AI數據中心的下一桶金：不是算力，而是“互連”——Marvell的野心被低估了

01 這場AI戰爭，最先被打爆的不是GPU，而是“路”

今天全世界都在談AI算力。

談英偉達，談H100，談B200，談“幾萬張卡一夜起飛”。

但你如果真的進過數據中心，就會發現一個殘酷現實：

算力不是憑空出現的。
GPU再強，也只是一個“發動機”。
發動機想把車跑起來，你得有——

• 路（互連）

• 油（供電）

• 水（散熱）

• 倉庫（存儲）

• 交通規則（網絡協議）

而這其中，最先被打爆的，往往不是發動機，而是路。

當AI集群規模從“萬卡”走向“十萬卡”“百萬卡”，整個系統最恐怖的瓶頸只有一個：

數據，跑不動了。

于是，一個以前不怎么上熱搜的名字，開始頻繁出現在云廠商的會議桌上——
Marvell（邁威爾）。

它不是GPU巨頭，但它干的是更“硬”的活：
讓數據在AI數據中心里跑得更快、更穩、更省電。

它自己的話說得很直白：
他們要做的，是“move、store、process、secure”全世界的數據。

說白了就是：

AI時代，誰掌握了數據的流動，誰就握住了算力的命門。

很多人對Marvell的印象還停留在：“存儲芯片”“網卡”“以太網交換”。

但你看它的企業概覽就知道，這家公司壓根不是“某個單點產品公司”。

它是一家全球fabless半導體供應商，1995年成立，員工6900+，專利10000+，FY25營收約58億美元。

重點不是規模，而是定位。

Marvell的定位是：

數據基礎設施（data infrastructure）公司。

它不是造“AI大腦”的。
它造的是“大腦的神經系統”。

而神經系統一旦崩了，大腦就只能癱著。

03 AI數據中心的三大件：算力、互連、交換機 Marvell要做的是“全包”

在Marvell的敘事里，AI數據中心的“加速基礎設施”主要分三塊：

1）Custom Compute（定制計算）
包括 XPUs/CPUs/DPUs/NICs

2）Interconnect（互連）
包括 PAM/coherent/coherent-lite/AEC DSP、PCIe retimers、DCI模塊、TIA/driver 等

3）Network Switching（網絡交換）
包括 scale-up 和 scale-out 的交換芯片

你看出來了嗎？

Marvell不是說“我只做某個點”，它是說：

我把AI數據中心里最容易卡脖子的環節，全給你包了。

這就是它的狠。

04 AI真正的增長引擎：不是大模型，是“數據中心資本開支”

Marvell在投資者材料里擺了一個很有沖擊力的數字：

數據中心CAPEX在快速膨脹，甚至要沖到2028年1萬億美元級別。

什么意思？

這意味著未來幾年，全球最有錢的一群公司——云廠商、AI巨頭、國家算力項目——
都會把錢砸進數據中心。

但砸錢砸到后面會發現：

你能買到GPU，但你買不到“讓GPU高效工作”的系統能力。

于是“隱形軍火商”開始抬價。

05 邁威爾最核心的野心：吃掉“定制AI芯片”時代

過去，云廠商買芯片的邏輯很簡單：

• 你（英特爾/英偉達）做什么

• 我就買什么

但AI時代，邏輯變了。

云廠商要的不是“通用最強”，而是：

我自己的業務，最省電、最便宜、最適配的那顆芯片。

于是定制化成為主線。

Marvell直接把這件事講成了一個時代變化：
從“x86跑一切”到“異構計算”，再到“云優化硅（cloud-optimized silicon）”。

而在它的Custom AI Investor Event里，它把市場拆得非常清楚：

• 到2028年，Marvell認為數據中心TAM可到 94B美元，其中加速定制計算增長最猛

• “定制XPU + XPU attach”會成為巨大增量

• 它甚至提出目標：在custom compute與attach里沖到20%份額

這就不是“賣芯片”了。

這是在搶AI時代的數據中心底座。

06 什么叫“XPU attach”？這才是Marvell的狠活

很多人只盯著“誰在做XPU”。

但Marvell說得更現實：

真正的爆發，可能不在XPU本身，而在XPU周圍的“外掛生態”。

它把custom TAM定義成：
XPU + XPU attach

XPU attach是什么？

它包括：

• 網絡接口

• scale-up fabric

• 安全與主機管理協處理器

• memory pooler/expander 等等

這東西的本質是：

當AI集群大到一定程度，芯片不再是一顆芯片，而是一套系統。

系統里每一個“外掛”，都能成為幾億美元、甚至十億美元級的生意。

Marvell還給了一個非常刺激的描述：

• pipeline機會 >50

• 客戶 >10

• 生命周期收入 75B美元

這不是在賣產品，這是在做“長期綁定”。

07 真正的技術壁壘：SerDes、光、電、封裝、工藝 這才是AI基礎設施的“內功”

AI時代最反常識的一點是：

你以為決定勝負的是算法、模型、GPU。

但當集群規模上來，決定勝負的往往是：

誰能讓信號跑得更快，功耗更低，誤碼更少。

Marvell在材料里反復強調它的“底層積累”：

• 5nm/3nm/2nm平臺

• 高速混合信號能力（high-speed mixed signal）

• 多die集成、CPO（共封裝光學）、in-package memory

你要注意：這些東西不性感，但它們決定了AI集群能不能活下去。

尤其是互連。

比如它的 Ara PAM4 DSP，就是典型的“AI互連硬通貨”：

• 3nm工藝

• 8×200Gbps PAM4電接口

• 1.6Tbps總帶寬

• 面向OSFP/QSFP-DD 1.6T光模塊場景

換句話說：

當你開始談1.6T光模塊時，你已經進入了“AI數據中心下一代戰爭”。

最后我們總結一下：

英偉達是AI時代的“發動機”。
但Marvell更像是——

• 電網（供電/穩壓/能效）

• 高速公路（互連/SerDes/光電轉換）

• 交通樞紐（交換芯片）

• 系統集成商（定制計算與XPU attach）

發動機可以換品牌。
但水電煤，你繞不開。

Marvell的核心敘事就一句話：

加速計算依賴加速基礎設施。

而當全世界開始堆AI算力時，真正的贏家，往往不是站在聚光燈下的人。

而是那個在黑暗里，修路、鋪電、架橋的人。

歡迎加入行業交流群，備注崗位+公司，請聯系老虎說芯（加V：tigerchip）