作者丨包永刚
过去六年，国产 GPU 公司一路站上 AI 风口，估值不断刷新，DPU 却被忽略了。
这并不符合产业现实。
2020 年英伟达完成收购 Mellanox 后，就已经明确了"GPU+CPU+DPU"的三芯战略。过去几年，英伟达也持续强化网络能力，黄仁勋在 2026 年 CES 展示“六芯组合”时，其中四款都与网络相关。
一个越来越清晰的趋势开始浮出水面：AI 基础设施的瓶颈，正在从算力本身转向网络与调度。
尤其 Agent 时代到来后，AI 系统开始从训练转向高频推理与持续运行，GPU 利用率越来越依赖网络效率。DPU 也从过去的数据中心可选项，逐渐变成 AI 基础设施里的关键角色。
但一个耐人寻味的问题是，既然英伟达早已押注 DPU，为什么过去六年，整个行业依然低估了 DPU？
直到云豹智能冲刺国产 DPU 第一股被深交所受理，招股书呈现在所有人眼前，市场才开始意识到，一款可以支持低时延、高带宽和高性能数据调度的全功能 DPU 可能是 AI 基础设施里被低估最久的一块拼图。
一个被低估六年的大芯片赛道
过去几年，AI 行业竞争的焦点始终是 GPU。更大的模型参数、更强的单卡性能、更昂贵的 HBM，几乎吸引了整个行业的注意力。
但随着模型规模不断扩大，AI 集群开始从千卡迈向万卡，越来越多公司发现，GPU 已经不是 AI 系统里最稀缺的资源，真正昂贵的开始变成低时延、高带宽与数据流动效率。
不少算法工程师对此感受明显。在当前 AI 基础设施体系下，单节点算力相对容易获取，存储容量次之，最难、也最昂贵的其实是带宽和低时延。尤其在大规模训练与推理场景中，GPU 利用率往往并不理想，即便经过深度优化，系统瓶颈也经常出现在网络与数据调度环节。
这也是过去几年英伟达不断强化网络能力的关键原因。释放出的信号也非常明确：AI 基础设施的竞争，正在从单芯片性能竞争转向系统效率竞争。
在这一过程中，DPU 的角色也发生了变化。
在过去以 CPU 通算为主的云计算时代，DPU 更多承担网络、存储、安全等基础设施任务卸载，被视为数据中心里的辅助芯片。在 Agent 时代，随着 AI 基础设施开始从训练转向高频推理、资源编排与持续调度，DPU 正在成为连接计算、网络与存储的系统级核心节点。
尤其在 Scale Up 场景下，DPU 能够优化单节点内 CPU 与 GPU 之间的内存共享与数据流动，降低数据搬运时延，提升异构算力协同效率。在 Scale Out 场景中，DPU 则承担大规模集群间的数据调度与网络卸载任务，直接影响 GPU 利用率。
推理需求的大爆发，也进一步放大了 DPU 的重要性。
随着大模型上下文窗口持续增长，GPU 显存容量成为推理成本的重要瓶颈，DPU 可以在不增加 GPU 硬件数量的情况下，扩展 AI 系统的有效可用内存容量。
2026 年 GTC 上，黄仁勋就展示了新一代 DPU 在 KV-Cache 分层存储上的能力演进。在最新的 Vera Rubin 系统中，BlueField-4 系列 DPU 承担 KV-Cache 管理与硬件加速任务，在 GPU 高速 HBM 与外部存储之间构建“温数据层”，为每颗 Rubin GPU 动态分配 16TB 专用上下文空间，打破上下文处理的硬件瓶颈，将单 Token 推理成本降低 90%。
AI 推理上下文存储流转机制，来源：中国信息通信研究院
DPU 正在从过去的数据中心可选项，变成 AI 基础设施里的关键组件，这也让 DPU 市场开始快速扩张。
根据沙利文（Frost & Sullivan）2026 年专项报告，全球 DPU 市场规模已从 2021 年的 649.93 亿元增长至 2025 年的 1964.91 亿元，预计到 2030 年将进一步增长至 4362.39 亿元；中国市场则预计在 2030 年达到 1290.91 亿元，成为AI 基础设施中增长最快的细分领域之一。
但一个耐人寻味的问题是，为什么过去几年，这个市场始终没有真正成为行业焦点？
为什么 AI 行业过去六年低估了 DPU？
当模型的规模越来越大，网络就越来越成为整个系统的瓶颈。随着 Agent 时代开始到来，AI 基础设施的需求正在发生变化。系统开始从训练更大模型，转向让推理更高频、更低成本、更长时间运行。在这一过程中，资源编排、任务调度、KV-Cache 管理、存储池化等系统能力的重要性快速提升。
这种变化让 AI 系统对 CPU 与 DPU 的需求同步上升。
因为当 CPU 承担越来越多推理调度与系统管理任务时，网络卸载、安全隔离、虚拟化、存储加速等基础设施能力，就需要卸载到 DPU 上。所以 Agent 时代不仅重新抬高了 CPU 的重要性，也重新放大了 DPU 的价值。
但 DPU 被低估，还有一个更重要的原因：真正能把全功能 DPU 做出来的公司极少。
DPU 并不只是更复杂的网卡，它同时涉及网络、计算、存储、虚拟化、安全隔离等多个领域，本质上是一颗系统级芯片。真正决定 DPU 壁垒的，也不仅是芯片本身，还包括数据面处理能力、软件栈、云原生适配以及大规模数据中心里的稳定性。
DPU 功能示意图，来源：中国信息通信研究院
即便强如英伟达，在 DPU 领域也经历了较长的产品演进周期。英伟达早期斥巨资收购 Mellanox 补齐 DPU 能力，而 Mellanox 早期 BlueField 系列产品（BF1，BF2）并没有真正被市场大量采用，直至英伟达收购 Mellanox 后开发的 BF3, 才算得上是成功的 DPU 产品。
而国内真正具备全功能 DPU 研发与量产能力的公司更少。除了华为外，云豹智能是其中少数已经实现产品化与规模落地的独立厂商之一，也是唯一能够达到 400Gbps 的全功能 DPU 产品，对标英伟达 BF3。
云豹智能之所以能够切入这一高壁垒赛道，与其团队背景密切有关。
创始人萧启阳 24 岁获得斯坦福大学电子工程博士学位，其博士论文攻克人工智能领域悬置三十余年的经典理论难题，相关研究成果编撰成书《Discrete Neural Computation: A Theoretical Foundation》，获人工智能之父马文・明斯基亲笔作序推荐，这项在早期的 AI 神经网络上突破性的理论令他获得美国国家科学基金会青年研究员奖，他后来长期专注于网络与分布式计算方向研究，曾在 MIT 任 endowed-chair 副教授。在创立云豹智能之前已有大芯片领域创业经验，其之前在硅谷作为联合创始人的网络处理器公司后被博通以 37 亿美金收购。同时，云豹智能的核心团队来自博通、英特尔、ARM、华为海思、阿里巴巴等公司，覆盖网络芯片、云计算与系统架构等多个方向。
强大的团队让云豹能设计出系统级的 DPU 芯片。据接近云豹的人士透露，其首代 DPU 产品在 A0 版本阶段即实现客户部署与量产，在高端芯片领域里，无论在国内还是国外，都极为少见。也就是说云豹智能在第一次流片后，就已经能够直接进入真实数据中心环境。
推出产品只是一家大芯片公司迈向成功的第一步，大规模落地才是最苛刻的检验。
云豹智能自主研发的 DPU 产品为国内首家达到 400Gbps 速率的芯片产品。相比参数本身，更重要的是其产品已经进入真实数据中心场景，目前已在头部客户场景中实现超过十万片规模化商用，应用于高性能计算、存储与网络卸载等业务。
但过去几年，无论是产品研发还是客户落地，云豹整体都保持相对低调。这也使得 DPU 虽然一直存在于 AI 基础设施体系中，却很少真正进入公众视野。
直到英伟达持续强化网络布局、Agent 推动 AI 系统进入重调度时代后，以及云豹智能冲刺国产 DPU 第一股，行业才开始重新意识到，DPU 可能是 AI 基础设施中被低估最久的一块拼图。
Agent 时代，DPU 迎来价值「重估」
DPU 的重要性正在持续上升。
对于真正具备全功能 DPU 能力的公司，AI 市场不仅意味着新增需求，更意味着更大的能力外溢空间。
雷峰网了解到，云豹智能将在今年推出专门针对 AI 网络场景的 DPU 产品，以进一步满足 AI 基础设施市场需求。
决定全功能 DPU 公司长期价值的，并不是单一产品，而是持续进入核心基础设施场景的能力。
DPU 已经开始在数据中心、云计算、高性能计算、大模型推理等场景中帮助提升 GPU 利用率、降低系统时延，并优化整体资源效率。
DPU 的应用还进一步扩展至金融、运营商、能源等行业。在金融场景中，DPU 能够提升核心交易系统的稳定性与安全隔离能力，在能源领域，则能够支撑电网与工业系统的数字化调度需求。
对于全功能 DPU 厂商来说，持续的技术演进能力同样重要。
目前 DPU 网络接口速率已经进入"400Gbps 规模化部署、800Gbps 开始商用”的阶段，AI 基础设施对更高带宽与更低时延的需求仍在快速提升。
据悉云豹智能新一代 800Gbps/1.6Tbps DPU 产品也即将推出市场，以进一步适配下一代 AI 数据中心需求。
而在行业竞争格局中，DPU 厂商本身也极为稀缺。
中国信通院近期发布的《DPU 发展分析报告》显示，在中国 DPU 市场中，英伟达凭借长期的芯片架构积累、成熟的数据面处理能力以及完善的软件生态占据市场首位。云豹智能排名第二，并在本土 DPU 厂商中位列第一，是目前国内少数实现 DPU 大规模量产与商用落地的独立厂商之一。
随着 AI 基础设施越来越强调系统能力，某种程度上国产高端网卡市场的竞争格局已经开始收敛，未来可能只剩下两类玩家：云豹，以及其他厂商。
这种稀缺性，也让云豹开始获得更广泛的关注。
在中国国家博物馆与工业和信息化部联合主办的《筑基强国路——中国制造“十四五”成就展》中，云豹 DPU 系列产品成功入选并亮相国家博物馆“国之重器”展区，成为展览重点展示的芯片产品之一。
中国国家博物馆展出云豹 DPU 系列产品
随着国产 AI 基础设施公司持续获得资本市场关注，DPU 赛道的价值也开始被重新评估。
相比 GPU 市场已经进入高度拥挤阶段，真正具备全功能 DPU 研发、量产与规模化落地能力的公司依然极少。IPO 申请获深交所受理后，云豹智能向“国产 DPU 第一股”更进一步，其在国产 AI 基础设施领域的稀缺性也开始受到资本市场关注。
过去两年，国产 GPU 公司上市后普遍获得数千亿元人民币市值，也让资本市场开始重新评估国产 DPU 公司的长期价值空间。作为国内 DPU 领域最具代表性的独立厂商，在这千亿市场的赛道上，云豹智能的稀缺性，在未来资本市场上的表现，拥有更大的想象空间。
DPU 已被列入国家战略，从“卡脖子”到“基础底座”，DPU 已成为算力基础设施自主可控的最后一环。国内 DPU 公司，正在迎来属于自己的价值重估周期。
