Marvell 為什麼成為 AI 基礎設施的重要參與者？解析數據中心業務布局

在 AI 大模型快速演進的背景下，算力增長已經從單純的 GPU 性能競爭，擴展為「系統級基礎設施競爭」。數據中心內部的通信效率、帶寬能力與延遲控制，正在成為決定 AI 集群性能上限的關鍵變量，高速互連與光網絡技術因而被推向核心位置。

圍繞這一變化，Marvell 的業務布局逐漸從傳統存儲與網絡芯片，轉向 AI 驅動的數據中心基礎設施體系。以下將從高速互連需求、定製 ASIC 成長、光互連演進、CPO 架構、產業競爭格局及未來發展方向等多個維度，剖析其在 AI 產業鏈中的定位。

Marvell 定製 ASIC 業務為何快速成長

近年來，Marvell 成長最快的業務之一，便是定製 ASIC（Application Specific Integrated Circuit）。

ASIC 是針對特定應用場景專門設計的芯片；與通用 GPU 不同，它無需兼顧多種計算任務，而是圍繞客戶自身工作負載進行優化，從而在性能、功耗與成本之間取得更佳平衡。

對大型雲計算廠商而言，自研 ASIC 已成為重要趨勢。例如，AWS 推出 Trainium 與 Inferentia 系列 AI 芯片，Google 持續迭代 TPU，Microsoft 也發表了 Maia AI Accelerator。這些芯片雖以各自品牌推出，但背後往往需要專業芯片設計公司的深度參與。

Marvell 正是在此過程中扮演關鍵角色。公司能根據客戶需求提供完整的 ASIC 設計服務，涵蓋架構設計、高速 I/O、先進封裝支持、IP 整合及後續驗證等多個環節。

與標準芯片業務相比，定製 ASIC 具備以下明顯優勢：

• 客戶合作周期較長。從前端設計到量產通常需兩到三年，一旦進入量產階段，生命周期往往持續多年，收入相對穩定。
• 客戶粘性較高。由於 ASIC 與客戶軟件生態、數據中心架構及供應鏈深度綁定，更換供應商成本高昂，因此合作關係更為穩固。
• 盈利能力相對較強。雖然研發投入較高，但產品高度定製化，價格競爭有限，長期毛利率通常優於標準化產品。

隨着全球雲廠商持續增加 AI 資本支出，定製 ASIC 市場規模預計將持續成長，這也成為 Marvell 最重要的長期成長動能之一。

光互連為何成為 AI 集群發展的必然方向

如果說 GPU 是 AI 數據中心的大腦，那麼光互連就是整個系統的神經網絡。

過去，大部分服務器之間主要依賴銅纜進行電信號傳輸。但隨着網絡速率不斷提升，銅纜開始面臨明顯限制：

1. 傳輸距離受限。當速率達到 400G、800G 甚至未來 1.6T 時，電信號在銅纜中的衰減愈加明顯，需要更複雜的信號補償。
2. 功耗快速上升。高速電互連需消耗大量能量進行信號放大與均衡，在大型 AI 數據中心中，這部分能耗已成為運營成本的重要組成部分。
3. 電磁干擾問題。高速電連接容易受到電磁干擾，影響整體穩定性。

相比之下，光互連具備更高帶寬、更低延遲、更低能耗及更長傳輸距離等優勢，因此正逐步取代傳統電互連。

Marvell 在光互連領域長期布局高速 DSP、PAM4 信號處理、光模塊控制器及相關芯片產品，覆蓋 AI 數據中心內部的關鍵通信環節。

目前，400G 已成為大型數據中心的重要部署標準，800G 正在快速普及，而 1.6T 光模塊預計將在未來幾年逐步進入商業化階段。這意味着整個產業鏈仍擁有龐大的升級空間。

隨着 AI 集群規模不斷擴大，光互連也正從數據中心之間逐漸延伸至機櫃內部，甚至進一步向芯片之間發展，為 Marvell 帶來持續成長機會。

CPO 為何被視為下一代 AI 網絡架構

除了傳統光模塊，近年市場關注度最高的新方向之一便是 CPO（Co-Packaged Optics）。

傳統網絡架構中，交換芯片與光模塊通常分開部署，中間需通過高速電連接完成數據傳輸。當帶寬持續提高時，這部分電連接不僅增加功耗，還會造成信號損耗。

CPO 的核心概念，是將光學元件直接與交換芯片共同封裝，使光信號能更接近計算核心，從而顯著降低能耗，並提升整體帶寬密度。

對於未來擁有數萬個 GPU 的 AI 超級集群而言，這種架構有望進一步改善網絡效率。

Marvell 近年持續布局 CPO 相關技術，包括高性能交換芯片、DSP、光引擎及高速封裝能力，期望在下一代 AI 網絡架構中占據更重要的位置。

雖然 CPO 目前仍處於商業化初期，但隨着數據中心功耗不斷上升，市場普遍認為其有望成為未來高速網絡的重要技術方向。

AI 基礎設施升級如何推動 Marvell 持續受益

AI 算力成長帶來的不僅是 GPU 出貨量提升，更重要的是整個基礎設施鏈條同步擴張。

隨着模型參數不斷增加，GPU 數量持續成長，數據中心需要同步採購更多交換芯片、光模塊、高速網絡控制器及互連方案。每新增一批 GPU，背後往往需配套建設完整的網絡系統。因此，AI 基礎設施投資已從過去單一採購 GPU，逐漸演變為涵蓋計算、網絡、存儲、電力及散熱等多個環節的系統建設。

Marvell 所覆蓋的正是這些「非計算但不可或缺」的基礎設施領域。隨着 GPU 集群規模不斷擴大，網絡設備在整體數據中心成本結構中的占比持續提升，這也意味着高速互連市場未來仍具備龐大的成長空間。

與此同時，在 AI 投資與全球資產配置層面，市場參與者越來越依賴跨市場交易能力進行動態調倉。例如，Gate 提供的股票交易體系支持 7 × 24 小時全天候交易美股、港股與韓股，使投資者能在不同市場開盤時段之間持續追蹤 AI 相關資產的價格變化與資金流向，從而更靈活地參與全球 AI 基礎設施周期的輪動機會。

此機制在一定程度上強化了 AI 產業鏈的全球聯動性，也使 Marvell 等基礎設施公司的市場定價更加連續，投資者能更及時地根據全球 AI 產業鏈變化調整持倉，而不再局限於單一市場的交易時間。

Marvell、Broadcom 與 NVIDIA 有何不同

雖然三家公司都被歸類為 AI 基礎設施的重要參與者，但其核心定位存在明顯差異。

NVIDIA 主要負責 AI 計算層，提供 GPU、CUDA 軟件生態及整套 AI 計算平台，是當前 AI 算力的核心提供者。

Broadcom 更側重於交換芯片、網絡基礎設施及定製 ASIC，在企業網絡與超大規模雲數據中心擁有深厚積累，同時也是 AI ASIC 市場的重要競爭者。

Marvell 則更加專注於連接層，包括高速互連、光網絡、DSP、數據中心交換、存儲互連及定製 ASIC 等領域。

NVIDIA 負責「算」，Broadcom 與 Marvell 更多負責「連」。

這種定位決定了 Marvell 的成長邏輯並不完全依賴 GPU 產品周期，而是更多受益於 AI 數據中心整體規模擴大及網絡複雜度持續提升。隨着未來 AI 集群進一步向超大規模演進，連接層的重要性預計仍將不斷提高。

AI 基礎設施市場仍面臨哪些挑戰

儘管行業長期前景廣闊，但 Marvell 所處的市場仍存在一定不確定性。

高速網絡產品研發門檻極高。從先進制程、SerDes 技術到高速封裝，每一代產品都需要持續投入大量研發資源，技術迭代速度也越來越快。

客戶集中度較高。Marvell 的主要客戶多為全球大型雲服務商，其資本支出節奏會直接影響公司訂單成長。若 AI 投資周期放緩，相關業務收入也可能受到影響。

技術路線仍存在變化空間。無論是 800G 向 1.6T 升級，還是 CPO 的商業化推進，都需要整個產業鏈協同成熟。若新技術導入速度低於預期，短期市場表現可能出現波動。

AI 基礎設施領域競爭也在持續加劇，Broadcom、NVIDIA、Astera Labs 等廠商都在積極布局高速互連與網絡芯片市場，未來競爭仍將十分激烈。

Marvell AI 業務未來的發展方向

展望未來，Marvell 的成長重點可能集中在三個方面：

1. 進一步擴大定製 ASIC 業務，與更多超大規模雲廠商建立長期合作關係，在 AI 推理芯片需求成長過程中持續受益。
2. 加速光互連與 CPO 商業化布局。隨着 AI 數據中心網絡持續升級，下一代高速光網絡有望成為新的成長引擎。
3. 推動網絡基礎設施平台化發展。從交換芯片、高速互連到系統級網絡優化，Marvell 期望提供更完整的數據中心連接解決方案，而不僅是單一芯片產品。

隨着 AI 應用逐漸從大規模訓練走向推理部署，未來數據中心將更加關注整體能效、成本控制及系統利用率。相較於單純提升 GPU 性能，如何以更低功耗、更高效率連接數萬個計算節點，將成為下一階段 AI 基礎設施競爭的重要方向，而這正是 Marvell 長期深耕的核心領域。

總結

Marvell 在 AI 產業鏈中的價值，並非體現在直接提供計算能力，而是在於構建支撐 AI 系統高效運行的連接能力。從高速交換芯片、光互連、DSP 到定製 ASIC，公司覆蓋了 AI 數據中心內部多個關鍵基礎設施環節。

隨着全球 AI 投資持續推進，數據中心建設重點正從單一算力擴展到系統級優化。網絡帶寬、通信效率、能耗控制及高速互連的重要性不斷提升，也使 Marvell 從傳統網絡芯片廠商，逐漸成長為 AI 基礎設施連接層的重要參與者。

未來，隨着光網絡、CPO 與定製 ASIC 等技術持續成熟，Marvell 有望繼續受益於全球 AI 基礎設施升級周期，在高速互連與智能網絡領域保持長期成長動能。