2026年1月7日，工信部印發(fā)《工業(yè)互聯(lián)網(wǎng)和人工智能融合賦能行動(dòng)方案》，強(qiáng)化工業(yè)智能算力供給。加快工業(yè)互聯(lián)網(wǎng)與通算中心、智算中心、超算中心融合應(yīng)用，鼓勵(lì)公共算力服務(wù)商向工業(yè)企業(yè)提供服務(wù)。引導(dǎo)工業(yè)企業(yè)加快邊緣一體機(jī)、智能網(wǎng)關(guān)等設(shè)備部署。鼓勵(lì)工業(yè)企業(yè)、設(shè)備供應(yīng)商聯(lián)合推動(dòng)端側(cè)設(shè)備智能化升級(jí)，在生產(chǎn)設(shè)備、傳感器、無(wú)人運(yùn)輸車(chē)輛（AGV）等部署輕量化算力模塊，提升數(shù)據(jù)實(shí)時(shí)處理能力。加快構(gòu)建全國(guó)一體化算力網(wǎng)絡(luò)，推動(dòng)智算云服務(wù)試點(diǎn)在工業(yè)領(lǐng)域中應(yīng)用推廣，強(qiáng)化工業(yè)大模型在算力跨區(qū)域高效調(diào)用、“云邊端”算力精準(zhǔn)匹配等方面普及應(yīng)用，提升工業(yè)智算供給能力和利用效率。

隨著5G/6G、物聯(lián)網(wǎng)和人工智能時(shí)代的到來(lái)，下一代互聯(lián)網(wǎng)的關(guān)鍵特征之一是海量信息在本地生成并在本地消費(fèi)，且大量的邊緣設(shè)備存在可用計(jì)算和存儲(chǔ)資源。尤其在工業(yè)互聯(lián)網(wǎng)中，工業(yè)制造，醫(yī)療服務(wù)，無(wú)人運(yùn)輸?shù)戎T多場(chǎng)景中，對(duì)數(shù)據(jù)采集和處理的時(shí)效性、連續(xù)性、安全性、隱私性，以及數(shù)據(jù)價(jià)值的挖掘和利用，都有更高的要求。因此，未來(lái)幾年是構(gòu)建新一代智能數(shù)據(jù)中心基礎(chǔ)設(shè)施的關(guān)鍵時(shí)期，數(shù)據(jù)中心將從“云+端”轉(zhuǎn)變?yōu)椤霸?邊+端”三層架構(gòu)。

一、云邊端一體化

云邊端一體化架構(gòu)，云端、邊緣和終端設(shè)備的協(xié)同工作，既是一個(gè)整體，又各司其職：

云端?：集中式數(shù)據(jù)中心，大規(guī)模高性能服務(wù)器集群，宏觀決策，負(fù)責(zé)全局?jǐn)?shù)據(jù)存儲(chǔ)、復(fù)雜分析（如AI模型訓(xùn)練）和資源調(diào)度。?

邊緣?：部署在靠近數(shù)據(jù)終端的小型數(shù)據(jù)中心（如工廠機(jī)房或基站），處理實(shí)時(shí)任務(wù)（如視頻分析、設(shè)備控制），就近處理終端數(shù)據(jù)，過(guò)濾無(wú)效信息，降低端到端網(wǎng)絡(luò)延遲，降低端到云帶寬消耗。?

終端設(shè)備?：包括傳感器、攝像頭等物聯(lián)網(wǎng)設(shè)備，用于數(shù)據(jù)采集和結(jié)果呈現(xiàn)，并執(zhí)行簡(jiǎn)單指令（如開(kāi)關(guān)控制）

不難看出，云端適合全局性、非實(shí)時(shí)、復(fù)雜度高、數(shù)據(jù)量大的計(jì)算密集型任務(wù)處理，算力、存儲(chǔ)和網(wǎng)絡(luò)資源充足且性能強(qiáng)大，而邊緣優(yōu)勢(shì)在于分布廣泛，靠近終端，響應(yīng)時(shí)延更低，網(wǎng)絡(luò)損耗更小，也減少了傳輸過(guò)程中安全風(fēng)險(xiǎn)，但資源有限，適合非計(jì)算密集型、實(shí)時(shí)型任務(wù)處理。“云”與“邊”互為補(bǔ)充，相互協(xié)同，方能共同應(yīng)對(duì)工業(yè)互聯(lián)網(wǎng)在人工智能時(shí)代的發(fā)展要求。

二、邊緣數(shù)據(jù)中心

現(xiàn)階段，邊緣數(shù)據(jù)中心處于初期階段，但是發(fā)展迅速。通常來(lái)說(shuō)，邊緣數(shù)據(jù)中心規(guī)模小巧，單體規(guī)模一般不超過(guò)100個(gè)標(biāo)準(zhǔn)機(jī)架，有些甚至僅有一個(gè)機(jī)柜，但麻雀雖小，五臟俱全，同樣具備計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等核心功能，能夠?qū)K端產(chǎn)生的數(shù)據(jù)快速處理、存儲(chǔ)以及向其他數(shù)據(jù)中心轉(zhuǎn)發(fā)。

不同于云端數(shù)據(jù)中心的通用服務(wù)器，邊緣數(shù)據(jù)中心多采用邊緣一體機(jī)。相比于通用服務(wù)器，邊緣一體機(jī)軟硬件集成度更高，在提供必要的算力、存儲(chǔ)和網(wǎng)絡(luò)的同時(shí)，能有效簡(jiǎn)化邊緣環(huán)境的部署與管理。按照用途分類，邊緣數(shù)據(jù)中心中的邊緣一體機(jī)大致可以分為三類：

邊緣服務(wù)器：邊緣的大腦。主要用于處理和采集邊緣設(shè)備生成的數(shù)據(jù)，執(zhí)行邊緣本地計(jì)算任務(wù)。

邊緣存儲(chǔ)：邊緣的記憶。提供邊緣本地?cái)?shù)據(jù)持久化存儲(chǔ)能力，加速數(shù)據(jù)存取和檢索。

邊緣網(wǎng)關(guān)：邊緣的神經(jīng)。鏈接云端、邊緣和終端設(shè)備，實(shí)現(xiàn)協(xié)議轉(zhuǎn)換、安全接入和流量調(diào)度。

隨著技術(shù)發(fā)展，三類設(shè)備正在加速融合，廣泛應(yīng)用于數(shù)字工廠、智慧城市、自動(dòng)駕駛等場(chǎng)景。

三、DPU：邊緣數(shù)據(jù)中心新引擎

與云端數(shù)據(jù)中心相比，邊緣數(shù)據(jù)中心規(guī)模小，資源少，在智算超算技術(shù)廣泛應(yīng)用的趨勢(shì)下，邊緣數(shù)據(jù)中心的算力資源愈發(fā)珍貴，網(wǎng)絡(luò)性能的重要性也愈發(fā)凸顯。而這，也恰好與DPU的定位相契合。

DPU是數(shù)據(jù)處理單元，是數(shù)據(jù)面與控制面分離思想的一種實(shí)現(xiàn)，讓CPU專注于決策和計(jì)算，DPU負(fù)責(zé)數(shù)據(jù)處理和傳輸。在邊緣一體機(jī)內(nèi)部，DPU通過(guò)P2P技術(shù)和RDMA網(wǎng)絡(luò)連接數(shù)據(jù)中心內(nèi)部各種CPU、GPU以及存儲(chǔ)資源，在網(wǎng)絡(luò)層面中，DPU強(qiáng)大的網(wǎng)絡(luò)卸載能力，可以極大釋放邊緣算力。

1、邊緣服務(wù)器機(jī)間互聯(lián)

邊緣數(shù)據(jù)中心最核心的優(yōu)勢(shì)是大幅降低網(wǎng)絡(luò)時(shí)延，不僅在于縮短了傳輸距離，更在于縮短節(jié)點(diǎn)間傳輸時(shí)延。DPU利用RDMA網(wǎng)絡(luò)技術(shù)，提供高帶寬，低延遲數(shù)據(jù)處理能力。DPU通過(guò)硬件加速和算力卸載，以及RDMA網(wǎng)絡(luò)的“零拷貝”和“內(nèi)核旁路”的特性，將網(wǎng)絡(luò)數(shù)據(jù)包處理的任務(wù)從CPU、GPU卸載到DPU，釋放算力資源用于核心業(yè)務(wù)。

以典型的GDR（GPUDirect RDMA）技術(shù)為例，DPU通過(guò)PCIe直接讀取GPU顯存，經(jīng)由RDMA網(wǎng)絡(luò)傳輸至遠(yuǎn)端GPU顯存，避免了數(shù)據(jù)在GPU、主機(jī)內(nèi)存和網(wǎng)卡之間的多次復(fù)制所導(dǎo)致的算力損耗和CPU終端。同時(shí)也可利用GDS（GPUDirect Storage）技術(shù)實(shí)現(xiàn)算力與存儲(chǔ)直接的數(shù)據(jù)傳輸。

2、邊緣存儲(chǔ)掛載

邊緣存儲(chǔ)受限于空間、供電、散熱能力，存儲(chǔ)資源極為有限，而存儲(chǔ)擴(kuò)容往往意味著需要消耗更多的算力去處理存儲(chǔ)事務(wù)。

DPU支持存儲(chǔ)協(xié)議卸載，以DPU作為目標(biāo)存儲(chǔ)發(fā)送IO請(qǐng)求，目標(biāo)端DPU可將存儲(chǔ)協(xié)議解析能力卸載到DPU硬件，由DPU直接對(duì)存儲(chǔ)資源進(jìn)行數(shù)據(jù)落盤(pán)，無(wú)需CPU參與。并且，DPU可擴(kuò)展多種存儲(chǔ)協(xié)議，針對(duì)不同介質(zhì)的存儲(chǔ)資源進(jìn)行統(tǒng)一納管。

DPU可以直接讀寫(xiě)本地存儲(chǔ)，也可以通過(guò)RDMA網(wǎng)絡(luò)訪問(wèn)遠(yuǎn)端擴(kuò)展存儲(chǔ)。與傳統(tǒng)的CPU處理讀寫(xiě)請(qǐng)求的方式相比，利用DPU對(duì)存儲(chǔ)協(xié)議處理與全棧加速能力，解決算力資源擠占、協(xié)議轉(zhuǎn)換損耗及異構(gòu)管理難題。

3、邊緣智能網(wǎng)關(guān)應(yīng)用

在邊緣數(shù)據(jù)中心中，智能網(wǎng)關(guān)相比于傳統(tǒng)網(wǎng)關(guān)，需要承擔(dān)更多的職責(zé)，除了數(shù)據(jù)轉(zhuǎn)發(fā)和基礎(chǔ)路由，還需要具備協(xié)議轉(zhuǎn)換，數(shù)據(jù)過(guò)濾，數(shù)據(jù)處理、安全防護(hù)等功能，并且要盡量降低延遲和帶寬消耗。

而這恰好是DPU的優(yōu)勢(shì)所在。使用DPU直接連接網(wǎng)絡(luò)和存儲(chǔ)資源，硬件卸載網(wǎng)絡(luò)數(shù)據(jù)處理，能有效提高數(shù)據(jù)分發(fā)調(diào)度的效率，提升網(wǎng)關(guān)性能，同時(shí)DPU具備可編程能力和第三方應(yīng)用部署，支持對(duì)數(shù)據(jù)進(jìn)行篩選，檢測(cè)，轉(zhuǎn)換等預(yù)處理，減少帶寬損耗，并且支持分布式架構(gòu)，實(shí)現(xiàn)多DPU并行處理，提升系統(tǒng)效率。DPU將這些本在CPU上處理的任務(wù)，卸載到DPU處理，有效釋放CPU算力，提高硬件資源利用效率。

未來(lái)，DPU將在邊緣計(jì)算中扮演關(guān)鍵角色，它作為連接算力資源（如GPU、CPU）與數(shù)據(jù)資源的樞紐，促進(jìn)算力向數(shù)據(jù)源靠近，減少數(shù)據(jù)傳輸過(guò)程中資源損耗，有效提高邊緣數(shù)據(jù)中心的資源利用率，優(yōu)化資源成本配比，提升實(shí)時(shí)處理能力，增強(qiáng)系統(tǒng)性能，可廣泛應(yīng)用于工業(yè)自動(dòng)化、醫(yī)療、監(jiān)控、物流、智駕等邊緣計(jì)算場(chǎng)景中，推動(dòng)工業(yè)智能化轉(zhuǎn)型。