Marvell 为什么成为 AI 基础设施的重要参与者？解析数据中心业务布局

在 AI 大模型快速演进的背景下，算力增长已经从单纯的 GPU 性能竞争，扩展为“系统级基础设施竞争”。数据中心内部的通信效率、带宽能力与延迟控制，正在成为决定 AI 集群性能上限的关键变量，高速互连与光网络技术因此被推向核心位置。

围绕这一变化，Marvell 的业务布局逐渐从传统存储与网络芯片，转向 AI 驱动的数据中心基础设施体系。以下内容将从高速互连需求、定制 ASIC 增长、光互连演进、CPO 架构、行业竞争格局以及未来发展方向等多个维度，对其在 AI 产业链中的位置进行拆解。

Marvell 的定制 ASIC 业务为何快速增长

近年来，Marvell 增长最快的业务之一，就是定制 ASIC（Application Specific Integrated Circuit）。

ASIC 指针对特定应用场景专门设计的芯片，与通用 GPU 相比，它不需要兼顾各种不同类型的计算任务，而是围绕客户自身工作负载进行优化，因此能够在性能、功耗以及成本之间取得更好的平衡。

对于大型云计算厂商来说，自研 ASIC 已经成为重要趋势。例如，AWS 推出了 Trainium 和 Inferentia 系列 AI 芯片，Google 持续迭代 TPU，Microsoft 也发布了 Maia AI Accelerator。这些芯片虽然最终以各自品牌推出，但背后往往需要专业芯片设计公司的深度参与。

Marvell 正是在这一过程中发挥重要作用。公司能够根据客户需求提供完整的 ASIC 设计服务，包括架构设计、高速 I/O、先进封装支持、IP 集成以及后续验证等多个环节。

相比标准芯片业务，定制 ASIC 拥有几个明显优势。

• 客户合作周期较长。从前期设计到量产通常需要两到三年时间，一旦进入量产阶段，生命周期往往持续多年，收入相对稳定。

• 客户粘性较高。由于 ASIC 与客户软件生态、数据中心架构以及供应链深度绑定，更换供应商成本较高，因此合作关系通常更加稳固。

• 盈利能力相对较强。虽然研发投入较高，但由于产品高度定制化，价格竞争相对有限，长期毛利率通常优于标准化产品。

随着全球云厂商持续增加 AI 资本开支，定制 ASIC 市场规模预计仍将保持增长，这也成为 Marvell 最重要的长期成长动力之一。

光互连为何成为 AI 集群发展的必然方向

如果说 GPU 是 AI 数据中心的大脑，那么光互连就是整个系统的神经网络。

过去，大部分服务器之间主要依赖铜缆进行电信号传输。但随着网络速率不断提高，铜缆开始面临明显限制。

1. 传输距离受限。当速率达到 400G、800G 甚至未来 1.6T 时，电信号在铜缆中的衰减越来越明显，需要更复杂的信号补偿。

2. 功耗快速上升。高速电互连需要消耗大量能量进行信号放大和均衡，在大型 AI 数据中心中，这部分能耗已经成为运营成本的重要组成部分。

3. 高速电连接还容易受到电磁干扰，影响整体稳定性。

相比之下，光互连具有更高带宽、更低延迟、更低能耗以及更长传输距离等优势，因此正在逐步替代传统电互连。

Marvell 在光互连领域长期布局高速 DSP、PAM4 信号处理、光模块控制器以及相关芯片产品，覆盖 AI 数据中心内部的重要通信环节。

目前，400G 已经成为大型数据中心的重要部署标准，800G 正在快速普及，而 1.6T 光模块预计将在未来几年逐步进入商业化阶段。这意味着整个产业链仍拥有较大的升级空间。

随着 AI 集群规模不断扩大，光互连也正在从数据中心之间逐渐延伸到机柜内部，甚至进一步向芯片之间发展，为 Marvell 带来持续增长机会。

CPO 为什么被视为下一代 AI 网络架构

除了传统光模块之外，近年来市场关注度最高的新方向之一，就是 CPO（Co-Packaged Optics）。

传统网络架构中，交换芯片与光模块通常分开部署，中间需要高速电连接完成数据传输。当带宽持续提高时，这部分电连接不仅功耗增加，还会造成信号损耗。

CPO 的核心思想，就是把光学器件直接与交换芯片共同封装，使光信号能够更加接近计算核心，从而显著降低能耗，并提升整体带宽密度。

对于未来拥有数万个 GPU 的 AI 超级集群而言，这种架构有望进一步改善网络效率。

Marvell 近年来持续布局 CPO 相关技术，包括高性能交换芯片、DSP、光引擎以及高速封装能力，希望在下一代 AI 网络架构中占据更重要的位置。

虽然目前 CPO 仍处于商业化初期，但随着数据中心功耗不断上升，市场普遍认为其有望成为未来高速网络的重要技术方向。

AI 基础设施升级如何推动 Marvell 持续受益

AI 算力增长带来的不仅是 GPU 出货量提升，更重要的是整个基础设施链条同步扩张。

随着模型参数不断增加，GPU 数量持续增长，数据中心需要同步采购更多交换芯片、光模块、高速网络控制器以及互连方案。每新增一批 GPU，背后往往需要配套建设完整的网络系统。因此，AI 基础设施投资已经从过去单一采购 GPU，逐渐演变为覆盖计算、网络、存储、电力以及散热等多个环节的系统建设。

Marvell 覆盖的正是这些“非计算但不可缺少”的基础设施领域。随着 GPU 集群规模不断扩大，网络设备在整个数据中心成本结构中的占比持续提升，这也意味着高速互连市场未来仍具有较大的成长空间。

与此同时，在 AI 投资与全球资产配置层面，市场参与者也越来越依赖跨市场交易能力进行动态调仓。例如，Gate 提供的股票交易体系支持 7 × 24 小时全天候交易美股、港股与韩股，使投资者能够在不同市场开盘时段之间持续跟踪 AI 相关资产的价格变化与资金流向，从而更灵活地参与全球 AI 基础设施周期的轮动机会。

这一机制在一定程度上强化了 AI 产业链的全球联动性，也使 Marvell 等基础设施公司的市场定价更加连续，投资者能够更及时地根据全球 AI 产业链变化调整持仓，而不再局限于单一市场的交易时间。

Marvell、Broadcom 与 NVIDIA 有何不同

虽然三家公司都被归类为 AI 基础设施的重要参与者，但其核心定位存在明显区别。

NVIDIA 主要负责 AI 计算层，提供 GPU、CUDA 软件生态以及整套 AI 计算平台，是当前 AI 算力的核心提供者。

Broadcom 更侧重于交换芯片、网络基础设施以及定制 ASIC，在企业网络和超大规模云数据中心拥有深厚积累，同时也是 AI ASIC 市场的重要竞争者。

Marvell 则更加专注于连接层，包括高速互连、光网络、DSP、数据中心交换、存储互连以及定制 ASIC 等领域。

NVIDIA 负责“算”，Broadcom 与 Marvell 更多负责“连”。

这种定位决定了 Marvell 的成长逻辑并不完全依赖 GPU 产品周期，而是更多受益于 AI 数据中心整体规模扩大以及网络复杂度持续提升。随着未来 AI 集群进一步向超大规模演进，连接层的重要性预计仍将不断提高。

AI 基础设施市场仍面临哪些挑战

尽管行业长期前景广阔，但 Marvell 所处的市场仍存在一定不确定性。

高速网络产品研发门槛极高。从先进制程、SerDes 技术到高速封装，每一代产品都需要持续投入大量研发资源，技术迭代速度也越来越快。

客户集中度较高。Marvell 的主要客户多为全球大型云服务商，其资本开支节奏会直接影响公司订单增长。如果 AI 投资周期放缓，相关业务收入也可能受到影响。

技术路线仍存在变化空间。无论是 800G 向 1.6T 升级，还是 CPO 的商业化推进，都需要整个产业链协同成熟。如果新技术导入速度低于预期，短期市场表现可能出现波动。

AI 基础设施领域竞争也在持续加剧，Broadcom、NVIDIA、Astera Labs 等厂商都在积极布局高速互连和网络芯片市场，未来竞争仍将十分激烈。

Marvell AI 业务未来的发展方向

展望未来，Marvell 的成长重点可能集中在三个方面。

1. 进一步扩大定制 ASIC 业务，与更多超大规模云厂商建立长期合作关系，在 AI 推理芯片需求增长过程中持续受益。

2. 加速光互连与 CPO 商业化布局。随着 AI 数据中心网络持续升级，下一代高速光网络有望成为新的增长引擎。

3. 推动网络基础设施平台化发展。从交换芯片、高速互连到系统级网络优化，Marvell 希望提供更加完整的数据中心连接解决方案，而不仅仅是单一芯片产品。

随着 AI 应用逐渐从大规模训练走向推理部署，未来数据中心将更加关注整体能效、成本控制以及系统利用率。相比单纯提升 GPU 性能，如何以更低功耗、更高效率连接数万个计算节点，将成为下一阶段 AI 基础设施竞争的重要方向，而这正是 Marvell 长期深耕的核心领域。

总结

Marvell 在 AI 产业链中的价值，并不体现在直接提供计算能力，而是在于构建支撑 AI 系统高效运行的连接能力。从高速交换芯片、光互连、DSP 到定制 ASIC，公司覆盖了 AI 数据中心内部多个关键基础设施环节。

随着全球 AI 投资持续推进，数据中心建设重点正从单一算力扩展到系统级优化。网络带宽、通信效率、能耗控制以及高速互连的重要性不断提升，也使 Marvell 从传统网络芯片厂商，逐渐成长为 AI 基础设施连接层的重要参与者。

未来，随着光网络、CPO 与定制 ASIC 等技术持续成熟，Marvell 有望继续受益于全球 AI 基础设施升级周期，在高速互连与智能网络领域保持长期增长动力。