2026年中国数据处理器（DPU）芯片行业政策、产业链、市场规模及趋势分析：英伟达等海外厂商仍然占据主导地位[图]

数据处理器（Data Processing Unit，简称“DPU”）芯片是一种以数据处理为核心的通用处理单元，是对计算资源相关的低时延网络、弹性存储、安全和管控的协同处理平台。相较于CPU和GPU，DPU专注于数据中心网络的数据处理和低时延传输，通过对网络基础设施的智能化升级，提升数据中心整体运行效能；相较于部署于网络设备交换机侧、负责数据包转发的以太网交换芯片，DPU作为服务器侧核心部件，专注于数据的深度处理、管控和加速。从纵向功能定位看，DPU属于互连芯片中网络芯片的一种，具体用于服务器与网络连接，与以太网交换芯片、Switch芯片、Retimer芯片、oDSP芯片等共同构成了数据中心互连体系的关键硬件基础。

从横向技术类别看，DPU属于数字集成电路中逻辑芯片领域的处理器芯片，其他代表性处理器芯片如中央处理芯片CPU、图形处理芯片GPU、数字信号处理芯片DSP。

从技术演进路径看，网卡经历了由基础功能卸载向高算力、高可编程数据处理的演进过程。其形态由普通网卡、具备简单卸载能力网卡逐步升级为具备高性能、通用可编程卸载能力与低时延RDMA能力的DPU网卡；同时在面向云原生架构、全场景数据处理需求的全功能DPU基础上，结合AI智算集群后端网络优化的特定需求，演进为支持超大规模GPU高速互联的AIDPU。

全功能DPU在大规模多租户的云网络架构中扮演重要角色，主要用于支撑弹性网络、云存储、虚拟化、安全以及数据管控等基础设施功能的运行，通过软硬件协同实现对复杂数据与网络处理的全场景应用，是数据中心、计算集群的重要数据面和控制面组件。相比之下，AIDPU侧重面向AI智算集群的后端网络场景，围绕模型训练与推理过程中产生的庞大上下文数据流，承担集群协同、高带宽低时延RDMA传输、可编程拥塞控制与数据调度等关键功能，为大规模AI算力集群的高效运行提供支撑。

DPU并非单一功能芯片，而是深度嵌入数据中心基础设施的数据处理中枢。DPU芯片的研发涉及复杂架构设计、工艺制程、多模块集成、系统软件开发以及软硬件一体化调优等多项技术能力，DPU不仅需要在支持弹性网络、存储、安全、虚拟化功能的同时实现高吞吐、低时延和高可靠性传输，还需支持通用可编程，并与上层虚拟化和云原生软件体系进行深度适配，相关能力依赖长期技术积累与多轮产品迭代，新进入者在短期内同时补齐硬件设计与系统软件能力的难度较大。此外，DPU行业作为典型的技术和资本密集型领域，新进入企业在研发高性能DPU产品时，不但面临技术壁垒，同时也面临较高的资金壁垒，DPU产品研发涵盖可编程硬件架构设计、配套软件开发、IP核积累等复杂环节，不仅需要协调多方外部资源、适配众多认证合作伙伴，且单款产品量产成功需投入巨额资金，研发周期长、不确定性高，企业自进入行业伊始，就必须储备充足资金以支撑长期研发及市场拓展，缺乏资金实力和规模的企业难以在激烈竞争中立足。

我国高度重视包括数据处理器（DPU）芯片在内的集成电路产业发展，相继发布《工业重点行业领域设备更新和技术改造指南》《关于做好2024年享受税收优惠政策的集成电路企业或项目、软件企业清单制定工作有关要求的通知》《关于推动未来产业创新发展的实施意见》《算力互联互通行动计划》《2025年政府工作报告》《2025年工业和信息化标准工作要点》《“人工智能+制造”专项行动实施意见》《工业互联网和人工智能融合赋能行动方案》《国民经济和社会发展第十五个五年规划》《2026年政府工作报告》等一系列政策支持、鼓励行业发展，为我国数据处理器（DPU）芯片行业发展提供了良好的政策环境。

DPU行业作为集成电路设计行业的重要分支，从产业链分工来看，上游涵盖晶圆制造、封装测试、EDA、IP、半导体材料与设备、板卡代工等，为DPU产品提供基础工具与生产制造；中游为DPU产品设计环节，DPU产品设计作为产业链的枢纽环节，不仅直接响应不同下游市场对通用可编程的多样化需求，同时需要与上游晶圆制造、芯片封装测试、板卡代工企业深度协同，确保产品从电路设计转化为实际产品；行业下游则为服务器整机厂商和系统集成商及各类终端应用场景，应用场景主要包括云服务商、电信运营商及其他行业（涵盖汽车、新能源、工业制造、金融及能源电力等多个领域）。

目前，我国DPU市场的下游需求主要来自云服务商、电信运营商及其他行业，其中，云服务商是最核心、规模最大的下游需求来源，2025年占比超50%，云服务商在多租户、虚拟化及云原生架构下运营大规模数据中心，对网络、存储、安全、虚拟化、数据管控等数据面及控制面能力具有高度一致且持续增长的需求，随着云计算基础设施规模不断扩大以及算力密度持续提升，云服务商通过在服务器前端网络和后端网络侧广泛引入DPU，以提升整体资源利用效率和平台稳定性，同时，云服务商亦通过对外提供云基础设施与云原生服务，将自身数据中心能力转化为面向企业与开发者的服务输出，内部基础设施建设与对外云服务供给的双重需求，使云服务商成为推动中国DPU市场发展的核心力量，据统计，我国公有云市场规模由2021年的2908.45亿元增长至2025年的7252.89亿元，期间年复合增长率为25.66%；私有云市场规模由2021年的1397.55亿元增长至2025年的2228.01亿元，期间年复合增长率为12.37%，我国云服务市场的持续高景气，为DPU芯片行业打开了广阔的增长空间。

DPU作为释放CPU及GPU算力、加速网络互联、提升计算集群效能的数据中心基础设施关键组件，已广泛应用于AI智算、云计算、存储、通信、网络安全及边缘计算等关键战略领域，近年来，伴随全球新一代算力基础设施的规模化落地，以及人工智能、工业互联网等新兴场景的需求爆发，DPU行业迎来快速发展期，市场规模实现稳步扩张，据统计，2025年全球DPU市场规模已达1964.91亿元，同比增长25.5%，行业增长动能持续充足。

从国内市场来看，近年来，我国DPU行业发展势头迅猛，市场规模持续高速扩容，市场规模从2021年150.44亿元增长至2025年497.58亿元，五年间涨幅超三倍，彰显出强劲的发展势能，增速方面，2022-2024年行业始终保持36%以上的高增长态势，2023年增速达到39.0%的阶段高点，充分印证国内云计算、数据中心等下游核心领域需求快速释放，2025年随着市场体量持续壮大，行业增速回落至26.0%，依旧维持20%以上的高景气区间，整体市场增长韧性十足，长期发展前景向好。

目前，DPU市场呈现高度集中的态势，其中，英伟达收购Mellanox后凭借强大的生态优势、深厚的技术积累以及稳固的客户群体，长期稳居行业头部，并在采用自研ASIC/SoC架构实现单芯片高度集成数据处理能力的DPU市场保持领先地位，据统计，以2025年收入计算，英伟达等海外厂商在中国DPU市场占有率超70%，仍占据主导地位。

近些年，国内企业积极布局算力网络基础设施。一方面，国产独立厂商如云豹智能快速崛起，在实现市场份额突破的同时，不断提升产品技术实力，并与国际大厂展开直接竞争，推动行业格局持续演变；另一方面，部分国产厂商及云服务商采取基于海外商业FPGA芯片的自研方案，加速了400Gbps以下DPU产品快速落地，共同推动行业格局持续演变。华为海思成立于2004年，为行业客户与开发者提供芯片、器件、模组和板级解决方案，业务覆盖联接、智慧视觉、智慧媒体、显示交互、MCU、智能感知、模拟、光模块、激光显示等多个领域，华为旗下SP900系列是基于华为海思Hi1822处理器的DPU网卡，支持存储卸载、网络卸载、管理面卸载，最高支持2*100GE网络接口。此外，国内其他DPU领域的产品或方案公司包括上海云脉芯联科技有限公司、中科驭数（北京）科技有限公司、珠海星云智联科技有限公司、深圳市恒扬数据股份有限公司、深圳云豹智能股份有限公司等。

1、全功能DPU持续迭代，成为数据中心基础设施核心组件

国内算力需求持续扩张，推动数据中心架构逐步转型，从传统单一的计算中心模式，转向计算、网络、存储、安全多维度协同的全新架构。在此背景下，数据中心基础设施的数据面处理负荷持续提升，过往由主机CPU承载的网络转发、存储访问、安全隔离、运维管控、虚拟化等多项功能，在高并发、多租户、高密度的部署场景中，严重占用核心算力资源，制约整体算力利用效率。为优化系统运行效率、释放主机CPU核心算力，各类数据面与基础设施管控功能正逐步从CPU剥离，向DPU网卡整合迁移。这一变革推动传统网卡完成功能升级，从仅承担基础数据传输的网络接口卡，迭代为集成多重基础设施能力的全功能DPU。同时，DPU在国内数据中心的应用模式也持续升级，从零散的局部试用，逐步转向规模化、体系化、标准化的全域部署，正式成为数据中心基础设施的核心组成部分。

2、国产化进程稳步提速，国产DPU替代空间持续拓宽

国内关键信息基础设施自主可控的行业要求不断提升，成为驱动DPU芯片国产化发展的核心动力。国内云服务厂商、服务器制造企业及芯片研发企业纷纷加大DPU产品的研发投入与商业化落地力度，持续推动国产DPU技术体系与产品体系的成熟完善。伴随本土DPU上下游产业链配套体系逐步完备，国产DPU产品在网络传输性能、系统运行稳定性、软硬件适配兼容性及产业生态协同能力等核心维度实现全面提升。依托持续的技术迭代与场景打磨，国产DPU在云计算、AI智算等核心场景的适配性与市场竞争力持续增强。未来随着行业应用经验不断积累、规模化部署持续推进，国产DPU的市场渗透水平将稳步提升，行业国产替代的市场空间将持续释放。

3、AI算力集群高速发展，DPU行业应用需求加速释放

国内AI产业快速发展，大模型训练与推理业务对高带宽、低时延、高稳定的数据交互体系形成强依赖，AI算力集群的规模化建设成为行业常态。算力集群规模扩张的同时，集群通信调度、多节点数据流协同、算力资源隔离等基础设施运维管理负荷大幅增长，对专用数据处理硬件的需求持续提升。AIDPU针对AI算力集群的大规模数据传输、多节点协同运转等专属场景需求，完成了性能架构与成本结构的专项优化，能够精准适配智算集群的运行特点，大幅提升算力集群运行效率，在AI算力体系中的核心配置价值持续凸显。在全国AI智算中心加速建设的行业浪潮下，适配通用场景的全功能DPU与适配专属智算场景的AIDPU，将在大规模模型训练、智能推理等核心场景中实现广泛应用，行业整体需求将持续扩容增长。