，并已于 2024年下半年实现量产。
公司自研云霄1.0系列DPU芯片，采用国内稀缺的RISC-V+Arm V9混合架构，具备极强的可编程性与生态兼容性。产品集成64颗自研RISC-V超线程核心，搭配Arm Neoverse N2高性能核心，兼顾高性能数据处理、通用可编程能力与Linux开源生态适配，可快速适配大规模算力中心部署运维需求。同时产品支持可编程RDMA技术，可灵活适配高端组网低时延、高带宽、智能拥塞控制的复杂场景。
面对DPU芯片高工艺、高集成度的设计难点，公司实现一次流片成功并顺利量产，展现出国内顶尖的芯片工程化落地能力。对标国际巨头，该系列芯片多项核心性能指标达到优化、追平国际一线水平。
云豹智能全功能DPU与国际厂商在售主流产品的技术指标对比
| 参数指标 | 云豹云霄 1.0 | 英伟达BlueField-3 | 超威半导体/Pensando Giglio | 英特尔Mount Evans（E2100） |
| Arm CPU | V9：Neoverse N2 16x CPU Core | V8：Cortex-A78 16x CPU Core | V8：Cortex-A72 16x CPU Core | V8：Neoverse N1 16x CPU Core |
| RISC-V CPU | 64x Hyper-Threading RISC-V | 16x Hyper-Threading RISC-V | —— | —— |
| 网络带宽 | 400Gbps | 400Gbps | 400Gbps | 200Gbps |
| 网络接口 | 112G SerDes | 112G SerDes | 56G SerDes | 56G SerDes |
| PCIe 接口 | PCIe Gen5 x20 | PCIe Gen5 x32 | PCIe Gen4 x16 | PCIe Gen4 x16 |
| 内存接口 | 2CH DDR5 @4800MT/s | 2CH DDR5 @5600MT/s | 2CH DDR5 @5600MT/s | LPDDR4X @4267MT/s |
| 内存带宽 | 2x38.40 GB/s | 2x44.80 GB/s | 2x44.80 GB/s | 3x34.10 GB/s |
| 数据平面 可编程性 | P4 Pipeline+64x Hyper-Threading RISC-V | P4 Pipeline+16x Hyper-Threading RISC-V | P4 Pipeline+144 MPU | P4 Pipeline |
| RDMA 支持 | RoCEv2 with ProgrammableDC QCN | RoCEv2 with PCC | RoCEv2 | RoCEv2&Falcon |
注：上述指标数值越大，通常性能更优
目前云豹智能DPU产品已实现多行业头部客户规模化商用，覆盖云计算、电信运营商、AI智算、金融、电力等核心领域，本土化生态适配优势显著。
云计算领域，公司与腾讯达成深度战略合作，基于其DPU芯片打造的“玄灵”网卡自2024年四季度批量交付，2025年累计交付超5万颗。相较腾讯上一代基于海外商业 FPGA 芯片方案网卡，配置公司 DPU产品的第九代云服务器实例提供更强大的吞吐能力、原生支持 IPv6、降低网络延迟，为金融高频交易、短视频、直播等场景提供微秒级确定性时延。同时，在连接数、吞吐性能、存储性能、磁盘密度、数据加解密性能等方面均有所提升，支持更高的并发访问和数据传输、可承载百万级实时并发请求；前述低延时、高性能、高可靠的存储能力，在企业关键应用、大型数据库等 I/O 密集型业务场景可提供更普惠的高性能算力服务。随着腾讯自身在 AI 智算、云计算领域的业务布局和服务器升级、扩容需求，公司与腾讯在 DPU 网卡等领域的合作预计持续深化。
电信领域，中国移动基于公司DPU芯片推出磐石4.0云计算DPU、智算琢光AI网络DPU、灵耀5G网络DPU三款产品，其中磐石4.0已实现商用，相较海外方案性能提升、功耗与成本优化；中国联通也于2025年推出基于云豹芯片的“大衍”DPU产品，运营商市场落地成果丰硕。
此外，公司产品已落地头部AI大模型厂商、新浪互联网平台，同时成功切入工商银行、南方电网等金融、电力标杆企业，多场景商业化验证完善，行业示范效应突出，构筑起深厚的市场与生态壁垒。（WW）
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
