人民網北京8月13日電 （記者焦磊）當前，算力網已與水網、新型電網、新一代通信網、城市地下管網、物流網共同納入“六張網”建設部署。有關機構測算，“十五五”時期算力網建設將新增投資4萬億元。大規模投入加快落地的同時，一個問題也愈發重要：如何讓算力真正轉化為有效生產力？

業內分析認為，算力正在成為數字時代的新型電力。單顆芯片提供計算能力，網絡則負責將分散的計算資源連接起來，使其形成可傳輸、可調度的系統能力。算力能否充分釋放，很大程度上取決於網絡效率，即網絡決定著算力系統的上限。

此前，行業更多關注單顆芯片的性能突破﹔進入大模型時代，算力基礎設施的競爭正在轉向系統效率。一位業內人士介紹，大規模訓練和推理不是簡單堆芯片，還要讓任務調度、數據傳輸、網絡互聯、存儲訪問和安全隔離等環節順暢銜接。如果各環節之間缺乏高效協同，再強的單點算力也可能被等待、擁塞和搬運損耗抵消，最終難以轉化為真實可用的生產力。

據了解，在這一體系中，CPU、GPU、DPU承擔著不同角色。CPU負責通用計算和整體統籌，GPU負責大規模並行運算，DPU負責打通網絡與存儲的數據高效傳輸。三者相互協同，共同構成AI時代的核心算力底座。推進CPU、GPU、DPU等關鍵環節自主創新，成為提升我國算力產業鏈韌性的重要方向。

當前，隨著大模型集群不斷擴展，內存帶寬、互聯時延以及計算與存儲之間的協同效率，正在成為影響算力利用率的重要因素。《2026年中國AI芯片發展趨勢報告》提出，單純增加GPU數量已難以解決所有AI計算瓶頸。如何減少數據等待、提高集群資源利用率，成為算力建設必須面對的新問題。

基於這一功能定位，DPU的價值日益凸顯。如果把算力中心比作一座現代化城市，CPU如同負責全局管理的大腦，GPU是承擔高強度並行計算的生產單元，DPU則像智能交通和物流樞紐，負責數據流的調度、分流、安全檢查與高效輸送。業內專家表示，DPU通過承接CPU的基礎設施類任務實現算力卸載，並構建高速互聯通道，打通GPU集群間的數據傳輸鏈路。缺少高性能DPU的協同調度，CPU與GPU的算力優勢將難以充分發揮。

政策層面，工業和信息化部等六部門於2023年10月印發的《算力基礎設施高質量發展行動計劃》，明確提出促進數據處理器（DPU）、無損網絡等技術研發與應用，以進一步提升算力高效運載效率。隨著全國一體化算力網加快建設，衡量算力基礎設施的標准也將從單純關注規模，進一步轉向資源利用率、網絡傳輸效率、系統穩定性和安全可靠水平。

近年來，國內算力芯片自主創新進程穩步推進：CPU領域已培育出海光、華為鯤鵬、飛騰等成熟自主產品線，實現規模化落地﹔GPU領域，寒武紀、華為昇騰等一批國產廠商持續迭代產品，加速國產替代進程。相較成熟的CPU、GPU賽道，DPU作為數據中心算力卸載、網絡加速、資源調度的核心基礎設施，是當前我國算力自主可控鏈條中亟需補齊的關鍵短板。

記者梳理發現，國內已有多家企業展開DPU技術和產業化探索。正沖刺國產DPU第一股的雲豹智能已成為其中關鍵力量。據悉，2023年雲豹首款自研芯片實現一次流片成功，並持續推進雲計算和數據中心場景的適配與驗証。雲豹智能方面表示，憑借全棧自研技術、成熟商用能力與頭部生態資源，公司不斷填補算力底座技術空白，加速推動DPU領域自主創新與國產化替代落地。

業內專家表示，面向未來，算力競爭將不再只是“有沒有算力”，而是算力能否實現高效率、低成本、可持續和自主可控。CPU、GPU、DPU以及網絡、存儲和基礎軟件共同構成完整算力體系，穩步推進全鏈條國產化替代，構建自主互通、高效協同的算力基礎設施，打通數據流轉瓶頸，充分釋放算力潛能，是人工智能產業行穩致遠的關鍵。