问题——I/O负载挤压通用算力，数据中心“算力浪费”凸显 近年来，数据中心算力结构长期以CPU提供通用计算、GPU承担并行加速为主。但随着云上业务规模扩大、虚拟化普及以及加密通信成为常态，网络协议栈处理、存储协议解析、东西向流量转发、虚拟化管理、安全加解密等“基础设施工作”大量占用CPU周期。业务应用尚未充分运行，部分算力已被I/O与安全开销消耗，带来能耗上升、时延增大与资源利用率下降等问题，成为制约云服务效率与成本控制的重要因素。 原因——架构与带宽跃迁叠加，CPU承担了过多“非业务任务” 从经典计算架构看，CPU擅长执行复杂控制与通用指令，但并不适合长期承受高吞吐、重复性强的网络与存储数据面处理。当前带宽从10G快速走向100G、200G、400G，RDMA、NVMe over Fabrics等新型高速协议广泛应用，虚拟机与容器带来更复杂的隔离、调度与安全边界管理。多重负载叠加，使CPU处理“线速转发”、加密解密、压缩与虚拟交换等任务时效率下降，形成业内所称的“数据中心税”：企业为维持基础设施运转付出大量额外算力与电力成本。 影响——从性能瓶颈到安全边界，基础设施能力成为竞争焦点 一上，CPU被I/O拖累将直接影响业务性能——尤其高并发、低时延场景下——资源争抢更为明显；另一上，租户隔离与数据安全要求不断抬升，如果安全策略仍主要依赖主机侧软件实现，容易出现性能与合规之间的拉扯。对云服务商而言，基础设施效率决定单位算力成本与服务稳定性；对行业用户而言，稳定可控的隔离与加密能力关系到关键业务上云的信心。由此，如何将网络、存储、安全等能力以更低开销、更强隔离方式交付，成为数据中心建设的新命题。 对策——从SmartNIC到DPU，“卸载、加速、隔离”成为主线 业界的路径大体经历了从可编程网卡（SmartNIC）到DPU的演进：早期思路是把部分网络协议栈与虚拟交换功能从CPU迁移到网卡侧，通过在网卡上集成处理器与可编程能力，缓解主机压力。此后，DPU深入将网络、存储、安全、虚拟化等数据面与控制面能力封装为片上系统形态，将加解密、压缩、路由转发、存储协议处理等任务硬件化、专用化。 在此体系中，DPU的价值主要体现在三点： 一是“卸载”，让CPU更专注于业务逻辑与应用计算，减少对基础设施琐碎任务的消耗； 二是“加速”，通过专用硬件单元与定制指令提升吞吐与时延表现，降低同等性能下的功耗； 三是“隔离”，将计算与数据面更清晰分层，为多租户环境提供更强的安全边界，使“默认安全、最小权限”的理念更易落地。以云计算实践为例，将虚拟化管理、网络转发等能力下沉后，可显著降低虚拟化开销，提高实例性能稳定性；在存储侧，配合RDMA与NVMe over Fabrics等协议，DPU可承担关键协议处理，减少数据绕行；在安全侧，将加密与策略执行前移至网络入口，有利于提升吞吐并强化合规能力。 前景——算力分工趋势明确，生态与市场进入加速期 随着摩尔定律放缓、芯片成本上升以及数据中心能耗约束趋严，依靠单一通用处理器“包打天下”的模式难以持续。以CPU负责通用控制与业务逻辑、GPU负责大规模并行加速、DPU负责网络存储安全等基础设施数据面的“三元分工”，正成为更具性价比的方向。产业端也在加快完善软硬件适配与开发工具链，推动DPU从少数头部云厂商的内部能力走向更广泛的行业应用。多家市场机构预测，未来两到三年DPU有关投入将保持快速增长，全球市场规模有望在2025年前后达到百亿美元量级，渗透率持续提升。同时，标准化接口、开放生态与兼容性，将成为影响其规模化落地的关键变量。
这场由DPU驱动的算力革命，标志着半导体产业进入精细化分工时代，也折射出数字经济发展的深层逻辑——当摩尔定律逼近物理极限，通过架构创新释放系统潜能将成为破局关键。DPU技术的普及或将重新定义全球数字基础设施的竞争规则，为各国在智能时代的产业升级提供新的战略支点。