DPU行业深度研究：产业链、市场规模、竞争格局与发展趋势
1、DPU行业在产业链中的地位和作用，与上、下游行业之间的关联性
DPU行业是集成电路设计的重要分支。产业链上游包括晶圆制造、封装测试、EDA、IP、半导体材料与设备、板卡代工等，提供基础工具与制造支撑；中游为DPU产品设计；下游为服务器整机厂商、系统集成商及各类终端应用。DPU设计处于枢纽环节，既需响应下游对通用可编程的多样化需求，也需与上游制造、封测、板卡代工深度协同，推动设计转化为实际产品。
DPU企业多采用Fabless模式，专注芯片设计研发，以技术优势形成差异化产品。设计企业需精准把握AI智算、云计算、存储、通信、网络安全、边缘计算等领域对灵活性、高性能、低延时的需求，并对接上游晶圆制造与封测供应商，兼顾工艺可行性、通用性，整合产业链资源，保障稳定供给。因此，DPU设计水平直接决定芯片性能、功能、成本及市场应用规模；具备优秀设计能力的企业在推动集成电路产业发展、满足终端需求中发挥关键作用，在产业链中占据重要地位。
2、DPU行业特点
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的特点如下：
互连芯片及相关产品分类情况
资料来源：普华有策
从横向技术类别看，DPU属于数字集成电路中逻辑芯片领域的处理器芯片，其他代表性处理器芯片如中央处理芯片CPU、图形处理芯片GPU、数字信号处理芯片DSP。DPU与其他处理器芯片的比较情况如下：
DPU与其他处理器芯片的比较情况
资料来源：普华有策
后摩尔时代，算力提升核心从工艺微缩转向以异构计算为代表的架构创新：CPU、GPU、DPU及专用处理器协同分工，实现系统级能效与性能突破。DPU专用于卸载数据中心网络基础设施负载，弥补CPU/GPU在数据管理上的不足，并与CPU、GPU共同构成现代大规模算力中心的协同计算体系。英伟达在2026年CES大会上提出，DPU是每个计算节点的标准配置；其VeraRubin平台6类主要芯片中有2类DPU（BlueField-4、ConnectX-9）。
A、CPU+DPU：AI、6G等前沿产业推动计算需求爆炸式增长，云化基础设施靠CPU转发前端网络数据的传统模式出现瓶颈，CPU串行计算难以支撑高并发网络转发。CPU不擅长网络虚拟化、云存储、低时延传输、安全软件部署及查表、转发等以数据为中心、I/O密集的功能。谷歌2015年论文指出，CPU处理数据中心网络、存储、虚拟化、安全等基础设施任务占用近30%计算资源，即亚马逊所称“数据中心税”。DPU面向I/O密集任务做硬件级优化，可将网络、存储、虚拟化、安全、管控等从CPU卸载，降低CPU负载、提升数据中心效率，成为与CPU、GPU并列的“三大主力芯片”之一。
B、GPU+DPU：AI模型参数增长、单卡算力与显存受限，推动训练集群扩大，网络性能成为瓶颈。GPU集群分布式训练需节点频繁同步参数；GPU数量与性能相同时，集群算力受制于网络耗时。智算中心主流采用Scale-up与Scale-out两套独立网络协同：前者解决同一服务器或机柜内小规模GPU高速互联，后者解决不同服务器或机柜间大规模GPU高速互联，实现超大规模智算中心节点间通信。带RDMA的DPU支持高吞吐、低时延通信，日益成为AI服务器Scale-out后端网络标配。RDMA绕过操作系统CPU内核，使服务器可直接访问另一服务器内存，显著改善时延；DPU进一步实现零拷贝、内核旁路、无CPU干预及面向AI大规模集群优化的可编程拥塞控制，消除GPU跨节点通信的带宽与时延瓶颈，提高资源利用率和训练效率。
C、存储+DPU：AIAgent兴起，推理工作流上下文窗口扩展至数百万Token，模型规模扩展至数百万亿参数。现有智算体系依赖AI长期记忆保存多轮、跨工具、跨会话上下文，以基于先前信息推理，而非每次从头输入。上下文增长受限于GPUHBM与主机DRAM容量，KV-Cache只能迁至外部共享存储、远离GPU主机，导致访问延迟增加，每Token能耗和成本显著上升。因此，KV-Cache的存储、管理与扩展成为智算系统能效提升关键。以英伟达BlueField-4系列为代表的最新一代全功能DPU增强KV-Cache管理与硬件加速，在本地存储与外部共享存储间构建独立、高速、可共享的“记忆层”。G3.5层记忆层容量较大、较G4层更靠近GPU，针对KV-Cache优化，通过保留延迟敏感、可复用的推理上下文并预加载，加速服务器内各GPU间KV-Cache访问与共享、减少搬运开销，提高GPU利用率与系统能效。同时，DPU加速KVI/O和控制平面操作，减少对HostCPU依赖，最大限度减少序列化操作和主机内存拷贝。
3、DPU市场规模
DPU是释放CPU、GPU算力，加速网络互联并提升计算集群效能的数据中心关键基础设施组件，已广泛用于AI智算、云计算、存储、通信、网络安全和边缘计算等领域。未来，随着全球新一代算力基础设施规模化建设，以及人工智能、工业互联网等新兴需求增长，DPU市场规模有望持续扩大。
全球DPU市场总体保持增长。市场规模由2021年的人民币649.93亿元增至2025年的1,964.91亿元，年复合增长率31.86%；预计2030年将达4,362.39亿元，2026—2030年复合增长率17.07%。
2025-2030年全球DPU市场规模预测
资料来源：普华有策
近年来，中国DPU市场规模持续增长，中国DPU市场规模由2021年的150.44亿元增长至2025年的497.58亿元，期间年复合增长率达34.86%；预计到2030年将增长至1,290.91亿元，是AI智算与云计算基础设施领域中增长最为迅速、成长空间最为广阔的细分市场之一。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。
2025-2030年中国DPU市场规模预测
资料来源：普华有策
4、DPU市场下游需求
（1）全球DPU市场下游需求
云服务商扩张是全球DPU行业主要增长驱动力之一。数字化转型、云计算渗透率提升及AI、大数据等应用落地，推动全球云服务市场稳健增长。全球云服务市场规模由2021年28,927.06亿元增至2025年59,185.72亿元，年复合增长率19.60%；预计2030年达136,309.93亿元，2026—2030年复合增长率17.90%。2025年，云服务商贡献的DPU市场规模超1,500亿元。全球云服务市场中长期增长确定性较强，是支撑DPU市场持续扩张的重要基础。
2025年全球DPU市场下游需求构成占比（%）
资料来源：普华有策
（2）中国DPU市场下游需求
中国DPU市场的下游需求主要来自云服务商、电信运营商及其他行业，其中云服务商亦是最核心、规模最大的下游需求来源。不同下游客户在业务模式、基础设施形态及技术演进路径方面存在显著差异，对DPU的功能侧重点、部署方式与规模节奏亦各不相同，从而形成结构化、多层次的市场需求格局。
2025年中国DPU市场下游需求构成占比（%）
资料来源：普华有策
A.云服务商
云服务商是中国DPU最核心需求来源，其多租户、虚拟化、云原生大规模数据中心对网络、存储、安全、虚拟化与管控要求高，通过前后端网络引入DPU提升资源效率与稳定性，形成内部建设与外部供给双重驱动。中国公有云市场2021—2025年由2908.45亿元增至7252.89亿元（CAGR25.66%），预计2030年达35951.76亿元；私有云由1397.55亿元增至2228.01亿元（CAGR12.37%），预计2030年达7890.63亿元；对应DPU市场2025年约283.62亿元、2030年约903.64亿元（CAGR26.08%）。2025年TOP5云厂商及电信运营商合计约占82.15%，头部议价强、壁垒高；头部厂商自研或外采，底层核心技术仍以第三方为主，全球主流外采，北美部分厂商自研全功能DPU，国内华为、阿里、百度自研为主、外采为辅，华为2025年3月发布200GbpsSoCDPU，但多数自研基于商业FPGA过渡，高性能FPGA及配套CPU依赖海外；AIDPU主要由第三方独立厂商供给，目前主要依赖英伟达。
B.电信运营商
电信运营商是重要下游客户与基础设施建设主体。云网融合及新型信息基础设施投入加大，DPU用于电信级云平台低时延网络、虚拟化、安全隔离、存储加速等；自身云化与智能化升级也提升数据中心效率与稳定性要求。外部云服务与内部升级叠加，形成持续配置需求。2025年中国电信运营商贡献DPU约104.49亿元，预计2030年达258.18亿元，CAGR19.83%。
C.其他行业客户
其他行业客户构成多元化增量来源，涵盖汽车、新能源、工业制造、金融、能源电力等。数字化智能化转型提升底层算力与数据处理依赖：汽车新能源需智能驾驶、车云协同、能源管理；工业制造与能源电力需智能制造、设备监控调度；金融需数据安全、低时延、高可靠。通过自建或行业云部署，DPU需求稳步增长。2025年其他行业客户贡献约109.47亿元，预计2030年达129.09亿元，CAGR3.35%。
5、DPU市场驱动因素
（1）AI智算集群对低时延与大规模组网能力需求提升，凸显DPU在网络基础设施中的价值
AI训练/推理集群规模扩大，高带宽、低时延、稳定通信成为算力利用关键；All-Reduce等通信调度低效会导致GPU等待，拖累训练效率并限制集群扩展。DPU承载网络处理、通信加速与卸载，降低CPU/GPU非计算负载，保障大规模集群通信，提升算力利用率，配置价值持续上升。
（2）算力池化、资源虚拟化、弹性裸金属云服务及多租户架构加速普及，持续推动DPU需求增长
算力池化和多租户并行成为主流，对资源隔离、性能确定性和统一调度要求提高，CPU基础设施管理负载上升。网络、存储、安全、虚拟化、管控等数据面功能向DPU卸载，叠加弹性裸金属需求，推动DPU配置比例和应用深度提升。
（3）数据中心向更高传输速率、芯片向先进封装技术方向演进，推动DPU产品持续升级
数据中心带宽向更高速率代际演进，要求低时延、高稳定和高能效，DPU需持续升级高速接口、吞吐与集成度。先进封装提升集成度和互连效率，改善功耗与性能密度，强化DPU技术价值。
（4）地缘政治升级、国家层面政策支持加码，为国内DPU行业发展提供良好外部环境
中美科技博弈下，DPU国产替代必要性突出、市场空间大；美国2022、2023、2025年持续升级先进芯片出口管制。国内政策大力支持：2023年《算力基础设施高质量发展行动计划》提出开展DPU、无损网络等技术升级与试点；2026年《“人工智能+制造”专项行动实施意见》支持智能芯片、高速互联、智算云操作系统等关键技术。在“东数西算”“算力网络”“人工智能+”引导下，DPU功能定位与政策导向高度契合，获稳定外部支撑。
6、DPU发展趋势
（1）全功能DPU持续演进，成为数据中心基础设施核心组件
算力需求扩张推动数据中心负载从“以计算为中心”转向“计算+网络+存储+安全”协同，基础设施数据面压力显著上升。网络转发、存储访问、安全隔离、运维管控、虚拟化等长期由HostCPU承担，在高并发、多租户、高密度场景下明显挤占CPU资源。为提升系统效率、释放HostCPU算力，数据面管控能力逐步从CPU剥离并向DPU网卡集中，推动网卡由简单NIC演进为承载多类基础设施能力的DPU，部署形态也从局部应用走向规模化、体系化、标准化配置。
（2）国产化进程持续推进，DPU国产替代空间逐步释放
在关键网络基础设施自主可控要求提升的背景下，国内云厂商、服务器厂商和芯片企业加大DPU导入与研发，推动国产DPU技术产品发展。随着本土产业链配套完善，国产DPU在网络性能、系统可靠性、软硬件适配和生态协同上持续提升，在AI智算与云计算场景中的可用性和替代竞争力增强。随着应用经验积累与规模化部署推进，国产DPU渗透率有望逐步提升，替代空间持续拓展。
（3）AI算力集群快速发展，DPU应用需求加速释放
AI智算场景下，大模型训练与推理更依赖高带宽、低时延、稳定的数据交互，算力集群规模持续扩大，通信调度、数据流协同、资源隔离等基础设施负载快速增长。AIDPU面向AI算力集群后端网络，针对大规模数据流与集群协同进行性能和成本优化，配置价值不断提升。随着AI智算中心建设加速，AIDPU和全功能DPU在大规模训练与推理集群中的需求均有望持续增长。
7、行业竞争格局及主要企业
DPU行业高度集中。英伟达收购Mellanox后，凭借生态、技术与客户优势长期领跑，并在自研ASIC/SoC架构、单芯片高集成数据处理能力的DPU市场保持领先。2025年收入计，英伟达等海外厂商在中国该细分市场占有率超70%，仍占主导。
国内企业积极布局算力网络基础设施。云豹智能等国产独立厂商快速崛起，在提升份额与技术实力的同时，与国际大厂直接竞争，推动格局演变。云豹智能坚持高难度SoC路线，已成为国内率先实现400Gbps高性能全功能DPUSoC芯片技术突破与规模化商用的厂商。部分国产厂商及云服务商则采用基于海外商业FPGA芯片的自研方案，加速400Gbps以下DPU产品落地。
（1）国外同行业公司
国外同行业公司
资料来源：普华有策
（2）国内同行业公司
华为海思成立于2004年，为行业客户与开发者提供芯片、器件、模组和板级解决方案，业务覆盖联接、智慧视觉、智慧媒体、显示交互、MCU、智能感知、模拟、光模块、激光显示等领域。华为SP900系列基于海思Hi1822处理器，是DPU网卡，支持存储卸载、网络卸载和管理面卸载，最高支持2*100GE网络接口。
国内其他DPU产品或方案公司包括深圳云豹智能股份有限公司、上海云脉芯联科技有限公司、中科驭数（北京）科技有限公司、珠海星云智联科技有限公司、深圳市恒扬数据股份有限公司等。
国内同行业公司
资料来源：普华有策
8、进入本行业主要壁垒
（1）技术壁垒
DPU是深度嵌入数据中心的数据处理中枢，研发涉及复杂架构、制程、多模块集成、系统软件及软硬件调优；需同时满足高吞吐、低时延、高可靠、通用可编程，并适配虚拟化与云原生。能力依赖长期积累和迭代，新进入者短期难以补齐。
（2）生态壁垒
应用端，DPU导入后深度嵌入客户网络、存储与虚拟化体系，更换成本高、验证周期长、客户黏性强；供应端，对芯片设计、流片、封测、良率、稳定性、一致性交付及长期供货要求高，需成熟供应链与量产经验，新进入者难获核心客户并规模化落地。
（3）人才壁垒
DPU横跨网络、存储、安全、虚拟化，需具备深厚软硬件技术栈、大芯片量产经验及软硬件协同能力的复合型人才。国内顶尖人才稀缺、缺口显著，难以通过外部招募快速组建团队，企业需长期自主培养，形成较高门槛。
（4）政策壁垒
DPU关系数据安全、自主可控及关键基础设施稳定，受政策监管高度关注；相关国家标准正在起草，工信部“算力强基揭榜行动”要求到2026年完成超高性能DPU芯片研发，吞吐达400Gbps、单向时延不高于30μs，适配主流CPU/GPU和操作系统，支持数据报文硬件处理逻辑可编程。企业需满足安全、合规及国产化要求，并与政策导向一致。
（5）资金壁垒
DPU属技术和资本密集型行业，研发涵盖可编程硬件架构、配套软件、IP积累，需协调外部资源并适配认证伙伴；单款产品量产投入大、周期长、不确定性高。企业须有充足资金支撑长期研发与市场拓展，资金实力不足者难以立足。
9、行业面临机遇与风险
（1）面临的机遇
①国家战略与政策红利持续赋能：集成电路是战略性、基础性、先导性产业，国家将其列为重点新兴产业，出台财税、融资、研发、知识产权等扶持政策，降低研发与融资成本，提供制度保障和资源支撑。
②国产替代与供应链安全需求迫切：地缘政治与科技竞争下，核心芯片自主可控关键；DPU进口依赖高，国产替代空间大、进程加速，下游积极寻求本土可靠供应商，带来市场机遇。
③新兴应用场景创造广阔空间：AI大模型及自动驾驶、工业物联网等边缘应用对实时性、低功耗、高能效要求提升，叠加6G研发，推动DPU市场增长。
④异构计算技术带来新的发展机遇：异构计算成熟，主流厂商推出DPUSoC，与CPU、GPU、AI加速器结合形成“CPU+GPU+DPU”平台，拓展新兴应用。
（2）面临的风险
①国际形势变化加剧产业链波动的风险：全球政经波动、贸易保护与技术管制频发，DPU在芯片设计、晶圆制造、封测等环节可能面临政策干预与供应链波动；企业需深化自主创新、完善生态，兼顾自主可控与全球产业链协同。
②DPU行业高端专业人才储备不足的风险：行业高度依赖高端人才，国内核心架构设计、软件开发、IP积累及复杂系统方案等高端人才仍不足，与国际领先厂商在规模和竞争力上有差距；企业已加强布局，有望缓解。
《2026-2032年DPU行业深度调研及投资前景预测报告》涵盖行业全球及中国发展概况、供需数据、市场规模，产业政策/规划、相关技术/专利，竞争格局、上游原材料情况、下游主要应用市场需求规模及前景、区域结构、市场集中度、重点企业/玩家，企业占有率、行业特征、驱动因素、市场前景预测、进出口数量/金额/地区/国家、投资策略、主要壁垒构成、相关风险等内容。同时北京普华有策信息咨询有限公司还提供市场专项调研项目、产业研究报告、产业链咨询、项目可行性研究报告、专精特新小巨人认证、市场占有率报告、十五五规划、项目后评价报告、BP商业计划书、产业图谱、产业规划、蓝白皮书、国家级制造业单项冠军企业认证、IPO募投可研、IPO工作底稿咨询等服务。（PHPOLICY:MJ）