AI基礎設施的下一個千億市場，為何藏在網絡裡？

**AI基礎設施的下一個千億市場，為何藏在網絡裡？**

過去六年，AI產業的聚光燈始終聚焦於GPU的算力競賽，國產GPU企業估值屢創新高，卻鮮少有人關注數據處理單元（DPU）的潛力。然而，隨著AI系統從訓練轉向高頻推理與持續運行，產業瓶頸正悄然從算力本身轉移至網絡效率與資源調度。英偉達早在2020年收購Mellanox後便明確「GPU+CPU+DPU」三芯戰略，黃仁勳更在2026年CES展示「六芯組合」中四款皆與網絡相關，顯示DPU已從數據中心輔助芯片，躍升為AI基礎設施的關鍵樞紐。 **背景脈絡：從算力競賽到系統效率的轉折**

AI集群規模從千卡邁向萬卡後，單節點算力已非稀缺資源，真正昂貴的轉為低時延、高帶寬與數據流動效率。尤其在Agent時代，AI系統需頻繁調度資源、管理上下文緩存（KV-Cache），DPU透過卸載網絡、存儲與安全任務，顯著提升GPU利用率。例如英偉達Vera Rubin系統中，BlueField-4 DPU建構「溫數據層」，為每顆GPU動態分配16TB上下文空間，單Token推理成本降低90%。這標誌著AI基礎設施競爭從單芯片性能，轉向系統級協同效率。 **DPU價值重估：技術壁壘與市場滯後**

DPU被低估六年，主因在於其技術複雜性遠超傳統網卡。它需整合網絡、計算、存儲、虛擬化等多領域能力，並依賴軟件棧與大規模數據中心穩定性驗證。全球僅少數廠商具備全功能DPU研發能力，英偉達亦經歷多年產品迭代才推出成熟方案。國內除華為外，雲豹智能是少數實現400Gbps全功能DPU量產的獨立廠商，其團隊匯聚博通、英特爾等頂尖人才，首代產品即完成客戶部署，展現罕見的技術實戰力。 **可能影響：重塑AI基礎設施生態**

DPU的普及將徹底改變AI系統架構。在Scale Up場景中，它優化CPU與GPU內存共享；在Scale Out場景中，則解決集群間數據調度瓶頸。此外，DPU可擴展AI系統有效內存容量，緩解大模型推理的顯存壓力。隨著金融、能源等行業引入DPU強化交易系統與工業調度，其應用場景將從數據中心延伸至垂直領域，成為算力基礎設施自主可控的關鍵一環。 **讀者可關注的後續發展**

短期內，雲豹智能即將推出針對AI網絡場景的專用DPU，並研發800Gbps/1.6Tbps新一代產品，以應對更高帶寬需求。長期而言，國產DPU市場格局可能收斂為少數玩家競爭，雲豹智能作為本土獨立廠商龍頭，其IPO進程與技術迭代將成為觀察指標。此外，DPU已被列入國家戰略，政策扶持與資本關注度提升，或將加速產業價值重估週期。當AI基礎設施從「算力軍備競賽」轉向「系統效率革命」，DPU這塊被低估的拼圖，正悄然打開千億級市場的新門扉。