头豹白皮书2022www.I2022年中国DPU.行业白皮书报告标签：DPU、云计算、数据中心、数字化转型报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，头豹研究院保留采取法律措施、追究相关人员责任的权利。头豹研究院开展的所有商业活动均使用“头豹研究院"或“头豹"的商号、商标，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 白皮书|2022/05中国：DPU行业摘要头豹研究院谨此发布《2022年中国DPU行业■DPU将成为继CPU、GPU的"第三块主力白皮书》。本报告旨在分析DPU发展现状、产芯片”品特点、技术动向及发展趋势，并识别中国芯片DPU具备高度灵活可编程性，其功能可厂商与海外芯片厂商的差异，从而判断中国通过软件定义向网络、存储、安全等应DPU行业的现状与发展机遇。用进行延伸。通过灵活地运用DPU的功基于全文的论述，本报告在最后分享了作者对于能，在满足不同应用场景对于释放算力行业未来发展理解与思考，旨在倡导行业内外各提高数据处理效率需求的同时，还具有方加强合作，从而推动中国DPU行业与中国芯贴合具体应用场景需求的能力，如助力片行业整体发展。形成信息安全解决方案等。因此，DPU具有渗透众多应用场景的潜力。本报告所有图、表、文字中的数据均源自弗若斯特沙利文咨询（中国）及头豹研究院调查，数据■产品概念逐步具象化，蓄力延伸众多领域均采用四舍五入，小数计一位。不断改进产品与应用场景的贴合度，打磨DPU产品在锚定应用领域的商业化能力是现阶段发展的重点，DPU概念在这发展过程中将逐步具象化，行业外部对DPU认知也将逐渐加强。基于现阶段所积累的技术与应用场景理解，芯片厂商将持续扩大DPU所能覆盖的应用场景。■海外与中国芯片龙头厂商发展进度相近海外芯片龙头厂商基于自身影响力率先打开市场，中国芯片龙头厂商也紧步跟上产品将逐步落地应用。在行业发展初期，双方皆处于接受终端应用验证的阶段，发展进度相近。■打造生态是中国芯片厂商把握机遇的关键在打磨DPU大规模商业化的阶段，拥有较强适配性并释放客户开发能力的产品更具有竞争优势，软件生态则是形成这一竞争优势的关键。此外，中国芯片厂商还可以打造产业链生态以及横向的协同生态提高研发效率、打造多样化产品，从而把握行业发展的机遇。以DPU为中心，联合芯片行业各方协同发展，将有望推动中国芯片行业整体发展。 400-072-55882 中国：DPU行业白皮书|2022/05目录DPU概况06定义与技术解析07主要功能11必要性分析15DPU行业发展阶段与市场规模16中国DPU行业发展背景171.0阶段：锚定应用领域打造商业化产品192.0阶段：扩大DPU覆盖应用领域21主要应用领域分析22潜在应用领域分析28市场规模测算30头豹DPU产业链与发展现状分析31DPU产业链图谱32上游分析33中游分析37下游分析39海外龙头发展状况42中国DPU厂商发展状况47中国DPU行业头部厂商发展状况48中国DPU行业未来展望51方法论55法律声明56头豹ewww.leadleo.comLeadLeoe400-072-5588 白皮书|2022/05中国：DPU行业图表目录一无DPU的网络数据处理结构07使用DPU的网络数据处理的结构07主流的DPU三种技术路线对比08DPU的硬件与软件架构09聚焦打磨产品的纵向的DPU生态10面向客户的横向的DPU生态10DPU的关键特征以及主要功能11DPU在云计算领域的网络卸载功能应用12DPU的存储卸载功能应用13DPU智能网卡在NGFW/DDoS设备上的应用14DPU可抵挡黑客对虚拟化网络配置进行篡改14带宽与CPU性能增速对比15数字产业化和产业数字化的重要支撑17全球移动数据流量（2010-2035E）18现阶段主要玩家产品推出的时间线19DPU1.0阶段的发展特点及关键指标20DPU2.0阶段的发展特点及关键指标21DPU应用领域可分为基础设施层和垂直应用层22DPU的出现解决数据中心在传统技术的弊端235G边缘计算场景的下的加速计算需求24DPU可加强SD-WAN能力25DPU能够满足金融行处理与合规风控的需求26网络安全市场需求领域情况27DPU智能网卡安全功能27头豹ewww.leadleo.comLeadLeoe400-072-5588 白皮书|2022/05中国：DPU行业图表目录二智能驾驶端到端业务时延28元宇宙的技术架构29中国DPU行业市场规模（2021-2026E）30DPU产业链图谱32全球EDA行业竞争格局33不同工艺节点下芯片集成的IP核数量（平均值）34主流晶圆制造厂逻辑制程发展节点352021年全球封测厂与中国头部封测厂商情况36中国及海外主要DPU芯片厂商梳理37中国DPU芯片公司融资情况38AWS及阿里云DPU路线对比头豹395G业务发展带来大量对于DPU的需求40NVIDIA将DPU集成进旗下自动驾驶SoC41FungibleTrueFabric数据中心解决方案43BlueField-3DPU总体架构45IntelIPU产品及具体功能46中国DPU芯片厂商梯队划分43芯启源DPU解决方案涉及领域47芯启源DPU解决方案涉及应用领域及产品矩阵48芯启源现阶段布局49中科驭数DPU产品矩阵46头豹ewww.leadleo.comLeadLeoe400-072-5588 Chapter 1DPU概况DPU为解决算力供需错配问题而生，有多应用场景的发展潜能>定义与技术解析主要功能必要性分析头豹eadleo.com21LeadLeo 白皮书2022/05中国：DPU行业定义与技术解析DPU是将“以计算为中心"的网络数据处理逻辑改变为“以数据为中心”，并提高数据处理效能、降低其他计算芯片性能损耗的新一代计算芯片，也是未来提升计算系统整体性能的关键芯片基本定义：DPU全称DataProcessingUnit或专用数据处理器，是以数据为中心、IO密集型的芯片；采用软件定义技术路线支撑基础设施资源层虚拟化，具备提升计算系统效率、降低整体系统的总拥有成本（TCO）的能力。DPU将成为继CPU与GPU后的“第三块主力芯片”在计算模型复杂化、算力要求提升的趋势下，GPU的诞生减轻了CPU的计算负担，显著提升算力；而算力要求提升的背景是数据量、数据类型增多，为了进一步提升计算系统的数据处理与调度的效能，DPU应运而生。DPU主要处理网络IO与内部虚拟IO，释放CPU的算力。通过不同的软件定义，DPU还可延伸至储存头安全、服务质量管理等基础设施层服务。■DPU将数据处理逻辑从“计算为中心"改变至数据为中心”在DPU出现之前，网络数据处理逻辑以CPU为中心，按顺序执行：即传输终点为GPU、DSA、主存的数据流都必须经过CPU调度。这一结构也造成计算系统的两大局限：数据处理效能受限与CPU上层应用计算能力受限，而DPU的出现将数据集中处理、调度，不仅能够缩短数据所需经过的路径、减轻CPU负担，还能在提高数据处理效能的同时，降低其他计算芯片性能损耗，最终显著提升计算系统整体性能。无DPU的网络数据处理结构使用DPU的网络数据处理的结构主存CPUGPUCPUDSAGPUDPUDSANic主存网络网络"以计算为中心"的数据处理结构，所有网络数据都"以数据为中心"的数据处理结构，网络数据由DPU处需要经过CPU计算、调度理、调度、I/O加速网络数据接入与输出路径过长，导致数据处理速度使用DPU的结构能达到专项专用，提高整体性能：以及整体计算性能受限头DPU可直接与其他计算芯片进行数据调度，缩短数据需经路径，从而提高数据处理的效能，降低其他计算芯片的性能损耗来源：头豹研究院编辑整理头豹www.leadleo.com2021 LeadLeo 白皮书2022/05中国：DPU行业按技术路线DPU可以划分为三大类，包括基于ASIC、FPGA、SoC三大类，不同技术路线的产品各具优劣，综合来看，SoC为DPU最佳的技术路线主流的DPU三种技术路线对比不同核心处理器的类别主要优势主要劣势编程难度高：对软件开发不友好基于FPGA设计的DPU具有灵活可编程性性价比低：成本较高；存在资源余问题，导致芯片面积大、功耗高基于ASIC设计的DPU在限定的范围内可实现高性能、低可编程性低：受ASIC所定义的功能限功耗、低成本制，缺乏在新应用场景渗透的能力头豹基于SoC-GP性价比较高：两种结构的可编程灵基于 MP 设活性皆较高，且成本低、功耗低基于SoC-GP：依靠通用处理器核对基于SoC-NP：具备强网络数据处数据进行处理，受通用处理器架构局计的DPU理能力，贴合众多DPU应用场景，限，网络数据处理性能有限基于SoC-NP支持P4、C语言编程■从基本属性与现有发展趋势来看，SoC为DPU最佳的技术路线FPGA与ASIC劣势明显：基于ASIC的DPU只能在限定范围内实现高性能、低功耗低成本的作用但是ASIC灵活可编程性低，难以在网络数据格式、报文持续迭代更新与扩充的环境下实现发展；基于FPGA的DPU具备灵活可编程性，但是开发人员需要同时了解硬件与网络的知识才能对FPGA进行编程，编程复杂度较高，所需要投入研发力量大，且芯片成本高，大规模部署将显著提高成本，不利于DPU的发展。SoC正逐步成为DPU最佳技术路线的行业共识，NP分支路线最贴切DPU用于数据处理的定位：随着DPU逐步发展，早期使用基于FPGA与ASIC的DPU的厂商也开始趋于使用基于MP（众核）设计的DPU豹（如FPGA+CPU、ASIC+CPU），即SoC的技术路线。这样做的核心是通过堆叠处理器核提高可编程性，实现整体性能的提高，且能够降低成本。SoC路线下有两条分支，包括GP（通用处理器）、NP（网络处理器），SoC-GP通过堆叠通用处理器核能够很好地提高灵活可编程性，但是由于通用处理器架构的限制，导致处理网络数据的能力有限；而NP则是为网络模型设计，能够实现更优的处理网络数据性能，且支持多种高级语言，对开发者较友好。综合这些基本属性，SoC-NP能够接近ASIC的高性能能力，同时也能提供高灵活可编程序与较低成本的能力，是DPU最佳的发展路线。来源：中科院，头豹研究院编辑整理头豹www.leadleo.com2021 LeadLeo8 白皮书2022/05中国：DPU行业DPU架构分为硬件层与软件层，硬件层的核心在于数据平面的高性能与高可编程性；软件层能力则决定DPU效能，并且是DPU实现强大增长价值的关键。DPU的硬件与软件架构DPU软件库客户应用／协议栈软件软件层（70%）关键：使DPU与CPU满足实际业务场景的软件GPU等其他处理器适配地是DPU应用延伸至应用场景进行协同开发的关链提供基础三DPU三DPU异构计算应用特点：软硬协作具有可编程性，实现软件定义技术的关键控制平面片上内存数据平面硬件层（30%）网络10系统10主存 10DPU硬件层的主要技术特征在于强大的数据平面性能DPU的数据平面与控制平面由各种不同的处理器核构成，均具有可编程性，其中数据平面的具体功能主要有高速数据包处理、虚拟化协议加速、流量压缩等；控制平面则负责管理DPU设备运行以及计算任务和计算资源的配置。作为数据专用处理器，DPU硬件层的核心在于强大的数据平面性能与可编程性。具体而言DPU的数据平面通常集成多个同种类或不同种类的处理器核，能够满足大量不同类型的数据与业务处理；同时还需要具备高可编程性，从而满足硬件维护以及不同应用的设计、开发需求。■DPU的核心价值主要体现在软件层能力头豹DPU将原本在CPU、GPU等处理器所处理的数据或业务先剥离，再集中进行处理，其所体现的本质是异构计算的应用，而异构计算的关键在于软硬协作，包括DPU自身的软硬协作以及DPU与主机的CPU、GPU等处理器的