人民网北京8月13日电 （记者焦磊）当前，算力网已与水网、新型电网、新一代通信网、城市地下管网、物流网共同纳入“六张网”建设部署。有关机构测算，“十五五”时期算力网建设将新增投资4万亿元。大规模投入加快落地的同时，一个问题也愈发重要：如何让算力真正转化为有效生产力？

业内分析认为，算力正在成为数字时代的新型电力。单颗芯片提供计算能力，网络则负责将分散的计算资源连接起来，使其形成可传输、可调度的系统能力。算力能否充分释放，很大程度上取决于网络效率，即网络决定着算力系统的上限。

此前，行业更多关注单颗芯片的性能突破；进入大模型时代，算力基础设施的竞争正在转向系统效率。一位业内人士介绍，大规模训练和推理不是简单堆芯片，还要让任务调度、数据传输、网络互联、存储访问和安全隔离等环节顺畅衔接。如果各环节之间缺乏高效协同，再强的单点算力也可能被等待、拥塞和搬运损耗抵消，最终难以转化为真实可用的生产力。

据了解，在这一体系中，CPU、GPU、DPU承担着不同角色。CPU负责通用计算和整体统筹，GPU负责大规模并行运算，DPU负责打通网络与存储的数据高效传输。三者相互协同，共同构成AI时代的核心算力底座。推进CPU、GPU、DPU等关键环节自主创新，成为提升我国算力产业链韧性的重要方向。

当前，随着大模型集群不断扩展，内存带宽、互联时延以及计算与存储之间的协同效率，正在成为影响算力利用率的重要因素。《2026年中国AI芯片发展趋势报告》提出，单纯增加GPU数量已难以解决所有AI计算瓶颈。如何减少数据等待、提高集群资源利用率，成为算力建设必须面对的新问题。

基于这一功能定位，DPU的价值日益凸显。如果把算力中心比作一座现代化城市，CPU如同负责全局管理的大脑，GPU是承担高强度并行计算的生产单元，DPU则像智能交通和物流枢纽，负责数据流的调度、分流、安全检查与高效输送。业内专家表示，DPU通过承接CPU的基础设施类任务实现算力卸载，并构建高速互联通道，打通GPU集群间的数据传输链路。缺少高性能DPU的协同调度，CPU与GPU的算力优势将难以充分发挥。

政策层面，工业和信息化部等六部门于2023年10月印发的《算力基础设施高质量发展行动计划》，明确提出促进数据处理器（DPU）、无损网络等技术研发与应用，以进一步提升算力高效运载效率。随着全国一体化算力网加快建设，衡量算力基础设施的标准也将从单纯关注规模，进一步转向资源利用率、网络传输效率、系统稳定性和安全可靠水平。

近年来，国内算力芯片自主创新进程稳步推进：CPU领域已培育出海光、华为鲲鹏、飞腾等成熟自主产品线，实现规模化落地；GPU领域，寒武纪、华为昇腾等一批国产厂商持续迭代产品，加速国产替代进程。相较成熟的CPU、GPU赛道，DPU作为数据中心算力卸载、网络加速、资源调度的核心基础设施，是当前我国算力自主可控链条中亟需补齐的关键短板。

记者梳理发现，国内已有多家企业展开DPU技术和产业化探索。正冲刺国产DPU第一股的云豹智能已成为其中关键力量。据悉，2023年云豹首款自研芯片实现一次流片成功，并持续推进云计算和数据中心场景的适配与验证。云豹智能方面表示，凭借全栈自研技术、成熟商用能力与头部生态资源，公司不断填补算力底座技术空白，加速推动DPU领域自主创新与国产化替代落地。

业内专家表示，面向未来，算力竞争将不再只是“有没有算力”，而是算力能否实现高效率、低成本、可持续和自主可控。CPU、GPU、DPU以及网络、存储和基础软件共同构成完整算力体系，稳步推进全链条国产化替代，构建自主互通、高效协同的算力基础设施，打通数据流转瓶颈，充分释放算力潜能，是人工智能产业行稳致远的关键。