Kalray：法国DPU先驱与MPPA多核数据处理器公司
Kalray是一家来自法国的半导体企业，长期专注于高性能并行处理器、DPU（Data Processing Unit，数据处理器）以及面向人工智能、数据中心、网络和存储的数据加速技术。
公司成立于2008年，源自法国原子能与替代能源委员会CEA的技术孵化项目，目前主要团队位于法国和罗马尼亚。
Kalray是一家Fabless半导体公司，也就是自己负责处理器架构、芯片设计和软件开发，但通常不自己建设晶圆厂生产芯片。
与很多后来进入DPU市场的企业不同，Kalray很早就开始研究面向大规模并行数据处理的处理器架构。
它最具代表性的技术是MPPA，也就是Massively Parallel Processor Array，可以翻译为“大规模并行处理器阵列”。
今天，Kalray已经把MPPA发展成为自己的DPU技术基础，并围绕这一架构提供DPU芯片、PCIe加速卡、DPU IP授权以及定制芯片设计服务。
什么是DPU
DPU是Data Processing Unit的缩写，中文通常称为“数据处理器”。
现代服务器中的CPU除了运行应用程序之外，还要处理网络数据包、存储协议、虚拟化、安全加密以及服务器之间的大量数据移动。
随着网络从10Gbps、25Gbps发展到100Gbps甚至更高速度，这些任务开始占用越来越多的CPU资源。
DPU的作用就是把这些“数据搬运和基础设施工作”从CPU卸载出来，由专门的处理器负责。
这样CPU可以更多地运行操作系统、数据库和应用逻辑，GPU专门执行人工智能训练和推理，而DPU负责网络、存储、安全以及CPU与GPU之间的数据流动。
Kalray对未来AI系统的描述也采用类似分工：
CPU负责通用计算和系统控制，GPU负责模型训练和推理，而DPU处理Data Path，也就是数据通路，包括网络、存储、隔离以及大量数据移动。
Kalray的核心技术：MPPA
Kalray最重要的技术资产是MPPA架构。
MPPA的全称是Massively Parallel Processor Array。
其核心思想是在一颗SoC芯片内部放入大量可以独立运行的可编程处理器核心，再通过高速片上网络、共享内存以及专用加速器把这些核心连接起来。
SoC是System on Chip的缩写，中文叫“片上系统”。
传统电脑主板需要CPU、内存控制器和大量外围控制芯片共同工作，而SoC会把许多功能集成到一颗芯片中。DPU通常就是一种高度集成的SoC。
Kalray目前将MPPA描述为一种模块化SoC架构，可以把可编程处理器核心、内存、高速互连和硬件加速器组合在一起，根据不同客户需要构建针对AI、存储、网络、HPC和边缘计算的处理器。
MPPA的一个重要特点是并行处理。
普通CPU拥有少量非常强大的处理器核心，而MPPA采用大量相对独立的处理器核心同时处理不同数据流。
这种设计特别适合网络数据包、视频、传感器数据、存储I/O以及人工智能等存在大量并行任务的应用。
Coolidge DPU处理器
Coolidge是Kalray最具代表性的DPU处理器系列，也是MPPA架构的重要商业化产品。
Kalray目前销售的Coolidge v2处理器拥有80个RISC-V处理器核心，并集成AI加速、密码学、FEC以及数据压缩等硬件能力，同时支持Ethernet、PCIe Gen4和DDR4接口。
Coolidge v2也是Kalray K300和TC4等DPU加速卡的核心处理器。
RISC-V是一种开放的处理器指令集架构。
简单来说，它规定软件指令应该如何让处理器执行加法、加载数据、保存数据、跳转以及其他基本操作。
与x86和ARM不同，RISC-V的基础指令集采用开放标准，因此芯片企业可以围绕它设计自己的处理器核心和专用加速器。
这里需要注意，Kalray的MPPA并不是简单地“把很多RISC-V CPU放到一起”。
MPPA还包含内存系统、高速片上互连、数据通路以及各种专门的硬件加速模块，真正的价值在于整个并行数据处理架构。
K200-LP DPU加速卡
Kalray的K200-LP是一款主要针对存储、网络和安全应用的DPU加速卡。
K200-LP采用一颗Coolidge v1处理器，拥有80个处理核心、8GB DDR4内存、两路100Gbps以太网接口，并通过PCIe Gen4 x16与服务器连接。
它还支持NVMe-oF、RoCE、数据加密、压缩以及Erasure Coding等存储和网络功能。
PCIe，也就是Peripheral Component Interconnect Express，是CPU、GPU、DPU、SSD以及其他高速设备之间最重要的连接总线之一。
PCIe Gen4 x16代表使用第四代PCIe并配置16条数据通道，可以在服务器与DPU之间高速传输数据。
NVMe-oF是NVMe over Fabrics的缩写，可以理解为“通过高速网络访问NVMe SSD”。
传统NVMe SSD通常直接插在服务器内部，而NVMe-oF允许服务器通过高速网络访问远端存储设备，使多个服务器可以共享大型NVMe存储系统。
RoCE和RDMA
Kalray的DPU产品大量涉及RDMA和RoCE，这是现代DPU和AI数据中心中非常重要的两个专业名词。
RDMA是Remote Direct Memory Access，也就是“远程直接内存访问”。
传统网络通信需要CPU和操作系统不断复制和处理数据，而RDMA允许服务器通过网络更加直接地把数据写入另一台服务器的内存，从而减少CPU参与，提高传输速度并降低延迟。
RoCE则是RDMA over Converged Ethernet，也就是“在以太网上运行RDMA”。这种技术已经大量应用于AI训练集群、高性能计算和分布式存储系统。
Kalray的DPU可以承担这些高速网络和存储协议的处理，让服务器CPU不用花大量时间处理数据搬运工作。
K300：同时面向DPU和AI计算
K300是Kalray目前比较重要的一款通用DPU加速卡，采用一颗Coolidge v2处理器，拥有80个处理核心、16GB DDR4内存、4路10/25Gbps以太网接口以及PCIe Gen4 x16主机接口。
Kalray给出的K300计算性能达到40 TOPS INT8和20 TFLOPS FP16，并集成FEC、密码学以及数据压缩加速能力，可以用于AI推理、网络、安全、电信以及智能视觉等场景。
TOPS是Trillion Operations Per Second的缩写，表示每秒能够完成多少万亿次操作。
在人工智能推理中，经常使用INT8，也就是8位整数计算，因此40 TOPS INT8可以简单理解为每秒最高完成约40万亿次8位整数运算。
TFLOPS则主要表示浮点计算能力。FP16指16位浮点数，在人工智能计算中非常常见。
因此，Kalray的DPU与很多只负责网络和存储卸载的DPU存在一定区别。它的产品可以同时承担网络、存储和一定程度的人工智能计算任务。
TC4：四颗Coolidge组成的大型DPU加速卡
TC4，也叫TurboCard 4，是Kalray面向AI推理、工业AI和边缘计算推出的更高性能DPU加速卡。
一块TC4集成4颗Coolidge v2处理器，总计320个处理核心和32GB DDR4内存，通过PCIe Gen4 x16连接服务器。
Kalray公布的TC4性能达到160 TOPS INT8和80 TFLOPS FP16。
这种设计特别适合需要大量并行任务的应用。例如智能工厂中可能同时接入几十路甚至几百路摄像头，每一路视频都需要图像处理、物体识别和实时分析。
大量相对独立的数据流正是Manycore，也就是“众核处理器”比较适合处理的任务。
Kalray还推出了Turbo Server，把两颗AMD EPYC服务器CPU与八块TC4加速卡组合在一台2U服务器中，形成高密度AI和数据处理平台。
FEC是什么
Kalray产品资料中经常出现FEC，这是通信设备中的重要技术。
FEC是Forward Error Correction的缩写，中文叫“前向纠错”。
高速网络在传输数据过程中可能出现少量比特错误。如果每出现一个错误都要求重新发送整个数据包，就会增加网络延迟。
FEC通过在发送数据时加入额外的纠错信息，使接收端能够自动检测甚至修复一定数量的错误。
在高速以太网、5G以及卫星通信等领域，FEC都是非常重要的硬件功能。
DPU把FEC直接放到硬件中执行，可以减少CPU负担并提高通信效率。
Kalray不仅做网络DPU
很多人把DPU理解成“高级智能网卡”，但Kalray对DPU的定义更宽。
Kalray目前把DPU应用划分到AI、存储、网络、安全、5G、电信边缘以及其他高数据流应用。
它认为DPU最重要的能力不是某一种协议，而是高效率地处理Data in Motion，也就是“正在移动的数据”。
例如在AI服务器中，GPU可能非常快，但是训练数据如果不能及时从SSD传到GPU，昂贵的GPU就只能等待。
DPU可以负责SSD、网络、CPU和GPU之间的数据移动，让GPU更多时间用于真正的矩阵计算。
因此现代AI系统的瓶颈正在从单纯“算得够不够快”，逐渐转变为“数据能不能足够快地送到GPU”。
这也是Kalray现在越来越强调AI基础设施DPU的重要原因。
Edge Computing与Kalray
Kalray还长期面向Edge Computing，也就是“边缘计算”市场。
传统Cloud Computing把大量数据传送到远程数据中心处理，而边缘计算是在距离数据产生地点比较近的位置进行计算。
例如工厂摄像头、机器人、自动驾驶汽车和5G基站每天都会产生大量数据。如果全部先发送到远程云服务器再处理，不仅需要巨大的网络带宽，还会增加延迟。
因此可以在工厂、车辆、基站或者其他边缘设备附近部署计算服务器。
Kalray MPPA拥有大量并行核心，同时强调较低功耗和实时处理能力，因此很早就被用于智能视觉、工业设备、通信和边缘计算等领域。
从完整产品转向DPU IP和定制设计
Kalray近几年发生了一个非常重要的战略变化。
过去Kalray不仅开发DPU芯片和加速卡，还经营名为Data Acceleration Platform的数据管理与软件业务，其中包括Ngenea产品。
2025年2月，Kalray把这一业务的全部资产出售给美国DataCore Software，交易金额最高可达到2000万美元，其中首笔付款为1250万美元。
完成出售之后，Kalray重新把重点集中到半导体技术本身。
现在Kalray的商业模式已经不仅是自己设计Coolidge芯片和销售DPU板卡，而是开始把MPPA架构以及相关DPU技术作为Silicon IP授权给其他半导体公司，同时提供定制DPU和芯片联合开发服务。
Silicon IP，也就是“芯片知识产权模块”，可以理解为已经设计好的处理器、网络控制器或者硬件加速模块。
其他芯片公司购买IP授权之后，可以把这些模块集成到自己的SoC中，而不用从零开始设计。
这种商业模式与ARM非常相似：公司不一定需要自己销售所有最终芯片，也可以通过处理器架构、IP授权和芯片设计服务赚钱。
与Openchip合作开发AI DPU
Kalray战略转型中最重要的合作伙伴之一，是西班牙半导体公司Openchip。
2025年，Kalray与Openchip签署战略合作协议，其中包括Kalray部分DPU知识产权的非独家授权，以及为Openchip开发定制DPU的工程服务。
Kalray表示，这一合作用于面向下一代AI基础设施和数据中心。
到2026年，双方进一步延长合作关系，继续开发Openchip下一代加速芯片。Kalray公布的信息显示，Openchip还通过行使认股权证成为Kalray的重要股东。
这一合作非常值得关注，因为它说明Kalray正在从传统的“自己设计一款DPU然后卖板卡”，转向“把多年积累的DPU技术授权给其他芯片公司”。
与Bull合作AI高速网络
2026年7月，Kalray又宣布与法国高性能计算和AI企业Bull建立战略合作关系，共同开发下一代AI和HPC高速网络技术。
双方还计划围绕Ultra Ethernet开展合作。
Ultra Ethernet是一种针对AI和高性能计算集群开发的新型开放网络技术，希望让传统以太网更适合数千甚至数万颗AI加速器之间的大规模高速通信。
HPC是High Performance Computing的缩写，中文叫“高性能计算”。超级计算机、天气模拟、核物理计算、科学研究以及大规模AI训练都属于HPC的重要应用。
随着AI集群规模不断扩大，GPU之间的通信逐渐成为性能瓶颈，因此DPU、高速网络、RDMA和Ultra Ethernet正在成为AI基础设施的重要组成部分。
Kalray在2026年的新商业模式
截至2026年，Kalray已经明显从过去以现成DPU芯片和加速卡销售为主的模式，转向三条路线同时发展：
一是继续提供Coolidge处理器、K200-LP、K300、TC4等现成DPU产品；
二是把MPPA、RISC-V计算模块、网络数据处理模块、AI加速模块以及其他DPU IP授权给芯片设计企业；
三是与大型AI、HPC和半导体企业合作，为客户定制新的DPU和数据处理芯片。
这种变化意味着Kalray逐渐从“一家DPU芯片产品公司”转向“一家DPU技术平台和芯片设计公司”。
2026年业务恢复增长
Kalray在经历2024年至2025年的业务重组之后，2026年的半导体业务出现明显增长。
公司公布的2026年上半年数据显示，半导体业务收入达到850万欧元，而2025年同期可比收入为540万欧元，同比增长58%。
Kalray同时宣布已经与一家大型AI和HPC基础设施企业签订战略合作协议，对方将把Kalray技术集成到下一代高性能互连芯片中。
Kalray公布的2025全年数据显示，在出售Data Acceleration Platform业务之后，新口径半导体业务收入约1428万欧元，比2024年的约361万欧元增长接近四倍。
因此，现在介绍Kalray不能只把它写成早期的Coolidge DPU板卡公司。
它目前越来越重要的价值，是十多年积累下来的MPPA架构、DPU IP以及面向AI基础设施的定制芯片设计能力。
Kalray与NVIDIA DPU有什么不同
NVIDIA BlueField等主流DPU通常强调网络、存储、安全以及虚拟化卸载。
Kalray的MPPA路线有所不同。
它采用大量通用可编程核心与硬件加速器组成并行处理架构，因此不仅能够处理网络和存储，还可以执行AI推理、视觉计算、电信协议以及各种用户自定义数据处理任务。
也就是说，Kalray试图让DPU成为一种更加通用的“数据处理计算平台”，而不仅仅是一块带有CPU的高速智能网卡。
这也解释了为什么Kalray经常同时出现在DPU、AI Accelerator、Edge Computing、Storage Accelerator以及Telecom Processor等不同市场中。
Kalray在DPU产业中的位置
从全球DPU产业来看，Kalray是一家比较特别的企业。
它不像NVIDIA那样拥有庞大的GPU和服务器生态，也不像AWS、Microsoft或者Google那样拥有自己的超大规模云计算平台，但是Kalray进入并行数据处理和DPU领域非常早，并拥有自己独特的MPPA处理器架构。
Kalray甚至指出，其MPPA技术在“DPU”这一行业名称普及之前就已经开始研发。
经过多代产品发展，MPPA逐渐从早期众核处理器演变为今天面向数据中心、AI、HPC、网络、存储和边缘计算的DPU平台。
它与大禹智芯、云豹智能等独立DPU企业属于比较接近的产业层级，但Kalray的特点更加鲜明：
核心竞争力不是传统ARM智能网卡路线，而是自主MPPA众核处理架构，并逐渐向DPU IP授权和定制芯片设计发展。
总结
Kalray是一家来自法国的DPU和高性能数据处理器企业，成立于2008年，源自法国CEA研究机构，是全球较早探索大规模并行数据处理器的公司之一。
公司的核心技术是MPPA大规模并行处理器阵列架构。
当前Coolidge v2 DPU拥有80个RISC-V处理核心，并集成AI、密码学、FEC和数据压缩等硬件加速功能。
围绕Coolidge处理器，Kalray已经推出K200-LP、K300、TC4以及Turbo Server等产品，覆盖高速存储、网络、安全、AI推理、工业视觉和边缘计算等应用。
Kalray近年来最大的变化，是从单纯销售DPU芯片和加速卡逐渐转向DPU IP授权和定制芯片联合开发。
2025年出售Data Acceleration Platform业务后，公司重新聚焦半导体核心技术，并与Openchip合作开发面向AI基础设施的新一代DPU，同时在2026年与Bull合作下一代AI和HPC高速网络技术。
从更大的计算机体系来看，Kalray代表了DPU产业中非常值得关注的一条路线：
CPU负责通用程序，GPU负责大规模矩阵计算，而采用大量并行处理核心的DPU负责网络、存储、安全、数据移动以及越来越多的数据密集型计算。
随着AI服务器从单机计算发展到数千甚至数万颗GPU组成的AI集群，真正的瓶颈越来越不只是“计算得够不够快”，而是“数据能不能足够快地送到计算单元”。
正是在这个问题上，Kalray的MPPA和DPU技术找到了自己的位置。