回國之后，有投資人朋友給我說，現在國內有20多家DPU初創公司。DPU可以說是當前芯片行業最火熱的方向，可能沒有之一，風頭和聲勢甚至超過了AI芯片這個“前浪”。

在這個大背景下，資本和人才都在爭相進入這個賽道，很多DPU初創公司的估值也因此水漲船高。只要暢想一下DPU的新應用，甚至不需要做出產品，估值就能多加好幾個小目標。

不過，這個賽道究竟有多寬、DPU技術的本質究竟是什么、它未來還有怎樣的想象空間、DPU與CPU和GPU是怎樣的關系，還有最重要的，DPU究竟是為了解決怎樣的問題？只有弄清楚這些，才能真正理解DPU爆紅背后的邏輯。

從最早的“智能網卡”，到現在的“數據處理器DPU”，我見證并親身參與了這個東西的發展。雖然性能指標在不斷進步，但驅動它前進的內存邏輯并沒有發生本質改變。

在這篇文章中，我將努力撥開各種紛繁復雜的迷霧，穿過這幾十家公司眼花繚亂的PPT，跳過各種技術指標，和大家一起解答前面所有的疑問。

DPU究竟是一個什么U

隨著芯片越造越多，字母表已經不夠用了。從APU到ZPU，好像每個“PU”都有芯片與之對應。對于熱門的名字，更是僧多粥少，DPU就是其中之一。

在AI風生水起的時候，DPU代表的是“深度學習處理器”，而我們今天的主角還不配擁有名字，當時叫做“智能網卡SmartNIC”。

這個名字聽起來既不智能，也不上口，這也注定了它并不能被大多數人所認知。

工程師通常不屑于營銷，但不可否認的是，沒有營銷，再好的產品也賣不出來。

當一個人既懂技術、又懂人心，創造一個新的概念就是順理成章的事情。

2020年10月，黃仁勛在英偉達GTC大會上正式官宣了一款新處理器，名叫DPU – Data Processing Unit。

這一年，應該可以算是DPU的元年。在此之后，人們再提到DPU的時候，指的都是數據處理器，而非深度學習處理器了。

和智能網卡相比，DPU的本質并沒有根本性的變化。很多人嘗試將二者區分開，借此說明DPU是一個全新的跨時代產品，這其實并不真實、也沒必要。

老黃總結了3個DPU的特點：卸載、加速、隔離。我很認同這個總結，但這只代表了一個維度。

在另外一個維度上，則是DPU的三個主要應用場景：網絡、存儲、安全。這兩個維度結合在一起，才是DPU的完整矩陣，也能很好的解答很多“為什么”、“是什么”的問題，比如：

DPU卸載了什么：數據中心網絡服務，比如虛擬交換、虛擬路由；數據中心存儲服務，比如RDMA、NVMe（可以把它們理解成一些遠程存儲技術）；數據中心的安全服務，比如防火墻、加解密等等。

DPU加速了什么：上面說的那些服務和應用通常使用軟件實現，并在CPU里運行。而DPU可以使用硬件實現并運行這些應用，這樣比軟件運行要快好幾個數量級，這也就是我們常常會聽到的“硬件加速”。

DPU隔離了什么：由于上面說的應用在DPU里運行，而用戶應用在CPU里運行，這樣就把二者隔離開了。這樣會帶來很多安全和性能上的好處。

舉個例子，假設我們要玩一個“云游戲”，游戲本身運行在服務器的CPU上，而賬號管理、存檔、和隊友的交互方式、游戲數據的發送和接收等等，這些不需要玩家參與、但對游戲體驗有極大影響的內容，都可以運行在DPU里完成。

DPU和CPU、GPU的關系

摩爾定律的發展和芯片行業的發展，究竟是雞生蛋、還是蛋生雞，人們已經樂此不疲地討論很多年了。不管是誰成就誰，亦或是相互成就，有一件事情是確定的，那就是我們需要新的芯片結構，來延續發展的腳步。

一個很重要的共識就是，CPU已經很難做好所有事情了。

要特別注意的是，這里不是“很難做”，而是“很難做好”。一字之差，意思完全不同。

在今年4月的GTC大會上，老黃又分享了他對于數據中心架構變革的理解，一共分成五個階段。

最早的數據中心里，CPU是絕對的王。不管是一開始的原始架構，再到之后軟件定義、分布式的可擴展結構，都是如此。

唯一有所區別的，是應用的實現方式。算力和應用更是雞和蛋的關系，CPU計算能力的提升，就能帶來應用的爆發，人工智能就是如此。應用的多樣化，又會對算力提出更高要求。比如現在同樣火熱的超大規模神經網絡，動輒上千億甚至上萬億參數，就好像底層算力都是白給的。

英偉達的春天，就這樣到來了。

人們發現，單純使用CPU并不能滿足AI工程師和調參者對算力的野心，而GPU特別適合這類計算。GPU上有成千上萬個小型計算單元，他們可以同時計算一個難題里的不同部分，然后再把結果結合起來，也就是“并行計算”。在處理很多問題的時候，這種人海戰術比CPU的“串行計算”不知道要高到哪里去了。

從此，CPU不再是數據中心里唯一的王。英偉達也成了世界上市值最高的芯片公司。

舊時代落幕，新時代開啟。GPU的登場，只是這場大秀的序曲。

把CPU的一大部分算力卸載給GPU之后，人們發現可以把很多其他功能也外包出去，于是又有了智能網卡，或者叫做DPU。

人們又發現，給CPU卸掉這些包袱之后，反而表現的更好，再次煥發了第二春。因為不管是GPU還是DPU，都需要CPU居中調度和管理，這恰恰是CPU最早的設計初衷。

就這樣，CPU、GPU、DPU組成了現代數據中心的鐵三角。

未來是否就這樣？我看未必。未來何時才能到來？或許很快。至少在下周的GTC大會上，應該就有下一代DPU的最新進展。但不管怎樣，這種三位一體的架構解決了很多現有的問題，這就足夠了。

沒有軟件，芯片就只是昂貴的沙子

很多年前我做學術的時候，有一類很流行的領域，名曰“算法加速”。去看這個領域的論文，都寫的極其振奮人心，甚至有些驚悚。在這個領域里，CPU就是悲催的存在，它為所有工作奠定了一個基準。相比于CPU，每個工作動輒幾倍、幾十倍、甚至上百倍的性能提升。

這么多年過去了，CPU在數據中心的王座依然挺立，只不過旁邊多了GPU，還有一個DPU蠢蠢欲動，僅此而已。

我并不是否定這些工作的學術貢獻，只是很自然的會問：既然這些工作這么牛逼，它們都去哪了？

歸根到底，沒有軟件、沒有生態、沒法落地。

溫室里的苗，需要經歷風雨的洗禮，才能知道是否能長成大樹。

開發者從來都是用腳投票，誰的東西好用，就用誰的。性能固然重要，但如果沒法使用、不好用，性能再強的芯片也不過是昂貴的沙子。

多年前，英偉達憑借CUDA，一舉幫GPU打開局面，吸引了大批軟件開發者。而FPGA的開發者，還在糾結Verilog怎么寫、時序怎么調、引腳怎么分配。

現在DPU來了，開發者怎么辦？

DOCA全名叫Data Center Infrastructure-on-a-Chip Architecture。作為一個SDK，它包含了DPU支持的所有軟件功能：各種庫、各種服務、各種驅動、各種框架、各種OS……

有了意大利炮，還需要一發炮彈。DOCA并不是炮彈，而是用來造炮彈的工廠。有了軟件和生態，DPU就不再是昂貴的沙子，而是數據中心的“大殺器”。

如果要用一個詞總結DOCA的特點，就是“兼容”。新生事物大都需要兼容現有體系，然后才能慢慢發展壯大。這片江山，朕不給，你不能搶。

即使大如英偉達，也意識到很難從零開始自建一個數據中心生態。況且，這也根本沒有必要。

除了兼容，還有開放、合作。只有把蛋糕做大，每個人分到的那部分才會更多。大家好，才是真的好。當一個人既懂技術、又懂人心，做出這樣的決策也是順理成章的事情。

結語

DPU的出現，是時代的必然。但它未來的發展，還有無限種可能。DPU里集成的技術，肯定會有更多的變化。我們需要做的，除了跟隨這些變化，更應該透過現象看到本質。只要底層邏輯不變，發展的趨勢就不會變。
審核編輯：黃飛