AIデータセンター向けDPUおよびSmartNIC市場の規模、シェア、および成長予測（2026年～2032年）

AIデータセンター向けDPUおよびSmartNIC市場は、2026年に19億5,000万米ドルと推計されており、2032年までに83億6,000万米ドルに達すると予測されています。これは、2026年～2032年にかけてCAGR27.5％を示すものです。

DPUおよびSmartNICは、ホストサーバーとネットワーク、ストレージ、セキュリティインフラの間に位置しています。その役割は、本来であれば中央処理装置（CPU）のコアを消費したり、ホストオペレーティングシステムにおけるソフトウェアによる転送に依存したりすることになるインフラサービスを実行することです。一般的な機能には、仮想スイッチング、オーバーレイネットワーキング、パケットステアリング、暗号化、ファイアウォール、テレメトリ、ストレージプロトコル処理、およびリモートダイレクトメモリアクセス（RDMA）が含まれます。これらの機能はワークロード用CPUとは独立して動作するため、クラウド事業者は、テナントのアプリケーションとインフラ制御の間の分離を強化しつつ、AIデータの準備、オーケストレーション、推論サービスのために、より多くのホスト演算リソースを確保することができます。AIワークロードは、このオフロード層の価値をさらに高めます。トレーニングクラスターでは、アクセラレータ間のトラフィックが別のスケールアウト型またはスケールアップ型のファブリックを使用している場合でも、データの取り込み、オーケストレーション、およびストレージのために効率的なフロントエンドネットワーキングが必要です。エージェント型推論により、永続的なコンテキスト、リモートストレージ、およびキーバリューキャッシュデータの高速な取得の重要性が高まっています。市場には、汎用製品と垂直統合型の両方の導入形態が存在します。NVIDIAとAMDは、サーバーおよびクラウドエコシステム向けにプログラム可能なDPUプラットフォームを販売しています。MarvellとBroadcomは、汎用SmartNICおよびインフラ処理用シリコンとカードを提供しています。Microsoft Azure Boost、Googleのカスタムインフラ処理ユニットアーキテクチャ、Amazon Web ServicesのNitroシステムは、ハイパースケーラーが内部のクラウド要件に合わせて独自のオフロード用シリコンを設計するという並行モデルを示しています。北米は、ハイパースケーラー、ネオクラウド、AIプラットフォームの集中により、導入をリードしています。

市場促進要因

• インフラのオフロードにより、AIワークロード向けにCPUの処理能力を確保できます。クラウドのネットワーク、セキュリティ、ストレージ機能は、ソフトウェアで実行されると、ホストのCPUリソースのかなりの割合を消費する可能性があります。DPUは、これらの処理をホストから分離し、パケット処理、暗号化、ストレージ、テレメトリ専用のプログラマブルエンジンを提供します。AMDによると、Pensando Salinaは特定の構成において、サーバー1台あたり最大22個のCPUコアをAIワークロードに割り当てることが可能であり、一方、Microsoft Azure Boostはネットワークおよびストレージの仮想化を専用ハードウェアに移行させます。AIサーバーのコストが高騰する中、ホストCPUの処理能力を確保し、ジッターを低減することによる経済的価値は、アクセラレータの稼働率の上昇に伴い高まっています。
• AIネイティブストレージは、新たなDPUアクセラレーション層を生み出しています。ロングコンテキストおよびエージェント型推論ワークロードは、従来の推論に比べて、はるかに大規模なキーバリューキャッシュと永続メモリを必要とします。NVIDIAのBlueField-4ストレージ処理アーキテクチャは、専用のストレージ処理を用いてクラスターとストレージ間でコンテキストデータを転送する一方、MarvellはOCTEON DPUをAI推論向けのネットワークストレージアーキテクチャへと拡張しています。AMDのSalinaも同様にストレージアクセスを高速化し、GPUメモリワークフローを拡張するために使用されるNVMe容量を管理できます。これにより、DPUの価値は従来のネットワーク仮想化の枠を超え、トークン毎秒（TPS）やGPU利用率に直接結びついたストレージおよびメモリインフラストラクチャ層へと拡大します。
• マルチテナント型AIインフラでは、セキュリティと分離の要件が高まっています。ネオクラウド、パブリッククラウド、コロケーション型のAIプラットフォームでは、共有インフラ上で複数の顧客、モデル、サービスをホストするケースが増加しています。DPUは、ホストOSの外側でネットワークおよびセキュリティポリシーを適用することができ、顧客のワークロードとプロバイダーのインフラの間に、より強固な信頼境界を構築します。NVIDIA、AMD、Microsoftはいずれも、現在のオフロードプラットフォームにおいて、ハードウェアによるセキュリティと分離の高速化を重視しています。高価値のアクセラレータクラスタがテナント間で共有され、エージェント型システムが大量の分散データにアクセスするにつれて、この要件はますます重要になってきています。
• 800Gネットワークは、プログラマブルなオフロードの性能上限を引き上げます。現在のAIプラットフォームでは、ネットワークインターフェースが200Gや400Gから800Gへと移行しつつあります。BlueField-4は毎秒800ギガビットのインフラ処理をサポートしており、一方、AMD Salinaは、公表されている性能データによると、デュアル400ギガビットイーサネットポートと、毎秒約800ギガビットのソフトウェア定義ネットワーク（SDN）帯域幅を提供しています。帯域幅の拡大に伴い、ソフトウェアのみによるパケット処理はCPU負荷の観点からますますコストが高くなり、暗号化、テレメトリ、ストレージオフロードに対する性能要件も高まっています。これにより、AIフロントエンドやストレージネットワークが拡大するにつれ、専用設計のDPUハードウェアの導入意義がさらに強まっています。

市場抑制要因

• 主な制約要因は、大手ハイパースケーラー間における高度な垂直統合です。Microsoft、Google、Amazonは、すべてのサーバーに市販のDPUを購入するのではなく、カスタムオフロードプラットフォームを設計できるため、独立系ベンダーのターゲット市場が限定されてしまいます。また、DPUはコスト、消費電力、ソフトウェアの複雑さを増大させるため、すべてのエンタープライズAI導入において必ずしも必要というわけではありません。オフロードされるサービスは、クラウドオーケストレーション、仮想ネットワーク、ストレージ、およびセキュリティソフトウェアと統合される必要があります。成熟したソフトウェアスタックを備えていないハードウェアは、導入が困難になる可能性があります。従来の高性能ネットワークインターフェースカードには、より低コストで一部の要件に対応できる固定機能のオフロード機能がますます組み込まれており、一方でホストのCPUはパケット処理や暗号化の性能を向上させ続けています。

目次

第1章 エグゼクティブサマリー

• 市場機会と主な調査結果
• DPUおよびSmartNICの導入見通し
• 主な収益源

第2章 市場概要

• インフラ処理オフロードアーキテクチャ
• DPU、IPU、およびSmartNICの機能上の違い
• AIフロントエンドのネットワーク要件
• AIストレージとKVキャッシュによる高速化
• セキュリティ、分離性、および可観測性

第3章 市場規模と予測（2026年～2032年）

• 世界の市場売上高
• 年間成長率の分析
• DPUおよびSmartNICの出荷台数
• AIサーバーおよびストレージノードあたりの収益

第4章 市場：製品アーキテクチャ別

• プログラマブルDPU
• インフラ処理ユニット
• プログラマブルSmartNIC
• クラウド専用カスタムオフロードASIC
• ソフトウェア、SDK、およびサポート層

第5章 市場：ユースケース別

• ソフトウェア定義ネットワーク（SDN）および仮想スイッチング
• ストレージおよびNVMe-over-Fabricsの高速化
• AIストレージおよびKVキャッシュによるデータ転送
• セキュリティ、暗号化およびテナントの分離
• テレメトリおよび可観測性
• フロントエンドAIネットワーキング

第6章 マーケット：ネットワークインターフェース別

• 最大200G
• 400G
• 800G
• 800G超ロードマップ

第7章 市場：導入レイヤー別

• AI計算サーバー
• フロントエンドネットワークサーバー
• AIストレージノード
• クラウドインフラサービス
• マルチテナントGPUプラットフォーム

第8章 市場：顧客タイプ別

• ハイパースケールクラウド事業者
• ネオクラウドおよびGPUクラウド事業者
• AIストレージプロバイダー
• コロケーションおよびマネージドインフラサービス事業者
• 企業および高性能コンピューティング（HPC）分野

第9章 地域市場

• 北米
  • 米国
  • カナダ
• 欧州
• アジア太平洋
• 中東および世界のその他の地域

第10章 市場力学

• 促進要因
  • CPU処理のオフロードとインフラ効率の向上
  • AIネイティブストレージおよびKVキャッシュの拡大
  • マルチテナント環境におけるセキュリティと分離性
  • 800Gインフラネットワーキング
• 抑制要因
  • ハイパースケール事業者によるカスタム半導体との競争
  • ソフトウェアおよびオーケストレーションの複雑化
  • 追加の電力およびハードウェアコスト
  • 専用機能型NICによるオフロードとの機能重複

第11章 競合情勢

• 市場構造と競合の激しさ
• プログラマブルDPUおよびSmartNICプラットフォームのポジショニング
• 汎用市販半導体とハイパースケール事業者向けカスタムアーキテクチャの比較
• ネットワーク、ストレージ、セキュリティソフトウェアの統合
• クラウド、サーバーOEM、およびAIストレージの提携
• 競争上の差別化要因：スループット、オフロード効率、プログラマビリティおよびエコシステム

第12章 企業プロファイル

• NVIDIA
• AMD
• Intel
• Marvell Technology
• Broadcom
• Microsoft
• Google
• Amazon Web Services
• Dell Technologies
• HPE
• Lenovo
• Supermicro
• Achronix
• Napatech
• Silicom

第13章 最近の動向

第14章 付録