近日，中科院計算所行業首次釋出了報告《專⽤資料處理器 (DPU)白皮書》。DPU（Data Processing Unit）是以資料為中心構造的專用處理器，採用軟體定義技術路線支撐基礎設施層資源虛擬化，支援儲存、安全、服務質量管理等基礎設施層服務。DPU正在開啟一個巨大的產業化趨勢，可以為下一代資料中心、5G邊緣計算、雲計算提供核心元件。2020年NVIDIA公司釋出的DPU產品戰略中將其定位為資料中心繼CPU和GPU之後的“第三顆主力晶片”，掀起了一波行業熱潮。DPU的出現是異構計算的一個階段性標誌。
本期的智慧內參，我們推薦中科院計算所的報告《專⽤資料處理器 (DPU)白皮書》， 重點分析DPU產生的背景、技術特徵、軟硬體參考架構，應用場景和發展趨勢。
來源 中科院計算所
原標題：
《專⽤資料處理器 (DPU)白皮書》
作者： 鄢貴海 等
一、什麼是DPU？
1、怎麼理解DPU的“D”
與GPU的發展類似，DPU是應用驅動的體系結構設計的又一典型案例；但與GPU不同的是，DPU面向的應用更加底層。DPU要解決的核心問題是基礎設施的“降本增效”，即將“CPU處理效率低下、GPU處理不了”的負載解除安裝到專用DPU，提升整個計算系統的效率、降低整體系統的總體擁有成本（TCO）。DPU的出現也許是體系結構朝著專用化路 線發展的又一個里程碑。
DPU中的“D”有三種解釋：（1）Data Processing Unit，即資料處理器。這種解釋把“資料”放在核心位置，區別於訊號處理器、基帶處理器等通訊相關的處理器對應的“訊號”，也區別於GPU對應的圖形影象類資料，這裡的“資料”主要指數字化以後的各種資訊，特別是各種時序化、結構化的資料，比如大型的結構化表格，網路流中的資料包，海量的文字等等。DPU就是處理這類資料的專用引擎。
（2）Datacenter Processing Unit，即資料中心處理器。這種解釋把資料中心作為DPU的應用場景，特別是隨著WSC（Warehouse-scale Computer）的興起，不同規模的資料中心成為了IT核心基礎設施。目前來看，DPU確實在資料中心中使用前景非常廣闊。但是計算中心的三大部分：計算、網路、儲存，計算部分是CPU佔主導，GPU輔助；網路部分是路由器和交換機，儲存部分是高密度磁碟構成的的RAID系統和SSD為代表非易失性儲存系統。在計算和網路中扮演資料處理的晶片都可以稱之為Datacenter Processing Unit，所以這種說法相對比較片面。
（3）Data-centric Processing Unit，即以資料為中心的處理器。Data-centric，即資料為中心，是處理器設計的一種理念，相對於“Control-centric”即控制為中心。經典的馮諾依曼體系結構就是典型的控制為中心的結構，在馮諾依曼經典計算模型中有控制器、計算器、儲存器、輸入和輸出，在指令系統中的表現是具有一系列非常複雜的條件跳轉和定址指令。而資料為中心的理念與資料流（Data Flow）計算一脈相承，是一種實現高效計算的方法。同時，現在試圖打破訪存牆（Memory Wall）的各種近存（Near-memory）計算、存內（In-memory）計算、存算一體等技術路線，也符合資料為中心的設計理念。
總體來說，DPU有四大應用方向，應用於網路、儲存和安全場景：
1、DPU最直接的作用是作為CPU的解除安裝引擎，接管網路虛擬化、硬體資源池化等基礎設施層服務，釋放CPU的算力到上層應用；
2、DPU可以成為新的資料閘道器，將安全隱私提升到一個新的高度。在網路環境下，網路介面是理想的隱私的邊界，但是加密、解密演算法開銷都很大，例如國密標準的非對稱加密演算法SM2、雜湊演算法SM3和對稱分組密碼演算法SM4。如果用CPU來處理，就只能做少部分資料量的加密。在未來，隨著區塊鏈承載的業務的逐漸成熟，執行共識演算法POW，驗籤等也會消耗掉大量的CPU算力。而這些都可以透過將其固化在DPU中來實現，甚至DPU將成為一個可信根。
3、DPU也可以成為儲存的入口，將分散式的儲存和遠端訪問本地化。隨著SSD價效比逐漸可接受，部分儲存遷移到SSD器件上已經成為可能，傳統的面向機械硬碟的SATA協議並不適用於SSD儲存，所以，將SSD透過本地PCIe或高速網路接入系統就成為必選的技術路線。
4、DPU還可以成為演算法加速的沙盒，成為最靈活的加速器載體。DPU不完全是一顆固化的ASIC，在CXL、CCIX等標準組織所倡導CPU、GPU與DPU等資料一致性訪問協議的鋪墊下，將更進一步掃清DPU程式設計障礙，結合FPGA等可程式設計器件，可定製硬體將有更大的發揮空間，“軟體硬體化”將成為常態，異構計算的潛能將因各種DPU的普及而徹底發揮出來。
2、DPU與CPU、GPU的關係
CPU是整個IT生態的定義者，無論是伺服器端的x86還是移動端的ARM，都各自是構建了穩固的生態系統，不僅形成技術生態圈，還形成了閉合價值鏈。
GPU是執行規則計算的主力晶片，如圖形渲染。經過NVIDIA對通用GPU（GPGPU）和CUDA程式設計框架的推廣，GPU在資料並行的任務如圖形影象、深度學習、矩陣運算等方面成為了主力算力引擎，並且成為了高效能計算最重要的輔助計算單元。2021年6月公佈的Top500高效能計算機（超級計算機）的前10名中，有六臺（第2、3、5、6、8、9名）都部署有NVIDIA的GPU。
未來算⼒⽣態（相關⼚商為不完全列舉，僅做為⽰意參考）
資料中心與超極計算機不同，後者主要面向科學計算，如大飛機研製，石油勘探、新藥物研發、氣象預報、電磁環境計算等應用，效能是主要指標，對接入頻寬要求不高；但資料中心面向雲計算商業化應用，對接入頻寬，可靠性、災備、彈性擴充套件等要求更高，與之相適應發展起來的虛擬機器、容器雲、並行程式設計框、內容分發網等等技術，都是為了更好的支撐上層商業應用如電商、支付、影片流、網盤、辦公OA等。但是這些IaaS和PaaS層的服務開銷極大，Amazon曾公佈AWS的系統開銷在30%以上。如果需要實現更好的QoS，在網路、儲存、安全等基礎設施服務上的開銷還會更高。
這些基礎層應用型別與CPU架構匹配程度不高導致計算效率低下。現有的CPU的架構有兩個大類：多核架構（數個或數十幾個核）和眾核架構（數百個核以上），每種架構支援唯一的規範通用指令集之一，如x86、ARM等。以指令集為界，軟體和硬體被劃分開來分別獨立發展，迅速的催生了軟體產業和微處理器產業的協同發展。
但是，隨著軟 件複雜度的上升，軟體的生產 率（Productivity）得到更多的重視，軟體工程學科也更加關注如何高效地構建大型軟體系統，而非如何用更少的硬體資源獲得儘可能高的執行效能。業界有個被戲稱的“安迪比爾定律”，其內容是“What Andy gives, Bill takes away”，安迪（Andy）指英特爾前CEO安迪·格魯夫，比爾（Bill）指微軟前任CEO比爾·蓋茨，意為硬體提高的效能，很快被軟體消耗掉了。
正如CPU在處理影象處理時不夠高效一樣，現在有大量的基礎層應用CPU處理起來也比較低效，例如網路協議處理，交換路由計算，加密解密，資料壓縮等這類計算密集的任務，還有支援分散式處理的資料一致性協議如RAFT等。這些資料或者透過從網路IO接入系統，或者透過板級高速PCIe匯流排接入系統，再透過共享主存經由DMA機制將資料提供給CPU或GPU來處理。既要處理大量的上層應用，又要維持底層軟體的基礎設施，還要處理各種特殊的IO類協議，複雜的計算任務讓CPU不堪重負。
這些基礎層負載給“異構計算”提供了一個廣闊的發展空間。將這些基礎層負載從CPU上解除安裝下來，短期內可以“提質增效”，長遠來看還為新的業務增長提供技術保障。DPU將有望成為承接這些負載的代表性晶片，與CPU和GPU優勢互補，建立起一個更加高效的算力平臺。可以預測，用於資料中心的DPU的量將達到和資料中心伺服器等量的級別，每年千萬級新增，算上存量的替代，估算五年總體的需求量將突破兩億顆，超過獨立GPU卡的需求量。每臺伺服器可能沒有GPU，但必須有DPU，好比每臺伺服器都必須配網絡卡一樣。
3、異構計算的階段性標誌
DPU的出現是異構計算的又一個階段性標誌。摩爾定律放緩使得通用CPU效能增長的邊際成本迅速上升，資料表明現在CPU的效能年化增長（面積歸一化之後）僅有3%左右，但計算需求卻是爆發性增長，這幾乎是所有專用計算晶片得以發展的重要背景因素。
摩爾定律的放緩與全球資料量的爆發這個正在迅速激化的矛盾通常被作為處理器專用化的大背景，正所謂矽的摩爾定律雖然已經明顯放緩，但“資料摩爾定律”已然到來。IDC的資料顯示，全球資料量在過去10年年均複合增長率接近50%，並進一步預測每四個月對於算力的需求就會翻一倍。
因此必須要找到新的可以比通用處理器帶來更快算力增長的計算晶片，DPU於是應運而生。這個大背景雖然有一定的合理性，但是還是過於模糊，並沒有回答DPU之所以新的原因是什麼，是什麼“量變”導致了“質變”？
從現在已經公佈的各個廠商的DPU架構來看，雖然結構有所差異，但都不約而同強調網路處理能力。從這個角度看，DPU是一個強IO型的晶片，這也是DPU與CPU最大的區別。CPU的IO效能主要體現在高速前端匯流排（在Intel的體系裡稱之為FSB，Front Side Bus），CPU透過FSB連線北橋晶片組，然後連線到主存系統和其他高速外設（主要是PCIe裝置）。目前更新的CPU雖然透過整合儲存控制器等手段弱化了北橋晶片的作用，但本質是不變的。
DPU的IO頻寬幾乎可以與網路頻寬等同，例如，網路支援25G，那麼DPU就要支援25G。從這個意義上看，DPU繼承了網絡卡晶片的一些特徵，但是不同於網絡卡晶片，DPU不僅僅是為了解析鏈路層的資料幀，而是要做直接的資料內容的處理，進行復雜的計算。所以，DPU是在支援強IO基礎上的具備強算力的晶片。簡言之，DPU是一個IO密集型的晶片；相較而言，DPU還是一個計算密集型晶片。
進一步地，透過比較網路頻寬的增長趨勢和通用CPU效能增長趨勢，能發現一個有趣的現象：頻寬效能增速比（RBP，Ratio of Bandwidth andPerformance growth rate）失調。RBP定義為網路頻寬的增速比上CPU效能增速，即RBP=BW GR/Perf. GR如下圖所示，以Mellanox的ConnectX系列網絡卡頻寬作為網路IO的案例，以Intel的系列產品效能作為CPU的案例，定義一個新指標“頻寬效能增速比”來反應趨勢的變化。
頻寬效能增速⽐（RBP）失調
2010年前，網路的頻寬年化增長大約是30%，到2015年微增到35%，然後在近年達到45%。相對應的，CPU的效能增長從10年前的23%，下降到12%，並在近年直接降低到3%。在這三個時間段內，RBP指標從1附近，上升到3，並在近年超過了10！如果在網路頻寬增速與CPU效能增速近乎持平，RGR～1，IO壓力尚未顯現出來，那麼當目前RBP達到10倍的情形下，CPU幾乎已經無法直接應對網路頻寬的增速。RBP指標在近幾年劇增也許是DPU終於等到機會“橫空出世”的重要原因之一。
4、DPU發展歷程
隨著雲平臺虛擬化技術的發展，智慧網絡卡的發展基本可以分為三個階段：
智慧⽹卡發展的三個階段
隨著越來越多的功能加入到智慧網絡卡中，其功率將很難限制在75W之內，這樣就需要獨立的供電系統。所以，未來的智慧網絡卡形態可能有三種形態：
（1）獨立供電的智慧網絡卡，需要考慮網絡卡狀態與計算服務之間低層訊號識別，在計算系統啟動的過程中或者啟動之後，智慧網絡卡是否已經是進入服務狀態，這些都需要探索和解決。
（2）沒有PCIe介面的DPU智慧網絡卡，可以組成DPU資源池，專門負責網路功能，例如負載均衡，訪問控制，防火牆裝置等。管理軟體可以直接透過智慧網絡卡管理介面定義對應的網路功能，並作為虛擬化網路功能叢集提供對應網路能力，無需PCIe介面。
（3）多PCIe介面，多網口的DPU晶片。例如Fungible F1晶片，支援16個雙模PCIe控制器，可以配置為Root Complex模式或Endpoint模式，以及8x100G網路介面。透過PCIe Gen3 x8介面可以支撐8個Dual-Socket計算伺服器，網路側提供8x100G頻寬的網口。
未來智慧⽹卡的硬體形態
DPU作為一種新型的專用處理器，隨著需求側的變化，必將在未來計算系統中成為一個重要組成部分，對於支撐下一代資料中心起到至關重要的作用。
5、產業化機遇
資料中心作為IT基礎設施最重要的組成部分在過去10年成為了各大高階晶片廠商關注的焦點。各大廠商都將原有的產品和技術，用全新的DPU的理念重新封裝後，推向了市場
NVIDIA收購Mellanox後，憑藉原有的ConnectX系列高速網絡卡技術，推出其BlueField系列DPU，成為DPU賽道的標杆。作為演算法加速晶片頭部廠商的Xilinx在2018年還將“資料中心優先（Datacenter First）”作為其全新發展戰略。釋出了Alveo系列加速卡產品，旨在大幅提升雲端和本地資料中心伺服器效能。
2019年4月，Xilinx宣佈收購Solarflare通訊公司，將領先的FPGA、MPSoC和ACAP解決方案與 Solarflare 的超低時延網路介面卡（ NIC ）技術以及應用加速軟體相結合，從而實現全新的融合SmartNIC解決方案。Intel 2015年底收購了Xilinx的競爭對手——Altera，在通用處理器的基礎上，進一步完善硬體加速能力。
Intel 2021年6月新發布的IPU產品（可以被視為Intel版本的DPU），將FPGA與Xeon D系列處理器整合，成為了DPU賽道有力的競爭者。IPU是具有強化的加速器和乙太網連線的高階網路裝置，它使用緊密耦合、專用的可程式設計核心加速和管理基礎架構功能。
IPU提供全面的基礎架構分載，並可作為執行基礎架構應用的主機的控制點，從而提供一層額外防護。幾乎同一時間，Marvall釋出了OCTEON 10DPU產品，不僅具備強大的轉發能力，還具有突出的AI處理能力。
在同 一時期， 一些傳統並不涉足晶片設計的網際網路廠商，如海外的Google、Amazon，國內的阿里巴巴等巨頭紛紛啟動了自研晶片的計劃，而且研發重點都是面向資料處理器的高效能專用處理器晶片，希望以此改善雲端的伺服器的成本結構，提高單位能耗的效能水平。資料研究預測DPU在雲計算市場的應用需求最大，且市場規模隨著雲計算資料中心的迭代而增長，到2025年單中國的市場容量都將達到40億美元的規模。
二、業界產品概要
1、NVIDIA BlueField
NVIDIA推出的BlueField系列DPU，在支援網路處理、安全和儲存功能的同時，實現網路虛擬化、硬體資源池化等基礎設施層服務。BlueField DPU既是一個承擔高頻寬（100Gbs/200Gbs/400Gbs）的網路處理器，同時也是一個獨立的嵌入式處理器，它管理著眾多加速器引擎，比如加密解密、正則表示式匹配以及儲存加速等等。BlueField DPU也可以透過ARM核執行嵌入式Linux系統，處理一定控制面的任務，具有一定的通用能力。
NVIDIA 2020年推出BlueField-2系列 DPU，並計劃在2022年推出效能更強的BlueField-3 DPU。
BlueField 系列DPU
BlueField-2 DPU具有ConnectX-6的網路處理功能，可支援高速乙太網（200Gb/s）或 InfiniBand兩種介面, 八個ARM核，高頻寬DRAM和PCIe交換機，透過高速Mesh網路連線在一起。包含支援網路、儲存、加密、流媒體等計算的專用加速器，同時具有面向安全、虛擬化、硬體隔離和遠端管理的功能。
BlueField-2X DPU相比於BlueField-2 DPU，增加了對AI功能的支援，融合NVIDIA Ampere 架構的GPU並行處理能力與BlueField-2 DPU的資料處理能力。BlueField-3 DPU是第三代NVIDIA DPU。與BlueField-2 DPU相比，設計支援400Gb/s乙太網或NDR InfiniBand網路連線，也可以解除安裝、加速和隔離軟體定義的網路、儲存、安全和管理功能，從而提高資料中心的效能、效率和安全性。
2、Intel IPU（Mount Evans）
IPU（Infrastructure Processing Unit）是一種具有強化加速和乙太網連線的網路裝置，可使用緊密耦合的專用可程式設計核心來加速和管理基礎設施。 IPU提供完整的基礎設施解除安裝，並透過充當執行基礎設施應用程式的主機的控制點來提供額外的安全層。透過使用IPU，可以從伺服器解除安裝與執行基礎設施任務相關的開銷。雲服務供應商（cloud service provider，CSP）軟體在IPU本身上執行，而租戶的應用程式在伺服器CPU上執行。這不僅釋放了伺服器上的資源，同時優化了整體效能，而且為CSP提供了一個單獨且安全的控制點。
IPU將基於硬體的資料路徑（包括 FPGA）與處理器核心相結合，使得基礎設施以硬體的速度處理，能夠跟上不斷提高的網路速度和軟體實現控制平面功能的靈活性。IPU具有以下三個優勢：基礎設施功能和租戶工作負載物理分離允許使用者完控制CPU；供應商可以將基礎設施任務完全解除安裝給IPU，有助於提高CPU資源利用率，最大化收益；實現完全無磁碟伺服器架構的雲資料中心。
隨著基礎設施和租戶業務的物理分離，透過加速器可以有效地解除安裝基礎設施功能，並將其轉移到真正的無磁碟架構。Intel認為IPU將成為未來資料中心架構的核心元件，在2021年的Intel Architecture Day上，Intel推出了基於FPGA和ASIC的兩種實現方式的產品。其中，Oak Springs Canyon和Arrow Creek是針對雲和通訊的基於FPGA的IPU產品，Mount Evans是基於ASIC的IPU產品。目前，相關產品的技術細節還未對外公佈。
3、Marvell OCTEON
2021年6月28日Marvell釋出了基於5nm工藝的OCTEON 10系列DPU，搭載了算力強勁的ARM Neoverse N2核，並且配備了多種硬體加速模組，包括加解密、包處理及人工智慧推理加速器。同時為了提供使用者友好的可程式設計介面，提高應用開發效率，Marvell配套硬體設計了包括DPDK、Marvell ML toolchain等在內的軟體開發平臺。
Marvell OCTEON 10系列DPU
OCTEON 10子產品包括CN103，CN106，CN106S 和DPU 400，不同子產品間的主要區別在於整合的ARM Neoverse N2核數，核數越多，效能越強的同時功耗也相對越大(不高於60W)。目前OCTEON 10 系列DPU產品形式主要為晶片及其配套開發平臺(如圖5-8)，開發平臺預計於2021年第四季度面世。四款子產品僅公佈了其核心技術特徵，具體產品細節及形式尚未披露。
OCTEON 10 DPU芯⽚(左)及其開發平臺(右)
4、Fungible DPU
針對以資料為中心（data-centric）應用的處理，Fungible研發了F1 DPU處理器和TrueFabric互聯技術。TrueFabric是由Fungible首先提出的新型大規模資料中心網路互聯標準，這種Fabric互聯協議基於標準的UDP/IP/Ethernet協議棧構建。
RoCEv2是一種當前資料中心網路中主流的網際網路絡協議，該協議同樣基於UDP/IP/Ethernet搭建，對終端提供高效能的RDMA Read/Write服務，而TrueFabric對接入點提供高效能的Send/Receive服務。Fungible F1 DPU原生支援TrueFabric，因此F1 DPU可以用於大規模TrueFabric資料中心網路，不同型別的伺服器都可以將Fungible DPU作為網路接入點。
5、中科馭數 K2 DPU
核處理器（Kernel Processing Unit，KPU）是中科馭數原創的軟體定義計算架構，專為加速特定領域核心功能計算而設計的一種協處理器架構。KPU以功能核作為基本單元，直接對應用中計算密集型應用進行抽象核和高層綜合，實現以資料為中心的架構“定製”。KPU具有超強異構核整合和排程能力，一顆KPU根據需求可以整合數十至數百個功能核。在執行機制上，KPU採用“資料驅動平行計算”的方式，執行過程中透過資料流來啟用不同的功能核進行相應計算。
透過軟體定義的方式使用者可以靈活的建立“功能核”與應用層運算之間的關係，從而實現“功能核”到運算需求的“一對一”服務，保證計算效率。且不同於FPGA在電路層的改造的效能犧牲，KPU的核心技術在功能核層，功能核來自於對於計算模式的抽象，並將其IP化。透過高層次綜合，既實現了領域內硬體的統一，降低了規模限制的硬體成本和設計週期，又能透過軟體程式設計實現不同功能的計算；特定需求只需要增刪功能核的種類和數量即可。在整體計算效率提升百倍的前提下，仍然具有非常高的可擴充套件性和靈活性。
目前中科馭數已經完成了四類KPU晶片架構設計，1）KPU-Swift針對網路協議處理設計；2）KPU-Conflux針對時間序列/大資料分析設計；3）KPU-Trusy針對安全領域處理設計，4）KPU-FlexFlow針對智慧計算設計。並在5個應用領域積累了80餘類功能核。
中科馭數在2019年完成第一代KPU晶片K1流片，針對序列資料處理及資料庫/大資料分析而設計。集成了序列卷積tscov、序列濾波tsfir、序列距離tsdist、序列相似tsdtw等20多類功能核。相比於傳統軟體解決方案，基於馭數K1的加速方案在資料庫/大資料分析，以及時間序列處理等業務場景中可獲得超2個數量級的效能提升。
三、DPU未來展望
工業和資訊化部發布的《新型資料中心發展三年行動計劃(2021-2023年)》中明確提出要加快提升算力算效水平，“推動CPU、GPU等異構算力提升，逐步提高自主研發算力的部署比例”，“加強專用伺服器等核心技術研發”，“樹立基於5G和工業網際網路等重點應用場景的邊緣資料中心應用標杆”等等。
該行動計劃也部分反映了DPU等新型算力晶片難得的歷史發展機遇。雖然國內廠商在晶片產品化的環節還相比國外一線廠商還有差距，但是在DPU架構的理解上還是有獨到的見解的，而且我國目前在資料中心這個領域，無論是市場規模還是增速，特別是使用者數量，相較於國外都有巨大的優勢。國內廠商有望充分利用這一“應用勢能”，加快發展步伐，在DPU這個賽道與國外廠商逐鹿中原。
DPU的潛在市場非常巨大，預測到2025年僅中國市場就能達到每年40億美元的規模，估計全球將超過120億美元，但挑戰與機遇並存。IaaS在國內雲服務市場佔比約60%，支撐了目前最重要的PaaS的容器雲技術。未來幾年，我國仍將維持IaaS為主的雲計算結構，預計市場佔比將逐上升到70%。
目前要解決DPU標準化應用，還存在一定挑戰。由於資料中心本身的複雜性，各大廠商一方面採用COTS元件來構建系統，追求低成本，一方面又設法分層服務化（IaaS，PaaS，SaaS），打造面向不用型別客戶的標準化產品，但除此之外的所有技術實現幾乎都是各家“八仙過海，各顯神通”，如AWS有Nitro，阿里雲有MOC。有的廠商強化IO能力、有的關注路由轉發、有的重視儲存解除安裝、有的關注安全加密——不一而足。例如各大公有云廠商、電信運營商等都有比較完整、也比較封閉的底層架構和應用生態。上層負載不同，必然對底層架構有各異的需求，這也許是目前DPU標準化面臨的最大的挑戰。
DPU作為一類專用處理器，與通用CPU的發展路徑可能會有所不同。專用計算體系結構和通用計算體系結構的陣地是不同的，專用計算競爭的焦點是資料平面，而通用計算競爭的焦點是控制平面。專用計算好比是造賽車，目標就是“快”，重點是根據賽道的型別來決定賽車的結構；通用計算好比是造民用車，目標更加的多元化，不僅要兼顧不同路況下的可用性，還要考慮價效比、代際相容性等等。所以，以通用CPU的標準來看待DPU可能並不合適，甚至會制約了專用DPU的發展。一個有商業價值的技術必須建立在“技術閉環”的基礎上：錨定需求、研發、使用、反饋、再研發改進、再擴大使用範圍……，即所謂“先垂直深耕，再水平擴充套件”的發展戰略可能更適合DPU的發展。技術只有投入使用才能體現價值，有使用價值才有可能商業化，才能完成技術閉環到商業閉環的進化。
技術閉環的形成需要集中火力打穿到應用才能鋪就。碎片化並不是“專用”障礙，反而應該是專用技術路線充分利用的優勢。當然，傳統的“one-size-fit-all”的ASIC商業模式，透過上量來攤薄晶片研發的鉅額NRE成本本身還是有效的，所以專用DPU最終也要謀求“水平擴充套件”來覆蓋更多的場景，還是要儘可能把各異的需求整合起來，並且適應不同廠商的資料中心架構，但這必將是一個長期而艱鉅的任務。DPU肯定不算是一個“低垂的果實”，各個DPU廠商可能不能寄期望於當前“需求各異、體系封閉”的局面自發地在短期內變得“整齊劃一，全面開放”，只能是在競爭合作的博弈過程中，逐漸滿足越來越多的行業需求。放棄幻想，步步為營，“結硬寨，打呆仗”，這需要長期行業“Knowhow”的整合和持續的產品迭代。
更需要上下游企業共同來構建良性、開放的生態環境，按照基礎性技術研發的規律來研發DPU，面向網路、安全、儲存、虛擬化等基礎技術，劃分好邏輯層次，利用好“軟體定義”的思想，構造一個完整的DPU軟硬體體系。而不是把DPU當成普通的演算法加速器，只謀求解決一些碎片化的需求。從目前行業的關注度來看，DPU帶來的機遇已經基本形成共識，期待在這一趨勢的驅使下，行業內的各個廠商協同起來，將DPU這一創新的產品早日賦能各行各業，成為新的生產力。
智東西認為，在英偉達的帶領下，今年DPU的概念非常火爆，這也說明了在摩爾定律即將走向終結的大背景下，透過工藝提升來提高晶片效能、成本等的方式已經不復存在。新時代的資訊革命需要劍走偏鋒，用新的計算架構來滿足龐大的運算和資料的需求。
