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，与水网、新型电网等国家级基建并列。据国家发改委披露机构测算，“十五五” 期间全国一体化算力网新增直接投资规模达 4 万亿元。当算力网升格为国家工程，网络芯片的国产化已不是“可选项”，而是“必答题”。
随着大模型技术在千行百业加速落地，国内智算中心建设如火如荼。一个此前被忽视的问题正浮出水面：为什么堆了那么多GPU，算力还是上不去？
答案不在计算芯片本身，而在数据流动的效率。AI训练集群中的每一次参数更新、每一轮梯度同步，都伴随着海量的数据交换。一旦网络出现拥堵，GPU就会陷入等待状态——硬件算力在空转，巨额投入无法转化为业务产出。
这在业内有句形象的描述：“算力堆得再高，数据传不动，等于没算。”
一、AI网络与传统网络：两种完全不同的“交通系统”
AI网络和传统数据中心网络有着本质区别。
传统网络面向普通云计算业务，流量模型相对平稳，就像城市里的日常交通——车流有序，拥堵可预测；AI 网络服务大模型训练、推理，集群内部会产生海量、高频的参数交互，对网络时延、无损传输、大规模集群调度有着严苛标准。每一次梯度同步都像一场“数据海啸”——数万条车道同时涌入车流，对时延、无损传输、大规模集群调度有着严苛标准。
这种差异带来的成本结构变化是巨大的。从产业成本结构来看，AI网络已成为智算中心不可忽视的核心成本板块。据行业机构基于英伟达产品测算，万卡级 AI 训练集群，网络硬件成本可以占到整体硬件总投入三分之一，换句话说，AI网络不再是算力体系的“配角”，而是与计算芯片并列的核心成本板块。
全球科技巨头英伟达早已洞察 AI 网络的巨大价值，2020 年斥资 69 亿美元收购网络芯片企业 Mellanox，确立 CPU、GPU、DPU 三大主力芯片定位；2026 CES 进一步提出 DPU 是每一个计算节点的标准配置；最新 Vera Rubin 平台六颗主力芯片当中，四颗为网络相关芯片，其中包括两颗 DPU、两颗交换芯片，网络芯片数量超过 CPU、GPU，充分证明 AI 网络在 AI 体系中的核心地位。
一个信号值得反复咀嚼：在英伟达的AI体系里，网络芯片的数量已经不比计算芯片低。网络，不再是计算的附属品。
二、算力集群的“隐形指挥官”如何工作？
在大规模AI集群中，算力并非孤立存在。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需要在数据中心内部高效协同。如果数据流动不畅，大量的GPU和CPU就可能处于等待状态，算力投入也难以充分转化为有效产出。
这也是DPU（数据处理器）受到更多关注的原因。
DPU常常被比作算力集群里的“隐形指挥官”。在通用算力（通算）场景中，DPU把网络、存储和安全等任务从CPU侧卸载出来，在数据流动的关键位置完成加速和调度，降低系统时延，提升整体资源效率。而在智能算力（智算）场景下，DPU的核心价值更为突出。AI大模型训练、智能推理，都需要大量GPU协同运算，集群算力能不能充分发挥，关键就看网络通不通畅。DPU的核心作用，就是优化智算集群的网络连接和数据传输，打通设备间的通信阻碍，把时延减小，避免网络拥塞、数据等待、算力空转浪费等问题，让所有GPU高效联动、全力运转，把算力资源实实在在转化为AI生产力。
三、国产AI网络芯片：从“卡脖子”到“有底气”
反观国内，高性能AI网络底层芯片长期高度依赖海外厂商，国产供给能力不足。这不是一个简单的市场份额问题——智算中心的核心数据流跑在海外芯片上，意味着供应链安全存在隐患，自主可控存在缺口。
但补齐这块短板，难度不低。
DPU 研发落地门槛极高，不只是芯片硬件流片，还需要配套复杂软件栈、协议适配，需要在万卡级智算集群真实业务中长期打磨，业内普遍认为 DPU 量产落地难度超过 GPU。
数年前国内 DPU 风口兴起，十几家创业企业入局赛道，经过市场残酷筛选，绝大多数企业停留在样品阶段，无法大规模商用交付，云豹智能是大浪淘沙之后留存下来的头部国产独立厂商，为国产 AI 网络提供芯片支撑。
商业化表现也印证了这一点：营收从早期数十万，增长至2025全年3.7亿元，2026上半年营收达到9.4亿元，对比2025全年增长154%；在手订单4.94亿元，较年初增长760%。2025年12月，云豹三款DPU展品历经国家工信部严苛评审，成功入选中国制造"十四五"成就展，亮相国家博物馆，是唯一入选的DPU芯片。
大芯片创业属于九死一生的长周期竞赛，行业遵循 “前期高投入、中期稳增长、后期高盈利” 客观规律。寒武纪历经八年实现盈利，海光信息上市之后逐步兑现盈利，前期亏损、依托种子客户打磨产品是国产大芯片企业普遍现象。大芯片产品不能只依靠实验室跑分，必须走进真实大规模业务场景迭代调优。云豹智能推行种子客户战略，和下游头部客户深度协同，依托大规模商用场景打磨 DPU 软硬件产品，完成商业验证之后向全市场推广，商业化路径契合国内大芯片产业成长规律。
云豹智能也是创业板第四套上市标准典型案例，该标准设立初衷，就是扶持暂时尚未盈利，但攻坚卡脖子关键技术的硬科技企业，精准适配大芯片行业长周期研发、重资产投入的特性，也让这家深圳本土成长的稀缺大芯片企业，获得了持续深耕技术、迭代产品的资本空间。据弗若斯特沙利文数据，2025 年国内 DPU 市场规模 497.58 亿元，预计 2030 年增长至 1290.91 亿元，年复合增长率超 20%，海外厂商国内市场占有率超过 70%，国产替代空间巨大；以2025年营业收入口径统计，云豹智能位居国内全功能 DPU 国产独立厂商第一名。
四、面向未来：从“算力堆叠”到“算网协同”
算力网规模化建设浪潮下，AI网络底层芯片的自主可控，是保障国家算力供应链安全、提升全域算力利用效率的核心关键。依托深厚的技术积累，云豹智能全面推行“All in AI”研发模式，将 AI 深度融入 DPU 芯片架构定义、前端设计、验证测试全流程，借助 AI 重塑芯片研发体系，实现迭代更快、性能更优、功耗更低，坚持以 “网络即算力” 为支点，深耕算网融合技术攻坚，筑牢国产AI算力网络的底层芯片根基，全方位适配全国一体化算力网建设需求。
AI网络是算力体系不可或缺的关键一环，算力产业竞争已经从单纯计算硬件堆叠，走向算网协同综合能力比拼。云豹智能 DPU 的规模化商用落地，有效填补国产高端 AI 网络芯片供给空白，打破海外技术垄断格局，助力国内智算体系实现核心硬件自主可控，为新质生产力落地生根、全国一体化算力网高质量建设，持续贡献本土芯片力量。
