继CPU、GPU之后，数据中心的“第三颗核心算力芯片”DPU，正迎来国产化的关键一役。
2026 年 9 月 22 日，深圳云豹智能股份有限公司（下称 “云豹智能”）第二轮审核问询回复在深交所公开披露。公司采用创业板第四套上市标准申报 IPO，在同期八家获受理企业中，为唯一大芯片厂商。
这家成立仅六年的大芯片公司，正在向“国产算力网络第一股”发起冲刺：首款DPU芯片一次性流片成功、A0版本直接量产，累计出货超13万颗；2026年前8个月营收13.08亿元、在手订单6.26亿元；D轮投后估值142.73亿元，背后汇聚腾讯、红杉中国、IDG等一线机构。
从24岁获斯坦福博士学位的创始人萧启阳，到与腾讯和三大运营商的深度合作，云豹智能正试图讲出国产大芯片硬核的下一个故事。
趁算力基建东风，DPU站上风口
算力正在从产业议题上升为国家核心基建议题。2026年4月，中央政治局会议部署推进“六张网”建设，全国一体化算力网正式纳入国家核心基建序列，与国家水网、新型电网、新一代通信网具备同等战略定位。
据2026年7月国家发改委新闻发布会披露的机构测算，“十五五”期间全国一体化算力网建设新增直接投资规模将达4万亿元。放眼全球，算力“军备竞赛”同样如火如荼——据普华永道预测，到2050年全球AI基础投资总额将超30万亿美元，年均突破一万亿美元。一座前所未有的算力基建浪潮，正在中国与世界同步展开。
在算力基建浪潮奔涌向前之际，算力集群的规模正从千卡跃升至万卡乃至十万卡。规模越上台阶，一个行业共识就越发清晰：真正的算力瓶颈，早已不在单颗芯片的算力本身，而在于数据能否在芯片之间、服务器之间、集群之间高效流转——每一次数据传输的拥堵与等待，都是对昂贵算力资源的浪费。正是这一转变，将一类长期隐于幕后的芯片推到了聚光灯下，它就是DPU。
在大规模AI集群中，CPU承担通用计算，GPU专注智能计算加速，但成千上万的CPU、GPU之间需要频繁交换数据，训练、推理和存储访问等任务也必须在数据中心内部高效协同。一旦数据流动不畅，再多的GPU和CPU也只能陷入“空转等待”，巨额算力投入难以充分转化为有效产出。
DPU的核心价值，正是充当算力集群的“隐形指挥官”：一方面优化智算集群的网络连接与数据传输，打通设备间通信阻碍，力争将时延压缩到极致；另一方面从硬件层面卸载数据搬运、安全防护等基础任务，从根本上避免网络拥塞、数据等待、算力空转等浪费，让每一颗GPU都能高效联动、全力运转。
从场景覆盖看，DPU同时服务于通算与智算两大市场：在通算场景，DPU负责网络、存储、安全的卸载与加速，释放服务器CPU算力；在智算场景，DPU打通GPU间的高速数据通路，释放集群整体算力。
可以说，DPU已超越“加速芯片”的传统角色，成为数据中心继CPU、GPU之后的“第三颗核心算力芯片”，是AI算力基建不可或缺的硬件底座。
事实上，早在云豹智能成立的同一年，英伟达创始人黄仁勋就公开称“DPU为数据中心第三颗主力芯片”。这一判断从英伟达最新的产品布局也能充分印证：2020年，英伟达以69亿美元收购网络芯片企业Mellanox，随后提出DPU是与CPU、GPU并列的数据中心“三大主力芯片”之一。在2026年CES大会上，英伟达进一步加强DPU是每个计算节点的标准配置。在其最新的Vera Rubin平台中，六颗主力芯片里有四颗是网络芯片，其中包括两颗DPU和两颗交换芯片，只有一颗CPU和一颗GPU。网络在英伟达体系里的权重，已经超过算力本身。
数据同样印证着这一趋势：据产业机构SemiAnalysis测算，网络成本在AI集群硬件投入中占比持续抬升，万卡级大规模训练集群中网络硬件成本可达硬件总投入的1/3。“网络即算力”已成行业共识——DPU作为算力与网络融合的关键芯片，重要性愈发凸显。
DPU赛道门槛极高，云豹智能率先跑出
从市场空间看，DPU是一个千亿级的高速增长市场。根据弗若斯特沙利文数据，中国DPU市场规模2025年已达497.58亿元，预计到2030年将增长至1290.91亿元，年复合增长率超20%，是算力基础设施领域增长最快、空间最广的细分市场之一。
然而，这条赛道前景广阔，进入壁垒却极高。大芯片创业依赖核心技术和种子客户，硅谷起步者众多，真正做成的寥寥。DPU研发难度不亚于GPU，某些工程维度甚至更高——它要同时处理网络、存储、安全等多重任务，还要在硬件层面实现线速处理与微秒级时延，对芯片架构设计和软件生态的要求极为苛刻。这正是国内DPU赛道起步晚、追赶难的关键。
正因门槛如此，国产化进程呈现出鲜明反差：CPU赛道已有海光、华为鲲鹏、飞腾等成熟产品线规模化落地；GPU赛道上寒武纪、华为昇腾、平头哥、摩尔线程、沐曦、壁仞等厂商持续迭代。但作为数据中心基础设施关键环节的DPU，却长期由海外企业主导——英伟达等厂商在中国市场占有率超70%，国产生态仍待补齐。DPU自主创新、实现从研发到量产再到生态的全链条自主可控，已成为保障算力产业安全、实现科技自立自强的重要一环。
六年前英伟达收购Mellanox、All in网络芯片，引爆了国内DPU创业潮，一度涌现十几家公司。但历经大浪淘沙后，国产头部全功能高速DPU玩家已所剩无几。云豹智能凭借全栈自研能力和头部客户长期验证成为最终站稳的代表性企业，也是国内首家实现DPU商业化落地的公司——首款DPU SoC芯片一次性流片成功，A0版本直接量产，在国产大芯片历史上极为罕见。
大芯片企业商业化的经典路径是“种子客户→规模化验证→全市场推广”：寒武纪早期依托华为的规模化场景完成产品打磨，海光信息成长于中科曙光体系、以头部客户为种子用户逐步打开市场。云豹智能遵循同样逻辑——先通过头部客户上量验证，再向全市场推广，区别在于DPU赛道起步更晚、门槛更高，走完这条路的企业更少。
以2025年收入计，云豹在中国全功能DPU市场已位居国产独立厂商第一。这一格局既印证了赛道的高壁垒，也说明云豹在技术、产品、商业化上已建立起难以复制的先发优势。
支撑先发优势的，首先是顶尖团队。创始人萧启阳24岁获斯坦福博士学位，后任教于MIT，在美国共同创办芯片公司RMI并成功与NetLogic合并，后促成博通公司以37亿美元收购NetLogic；核心团队汇聚英特尔、博通、海思、阿里等头部企业的资深人才，研发人员超440人，硕士及以上学历占比超74%。这样的班底也赢得了一线资本的押注——D轮投后估值达142.73亿元，投资方阵容包括腾讯、中芯聚源、深创投、红杉中国、IDG等一线机构。
资本市场同样在为其打开通道。云豹智能采用创业板第四套上市标准申报IPO——该标准专为尚处亏损、但致力于突破“卡脖子”技术的硬科技企业而设，目前全国仅8家企业获受理，云豹是其中唯一的DPU芯片企业，也是深圳冲刺上市的唯一大芯片公司。
面向一个2030年将突破千亿元、仍以近20%年复合增速扩张的市场，云豹智能作为实现规模化落地的国产头部玩家，即便仅获取市场中的部分份额，也有望打开数百亿元的收入增长空间。
从客户验证到增长拐点
好的赛道，还要有好的落地。
云豹智能已与三大运营商建立深度协同关系，产品广泛覆盖运营商、金融、能源、互联网等多个领域。面对万亿级产业机遇，三大运营商均将算力网络确立为核心战略，共同推动行业从“经营流量”全面转向“经营算力”。而算力网络的落地，离不开DPU这一关键底座，这正是云豹与运营商协同的逻辑起点。从参与中国移动“磐石”计划，到携手中国联通打造“大衍”芯片，再到联合中国电信发布白皮书，与运营商的合作已从单点产品供应，深入到联合研发、生态共建的深水区。
（云豹智能已与三大运营商建立深度协同关系）
协同的成果，最终体现在规模化商用上。截至2026年8月，云豹智能DPU产品累计出货量已超过13万颗，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领域。凭借已批量商用的全功能DPU和AI DPU产品矩阵，以及与三大运营商的深度产业化合作，云豹智能正成为算力网络国产化突围中跑在最前面的选手。
规模化部署带来收入的爆发式增长：从最初十几万元，到2025年的3.7亿元，再到2026年1至8月的13.08亿元，在手订单达6.26亿元，正处于高速放量阶段。
盈利端方面，扣非归母净利润亏损逐年收窄——从2023年的-6.73亿元到2024年的-6.20亿元，再到2025年的-5.62亿元；2026年上半年进一步收窄至约-2.4亿元（据深交所二询回复披露数据测算）
市场地位之外，2025年12月，云豹自研的400 Gbps DPU芯片系列由国家工信部严格筛选，入驻中国国家博物馆“中国制造‘十四五’成就展”，被纳入“国之重器”阵列，是唯一入选的DPU芯片，云豹智能也是此次展览重磅推出的三大芯片企业之一。
（云豹智能DPU系列产品入驻国家博物馆）
面向未来，随着以太网向超高速率迭代，DPU需卸载的数据吞吐量还将翻番，国产DPU正从“替代选项”迈向算力网络建设的“核心支撑”。云豹智能也已全面转向“All in AI”研发模式，将AI深度融入架构定义、前端设计到验证测试的芯片设计全流程，让芯片迭代更快、性能更优、能耗更低，持续筑牢算力网络的芯片底座。
千亿级市场正迎来高速增长，而大芯片产业本身具备重投入属性，前期高投入、阶段性亏损属于行业发展的客观规律。在此背景下，云豹手握三重核心筹码：赛道足够大、对手足够少、卡位足够准，多重优势叠加，助力企业穿越产业周期，为“国产算力网络第一股”的成长叙事奠定坚实基础。
（本文仅供参考，不作投资建议）
