本文来自微信公众号“电子发烧友网”，作者/周凯扬。
随着AI计算在数据中心逐渐占据主导地位，整个服务器系统架构中的虚拟化、网络交换对硬件提出了更高的需求，为了降低进一步CPU的负载，DPU也就应运而生。通过使用DPU，各种架构的CPU不仅降低了功耗，还提升了效率，完美符合当下对绿色计算的追求。
DPU真的能省钱吗？
虽然依据各大DPU厂商的说法，大规模使用DPU可以降低总成本，不过这一观点在过去以FPGA和ASIC主导的SmartNIC设计架构的时期很难成立。FPGA更高的成本使得云服务厂商难以通过较低的成本来实现规模化。而ASIC方案灵活可编程的能力较低，难以跟上时刻在迭代和扩充的网络环境，后续升级成本较高。
而如今普及的SoC方案，则通过结合不同的架构，降低成本的同时极大地提高了其灵活性。比如博通的Stingray就是Arm+ASIC的SoC方案，英特尔的IPU则是FPGA+x86或FPGA+Arm的SoC方案，Marvell的OCTEON 10也是Arm+ASIC的SoC方案等等。
这也就是为何不少云服务厂商纷纷投入使用DPU的原因，通过卸载CPU的负载，降低了整个系统的功耗，从而大幅降低了能源成本。以使用英伟达DPU的爱立信为例，据其公布的数据，他们在使用DPU后将服务器CPU的功耗降低至145W，相比过去节约了24%的能耗。
这样的数字在单个CPU，以及短运行周期内看起来似乎不算什么，但对于大型数据中心而言，这样的数字就意味着单个DPU应用就可以在三年间省下近200万美元的成本。同样可以从中受益的还有OVS这一虚拟交换机应用，根据英伟达公布的数据，在使用BlueField-2来承接原本由CPU负责的交换任务后，单台服务器的功耗可降低29%，达到305W。对于10000台服务器的数据中心来说，也就是3年内近500万美元的成本节约。
CSP纷纷选择了自研DPU
至于从云厂商的角度，那DPU是否省钱这一问题的答案就更明显了。不少云服务厂商开始意识到，与其选择第三方DPU，倒不如走上自研这条路。头部CSP发现自研DPU不仅可以减少系统成本，还能解决数据中心在管理和虚拟化上的局限性，从而保证其产品优势。
比如字节跳动早在2020年就开启了自研DPU氦卡的研发，从2021年至今已经发布了氦卡的1.0、1.5和2.0版本。目前最新的氦卡2.0一斤支持到网络、存储和虚拟化全量加速。这对于字节旗下的火山引擎来说，不仅实现了IaaS、PaaS和存储资源统一的完全并池，也降低了成本，据字节跳动公布的数据氦卡使其TCO下降高达10%。
百度也在去年底发布了其自研DPU太行的2.0版本，新的DPU 2.0支持Intel、AMD和ARM平台，也同时支持计算、存储、网络和虚拟化等功能。百度也基于太行2.0 DPU这一计算底座，打造了vQPE、BTHv、BOE、BDMA、RDMA和BHQoS六大自研引擎，做到多协议、多场景、跨平台和低时延。
这与此前百度公布的太行DPU发展路径一致，从路线图上来看，未来的太行DPU 3.0将定位为云原生的IO引擎，实现BVC共平台、硬件资源的全面解耦以及软件定义实例等，做到端到端的极致性能。
写在最后
其实随着CSP纷纷自研DPU，这对于不少第三方DPU厂商都提出了一定的挑战。首先大型CSP厂商都有这样的能力去组建一个团队，来为其量身打造自研DPU，甚至是直接通过收购来完成这一目的，比如微软年初收购的Fungible。可以说，未来DPU厂商的竞争压力将进一步放大，不仅要和同行对手卷，还要和自己的客户卷。但好在对于使用云服务的用户来说，DPU的出现一定会进一步降低使用成本。
