DPU发展有望进入快车道。DPU（数据处理芯片Data Process Unit）被认为是继CPU和GPU之后的“第三颗主力芯片”。得益于智能网卡方案的逐步成熟，叠加全球通用服务器出货量的稳定增长、L3以上级别智能驾驶汽车的技术落地、工业控制领域的需求增加等原因，全球、国内DPU产业都有望实现快速发展。

全球DPU市场高景气延续，国内DPU市场加速追赶。据赛迪顾问《中国DPU行业发展白皮书》，2020年全球DPU产业市场规模达30.5亿美元，预计到2025年全球DPU产业市场规模将超过245.3亿美元，复合增速达51.73%。2020年中国DPU产业市场规模达3.9亿元，预计到2025年中国DPU产业市场规模将超过565.9亿元，复合增速达170.6%。

DPU产业链分析：

DPU中游环节（DPU芯片厂商）：海外巨头暂时领先，国产厂商蓄势待发。根据头豹研究院数据，2020年国内DPU市场中，国际三大巨头英伟达，博通，Intel份额分别达到55%、36%、9%。国内厂商中，华为，阿里，百度，腾讯也在近几年针对自身服务器进行自研与外购DPU，针对的主要功能在于数据，存储与安全方面。

DPU上游环节：EDA、IP等均为研发重要基础。国内EDA市场长期由国际三大巨头占据，未来有望迎来突破。供需合力孕育IP核产业，未来需求打开新增通道。半导体国产化持续演进，国内IP供应商将占据稀缺性价值高地，包括寒武纪、芯原股份等。

DPU下游应用：多点开花，未来前景广阔。DPU核心市场围绕数据中心展开，以服务器为硬件载体，下游场景覆盖云计算，高性能计算，网络安全，边缘计算等多个领域。从我国范围看，高新技术、数字化转型及终端消费等多样化算力需求场景不断涌现，算力赋能效应凸显。

投资建议：ChatGPT等AI技术发展大趋势下，算力需求凸显，DPU有望迎来黄金发展期，全球、国内DPU产业市场规模呈现逐年增长的趋势，核心企业有望受益于行业发展趋势。建议重点关注DPU及AI算力龙头浪潮信息、寒武纪、景嘉微、中国长城、中科曙光等。

风险提示：国产替代进度不确定风险、DPU发展路线不确定风险、行业格局变化的风险。

1.1算力提升与数据增幅呈现剪刀差，DPU需求凸显

算力提升与数据增幅呈现剪刀差，DPU可有效减少算力损耗。在当前数据增幅大幅提升的大背景下，CPU性能的增速减缓，成本大幅增加，算力供给与需求形成剪刀差，CPU性能提升的难题亟待解决，以DPU为代表的异构计算具备将部分通用功能场景化、平台化的特点，实现算法加速并减少CPU功耗，有助于运营商、云计算厂商和互联网厂商对数据中心的升级改造，减少高达30%的数据中心算力税。

DPU（数据处理芯片Data Process Unit）被认为是继CPU和GPU之后的“第三颗主力芯片”。DPU（Data Processing Unit）是新近发展起来的一种专用处理器。2020年NVIDIA公司发布的DPU产品战略中将其定位为数据中心继CPU和GPU之后的“第三颗主力芯片”。随着芯片业制造工艺的不断精进，以及数字化技术如AI的发展，芯片行业不断推陈出新。DPU作为新型芯片的一种，它的出现是异构计算的一个阶段性标志。

DPU是以数据处理为核心的专用数据处理单元，是对传统计算资源的网络、安全和存储的卸载平台。传统数据中心以CPU为主要数据处理单元，通常庞大的基础架构的运行已占据相当一部分CPU核，给数据处理任务带来非常大的挑战。

发展背景：2013年雏形已现，2020年迎来行业认可

DPU其实在行业内已经孕育已久，从早期的网络协议处理卸载，到后续的网络、存储、虚拟化卸载。

根据摩天轮数据，Amazon的AWS早在2013年研发了Nitro产品，将数据中心开销（为虚机提供远程资源、加密解密、故障跟踪、安全策略等服务程序）全部放到专用加速器上执行。Nitro架构采用轻量化Hypervisor配合定制化的硬件，将虚拟机的计算（主要是CPU和内存）和I/O（主要是网络和存储）子系统分离开来，通过PCIe总线连接，节省了30%的CPU资源。

2016-2017年，阿里云就提出X-Dragon系统架构，其核心是MOC卡，且有比较丰富的对外接口，也包括了计算资源、存储资源和网络资源。MOC卡的核心X-Dragon SOC，统一支持网络，I/O、存储和外设的虚拟化，为虚拟机、裸金属、容器云提供统一的资源池。

根据网易、芯东西数据，2019年，美国一家初创公司Fungible推出产品F1 DPU，第一次提出了DPU的概念。

2020年10月，英伟达将基于Mellanox方案的Smart NIC命名为DPU，重新定义了DPU的概念。2020年，英伟达公司发布的DPU产品战略中将其定位为继CPU和GPU之后数据中心的“第三颗主力芯片”，掀起了行业热潮。

1.2以降本增效为目标，DPU直击行业痛点

DPU要解决的核心问题是基础设施的“降本增效”，即将“CPU处理效率低下、GPU处理不了”的负载卸载到专用DPU，提升整个计算系统的效率，降低整体系统的总体拥有成本（TCO）。

CPU资源负载过大为行业痛点，智能网卡（Smart NIC）为DPU前身。在通信领域，伴随着5G、云网融合时代的到来，以及虚拟交换等技术的引入，基于服务器的网络数据平面的复杂性急剧增加。海量的数据搬运工作被CPU承担，导致网络接口带宽急剧增加，CPU资源负载过大，大大影响了CPU将计算能力释放到应用程序中，为了提高主机CPU的处理性能，Smart NIC（智能网卡）将部分CPU的网络功能（如IP分片、TCP分段等）转移到网卡硬件中，起到了加速运算的目的，其可视为DPU的前身。新一代的DPU的优势在于不仅可以作为运算的加速引擎，还具备控制平面的功能，可以更高效的完成网络虚拟化、I/O虚拟化、存储虚拟化等任务，并彻底将CPU的算力释放给应用程序。

功能方面,DPU具备集成基础业务、网络数据加速、零信任保护、算存分离等多种功能。可有效解决当前CPU算力无法完全作用到应用程序，数据处理速度慢，授信导致的数据泄露，存储方案兼容性差等诸多问题。具体来说：

1.DPU实现了业务与基础设施的操作分离。DPU将基础设施任务从CPU转移至DPU，释放CPU的资源，使更多的服务器CPU核可用于运行应用程序，完成业务计算，从而提高服务器和数据中心的效率。

2.DPU卸载网络数据，实现性能提升。DPU针对云原生环境进行了优化，提供数据中心级的软件定义和硬件加速的网络、存储、安全和管理等服务。根据程序员客栈数据，红帽Red Hat的容器化云平台即服务(PaaS)0penShift上，借助DPU优化数据中心资源利用率，将网络相关的数据处理（如VxLan和IPSec等）卸载到DPU加速执行，在25Gb/s网络条件下，Open Shift部署DPU用来加速，可以只用1/3的CPU占用率来达到25Gb/s性能，而在100Gb/s网络条件下，未部署DPU的场景将达不到100Gb/s网络线速，DPU可以带来10倍的性能优势。

3.DPU可以提供零信任安全保护，零信任(Zero Trust)是一种以安全性为中心的模型，其基于以下思想︰企业不应对其内外的任何事物授予默认信任选项。零信任可以减少数据泄露、拒绝未授权的访问，因此在数据安全方面价值很大。

方式：DPU通过将控制平面由主机下放到了DPU，来为企业提供零信任保护，实现主机业务和控制平面的完全隔离，数据将无法进行穿透，保证安全性。DPU的出现相当于为每个服务器配备了一台“计算机前的计算机”，以提供独立、安全的基础设施服务，并与服务器应用域安全隔离。如果主机遭受入侵，安全控制代理与被入侵主机之间的DPU隔离层可防止攻击扩散至整个数据中心。这样DPU就解决了企业不愿直接在计算平台上部署安全代理的情况。通过在完全隔离于应用程序域的DPU上部署安全代理，企业不仅能获得对应用程序工作负载的可见性，还能在其基础设施中执行一致的安全策略。

4.DPU助力实现“算存分离”，BlueField SNAP技术方案通过在服务器系统的数据入口处引入计算资源，在DPU上独立实现面对应用需求的存储方案，帮助存储厂商在数据中心中低成本地灵活部署、升级高级存储协议，而完全不需要对现有软件栈进行任何更改。存储厂商可以把自家团队为各行业应用开发的开放系统的直连式存储(DAS)、纵向扩展(Scale-up)、横向扩展(Scale-out)、超融合架构(Hyperconverged)等存储解决方案，零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中，而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载。存储行业的革新算法和实现，可以在DPU架构中，独立于服务器操作系统进行部署。DPU技术帮助存储厂商实现真正的“算存分离”，完全发挥自家产品的技术优势，打通最高效服务应用需求的通路。

1.3依托智能网卡化茧成蝶，FPGA及混合架构路线为主流

Smart NIC可以被看作DPU的前身，包含基于多个CPU内核的ASIC和基于FPGA的智能网卡等类型。

随着技术的发展，FPGA、ASIC和SoC也在相互融合，它们之间的界限越来越模糊。例如，随着FPGA的发展，现在很多FPGA内部集成了硬核，这种硬核就是传统意义上的ASIC；从硬件可编程的角度来看，SoC与FPGA相反，它可以看作ASIC，这里的ASIC主要指硬件不可编程，而不是单指特定功能芯片。

NIC代表网络接口卡。实际上，NIC是一种插入服务器或存储盒以连接到以太网网络的PCIe卡。基于DPU的Smart NIC超越了简单的连接，在基础NIC的情况下，在NIC上实现了CPU必须执行的网络流量处理。

基于DPU的Smart NIC可以是基于ASIC、FPGA和SoC的。在这些不同的路线之间，在成本、编程的易用性和灵活性方面存在各种权衡。1）ASIC具有成本效益，可能提供最佳性价比，但灵活性有限。基于ASIC的NIC，如NVIDIA ConnectX-5，可以具有相对简单的可编程数据路径。最终，该功能基于ASIC中定义的功能而受到限制，这可能会阻止支持某些工作负载。2）相比之下，FPGA NIC（如NVIDIA Innova-2 Flex）具有高度可编程性。只要有足够的时间和精力，就可以在可用门的约束范围内相对高效地支持几乎任何功能。然而，众所周知，FPGA编程困难且价格昂贵。3）对于更复杂的用例，SOC（如Mellanox Blue Field DPU–可编程智能网卡）提供了似乎是最好的基于DPU的Smart NIC实现选项：良好的性价比、易于编程和高度灵活。

1.4DPU核心价值在于算力的卸载释放与扩展，异构算力互联推动DPU多领域高速发展

DPU的核心价值在于算力的卸载、释放与扩展。

1.算力卸载：即利用DPU集成一部分数据处理的基本功能，然后将这些功能从CPU中卸载下来，以提升CPU针对部分应用的算力。DPU的部分价值体现在节省这部分算力的成本-DPU自身的成本。因此DPU节省的算力越多，或DPU的成本越低，其带来的价值越高。与此同时，由于DPU的专用化，DPU将部分涉及网络、存储、安全、管理相关的控制功能卸载之后，还将使得业务性能得以提升，因此DPU的另一部分价值在于其可为业务节省的时间与使用体验。

根据技术邻数据，在大型数据中心的场景之中，DPU的算力卸载功能可用于减少数据中心税。由于在数据中心流量处理占了计算30%的资源，AWS将这些还未运行业务程序，先接入网络数据就要占去的计算资源称为“数据中心税（Data center Tax）”。

在数据安全场景中，DPU由于其独立、安全的架构，可将部分加密、解密算法固化在DPU硬件之中，以物理隔离的方式解决用户在海量数据的数据安全问题，为外部网络业务租户之间提供额外的安全层。

2. 根据中国信通院数据，算力释放：算力释放无需CPU介入多次访问内存和外设，避免不必要的数据搬运，拷贝和上下文的切换，直接在网卡硬件上对数据完成处理并交付给最终消费数据的应用。传统以CPU为中心的计算机体系结构在处理数据的过程中需要多次在内核和应用之间拷贝和访问数据，带来的是极大的性能损耗。以数据为中心的DPU架构则可以有效改善CPU过度参与数据处理的问题，在数据处理的过程中不需要CPU参与，直接将数据送达应用、相关的GPU或者存储设备，能够有效避免性能瓶颈和由于CPU负载过大而引发的异常。

DPU架构和技术，使服务器上运行的业务应用和操作系统内核，用简单的本地存储访问API，就能实现对分布式、超融合或软件定义存储系统的高效透明访问。存储厂商可以把为各行业应用开发的直连式存储(DAS)、纵向扩展(Scale-up)、横向扩展(Scale-out)、超融合架构(Hyperconverged)等存储解决方案，零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中，而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载。存储行业的革新算法和实现，可以在DPU架构中，独立于服务器操作系统进行部署。DPU技术帮助存储厂商实现真正的“算存分离”，完全发挥自家产品的技术优势，打通最高效服务应用需求的通路。

3.算力扩展：算力扩展即通过有效避免拥塞消除跨节点的网络通信瓶颈，显著降低分布式应用任务周期中的通信耗时占比，在大规模的集群维度提升计算集群的整体算力。为了提升算力，业界在多条路径上持续演进。通用CPU已很难继续通过提升单核单线程的性能和扩展片内多核的方式来大幅提升算力。单核芯片的工艺提升至3nm后，发展放缓；通过叠加多核提升算力，随着核数的增加，单位算力功耗也会显著增长，当128核增至256核时，总算力水平无法线性提升。在计算单元的工艺演进已经逼近基线，为了满足大算力的需求，通过分布式系统，扩大计算集群规模，提升网络带宽，降低网络延迟成为提升数据中心集群算力的主要手段。

随着计算机视觉，自然语言处理，自动驾驶等场景人工智能应用的落地和快速增长，应用对海量算力的需求以指数级别增长，这对基础设施提出了大规模、分布式、高性能的挑战。计算网络，典型代表为HPC+等高性能业务，低时延是其的极致追求，之前采用InfiniBand专网。但随着RoCE技术的深入发展，Ethernet在计算网络中的应用也逐渐普遍。RDMA技术通过消除多GPU跨节点通信的网络瓶颈，显著降低了训练任务整个周期中的通信耗时占比，提高了GPU集群计算资源利用率和训练效率，也为集群横向扩展到更大规模时的线性加速比提供了保证。

1.5 DPU带动异构算力互联，应用市场涵盖高新技术产业多领域

异构算力互联即为GPU、FPGA、ASIC或其它加速卡与CPU之间的数据连接。在CPU与加速卡之间，以及加速卡之间形成的芯片互联技术被更多的采用，虽然PCIe有着非常通用的标准化设计，但带宽有限将会产生瓶颈。以CXL和Gen-Z为代表的等下一代互联技术取得快速发展，DPU作为各种高速互联协议融合的沙盒，最适合成为灵活的高速互联载体，通过采用和扩展“以内存为中心”的互联协议，将带来在单个机箱外部扩展亚微秒级延迟技术的机会，为下一代计算架构创新创造可能性。

伴随信息化建设与应用的而深入，市场持续高涨，DPU产业在电信、互联网、智能驾驶、AI服务器及其他行业应用需求不断增长。1）在电信领域，三大运营商均积极布局，推动产品验证，并提出与产业链上的厂商推动DPU产业发展的合作意愿。2）在互联网领域，随着云计算、云原生等业务场景的发展需求，DPU作为数据中心演进的焦点，受到各大云厂商的广泛关注。头部厂商纷纷投入资源尝试自研或者战略合作，降本增效，实现效益的最大化。3）在智能驾驶领域，国内外芯片厂商加速布局智能驾驶，不断提升研发效率，为DPU的市场发展奠定基础。4）针对AI服务器及其他领域层面，在数字经济和“东数西算”等政策影响下，中国AI服务器、金融、终端政企及其他领域持续高速发展，对算力的需求不断增加，传统的技术已无法满足当前业务的发展需求，DPU能够提供成熟的硬件加速方案，提升整个系统的效率,为AI服务器、金融及其他领域的发展提供技术支撑，全面推进DPU产业未来的发展进程。

DPU行业市场集中度较高。根据头豹研究院数据，2020年国内DPU市场中，国际三大巨头英伟达，博通，Intel的份额分别达到55%、36%、9%。

国际上，Nvidia, Intel, Xilinx，Marvell, Broadcom, Pensando, Fungible, Amazon, Microsoft等多家厂商在近2-5年内均有DPU或相似架构产品生产，较国内相对较早。国内厂商中，华为，阿里，百度，腾讯也在近几年针对自身服务器进行自研与外购DPU，针对的主要功能在于数据，存储与安全方面。

2.1英伟达：具备先发优势，其BlueField系列芯片已到达第三代

BlueField 2搭载8颗64 bit的ARM A72 CPU内核，2VLIM加速器和ConnectX6Dx智能网卡，可以提供双端口最高100Gbps和单端口200Gbps的网络连接。Blue Field可以快速有效地捕获、分析、分类、管理和存储海量数据，实现RDMA/RoCE、DPU Direct、弹性存储、分块存储加密和恶意外部应用自动检测等功能，从而实现单颗DPU芯片对125个CPU内核的释放。BlueField2X在此基础上集成了2021年5月发布的7nm级Ampere架构。

GPU和第三代Tensor内核，可通过AI加速数据中心的安全、网络连接、数据存储等任务。此外，英伟达还发布了面向开发者的平台DOCA SDK，通过集成Ampere GPU和BlueField2 DPU优化EGXAI平台，向流媒体、智能驾驶、医疗等终端场景扩展。BlueField 3已在2022年发布。

根据深科技数据，英伟达预计BlueField4将于2023年发布，预计性能可提升600倍，达到75/400TOPS，400Gbps，吞吐量有望较BlueField2提升600倍。英伟达希望凭借GPU和Mellanox智能网卡技术壁垒的协同效应，再辅以Arm处理器整合协同后的性能提升，有望进一步抗衡英特尔/AMD的x86CPU体系。

2.2星云智联：首款DPU产品NebulaX D1055AS于2021年发布

根据《2021-2022年中国人工智能创投数据报告》数据，星云智联创立于2021年3月，汇聚了来自硅谷、以色列、加拿大等地ICT领域顶尖专家，专注于数据中心基础互联通信架构和DPU芯片研发，致力于构建数字世界算力的智能连接和开放生态，让云计算和数据中心成为构建未来数字社会的坚实基础。

根据星云智联官方数据，星云智联首款DPU产品NebulaX D1055AS已于2021年7月发布，该产品是国内首款全硬加速、超强转发、极简运维的DPU产品。NebulaX D1055AS 聚焦云计算的裸金属、虚机、容器等场景，实现网络与存储卸载与加速，提升业务性能，节省主机CPU，简化IaaS运维。可广泛用于互联网、公有云、运营商、政企与行业的云基础设施。产品为PCIe插卡形态，安装于标准服务器内运行，产品功能包括数据面和管控面两部分。

根据星云智联官方数据，管控面采用通用的CPU+Linux架构，其中DPU OS上运行了OVS控制面、弹性块存储客户端EBS-Client、管理监控等软件，支持带外管理网口，通过管理网络对接云平台。这个架构拥有极好的软件生态兼容性，用户可按需安装部署相应的管理和应用软件，比如OpenStack Agent，K8S Kubelet等IaaS/PaaS应用，也可移植现有云基础设施中的软件到DPU OS上运行。这种开放的管控面架构，简化了DPU与用户云管控平台集成，加速定制化DPU新功能开发上线。

2.3大禹智芯：Paratus 2.0具备强大的软件开放性

根据《未来网络白皮书》数据，大禹智芯成立于2020年，其创始及核心团队由国内外互联网、云计算头部公司以及传统网络、芯片、安全头部厂商的资深专家组成，拥有DPU设计与研发及DPU大型商业化部署的成功经验。

Paratus 1.0作为大禹智芯DPU的第一条产品线产品，采用ARM SoC作为主处理单元，提供多个10Gbps/25Gbps的业务网络接口，同时为了方便用户管理，单独设置了RJ45管理口。

Paratus 2.0作为大禹智芯DPU的第二条产品线产品，已于2022年10月发布，采用ARM SoC + FPGA的硬件架构，在Paratus 1.0产品基础上，利用FPGA对可固化逻辑的数据包实现高性能转发，提供多个10G/25G、100G的业务网络接口。

大禹智芯DPU产品Paratus 2.0具备强大的软件开放性，支持VirtIO来增强虚拟化环境下的适配性，能够灵活呈现大规模主机侧功能，可以实现包括OVS全卸载、存储客户端（Storage Initiator）的全卸载及NVMe模拟等多种功能，还能为存储服务端（Storage Target）提供数据处理服务加速。此外，Paratus 2.0的自研高性能网络传输协议可进一步支持RDMA应用；大禹智芯充分考虑了用户使用管理需求，在Paratus 2.0系统产品中还提供了云管平台对接的插件、独立的BMC模块，使用户能方便地实现云环境下业务的自动化部署、带外管理能力及与服务器更好的联动，达到Paratus 2.0在实际使用中与用户管控平台的有机结合。

2.4云脉芯联：打造自主研发多场景RDMA DPU产品

根据腾讯开发者社区数据，云脉芯联创立于2021年5月，是一家专注于云数据中心网络芯片产品研发与技术创新的高科技创新企业。2022年5月31日，云脉芯联正式发布自主研发的国内首款多场景RDMA智能网卡(DPU)产品——xFusion50。xFusion50是云脉芯联成功自主研发的第一款产品，也是国内首款实现包括支持端到端拥塞控制完整RDMA功能的DPU产品，xFusion50基于硬件实现的可编程拥塞控制算法能够有效避免网络拥塞，充分发挥RDMA技术的低延迟和高性能，支持云计算、高性能计算、AI、存储集群全场景部署。xFusion50产品具有以下核心亮点：

第一，支持可编程拥塞控制算法，可编程拥塞控制算法是实现端到端无损网络的关键技术；还可以通过开放可编程的底层网络接口，可根据客户的组网特点和上层业务的需求，灵活支持多种拥塞控制算法，最大化业务的流量吞吐。

第二，通过自主研发HyperDirect技术支持GPU Direct RDMA 为跨计算节点的GPU实现远程内存直接访问，跳过CPU以降低时延、提升带宽，提升分布式异构算力集群的整体效能。

第三，支持网络/存储全场景卸载加速，支持vSwitch全卸载，实现云上VPC网络全功能；支持存储卸载，对接分布式存储NVMe-oF（TCP/RDMA），充分释放宿主机CPU资源。并通过支持VirtIO实现弹性网络和弹性存储，满足云上用户无缝迁移和快速恢复的业务诉求。

2.5芯启源：自主知识产权，可扩展Chiplet等方向

根据《未来网络白皮书》数据，芯启源成立于2015年，聚焦网络通讯、5G和云数据中心等众多先进领域，客户包括且不限于运营商及二级运营商、路由器交换机设备商、OTT及互联网厂商、网络安全厂商、5G/6G设备商等。

芯启源具有完全自主知识产权的DPU芯片。芯启源DPU较传统智能网卡提供了更大的处理能力、更强的灵活性、可编程数据包处理、可扩展Chiplet(小芯片)结构等特性。采用NP-SoC模式进行芯片设计，通用ARM架构结合高度优化面向数据包的NP芯片（RISC-V内核）、多线程的处理模式，使其可以达到ASIC固化芯片的数据处理能力，同时考虑到了全量可编程、灵活可扩展的属性，用以支持400Gbps及以上的性能目标、低功率且具有成本效益等。

芯启源DPU架构中采用的Chiplet（小芯片）技术是一种全新的芯片设计方式，也是业内众多企业正在引入的关键芯片技术。Chiplet将满足特定功能的Die（裸片）通过Die-To-Die内部互联技术实现多个模块芯片与底层基础芯片封装在一起，形成一个系统芯片。Chiplet技术将原本一块复杂的SoC芯片分解为芯粒，类似模块化设计，有利于缩短产品商用时间和后续产品的迭代，同时通过支持与第三方芯片的Die-To-Die互联，还可以集成更多的特定专业领域的芯片。在性能和功能丰富度有飞跃式提升外，也为芯启源的客户提供更多业务场景的支持能力。

2.6中科驭数：目前已开始第三代DPU芯片研发

根据搜狐数据，中科驭数成立于2018年，聚焦专用数据处理器的研发设计，基于自研敏捷异构KPU芯片架构以及DPU软件开发平台HADOS，公司自主研发了业界首颗融合高性能网络与数据库一体化加速功能的DPU芯片和标准加速卡系列产品，可广泛应用于超低延迟网络、大数据处理、5G边缘计算、高速存储等场景，助力算力成为数字时代的新生产力。

在DPU产品的研发迭代方面，中科驭数于2019年流片了第一代DPU芯片K1，第二代DPU芯片K2也于2022年初成功投片，目前已开始第三代DPU芯片K2 Pro的研发工作；2021年9月，中科驭数首发DPU加速卡产品，其时延达到业界领先的1.2微秒。另外也有DPU存储加速卡、DPU数据计算加速卡等产品和解决方案在研发进程中。在产品核心技术特色方面，中科驭数的DPU芯片创新性地采用软件定义加速器技术路线，实现了软硬协同的DPU设计方案。具体创新点如下：

高效的异构众核DPU架构，基于软件定义加速器路线，研发了异构众核DPU芯片设计方法，解决了多核互联、计算调度、指令控制等核心问题。

超高带宽网络协议处理，研发专用网络协议处理核和大数据分析处理核，解决了软件解析网络包协议解析和数据处理的瓶颈，大大提升服务器间通信效率， 提升数据中心水平扩展能力。统一的虚拟化硬件平台，针对数据中心网络、计算、存储融合的虚拟化需求，研究统一高效的硬件设备虚拟化架构，解决现有方案单一虚拟化功能的窘境（仅支持网络虚拟化），充分释放DPU各类资源能力，更高效支撑复杂上层应用。统一的DPU软件开发框架HADOS，解决现有编程框架碎片化的问题，使得应用部署更加简单高效。

提供两种市场空间测算方式：

方法一：

数据中心税：根据中国科学报数据，云计算巨头亚马逊云服务（AWS）形象地称之为“数据中心税”——还未运行业务程序，先接入网络数据就要占去许多计算资源。据《DPU技术白皮书》显示，2013年，AWS研发了Nitro产品，将为虚拟机提供远程资源、加密解密、故障跟踪、安全策略等服务程序的资源开销，全部放到专用加速器上执行，“轻量化Hypervisor+定制化硬件”的上场一举节省30%CPU资源。因此数据中心税（即服务器算力税率）可以近似看成是节约的CPU资源率30%。因此，我们假设数据中心税为30%，进而可以假设，DPU的潜在价值量是CPU的三分之一（因为DPU能节省CPU三分之一资源）。

存量服务器数量、市场规模：根据同花顺财经，腾讯开发者社区，海光信息招股说明书数据，一般服务器生命周期为5年（参考紫光股份投资者问答，以及腾讯云计算官方论坛相关内容），因此，16-20年这五年的服务器总出货量就是21年的服务器存量。根据《海光信息招股说明书》数据，我们看到16-20年全球服务器总出货量为5540.7万台，对应总市场规模为3913.2亿美元。

新增服务器市场规模：根据《海光信息招股说明书》数据，参考16-20年全球服务器市场规模的复合增速10%，我们看到全球科技产业发展迅速，因此对服务器的需求有望持续，假设21-25年仍以10%的复合增速保持增长，则21-25年全球服务器市场规模分别为1011.2亿美元、1101.3亿美元、1211.4亿美元、1332.5亿美元、1465.8亿美元。

CPU占服务器成本：因为服务器其他环节成本相对固定，技术壁垒低，因此随着量的增加成本有逐步下降趋势；但CPU属于高技术壁垒的产品，且随着产业发展其复杂度将越来越高，进而在服务器成本的比重有望逐步提升。假设随着芯片制程先进性的提高，高端CPU占服务器的成本会从30%逐渐提高到36%。

测算思路：1）增量市场：按照数据中心税当前为30%计算，当前DPU市场潜在规模为CPU在服务器市场中市场规模的30%。根据这一思路，测算出DPU的潜在市场规模。2）存量市场：由于服务器生命周期为3-5年，按照原有服务器假设21-25年仍以10%的复合增速保持增长，则21-25年全球改造比例为25%分四年改造完成。根据海光信息招股说明书，16-20年五年一个周期，全球服务器存量市场规模为3913.2亿美元。3）整体来看：总体DPU市场规模（亿美元）=（服务器市场规模+存量服务器市场规模*改造比例）*CPU占服务器的成本*服务器算力税率；计算得出2025年全球DPU市场空间为264亿美元。根据赛迪顾问数据，2020年全球DPU产业市场规模达30.5亿美元，据方法一测算，至2025年，市场空间将有望达到约264亿美元，期间CAGR为54.0%。

方法二：

单个服务器配置：1个DPU（目前DPU还处于发展初期，还没有被客户大范围接受，我们假设每台设备仅搭载一个DPU）。

DPU单价：由于DPU目前还属于新生事物，市面上难以找到其量产价格，但我们可以根据CPU价格来简易预测DPU价格。根据《海光信息招股说明书》数据，服务器CPU单价约为7000-8000元人民币，对应约1000美元（参考最新汇率）。由于DPU承担了CPU三分之一的工作，所以价值量也应该是其三分之一；但是考虑到DPU技术壁垒高、新生事物，因此价格可以假设为5000元人民币左右，对应700美元/片。

测算思路：根据《海光信息招股说明书》数据，16-20年五年一个周期，全球服务器存量市场规模为5540.7万台，【未来潜在市场规模=（新增服务器数量+存量服务器改造数量）*服务器单价*DPU数量。】计算得出2025年DPU市场空间约为234亿美元。根据赛迪顾问数据，2020年全球DPU产业市场规模达30.5亿美元，据方法二测算，至2025年，市场空间将有望达到约234亿美元，期间CAGR为50.3%。

4.1DPU产业链分析

DPU技术方案与主流厂商：当前业界DPU的实现技术方案主要分为两种——FPGA和ASIC/SoC（systemofchip，系统级芯片）。国外主流厂商有Fungible、Mellanox（2020年4月被英伟达收购）、英伟达、英特尔等。

DPU产业链分析：

上游：EDA、IP核、制造、封测；中游：云厂商、芯片厂商；下游：云厂商、电信领域。

4.2全球、国内市场均有望保持高增，行业高景气度有望延续

全球DPU产业发展趋势:得益于智能网卡方案的逐步成熟，叠加全球通用服务器出货量的稳定增长、L3以上级别智能驾驶汽车的技术落地、工业控制领域的需求增加、边缘计算技术和物联网技术的迅速发展，全球DPU产业市场规模呈现逐年增长的趋势，并随着Intel、NVIDIA等厂商的DPU大规模量产，预计DPU市场将迎来快速增长。根据赛迪顾问数据，2020年全球DPU产业市场规模达30.5亿美元，预计到2025年全球DPU产业市场规模将超过245.3亿美元，期间CAGR高达51.73%。

中国DPU产业发展趋势：得益于数据中心升级和边缘计算、新能源汽车、IoT、工业物联网等产业的发展所带来的需求增长，中国DPU产业市场规模呈现逐年增长的趋势，预计中国DPU市场将迎来快速增长。根据赛迪顾问数据，2020年中国DPU产业市场规模达3.9亿元，预计到2025年中国DPU产业市场规模将超过565.9亿元，期间CAGR高达170.6%。

4.3 DPU行业上游分析：EDA、IP等上游环节均为研发重要基础

DPU行业上游分析-EDA——DPU研发之基

EDA是集成电路上游的设计基础工具，对DPU研发与生产中的生产效率、产品技术水平有重要影响。

EDA行业可撬动数千亿集成电路市场规模。根据ESDAlliance、21ic电子网数据，2021年EDA全球市场规模132.75亿美元，却撬动了千亿美元级别的半导体市场和数万亿美元的电子产品市场，乃至数十万亿美元规模的数字经济。中国拥有全球规模最大、增速最快的集成电路市场，EDA杠杆效应更大，一旦EDA产业链基础出现问题，整个集成电路产业乃至上层运行的数字经济产业都会受到影响。

全球EDA市场规模：EDA行业占整个集成电路行业市场规模的比例虽然较小，但以百亿美元左右规模体量，支撑和影响着数千亿美元的集成电路行业。受益于先进工艺的技术迭代和众多下游领域需求的驱动，全球EDA市场规模呈现出稳定增长态势，行业持续高景气。根据华经产业研究院数据，全球EDA市场规模从2012年的65.36亿美元持续增长至2021年的132.75亿美元，年复合增速为8.2%。

国内EDA市场规模：在集成电路产业稳定向好、设计环节较快增长的发展态势下；叠加EDA软件重要性凸显，占集成电路规模比重提升；EDA工具市场规模保持稳定上涨态势。根据华经产业研究院数据，2016-2020年，我国EDA市场规模由57.4亿元增长至93.1亿元，期间CAGR为12.85%。

国内EDA市场长期由国际三大巨头占据，未来有望迎来突破。目前，根据华经产业研究院数据，Cadence、Synopsys和西门子EDA三家公司仍占据了国内EDA行业的主导地位，2021年的合计市场份额为77.7%，三巨头的技术水平、产品完成度和丰富度仍旧大幅领先国内相关企业。但在政策支持、人才涌现、企业大力投入研发的背景下，国产EDA企业已经崭露头角，国内EDA企业龙头华大九天在面板电路EDA工具领域的技术已经达到了国际领先水平，在模拟电路EDA工具领域实现了全流程覆盖，在数字电路EDA工具领域实现的点工具的突破，2021年，其在国内EDA市场市占率已经达到6%，超过Ansys和Keysight。概伦电子也初步打入市场，占据国内市场1.9%的份额。

EDA在DPU芯片设计环节对提高成功率和降低费用至关重要

在芯片设计方面，设计人员需使用EDA工具来设计几十万到数十亿晶体管的复杂集成电路，以减少偏差、提高成功率和降低费用；

1）模拟设计类EDA工具，主要用于模拟芯片设计中电路图编辑、版图设计和仿真验证等；

2）数字设计类工具，用于数字芯片设计中，负责功能定义、架构设计、逻辑综合、电路仿真及功能验证等；

DPU行业上游分析-IP核——DPU大厦的钢筋与混凝土

IP核是DPU研发生产中必不可少的一部分，以英伟达DPU为例，其由内核，网络连接部分，AI加速器，加速器引擎，PCIe接口，内存等架构组成。其需要外购CPU芯片IP，接口芯片IP，存储IP等。因此DPU的研发生产过程中，IP核是必不可少的一部分。

IP（Intellectual Property）核是芯片设计环节中逐步分离出来的、经过验证的、可重复使用的设计模块，其作用是在芯片设计环节中降低冗余设计成本，降低错误发生的风险，提高芯片设计效率。IP核本身是产业链不断专业化的产物，是芯片设计知识产权的重要体现，也是半导体设计行业下一步升级的重要方向。

供需合力孕育IP核产业，未来需求打开新增通道，芯片用量增长和品类的持续扩张对芯片设计效率和成本的要求不断提升，同时制程工艺的改进也增加了芯片设计的难度，经过反复验证的、可重复使用的IP核逐渐受到系统厂商、IDM、芯片设计公司的欢迎。同时，半导体产业专业化孕育了IP核供应，IDM、芯片设计公司自身在多年芯片设计过程中通过设计复用以降低冗余研发所产生的一些经过验证的、可重复利用的指令集、代码、功能描述和具体物理模块，最终逐步形成IP核。ARM公司在这个浪潮中逐步成长为全球龙头，牢牢占据着超40%的IP核行业份额。同时，由于IP核的特殊性，行业形成了较为独特的以“授权+版税”为主的商业模式。

从市场总体来看，IP市场规模稳步提升，市场增速上行。根据IPnest数据，2021年全球半导体IP核市场规模为54.5亿美元，同比增速从2018年的6.0%上升至2021年的19.4%。预计未来几年市场规模将持续稳步扩张，根据IBS数据，全球半导体IP核市场规模有望在2027年达到101亿美元，IBS口径下2018~2027年CAGR达9%，其中处理器IP市场增长较快，增速达10%。

半导体IP市场发展概况：随着先进制程的演进，线宽的缩小使得芯片中晶体管数量大幅提升，使得单颗芯片中可集成的IP数量也大幅增加。根据芯原股份招股说明书，以28nm工艺节点为例，单颗芯片中已可集成的IP数量为87个。当工艺节点演进至7nm时，可集成的IP数量达到178个。单颗芯片可集成IP数量增多为更多IP在SoC中实现可复用提供新的空间，从而推动半导体IP市场进一步发展。

芯原股份招股说明书数据显示，半导体IP市场将从2018年的46亿美元增长至2027年的101亿美元，年均复合增长率为9.13％。其中处理器IP市场预计在2027年达到62.55亿美元，2018年为26.20亿美元，年均复合增长率为10.15％；数模混合IP市场预计在2027年达到13.32亿美元，2018年为7.25亿美元，年均复合增长率为6.99％；射频IP市场预计在2027年达到11.24亿美元，2018年为5.42亿美元，年均复合增长率为8.44％。

产业定位：随着芯片工艺持续复杂，芯片设计难度呈现指数增长，与此同时成本也随着难度呈现指数增长现象，目前最常用的SOC的晶体管个数更是动辄就是几亿,甚至上十亿,其芯片的设计复杂度决定了人力无法轻易完成，而EDA软件则通过逻辑计算减少大量人力和流片成本，从而减少大量研发和制造成本，为半导体产业发展关键设计软件。

市场规模：根据CSDN数据，就全球和中国EDA市场规模现状而言，随着下游半导体产业规模持续扩张，但国内整体EDA相较国际先进水平无论技术还是整体规模仍有较大差距，政策持续推进背景下国内规模增速远超全球规模增速，预计占比全球份额持续提高。根据华经产业研究院数据显示，2018-2020年，全球EDA市场规模从62.2亿美元增长至72.3亿美元，国内EDA市场规模从6.67亿美元增长至9.83亿美元。

4.4DPU制造中的能工巧匠

DPU厂商多为Fabless模式，需要寻找代工厂来进行芯片的制造，封装，测试等过程。追寻摩尔定律能让消费者享受更便宜的算力，晶圆代工是推动摩尔定律最重要的环节。根据21ic电子网数据，1965年，英特尔（Intel）创始人之一戈登·摩尔提出，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍，这也是全球电子产品整体性能不断进化的核心驱动力，以上定律就是著名的摩尔定律。换而言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。

4.5核心环节之二：下游应用多点开花，未来前景广阔

行业的下游应用——数据中心—DPU当前的核心应用场景

数据中心作为数据产生、汇聚、融合、传输的重要场所，是承载算力的物理实体，是传统产业数字化转型的催化剂，是数字产业快速发展的动力引擎，是我国新基建的核心组成部分。我国正在加快引导数据中心高质量发展，2021年工业和信息化部印发的《新型数据中心发展三年行动计划（2021-2023年）》指出，用三年时间，基本形成布局合理、技术先进、绿色低碳、算力规模与数字经济增长相适应的新型数据中心发展格局。

全球服务器景气度回升，DPU厂商有望受益。受益于大数据、云计算、物联网等下游应用场景的不断发展，数据运算和存储的需求快速增长，服务器迎来快速放量。根据Counterpoint、国际电子商情数据，2022年全球服务器市场的收入将同比增长17%，达到1117亿美元。根据IDC、立鼎产业研究网，芯片成本在基础型服务器中约占32%，在更高性能的服务器中，芯片相关成本占比高达50%-83%。因此，提供有利于服务器提高性能，降低成本的解决方案的DPU厂商将在成本日益提升的服务器芯片市场中得到厂商更多的青睐。

根据中国信通院的数据，全球数据中心新增相对稳定。按照全球服务器年增加量统计，2015年-2021年全球年新增投入使用服务器规模相对稳定，净增加值也相对稳定，预计未来几年数据中心规模仍将保持平稳增长。

根据中国信通院数据，近年来，我国数据中心机架规模稳步增长。按照标准机架2.5kW统计，截止到2021年年底，我国在用数据中心机架规模达到520万架，近五年年均复合增速超过30%。其中，大型以上数据中心机架规模增长更为迅速，按照标准机架2.5kW统计，机架规模420万架，占比达到80%。

根据中国信通院数据，收入方面，全球市场平稳增长，我国维持较高增速。数据中心市场收入方面，2021年全球数据中心市场规模超过679亿美元，较2020年增长9.8%。预计2022年市场收入将达到746亿美元，增速总体保持平稳。

根据中国信通院数据，受新基建、数字化转型及数字中国远景目标等国家政策促进及企业降本增效需求的驱动，我国数据中心业务收入持续高速增长。2021年，我国数据中心行业市场收入达到1500亿元左右，近三年年均复合增长率达到30.69%，随着我国各地区、各行业数字化转型的深入推进，我国数据中心市场收入将保持持续增长态势。

需求方面，新兴市场需求强劲，我国应用场景多样

从全球范围来看，受全球数字经济加速发展促进，印度、南非等新兴市场逐步加强对数据中心的政策支持和产业投入，成为拉动全球数据中心需求增长的重要增长极。2015年启动的“数字印度”计划为印度的数字化发展提供持续助力，大数据中心建设是该计划的重要内容之一。2021南非通讯和数字科技部发布了《国家数据和云政策草案》，该草案对国家高性能计算和数据处理中心的建设作出了指引，高性能计算和数据处理中心主要由现有的Sentech和Broadband Infraco两个数据中心合并而成，上述数据中心将为各级政府、企业及高校提供云服务。以政府力量为主导的数据中心建设，将为南非数字经济发展打下坚实基础。

国内运营商布局较早，拥有网络和土地资源等IDC行业优势。基础运营商具备我国IDC行业先发优势，不同于北美市场以第三方IDC为主，当前我国IDC市场仍由三大运营商主导，形成了基础电信运营商及众多第三方IDC厂商共同提供数据中心服务的市场格局。三大基础运营商自身业务需要数据中心支撑发展，在数据中心行业领域具有先天优势，在客户资源、网络及土地资源等方面具有更多的资源掌握权和行业话语权。

发展趋势：三大运营商未来发展策略各不相同，将逐步差异化布局IDC业务。中国电信围绕核心城市规模部署IDC，同时着力发展政企市场中IDC和专线业务。中国移动持续优化“4+3+X”资源布局，促进IDC业务强基提质。中国联通将着力提高服务满足客户定制化需求。

发展现状：第三方IDC厂商运维能力强，增值服务多样。相对于基础运营商，第三方IDC厂商响应速度快，通过模块化、标准化机房设计缩短建设周期，可以更快速地满足企业需求。凭借多年运维经验，第三方IDC厂商还能有效降低机房能耗，保证机房稳定运行，整合基础运营商的网络资源，为客户提供更多选择。此外，第三方IDC厂商可为客户提供丰富的增值服务，除了智能DNS、智能灾备、CDN等，第三方IDC厂商还积极与云厂商合作打造云网生态系统，为企业提供一站式云服务。

第三方IDC厂商具有较深的资源背景，有望凭借能耗控制能力在碳中和背景下实现快速扩张。我国IDC行业正处于高速发展阶段，在一线商圈土地、电力资源紧缺，政策缩紧的大环境下，提前布局核心区域，优先获取资源的企业将拥有更大竞争力。我国头部IDC第三方厂商积极围绕核心城市展开布局，在核心区域自建大规模数据中心，拥有十分可观的机柜存量及储备机柜规模，凭借其在一线城市内积累的强大的客户资源、充足的项目储备，逐渐筑起行业壁垒。

新进入者纷纷涌入快速发展的IDC行业，钢铁企业和房地产企业为主要来源。在5G高速发展的背景下，IDC建设规模不断扩大，然而IDC受限于土地、电力、网络等资源，导致IDC市场供给增速跟不上需求增长。近年来我国数据流量更是呈现快速增长，导致IDC供需缺口远大于发达国家；就网民规模而言，我国互联网用户数量位居全球首位，然而我国IDC储备量与美国尚存差距。在供需失衡叠加5G高速发展的背景下，我国IDC行业迎来发展黄金时期。除三大运营商、第三方IDC服务商以及云服务厂商外，最近涌现出了一批以钢铁和房地产企业为代表的行业新进入者。

行业的下游应用——互联网行业：数据中心下游客户之一，大型企业为DPU潜在用户

不同规模、不同类型互联网企业对IDC的需求存在很大差异。大型互联网企业偏好定制型交付模式，而中小型企业多采用服务器租赁或TKF模式。大型互联网企业对IDC需求规模较大，多采用定制型的交付模式，与IDC运营商签订长期合约；而中小型互联网客户IDC需求规模较小，多以服务器租赁和TKF模式（一站式服务）与IDC运营商达成合作，签订的合约期限较短，有些运营商会根据客户体量采用差异化结算方式。中小型互联网企业对价格的敏感性尤其高，对IDC运营商来说，这部分客户是经济下行时最容易退租、风险最高且最难保证盈利的群体。

对于DPU行业来说，大型互联网用户价格敏感度低，部分领域时延敏感度高，体量大，替换成本高，是优质的潜在下游群体。DPU厂商可与互联网企业进行深度合作，获得先发优势，辅助其开发适用于自身业务状况的专用DPU，并使其在定制IDC过程中提出融入DPU需求，以获得订单。

互联网企业将加速数据中心领域的布局，深入与第三方IDC运营商合作，DPU前景可期。随着互联网和通信技术的发展，人们的业余生活不断丰富，对互联网的多样化需求也不断提高，在新的时代背景下，互联网企业如何在激烈的市场竞争中保持原有的市场地位，必须不断对互联网应用进行创新，提高自己的核心竞争力。DPU可有效提升互联网企业服务能力，对自身服务器性能，时延，网络安全等方面加以提升。由于客户量及应用需求的持续增长，用户对互联网企业的数据处理能力提出了更高的要求，未来各大互联网企业在IDC方面的布局将会保持加速状态，与第三方IDC运营商的合作也会更加密切，于此同时也对DPU厂商提出了更高要求，由于互联网厂商迭代能力强，周期短，对DPU这类硬件的适应性于可编程性要求较高，DPU厂商要加速自身研发能力，并与厂商进行深入沟通，双方共同确定解决方案的迭代路线，以克服DPU厂商研发量产速度慢与互联网厂商迭代速度快的剪刀差难题。

行业的下游应用——金融政府电力用户：数据中心的潜在大客户，DPU需求的增长极

DPU在金融、政府和电力用户领域将更多发挥安全性的优势。除性能提升之外，DPU还可为这三类用户提供零信任保护，实现主机业务和控制平面的完全隔离，以达到减少数据泄露，拒绝未授权访问的目的。因此DPU与这三类用户共同合作，协同效应明显，数据安全价值很大。

发展现状：金融、政府和电力用户为数据中心下游三大用户，需求量仅次于云计算和互联网用户。金融机构业务的数据量激增及出于安全稳定的考虑促使其对数据中心需求增加。数字政府和智慧城市等建设是政府成为数据中心用户的主要原因。电力行业数字化转型催生其对数据中心的需求。

金融机构对数据中心需求将进一步扩大，证券和基金业务需求增速加快。数据中心在金融市场将保持良好增长势头。随着金融业务数据量的急剧增加，金融机构亟需数据中心优化IT能力、提升效率，数据中心肩负协助金融机构完成数字化转型的使命。数字政府市场扩大，加速政府用户对数据中心的需求。2021年年初，国务院提出未来需加快建设数字政府，将数字技术广泛应用于政府管理服务，不断提高决策科学性和服务效率，预计2025年数字政府行业市场规模还将增长。数字化转型在电力行业不断深入，对数据中心的需求将不断增长。随着互联网信息技术、可再生能源技术的发展，电力数字化改革进程的加快，开展综合能源服务已成为提升能源效率、降低用能成本、促进竞争与合作的重要发展方向。用电网络正在由原来的单向电能量采集向双向互动转变，电力行业的新应用新业务也需要更多的双向互动，电力能源部门对数据中心未来的需求也将进一步扩大。

行业的下游应用——云计算：数据中心的需求来源，DPU当前最核心的场景

云计算市场是数据中心核心的需求来源，也是对DPU行业最先应用的场景。数据中心云计算用户主要分为公有云、私有云和独立第三方云计算厂商。公有云厂商代表为阿里云和腾讯云。阿里云对外助力企业数字化转型，对内承载庞大业务体系IT资源需求，对IDC的需求量庞大且多元。华为云业务以私有云为强项，产品强调私密性、安全性，近年来大力建设自有数据中心。优刻得（UCloud）是中立第三方公有云厂商，IDC采购以零售型为主。

根据中国信通院数据，全球云计算市场逐步回暖，增速实现触底反弹。随着经济回暖，全球云计算市场所受影响逐步减弱，至2021年已基本恢复到疫情前增长水平。根据Gartner统计，2021年以IaaS、PaaS、SaaS为代表的全球公有云市场规模达到3,307亿美元，增速32.5%。

我国云计算市场持续高速增长。根据信通院数据，2021年中国云计算总体处于快速发展阶段，市场规模达3,229亿元，较2020年增长54.4%。其中，公有云市场继续高歌猛进，规模增长70.8%至2,181亿元，有望成为未来几年中国云计算市场增长的主要动力；与此同时，私有云市场突破千亿元大关，同比增长28.7%至1,048亿元

厂商份额方面，据中国信息通信研究院调查统计，2021年阿里云、天翼云、腾讯云、华为云、移动云占据中国公有云IaaS市场份额前五；公有云PaaS方面，阿里云、华为云、腾讯云、百度云处于领先地位。

行业的下游应用——服务器：DPU的硬件载体，有望受益行业发展大趋势

根据《中国算力发展指数白皮书2022》数据，训练数据规模和模型复杂度的不断增大，推动AI服务器需求快速增长。整机方面，据IDC统计数据，2021年，全球AI服务器市场规模达156亿美元，同比增长39.1%，超过全球AI整体市场（含硬件、软件及服务）增长率22.5%，成为AI整体市场增长的驱动力量。

在2021年全球AI服务器市场中，浪潮、戴尔、HPE分别以20.9%、13.0%、9.2%的市占率位列前三，三家厂商总市场份额占比达43.1%，华为（5.8%）和IBM（4.1%）位列第四和第五。

芯片方面，传统芯巨头加速完善AI芯片产品体系，不断推进全能力建设，抢占多样性算力生态主导权。英特尔发布新一代高性能深度学习AI训练处理器HabanaGaudi2，运算速度是上一代的2倍。AMD在完成赛灵思的收购后，计划在CPU中融入赛灵思的FPGAAI引擎。英伟达推全新架构GPU，采用台积电4nm工艺，集成800亿个晶体管，大幅提升了AI计算速度。E级超算时代已经来临，超算设备厂商纷纷加快产业化步伐。

整机方面，超算设备厂商纷纷加强产业整合和布局。在TOP500的榜单上，联想是目前最大的超级计算机制造商，共有161台，全球占比32.2%；HPE有96台入围，占比19.2%，排名第二；浪潮、Atos、曙光以50台、42台、36台分列三到五位，占比10%、8.4%、7.2%。HPE以13亿美元收购Cray后，推出首个E级超算Frontier，预计2023年推出超过2EFlops性能的超算。法国Atos推出了新型超级计算机BullSequanaXH3000，将实现E级传统数字仿真和10E级AI加速计算。

芯片方面，CPU仍以英特尔和AMD为主。TOP500榜单上使用英特尔CPU的超算高达388台，占比77.6%，93台使用AMD处理器。此外异构计算芯片在超级计算机中应用越来越多，TOP500榜单上共有168台超级计算机使用了加速器/协同处理器技术，其中154台使用了英伟达芯片，8台采用AMD芯片。

计算芯片加快突破，在CPU、GPU等通用芯片性能持续升级的同时，计算芯片专用化发展仍在延续。人工智能芯片迈入商业落地阶段，业内已形成覆盖全场景的芯片解决方案，云端训练侧英伟达GPU占据主要市场份额，云端推理侧高效能芯片架构多样化发展；端侧场景高度碎片化，已在自动驾驶、视频监控、智能家居等领域形成一批商用落地产品。数据处理单元（DPU）芯片成为行业追逐新热点，数据密集型需求的快速增长对云端现有计算体系架构提出了新要求，专注数据加速处理以及云端各类资源管理的DPU芯片创新活跃，成为提升系统效能的重要推手。目前，英伟达、英特尔、美满等芯片厂商，亚马逊、阿里云等云服务商，星云智联、云豹科技等新锐企业均已形成自研DPU产品。

异构计算成为主流模式，伴随异构计算在移动互联网、人工智能、高性能计算等各类典型应用中占比显著提高，多样化、跨体系处理器协同成为提升计算并行度和能效的重要手段，主要涉及硬件体系架构、软硬融合协同两个维度的重构重建。硬件架构突破以CPU为中心的体系，应用维度从芯片内、节点内向系统级分区异构逐步深化，计算架构从“控制芯片+各类专用加速芯片”的典型模式向多擎分立等新体系探索，有望实现更大规模的多系统高效并行调度。软件协同以跨域统一和灵活调配为重要方向，借助统一异构软件平台整合编译器、编程语言、加速库、开发工具等，提供面向底层不同计算架构的编程模型和应用程序接口，实现多样异构算力的统一管理调度，典型代表包括英特尔OneAPI、英伟达CUDA和华为北冥多样性计算融合架构等。

根据《海光信息招股说明书》数据，国内市场规模：根据IDC统计数据，2020年全年，中国x86服务器市场出货量为343.9万台，同比增长8.1%。随着下游市场需求回暖以及国家将加快5G、工业互联网、大数据中心、人工智能等七大领域新型基础设施的建设进度，中国x86服务器市场未来几年需求仍然会比较旺盛，在2021-2025年复合增长率将达到8%左右。

根据《海光信息招股说明书》数据，国内市场规模：人工智能领域的应用目前处于技术和需求融合的高速发展阶段，在运算加速方面逐渐形成了以GPGPU解决方案为主的局面。根据前瞻产业研究院的数据，未来几年内，中国人工智能芯片市场规模将保持年均40%至50%的增长速度，到2024年，市场规模将达到785亿元。而随着人工智能相关技术的进步，应用场景将更加多元化，GPGPU通用性好和软件生态系统完善的优势会进一步展现出来，成为该领域的主流解决方案。GPGPU在我国人工智能芯片领域也将占据较大比例的市场份额。从2019年至2024年，CAGR达45.11%。

投资建议：ChatGPT等AI技术发展大趋势下，算力需求凸显，DPU有望迎来黄金发展期，全球DPU产业市场规模呈现逐年增长的趋势，同时中国DPU产业市场规模呈现逐年增长的趋势，核心企业有望受益于行业发展大趋势。建议重点关注DPU及AI算力龙头浪潮信息、寒武纪、景嘉微、中国长城、中科曙光等。

1）国产替代进度不确定风险。受宏观环境影响，若未来经济大幅下行，下游需求增长不达预期，国产替代实施进度不及预期，将会对相关公司业绩造成不利影响。

2）DPU发展路线不确定风险。高端处理器市场产品迭代速度较快，国际同类领先企业技术研发投入很大，国内公司在技术积累、资产规模、研发投入、高端人才储备等方面与国际领先企业存在一定差距。未来，若出现国际政治经济环境重大变化等其他外部原因，导致相关公司无法继续使用上述授权技术，或公司对高端处理器设计核心技术掌握不足等情形，导致相关公司无法对产品实现快速迭代更新，将会对相关公司生产经营造成较大不利影响。

3）行业格局变化的风险。集成电路设计产业属于典型的技术密集型行业，对于技术人员的知识背景、研发能力及项目管理经验积累均有较高要求。若相关公司核心技术人员出现变动，或未来市场出现新进入的竞争对手，可能会造成行业格局出现变化。