從SmartNIC走向DPU，專用加速器的崛起

在計算架構和負載變得愈發(fā)復雜和多樣的情況下，處理器廠商紛紛開始了自己的造詞之路。要想體現(xiàn)產(chǎn)品定位，又要讓大家對其縮寫印象深刻，所以PU成了最常見的后綴?，F(xiàn)在的處理器家族中已經(jīng)有了不少成員，除了常見的CPU、GPU、APU之外，按照處理對象的不同，在人工智能和深度學習的崛起下，NPU和TPU也紛紛出現(xiàn)。

DPU模糊的定義

不過這些已經(jīng)定義明確的處理單元并不是我們今天的主角，而是找到了全新定義的xPU。什么是xPU，其實很難定義，這其中有DPU（數(shù)據(jù)處理單元）、IPU（基礎設施處理單元）和FAC（功能加速卡），這些剛冒頭的產(chǎn)品就是xPU，它們代表了從SmartNIC演化過來并超越其定位的新時代加速器硬件。除了SmartNIC以外，這些xPU雖然命名不同，但其實很多時候，它們是完全重合的，現(xiàn)在為了方便，很多時候也以DPU統(tǒng)稱。

BlueField-3 DPU / 英偉達

這樣說DPU的定義還是很模糊，我們就從其特點來看。SmartNIC往往需要主CPU來完成管理工作，DPU雖然往往也屬于一個主系統(tǒng)中的部件，但卻可以做到完全獨立，可以部署到邊緣、JBOF存儲和網(wǎng)關上，并為它們提供網(wǎng)絡接口和虛擬功能。它的另一項職責就是幫CPU減輕負擔，節(jié)省服務器上有限的處理器核心。

因此，盡管DPU看起來和一些PCIe智能網(wǎng)卡或GPU差不多，但它本質(zhì)上就是一個為數(shù)據(jù)流和數(shù)據(jù)包處理提供加速、卸載和本地服務的微型服務器，在服務器中提供一個獨立單元的同時，又不乏協(xié)助其他單元的處理能力。

什么樣的任務需要DPU？

至于為什么要用到DPU，這就不得不談到日益增加的數(shù)據(jù)密集型任務了，短視頻、實時金融交易的興起，高帶寬的數(shù)據(jù)流要求數(shù)據(jù)中心對網(wǎng)絡、存儲、安全和AI/ML進行高效的處理。比如谷歌在數(shù)年前就提到，在他們的數(shù)據(jù)中心里，有三分之一的任務都是數(shù)據(jù)密集型的，這些都是交由底層基礎設施完成的，而且這類任務的占比是在逐步增加的。因為CPU和GPU這樣的通用計算單元并不擅長，所以專門針對這類任務優(yōu)化的DPU就得出來擔此大任了。其次就是企業(yè)數(shù)據(jù)中心和公共數(shù)據(jù)中心也想獲得超大規(guī)模巨頭廠商那樣的效率，做到這一點就必須解聚那些昂貴的硬件資源，比如SSD、GPU等，DPU為數(shù)據(jù)中心的解聚提供了極高的效率，優(yōu)化了擁有成本、占用面積和安全性。

DPU可以完成各個方面的卸載與加速，尤其是在網(wǎng)絡、安全和存儲這三大塊。在網(wǎng)絡端，DPU可以有效實現(xiàn)虛擬路由器，輔助數(shù)據(jù)包交換、定義交換規(guī)則等工作，減少延遲的同時還能夠提高吞吐量；在安全上，DPU可以用于下一代防火墻（NGFW）的加速，完成數(shù)據(jù)包過濾、內(nèi)容檢測和報頭檢測與重寫，將性能提高數(shù)倍以上；在存儲上，DPU可以卸載高速NVMe/TCP，進一步提升存儲性能。最關鍵的是，這三者都能有效地接管CPU控制面的負載，節(jié)省CPU本身的計算核心。

基于DPU的服務器存儲方案 / Fungible

以上是DPU為服務器提供的加強，主要以PCIe加速卡的形式來提供，此外，還有單獨的DPU存儲產(chǎn)品。傳統(tǒng)的CPU存儲方案中，整個系統(tǒng)由DRAM、x86 CPU、SmartNIC、加速器和PCIe接口組成，而在未來的存儲方案，比如高性能存儲、計算型存儲和軟件定義網(wǎng)絡應用的存儲中，單片集成的方案更能滿足要求，這就是與DRAM結合的DPU存儲產(chǎn)品。這種方案不僅可以提升IOPS，也能進一步降低能耗。

正因如此，數(shù)據(jù)中心會用DPU來完成數(shù)據(jù)密集型任務，從而減少功耗、擁有成本和占用空間。此外，他們也會用到基于DPU的存儲、GPU/TPU資源池和主機卡，來高效地完成高成本硬件資源的解聚。

DPU市場混戰(zhàn)

在不少廠商對DPU的宣傳中，往往都會提到這將是除了CPU和GPU之外的第三大硬件。大家可能覺得類似的承諾，好像一些AI處理器也有提到，但市面上還是GPU占據(jù)主導地位，DPU又會有何不同呢？事實證明，市場對DPU的信心很足，這我們從入局DPU的廠商就能看出。

云霄DPU / 云豹智能

如今制造DPU的企業(yè)分為三種，一是初創(chuàng)公司，比如：云豹智能、星云智聯(lián)、中科馭數(shù)、云脈芯聯(lián)、芯啟源、大禹智芯、Fungible等；二是市面上一些已有的服務器巨頭，比如AMD/Xilinx、英特爾、Marvel、英偉達；三是CSP（云服務供應商）廠商，比如亞馬遜AWS、微軟Azure、阿里云等等。后者更多是負責設計或者聯(lián)合設計這些xPU，好專用于自己的云服務器。最終售賣這些DPU的除了DPU廠商外，還有基礎設施的OEM和ODM，增值分銷商和集成方案廠商，CSP廠商在售賣服務器的時候，自然也會以間接的方式來體現(xiàn)DPU的價值。

隨著Mellanox被英偉達收購，Pensando被AMD收購，而Fungible的DPU主要針對存儲加速和卸載，雖然沒有被收購，但也收獲了軟銀的主導的融資。國內(nèi)的DPU廠商同樣備受青睞，比如騰訊屢次投資的云豹智能，字節(jié)跳動投資的云脈芯聯(lián)，美團和百度投資的星云智聯(lián)等，這些投資方要么是CSP，要么擁有超大規(guī)模的數(shù)據(jù)中心，他們不像其他CSP大廠，硬件設計能力缺乏或有限，卻也看到了DPU的前景。

DPU并不完美

即便大廠看好，但從現(xiàn)狀來看，部署DPU對某些中小企業(yè)來說依然是雙刃劍。固然，DPU可以卸載基礎設施的任務，減輕其負擔，讓服務器的CPU空出來專注在應用本身，更高的效率、更低的擁有成本和更高的安全性也都隨之而來，這些優(yōu)點是幾乎每個服務器都能享受到的。

但在部分服務器中，引入DPU不免增加了服務器的資本投入，而且相較于CPU、GPU這類硬件來說，它只能卸載和加速特定的負載，并不是一個通用加速單元。此外，部分服務器在增加DPU的情況下還是會導致功耗提升，在服務器、數(shù)據(jù)中心紛紛開始節(jié)能減排的當下，如何權衡各個組件的功耗無疑會是一個大問題。還有就是相關的開發(fā)，DPU的靈活性體現(xiàn)在可編程上，但這需要進行一定的編程能力，加上目前每家廠商都在單干，也沒有一個標準的接口，所以在適配上絕對不輕松，這也是不少DPU選擇Arm作為核心架構的原因，就是為了減少其編程的難度。

也正是因為以上這些理由，從市場滲透率上來看，DPU主要是還是大規(guī)模的CSP廠商用的更多一點，加上托管應用的增加，這一塊未來也會驅(qū)動DPU產(chǎn)品的銷售。對于自研DPU的CSP來說，他們肯定會繼續(xù)加大這方面的投入，進一步降低成本，而對于第三方廠商來說，英偉達、AMD和英特爾這些服務器CPU、GPU廠商無疑會更有優(yōu)勢，因為他們提供競爭力更強的集成方案。