自 1950 年代以來，中央處理器“ CPU”一直是每台電腦或智能設備的核心；到 1990 年代以來，GPU 或圖形處理單元扮演了重要角色；所以，在過去的十年中，計算已經擺脫了 PC 和伺服器的繁瑣局限，CPU 和 GPU 為龐大的新超大規模資料中心提供了動力。然而最近幾年，隨著系統中的 CPU 承受越來越多的網路和存儲工作負載，DPU （即資料處理單元）已成為以資料為中心的加速計算模型的第三個成員。那麼 DPU 又將發揮怎樣的作用？為何如英特爾和輝達以及雲供應商阿里、亞馬遜、微軟等大佬們都紛紛湧入 DPU？

未來DPU 成為計算的三大支柱之一

Nvidia 在今年早些時候表示：“DPU （即資料處理單元）已經成為以資料為中心的加速計算模型的第三個成員。Nvidia 總經理黃仁勳在一次演講中說：“這將代表未來計算的三大支柱之一。”這三者之間，CPU 用於通用計算，GPU 用於加速計算，而 DPU 在資料中心周圍移動資料，進行資料處理。

那麼什麼是 DPU？這裡所說的 DPU，就是 Data Processing Unit 的縮寫，也就是所謂的資料處理單元。DPU 可以用作獨立的嵌入式處理器，但通常會集成到 SmartNIC 中，為未來的伺服器提供支援。DPU 是一種片上系統，或者說 SOC，是結合了以下三個關鍵要素的新型可程式設計處理器：行業標準的高性能軟體可程式設計多核 CPU，通常基於廣泛使用的 Arm 架構，並與其他 SOC 元件緊密耦合。

•     
• 高性能的網路介面，能夠以網路速度解析，處理和有效地將資料傳輸到 GPU 和 CPU。
• 一組靈活的可程式設計加速引擎，旨在減輕網路任務負擔並優化 AI 和機器學習，安全性，電信和存儲等的應用程式性能。
•      

那麼為什麼人們如此渴望使用 DPU？首先，它更安全，因為控制平面可以在系統內和系統集群之間與資料平面分離。DPU 可以執行原本需要 CPU 處理的網路、存儲和安全等任務。這就意味著如果在資料中心中採用了 DPU，那麼 CPU 的不少運算能力可以被釋放出來，去執行廣泛的企業應用。

DPU 還釋放了伺服器的容量，以便它們可以恢復到應用程式計算。在一些具有大量 I / O 和沉重虛擬化的系統上內核成本縮減一半，因此輸送量提高了 2 倍。除了內核的成本，還要計算整個機器的成本，包括其記憶體和 I / O 以及所釋放的工作量。所以，如果一台負載嚴重的伺服器要花 2 萬美元，那麼 DPU 只要花 1 萬美元，就能保證它的安全性和靈活性——特別是如果所有的機器學習加速都隱藏在系統軟體中，企業就不必自己創建它了。

DPU 豐富的、靈活和可程式設計的加速引擎可減輕和改善 AI 和機器學習應用的性能。所有的這些 DPU 功能對於實現隔離的裸機雲原生計算至關重要，它也將定義下一代雲規模計算。為此，國際大佬開始紛紛提前佈局。