AI数据中心的下一桶金：不是算力，而是“互连”——Marvell的野心被低估了

01 这场AI战争，最先被打爆的不是GPU，而是“路”

今天全世界都在谈AI算力。

谈英伟达，谈H100，谈B200，谈“几万张卡一夜起飞”。

但你如果真的进过数据中心，就会发现一个残酷现实：

算力不是凭空出现的。
GPU再强，也只是一个“发动机”。
发动机想把车跑起来，你得有——

• 路（互连）

• 油（供电）

• 水（散热）

• 仓库（存储）

• 交通规则（网络协议）

而这其中，最先被打爆的，往往不是发动机，而是路。

当AI集群规模从“万卡”走向“十万卡”“百万卡”，整个系统最恐怖的瓶颈只有一个：

数据，跑不动了。

于是，一个以前不怎么上热搜的名字，开始频繁出现在云厂商的会议桌上——
Marvell（迈威尔）。

它不是GPU巨头，但它干的是更“硬”的活：
让数据在AI数据中心里跑得更快、更稳、更省电。

它自己的话说得很直白：
他们要做的，是“move、store、process、secure”全世界的数据。

说白了就是：

AI时代，谁掌握了数据的流动，谁就握住了算力的命门。

很多人对Marvell的印象还停留在：“存储芯片”“网卡”“以太网交换”。

但你看它的企业概览就知道，这家公司压根不是“某个单点产品公司”。

它是一家全球fabless半导体供应商，1995年成立，员工6900+，专利10000+，FY25营收约58亿美元。

重点不是规模，而是定位。

Marvell的定位是：

数据基础设施（data infrastructure）公司。

它不是造“AI大脑”的。
它造的是“大脑的神经系统”。

而神经系统一旦崩了，大脑就只能瘫着。

03 AI数据中心的三大件：算力、互连、交换机 Marvell要做的是“全包”

在Marvell的叙事里，AI数据中心的“加速基础设施”主要分三块：

1）Custom Compute（定制计算）
包括 XPUs/CPUs/DPUs/NICs

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

3）Network Switching（网络交换）
包括 scale-up 和 scale-out 的交换芯片

你看出来了吗？

Marvell不是说“我只做某个点”，它是说：

我把AI数据中心里最容易卡脖子的环节，全给你包了。

这就是它的狠。

04 AI真正的增长引擎：不是大模型，是“数据中心资本开支”

Marvell在投资者材料里摆了一个很有冲击力的数字：

数据中心CAPEX在快速膨胀，甚至要冲到2028年1万亿美元级别。

什么意思？

这意味着未来几年，全球最有钱的一群公司——云厂商、AI巨头、国家算力项目——
都会把钱砸进数据中心。

但砸钱砸到后面会发现：

你能买到GPU，但你买不到“让GPU高效工作”的系统能力。

于是“隐形军火商”开始抬价。

05 迈威尔最核心的野心：吃掉“定制AI芯片”时代

过去，云厂商买芯片的逻辑很简单：

• 你（英特尔/英伟达）做什么

• 我就买什么

但AI时代，逻辑变了。

云厂商要的不是“通用最强”，而是：

我自己的业务，最省电、最便宜、最适配的那颗芯片。

于是定制化成为主线。

Marvell直接把这件事讲成了一个时代变化：
从“x86跑一切”到“异构计算”，再到“云优化硅（cloud-optimized silicon）”。

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

• 到2028年，Marvell认为数据中心TAM可到 94B美元，其中加速定制计算增长最猛

• “定制XPU + XPU attach”会成为巨大增量

• 它甚至提出目标：在custom compute与attach里冲到20%份额

这就不是“卖芯片”了。

这是在抢AI时代的数据中心底座。

06 什么叫“XPU attach”？这才是Marvell的狠活

很多人只盯着“谁在做XPU”。

但Marvell说得更现实：

真正的爆发，可能不在XPU本身，而在XPU周围的“外挂生态”。

它把custom TAM定义成：
XPU + XPU attach

XPU attach是什么？

它包括：

• 网络接口

• scale-up fabric

• 安全与主机管理协处理器

• memory pooler/expander 等等

这东西的本质是：

当AI集群大到一定程度，芯片不再是一颗芯片，而是一套系统。

系统里每一个“外挂”，都能成为几亿美元、甚至十亿美元级的生意。

Marvell还给了一个非常刺激的描述：

• pipeline机会 >50

• 客户 >10

• 生命周期收入 75B美元

这不是在卖产品，这是在做“长期绑定”。

07 真正的技术壁垒：SerDes、光、电、封装、工艺 这才是AI基础设施的“内功”

AI时代最反常识的一点是：

你以为决定胜负的是算法、模型、GPU。

但当集群规模上来，决定胜负的往往是：

谁能让信号跑得更快，功耗更低，误码更少。

Marvell在材料里反复强调它的“底层积累”：

• 5nm/3nm/2nm平台

• 高速混合信号能力（high-speed mixed signal）

• 多die集成、CPO（共封装光学）、in-package memory

你要注意：这些东西不性感，但它们决定了AI集群能不能活下去。

尤其是互连。

比如它的 Ara PAM4 DSP，就是典型的“AI互连硬通货”：

• 3nm工艺

• 8×200Gbps PAM4电接口

• 1.6Tbps总带宽

• 面向OSFP/QSFP-DD 1.6T光模块场景

换句话说：

当你开始谈1.6T光模块时，你已经进入了“AI数据中心下一代战争”。

最后我们总结一下：

英伟达是AI时代的“发动机”。
但Marvell更像是——

• 电网（供电/稳压/能效）

• 高速公路（互连/SerDes/光电转换）

• 交通枢纽（交换芯片）

• 系统集成商（定制计算与XPU attach）

发动机可以换品牌。
但水电煤，你绕不开。

Marvell的核心叙事就一句话：

加速计算依赖加速基础设施。

而当全世界开始堆AI算力时，真正的赢家，往往不是站在聚光灯下的人。

而是那个在黑暗里，修路、铺电、架桥的人。

欢迎加入行业交流群，备注岗位+公司，请联系老虎说芯（加V：tigerchip）