Latest / The Long View / 2026-06-06 · 特辑｜Marvell 入门：英伟达点名的下一个万亿美元公司

Transcript

2026-06-06 · 特辑｜Marvell 入门：英伟达点名的下一个万亿美元公司 · The Long View

0:07
欢迎收听The Long View。
0:08
今天这一期是一期特辑。
0:11
我们不蹭当天的快讯，而是花一整期，把一家公司从头到尾讲透。
0:17
这家公司，大多数人没听过。
0:19
但就在前几天，英伟达的创始人兼首席执行官黄仁勋，
0:24
当着全场的面，把它称为"未来的一家万亿美元公司"。
0:30
它的名字叫Marvell，中文有时译作美满电子。
0:35
我们先把那个戏剧性的场面摆出来。
0:37
二〇二六年六月二号，在台北的Computex电脑展上，
0:42
黄仁勋把另一个人请上了台。
0:45
这个人叫Matt Murphy，y，
0:47
是Marvell的董事长兼首席执行官。
0:51
黄仁勋当众说：这家公司未来会成长为一家万亿美元市值的公司。
0:57
紧接着，英伟达宣布要向Marvell投资二十亿美元，
1:01
两家公司还宣布了一项围绕AI光互连、
1:05
硅光子和电信网络的合作。
1:08
市场的反应是爆炸性的。
1:11
Marvell的股价当天大涨超过百分之三十，
1:14
创下了公司上市以来最大的单日涨幅，一夜之间市值增加了好几百亿美元，
1:21
还把市场上大量押它下跌的期权一扫而空。
1:26
几天之后，标普道琼斯指数公司宣布，Marvell将被纳入标普五百指数，
1:31
六月二十二号正式生效。
1:34
这里有一个巨大的认知落差：英伟达的名字人人都知道，
1:38
可Marvell是谁？
1:40
它凭什么被英伟达的掌门人点名为下一家万亿美元公司？
1:45
这就是我们今天要解决的问题。
1:48
我们的目标，是让一个对芯片、对AI数据中心一无所知的普通人—你可能听过英伟达、
1:56
听过显卡，但从没想过这些芯片是怎么拼成一台超级计算机的—能从零开始，
2:04
把Marvell这家公司、以及它所处的那个隐秘而关键的行业，
2:10
整个看清楚。
2:12
我们会按这个顺序讲。
2:13
第一章，先搞懂一件最反直觉的事—AI数据中心不是一台超级电脑，
2:19
而是一座需要修路的城市。
2:22
第二章，Marvell是谁，一家被改造了好几次、
2:26
脱胎换骨的公司。
2:28
第三章，一个信号是怎么跑出芯片、跑过整个数据中心的，
2:33
从晶体管到光纤的完整旅程。
2:37
第四章，你必须知道的十几个核心术语。
2:41
第五章，Marvell的两件传家宝。
2:45
第六章，钱从哪里来，一个奔着万亿美元去的卖铲子生意。
2:50
第七章，竞争与格局，对手也是盟友。
2:54
第八章，未来三到五年，以及什么会把这个故事证伪。
3:00
第九章，英伟达点名之后到底该不该追。
3:04
第十章，三个值得记住的要点。
3:08
那我们开始。
3:09
第一章，AI数据中心不是一台超级电脑，
3:13
而是一座城市。
3:14
我们先纠正一个最常见的误解。
3:17
很多人以为，所谓训练一个大模型，就是有一台特别厉害的超级电脑，
3:23
里面装了一块特别厉害的芯片，日夜不停地算。
3:27
这个画面是错的。
3:29
真实的情况是：训练今天这些最前沿的AI模型，
3:33
需要把成千上万、甚至超过十万块芯片，
3:37
连成一个整体，让它们像一个大脑一样协同工作。
3:42
一个现代化的AI数据中心，里面是一排排的机柜，
3:47
每个机柜里塞满了加速卡，每张加速卡上是一颗有几百亿个晶体管的芯片。
3:55
给你一个具体的尺度感：今天训练一个最前沿的大模型，
3:59
动用的芯片数量，已经从几千颗，涨到了几万颗，
4:04
最大的集群甚至要用上十万颗以上。
4:08
把这么多芯片摆在一起还不够，得让它们彼此之间几乎零延迟地交换海量数据。
4:16
你可以想象一下，十万个人要同时开一个会、
4:20
还要实时同步每个人说的每一句话，那个对沟通系统的要求，
4:26
是何等夸张。
4:28
现在关键的问题来了。
4:29
一颗芯片再强，它一个人是算不完一个万亿参数的大模型的。
4:35
你必须让这成千上万颗芯片，互相通信、
4:39
交换数据、同步进度—这一颗算完一部分，
4:43
要把结果即时传给那一颗。
4:47
如果传得慢了，再快的芯片也只能干等着。
4:51
这里有一个特别好的类比。
4:53
想象你雇了十万个绝顶聪明的天才，但你把他们每个人单独关在一间隔音的小屋里，
5:00
彼此不能说话。
5:02
结果会怎样？
5:04
这十万个天才加起来，干不成任何一件需要协作的大事。
5:09
决定这个团队产出的，往往不是某一个天才有多聪明，
5:14
而是他们之间沟通的带宽有多大、有多快。
5:18
AI数据中心就是这样。
5:20
芯片本身是那些天才，这是英伟达、A M D这些公司擅长的算力。
5:27
而把这些芯片连起来、让它们能高速通信的那套东西—电路、
5:33
线缆、光纤、交换机—就是这座城市的道路系统。
5:38
算力是工厂，互连就是公路。
5:42
这里还要补一个对理解全局很有用的区分：连接也分两种尺度。
5:48
一种叫纵向扩展，指的是把几颗、几十颗芯片在一个机柜内部紧密地捆成一个超大的单元，
5:56
让它们之间像一颗芯片内部一样高速通信，
6:00
英伟达的NVLink就是干这个的。
6:04
另一种叫横向扩展，指的是把成百上千个这样的单元，
6:09
跨机柜、跨整个机房连成一张大网。
6:13
前者比拼的是极致的近距离带宽，后者比拼的是远距离、
6:19
大规模的组网能力。
6:22
Marvell的产品，主要发力在横向扩展这一侧，
6:25
也就是那些需要跨越长距离、必须用上光的地方。
6:30
而且，随着芯片越来越快、数量越来越多，
6:34
这套道路系统的重要性不是在下降，而是在飞速上升。
6:40
这里有一个容易被忽略的规律：每当单颗芯片的算力翻一倍，
6:45
它对外通信的需求往往要翻得更多—因为更强的芯片要喂饱它，
6:51
就得从更多的邻居那里更快地搬运数据。
6:55
于是连接的需求，是以比算力本身更快的速度在膨胀。
7:01
今天在AI数据中心里，每一年花在连接上的钱—网络、
7:06
交换、光模块—增长得比花在芯片本身上还快。
7:11
这就是为什么，一家修路的公司，能在这场以造楼闻名的浪潮里，
7:17
分到越来越大的一块蛋糕。
7:20
请记住这个画面：算力决定了单个工人多能干，
7:25
互连决定了这十万个工人能不能拧成一股绳。
7:29
而我们今天的主角Marvell，恰恰是这座城市里最重要的修路公司之一。
7:36
它不太做那块最显眼的加速芯片，它做的是把芯片连起来的那一整套关键零件。
7:44
这就是为什么，在AI这场大建设里，它是一个绕不开的名字，
7:49
却又是一个大多数人没听过的名字—修路的，
7:53
总是没有盖摩天大楼的那么出名。
7:57
第二章，Marvell是谁，一家被改造了好几次的公司。
8:02
要理解今天的Marvell，得先知道它的过去，
8:06
因为它的今天是被改造出来的。
8:09
Marvell成立于一九九五年，创始人是Sehat Sutardja、
8:15
他的太太戴伟立，还有他的弟弟Pantas Sutardja。
8:20
这是一家典型的硅谷创业故事公司，总部在加州圣克拉拉。
8:26
它早年是一家什么都做的芯片公司—硬盘的控制芯片、
8:31
Wi-Fi芯片、消费电子里的各种芯片，
8:35
业务又杂又散。
8:37
那时候的Marvell，是一家利润不高、
8:40
产品线庞杂、在一堆红海市场里厮杀的公司。
8:45
这家公司命运的转折点，是二〇一六年。
8:48
这一年，一个叫Matt Murphy的人出任首席执行官，
8:53
他此前长期在另一家芯片公司Maxim任职。
8:58
Murphy上任后，干了一件需要极大魄力的事：他要把这家什么都做的杂货铺，
9:03
改造成一家只做一件最值钱的事的专家公司。
9:08
这件最值钱的事，就是数据中心，也就是支撑云计算、
9:13
以及后来AI的那套基础设施。
9:17
Murphy的打法，可以概括成一手做减法、
9:20
一手做加法。
9:22
做减法，是把那些低利润、没前途的老业务一个个卖掉、
9:27
砍掉。
9:27
最有代表性的一笔，是Marvell把自己的车载以太网业务，
9:32
卖给了德国的英飞凌。
9:35
这笔交易二〇二四年宣布、规模约二十五亿美元，
9:39
在二〇二六财年完成。
9:42
也正是这笔一次性的出售收益，让Marvell那一年的会计利润显得格外亮眼。
9:48
卖掉一块还不错的业务，只为了让公司更聚焦于数据中心，
9:53
这就是Murphy的取舍。
9:56
做加法，则是靠两笔关键的收购，把公司直接送进了数据中心的核心。
10:02
这两笔收购，是理解今天Marvell的钥匙。
10:06
第一笔，是二〇一八年收购Cavium，
10:09
花了约六十亿美元。
10:11
Cavium给Marvell带来了Arm架构的服务器处理器、
10:16
网络处理和安全处理的能力。
10:19
第二笔，更重要，是二〇二一年收购Inphi，
10:23
花了约一百亿美元。
10:24
Inphi是一家专攻电光转换的公司。
10:28
简单说，就是把芯片里的电信号，变成可以在光纤里传输的光信号，
10:34
再变回来。
10:36
这家公司，是Marvell今天那个最赚钱、
10:39
护城河最深的光互连业务的全部来源。
10:43
这一笔收购，事后看是神来之笔—它正好赶在了AI引爆数据中心光通信需求的前夜。
10:52
经过这一通操作，今天的Marvell已经面目全非。
10:56
它从一家杂货铺式的消费芯片公司，变成了一家纯粹的数据基础设施公司。
11:03
一个最直观的数字：今天Marvell的收入里，
11:07
数据中心已经占到大约四分之三，而AI是其中唯一的增长引擎。
11:14
十年前，它的数据中心收入只有两亿美元左右，
11:18
今天是它的好几十倍。
11:20
换个角度看这场改造有多彻底：十年前，
11:24
如果你提起Marvell，人们想到的，
11:27
是硬盘里那颗不起眼的控制芯片；
11:30
今天，它是华尔街口中纯粹的AI受益股，
11:35
是英伟达点名的合作伙伴。
11:38
同一家公司，同一个名字，内核已经被整个换掉了。
11:43
这种级别的转身，在以船大难掉头著称的半导体行业里，
11:48
是相当罕见的，也是为什么市场愿意给Murphy这套打法很高的评价。
11:55
所以当你听到Marvell，不要再想着硬盘和Wi-Fi。
11:59
今天的它，是一家被首席执行官用十年时间、
12:04
靠并购和断舍离重新铸造出来的、押注AI数据中心的公司。
12:09
第三章，一个信号的旅程，从晶体管到光纤。
12:14
这一章我们做一件最有用的事：跟着一个数据信号，
12:19
看它是怎么从一颗芯片内部，一路跑到数据中心另一头的另一颗芯片那里的。
12:25
走完这一趟，你就明白Marvell的产品到底卡在哪些关键位置上。
12:31
旅程的起点，是芯片内部。
12:33
一颗AI芯片里有几百亿个晶体管，它们之间用极细的金属线连接，
12:40
距离以毫米计，信号跑得飞快，这部分不用操心。
12:46
第一道坎，出现在信号要离开这颗芯片、
12:50
去找旁边那颗芯片的时候。
12:52
芯片要把内部那些并行的数据，打包成一股高速的串行信号，
12:57
从针脚送出去。
13:00
负责干这件事的电路，叫串行解串器，英文是SerDes。
13:06
它的速度，直接决定了一颗芯片对外通信的快慢。
13:10
这是Marvell最核心的看家本领之一：它在高速SerDes这种底层技术上，
13:17
积累了多年、很难被追上的功夫。
13:21
这里多说一句，SerDes的速度为什么是兵家必争之地。
13:25
业内是用每条通道每秒多少G来衡量它的。
13:29
最近一两年的前沿，已经从一条通道一百一十二G，
13:34
推进到了一条通道两百二十四G。
13:38
这个数字每翻一倍，意味着同样数量的针脚和线，
13:42
能搬运的数据就翻一倍。
13:44
而这恰恰是把更快的芯片喂饱、把更多的芯片连起来的物理前提。
13:51
谁的SerDes跑得更快、更省电，谁就拿到了进入定制芯片、
13:56
光模块、交换机这三张牌桌的入场券。
14:00
Marvell多年的护城河，很大一部分就沉淀在这一项看不见的底层功力里。
14:06
第二段路，是在同一块电路板上、或者同一个机柜内部，
14:11
芯片和芯片之间的短距离通信。
14:15
这段距离不长，传统上用铜线就够了—铜线便宜、
14:19
成熟、可靠，而且不耗电。
14:23
这也是为什么英伟达在一个机柜内部，仍然大量使用铜缆把芯片捆在一起。
14:30
在铜还勉强够得着、但已经有点吃力的中等距离上，
14:34
业界还会用一种叫重定时器、或者有源电缆的东西，
14:40
给铜信号提个神、续口气，让它再多撑一段。
14:45
这同样要用到Marvell那套高速接口的功力。
14:49
所以你会发现，哪怕在还没轮到光出场的地方，
14:53
Marvell也常常已经在场了。
14:56
但接下来，第三段路，问题就来了。
14:59
当信号要跨越机柜、穿过整个数据中心、
15:03
跑到几十米甚至上百米外的另一排机柜时，
15:07
铜线就不行了。
15:09
这是一个物理定律级别的限制：信号在铜线里传得越快、
15:15
距离越远，衰减和失真就越严重，最后会糊成一团、
15:20
根本读不出来。
15:22
AI把数据量推到了今天这个量级，铜线已经撞上了它的物理天花板。
15:29
于是必须换一种介质，那就是光。
15:31
光信号在玻璃光纤里传输，几乎不衰减，
15:35
可以又快又远。
15:37
这就是这两年业内反复在说的从铜到光的大迁移。
15:43
AI数据中心规模越大、芯片越多，需要用光来连接的地方就越多。
15:49
这是Marvell整个故事里最关键的一条结构性趋势，
15:53
请记住它。
15:55
这条路上还有一个不断往上爬的速度阶梯。
15:59
前几年数据中心主流的光模块是四百G，
16:02
也就是每秒四千亿比特；
16:05
这两年主力换成了八百G；
16:08
现在最前沿的，已经在往一点六T，也就是每秒一点六万亿比特爬。
16:15
每上一个台阶，对模块里那个大脑的要求就更高一档，
16:20
而每一次升级，对Marvell这样的领头羊都是一次重新发卖、
16:25
扩大份额的机会。
16:27
可是芯片只懂电、不懂光。
16:30
要让电信号变成光、送进光纤，又在另一头把光变回电，
16:35
中间需要一个叫光模块、也叫光收发器的小盒子。
16:40
这个小盒子里，有两个最关键的零件。
16:44
一个是激光器，负责真正发出光的那个光源。
16:48
这部分主要由Lumentum、Coherent这样的公司做，
16:52
它们做的是激光芯片本身。
16:55
另一个，就是光的数字信号处理器，简称光D S P。
17:00
它是这个光模块的大脑。
17:03
它的活儿，是把芯片送来的高速电信号，
17:06
做精密的编码、整形、纠错，让这个信号被转成光、
17:12
跑过长长的光纤之后，在另一头还能被准确地还原出来。
17:18
没有这个大脑，信号在长途奔波中早就失真了。
17:23
而这个大脑，就是Marvell靠收购Inphi拿下的、
17:26
全球市场份额约七成的拳头产品。
17:29
你可以这样记：Lumentum做发光的嗓子，
17:33
Marvell做编解码的脑子。
17:36
这里值得停一下，讲讲这个光的大脑到底难在哪。
17:41
信号被压到每秒上千亿比特、又用上PAM四这种多电平的方式之后，
17:48
它在光纤里跑一趟，会被各种物理因素折腾得面目全非—色散、
17:55
噪声、串扰，本来干净的信号会糊成一团毛刺。
18:00
光D S P的活儿，就是用极其复杂的数学算法，
18:04
实时地把这团毛刺重新整形、纠错、还原成原来的样子，
18:10
而且要在极短的时间里完成。
18:14
这件事既要顶尖的算法，又要顶尖的混合信号电路设计，
18:18
门槛极高。
18:20
这就是为什么这个市场最后只剩下很少几个玩家，
18:24
而Marvell一家就占了约七成。
18:28
旅程的终点，是交换机。
18:30
所有这些从四面八方汇聚来的光信号，最终要在交换机这个十字路口被汇总、
18:38
分发、再转送到正确的目的地。
18:41
交换机的核心，是一颗交换芯片，它决定了这个路口每秒能放行多少数据。
18:49
Marvell在这里也有产品，后面会讲到的Teralynx系列。
18:54
现在你能看清这张地图了：从芯片送出信号，
18:58
到短距离的铜连接，到撞上铜的物理天花板、
19:02
被迫换成光，到光模块里那个负责编解码的大脑，
19:07
再到交换机这个十字路口—Marvell几乎在这条路径的每一个关键节点上，
19:14
都有自己的产品。
19:15
它不是某一个零件的供应商，它是这条数据高速公路上反复出现的承包商。
19:23
第四章，你必须知道的十几个词。
19:26
这一章我们集中过一遍核心术语。
19:29
提醒一句：你不必一次记住所有词，以后在文章里再碰到，
19:34
回来查一下就行。
19:37
第一个，晶体管。
19:38
它是芯片世界的原子，本质是一个极小的电子开关。
19:44
今天一颗高端AI芯片上，有几百亿个晶体管。
19:49
第二个，无晶圆厂和代工厂，这是现代芯片行业的分工。
19:55
像Marvell、英伟达这样的公司，
19:58
只负责设计芯片，自己不建厂去造，这叫无晶圆厂；
20:03
真正把芯片造出来的，是台积电这样的代工厂。
20:08
台积电掌握着最先进的制造工艺，是所有先进芯片绕不开的咽喉。
20:14
第三个，超大规模云厂商。
20:16
指的是那几家体量巨大的云计算和互联网巨头—亚马逊的A W S、
20:23
微软、谷歌、Meta。
20:25
它们是今天AI基础设施最大的买单方，
20:29
也是Marvell最重要的客户。
20:32
第四个，也是全篇最重要的一对概念：通用商用芯片，
20:36
和定制芯片。
20:38
通用芯片，是谁都能买的标准品，比如英伟达的图形处理器，
20:43
也就是G P U—设计一次，卖给全世界。
20:48
定制芯片，是专门为某一个客户、按它的需求量身设计的芯片，
20:54
别人用不了。
20:55
定制芯片在技术上的名字叫专用集成电路，
20:59
英文缩写是ASIC。
21:02
它为特定任务而生，做这件特定的事时，
21:06
比通用芯片更高效、更省电、单位成本更低。
21:11
第五个，X P U。
21:12
这是一个统称，泛指各种AI加速芯片。
21:16
英伟达卖的通用版叫G P U；
21:19
云厂商自己定制的那些，Marvell就笼统地叫它X P U。
21:25
第六个，SerDes，串行解串器，前面讲过，
21:29
是芯片对外高速通信的接口电路，Marvell的底层看家功夫。
21:35
第七个，光D S P，光模块里负责给信号编解码、
21:39
纠错的大脑，Marvell全球份额约七成的核心产品。
21:44
第八个，PAM四，全称是四电平脉冲幅度调制。
21:49
它是一种让信号一次多带点货的技术。
21:53
最朴素的数字信号只有高、低两个电平，
21:56
一次传一个比特；
21:59
PAM四用四个电平，一次能传两个比特，
22:03
等于在同一根线上把速率翻了一倍。
22:07
这是高速光通信的关键技术，Marvell是这方面的领头羊。
22:13
第九个，光模块，也叫光收发器，就是把电信号和光信号互相转换的那个小盒子，
22:20
里面装着激光器和光D S P。
22:24
第十个，共封装光学，简称C P O，
22:28
这是下一代的演进方向。
22:30
今天光模块还是一个个可插拔的独立小盒子；
22:34
共封装光学是把光学引擎直接搬进交换芯片的封装里，
22:40
挨着主芯片放，目的是省电、提速。
22:44
这是行业未来几年的一大战场。
22:47
第十一个，以太网交换芯片，是交换机这个十字路口里的核心芯片，
22:53
决定路口的吞吐能力，Marvell的产品线叫Teralynx。
22:59
第十二个，高带宽内存，简称H B M，
23:03
是紧贴着AI芯片的高速内存。
23:06
它不是Marvell的主战场，但你会经常听到，
23:09
它是AI芯片的另一个关键瓶颈。
23:13
最后一个，Arm。
23:14
它是一种芯片架构。
23:16
和电脑里常见的x868686架构相对，
23:20
Arm更省电，被广泛用在手机、和越来越多的服务器处理器里。
23:27
Marvell当年收购Cavium，
23:28
拿到的就是Arm服务器芯片的能力。
23:32
这十几个词，构成了理解Marvell、
23:35
乃至整个AI硬件圈的基本词汇表。
23:38
第五章，Marvell的两件传家宝。
23:42
现在我们进入最核心的部分：Marvell真正赚钱、
23:46
也真正有护城河的，是两块业务。
23:49
它们都属于数据中心这个大盘子，这个盘子又占了公司收入的大约四分之三。
23:56
第一件传家宝，是定制芯片。
24:00
前面解释过通用芯片和定制芯片的区别。
24:03
这里要讲清楚的是：为什么那几家云巨头，
24:07
明明可以直接买英伟达的G P U，却还要费劲去搞自己的定制芯片？
24:13
原因有三个。
24:14
一是省钱：英伟达的G P U又贵、利润又高，
24:19
云厂商每年要买几百亿美元，肉痛。
24:23
二是省电、更高效：定制芯片是为云厂商自己最核心的那几个AI任务量身打造的，
24:30
做这件特定的事，比什么都能干的通用芯片更省电、
24:36
更划算。
24:37
三是不想被一家公司卡脖子：把命脉全押在英伟达一家身上，
24:43
太危险。
24:44
但云厂商自己没有能力从零设计这么复杂的芯片，
24:48
于是它们找Marvell这样的公司一起来共同设计。
24:54
你可以把它想象成定制西装：云厂商是那个有钱又挑剔的客户，
24:59
告诉裁缝我要什么样、什么场合穿；
25:03
Marvell就是那个手艺高超的裁缝，
25:06
把客户的需求，用自己积累的高速接口、
25:10
内存控制、先进工艺这些看家布料和针法，
25:15
做成一颗真正能流片量产的芯片。
25:18
Marvell这块定制业务，已经公开或被广泛报道的大客户，
25:23
包括亚马逊A W S的训练芯片Trainium、
25:27
微软的AI加速芯片Maia，还有和谷歌的合作关系。
25:33
它在几年之内，把定制芯片从几乎为零，
25:36
做到了占数据中心收入约四分之一、年化收入约十五亿美元的规模。
25:42
公司说，它手里握着将近二十个云客户的设计订单。
25:47
更重要的是管理层给出的指引：这块定制业务，
25:52
预计在二〇二八财年增长超过百分之百，
25:55
长期目标是到二〇二九财年做到超过一百亿美元的收入。
26:01
补充几个数字，帮你感受这块业务的体量和打法。
26:06
为了保证有足够的产能把这些芯片造出来，
26:09
Marvell计划在二〇二七财年，向台积电这样的代工厂预付大约十亿美元，
26:16
提前把先进工艺的产能锁住—这是一种只有头部玩家才玩得起的卡位。
26:24
另外提一句财报上一个会经常让人困惑的现象：Marvell最新一个季度，
26:30
按美国通用会计准则算的净利润，只有几百万美元、
26:34
每股几美分；
26:36
但按剔除了一次性项目的口径算，净利润高达七亿多美元、
26:42
每股八毛。
26:43
这中间巨大的差距，主要来自收购Inphi、
26:47
Cavium留下的无形资产摊销，和给员工的股权激励—这是半导体公司很常见的一道会计鸿沟，
26:55
看的时候要心里有数。
26:58
同一个季度，它的经营性现金流也创了纪录，
27:02
接近六亿四千万美元。
27:05
这门共同设计的生意，还有一个特别值钱的性质：粘性极强。
27:10
一颗定制芯片从立项到量产，往往要花两三年；
27:15
在这两三年里，客户的整个产品路线图、
27:19
软件栈、甚至向台积电预订的产能，都是围绕着Marvell的这套设计来搭的。
27:26
这意味着一旦一个订单赢下来，中途想换供应商，
27:30
代价高到几乎不可能。
27:33
这是一种很深的护城河。
27:35
但它的另一面，也正是这门生意最大的风险所在，
27:39
下一章我们会专门讲：粘性保护的是这一代，
27:44
而下一代，要重新来过。
27:47
第二件传家宝，是光互连，也就是电光业务。
27:51
这就是收购Inphi带来的那块业务，
27:54
也是前面信号旅程里那个光D S P大脑。
27:58
它的护城河，可以用一个数字概括：Marvell在光D S P这个市场的份额，
28:05
大约是七成。
28:06
这是一种接近垄断的地位。
28:09
这种地位不是靠砸钱能买来的，它来自在高速接口和混合信号设计上多年的技术积累—Inphi给了Marvell一个领先对手好几年的身位。
28:22
而前面说过的那条从铜到光的大迁移，每发生一次，
28:27
这块业务的盘子就大一圈。
28:29
技术上，Marvell在这里也一直保持领先。
28:32
它推出了业内第一款一点六T速率的光D S P，
28:37
代号Ara，用的是台积电三纳米工艺，
28:41
能把光模块的功耗再降两成以上。
28:44
这块光互连业务，已经连续五年保持着每年约五成的增速，
28:50
撑起了数据中心收入的大约一半。
28:53
连续五年、每年五成的复合增长，是一个很恐怖的数字—它意味着这块业务每两年就要翻一倍还多，
29:03
而且已经翻了好几轮。
29:05
能做到这一点，靠的不只是市场顺风，还有Marvell在每一代速率切换的节点上，
29:12
都抢先拿出业内第一款产品的执行力。
29:16
在一个技术迭代极快的行业里，持续地第一个到，
29:20
本身就是一种护城河。
29:22
除了这两件传家宝，还有一条正在长大的第三条腿：交换芯片。
29:28
就在六月二号那场发布会上，Marvell还亮出了一颗新的以太网交换芯片，
29:34
叫Teralynx T100100。
29:37
它的规格是每秒一百零二点四万亿比特的吞吐量，
29:41
专为AI网络设计，号称比竞品省电两成五。
29:47
这是Marvell向交换这个新战场发起的进攻，
29:50
而这个战场上，坐着的是行业老大Broadcom，
29:54
以及英伟达自己。
29:56
公司预计，这块横向扩展交换业务，在二〇二七财年收入会超过六亿美元，
30:03
差不多是上一年的两倍。
30:06
把这三件事放在一起看，你就明白Marvell的打法了：它既做把芯片连起来的光路和交换，
30:14
又做芯片本身的定制设计。
30:17
当云厂商越来越多地用自己的定制芯片，
30:21
去替代英伟达的通用G P U时，Marvell既能赚到设计这颗定制芯片的钱，
30:28
又能赚到把这些芯片连起来的钱。
30:32
这是一种左右都能下注的位置。
30:35
第六章，钱从哪里来，一个奔着万亿去的卖铲子生意。
30:41
讲完技术，我们看商业：这门生意到底有多大，
30:45
钱是怎么流进来的。
30:47
先看最上游的源头：那几家超大规模云厂商的资本开支。
30:53
微软、谷歌、Meta、亚马逊这四家，
30:56
二〇二六财年合计的资本开支，已经冲到了大约七千二百五十亿美元，
31:03
比前一年增长了将近八成。
31:06
这是人类历史上最猛烈的一轮基础设施投资之一，
31:10
钱主要砸向了AI数据中心。
31:13
这就是Marvell故事的宏观背景。
31:16
它本质上是一门卖铲子的生意。
31:20
这是一个老掉牙、但极其精准的比喻：淘金热里，
31:24
最稳的不是去淘金的人，而是给所有淘金者卖铲子和牛仔裤的人。
31:31
今天这场AI淘金热，云厂商和AI公司在拼命淘金，
31:36
而Marvell卖的，是连接这些金矿的关键零件。
31:40
不管最后哪家大模型公司胜出，它们都得买Marvell的铲子。
31:46
那这场淘金热还能持续多久？
31:49
支撑它的，其实有好几股不同的力量。
31:52
一股是训练更大模型的军备竞赛，每一代模型对算力的胃口，
31:59
大约是上一代的十倍。
32:01
一股是推理，也就是模型训练好之后、真正拿来对外服务时消耗的算力—随着AI应用铺开，
32:10
这部分的总量，未来可能比训练还大。
32:14
还有一股，是各国政府出于安全考虑，要在自己境内建一套主权AI算力，
32:20
这是一条和美国云厂商基本独立的需求曲线。
32:25
这几股力量叠加在一起，就是为什么连续两三年，
32:29
市场反复担心AI投资是不是见顶了，结果资本开支的数字，
32:35
却一年比一年高。
32:37
那这个市场到底有多大？
32:39
Marvell自己在投资者活动上给出的测算是：到二〇二八年，
32:44
它所瞄准的数据中心市场规模，约为九百四十亿美元。
32:49
其中最大的一块，是加速定制计算，约五百五十亿美元。
32:54
投行巴克莱的分析则描述，Marvell手里有一个约七百五十亿美元的收入管线，
33:01
分布在五十多个项目、十几个客户身上—不过其中大部分，
33:06
要到二〇二八年之后才会真正转化成收入。
33:10
落到公司自己的数字上，增长曲线非常陡。
33:14
二〇二六财年收入约八十二亿美元，同比增长百分之四十二，
33:19
是历史纪录。
33:21
最新的二〇二七财年第一季度，收入约二十四亿美元，
33:25
又创新高，同比增长百分之二十八，其中数据中心占了七成六。
33:32
管理层把全年指引一路上调：二〇二七财年预计约一百一十五亿美元，
33:38
二〇二八财年预计约一百六十五亿美元。
33:42
Murphy的说法是，收入增长会逐个季度加速。
33:47
但这门生意有一个必须讲清楚的特点：它的逻辑是规模，
33:51
不是利润率。
33:53
定制芯片的毛利率，天然比英伟达那种通用芯片低，
33:57
因为定价权在客户手里。
34:00
所以你会看到，随着定制业务占比上升，
34:04
Marvell的毛利率是缓慢往下走的，
34:07
最近一个季度的毛利率是百分之五十八点九，
34:11
比一年前略降。
34:13
这不是经营出了问题，而是这门生意本来的样子：靠把盘子做大、
34:18
靠运营杠杆来赚钱，而不是靠每颗芯片赚更多。
34:23
理解这一点，对后面判断它的估值很关键。
34:28
讲完了占四分之三的数据中心，顺便把剩下那四分之一也交代一下，
34:33
免得你以为Marvell只有AI这一条线。
34:37
这块业务，Marvell现在统称为通信及其他，
34:41
它是把过去那些更传统的业务打包到了一起：给企业用的网络设备芯片，
34:48
比如园区里的交换机、路由器、无线接入点；
34:53
给电信运营商用的基础设施芯片，比如宽带接入、
34:58
光传输、还有5G基站；
35:00
以及一些消费电子和存储相关的芯片。
35:04
这块业务更传统、也更有周期性，前两年一度很低迷，
35:09
最近正从低谷往上爬。
35:12
它不是公司的增长故事，但它提供了一块还不错的基本盘。
35:18
第七章，竞争与格局，对手也是盟友。
35:22
这一章讲清楚Marvell周围那几家公司的关系。
35:26
这里面最有意思的，是对手和盟友的身份，
35:30
是交织在一起的。
35:32
先说头号对手，Broadcom，也就是博通。
35:36
在定制芯片这门生意上，Marvell是老二，
35:40
老大是Broadcom。
35:43
这两家加起来，控制了云厂商定制芯片设计市场的大约百分之九十五，
35:48
是一个非常典型的双寡头格局。
35:52
Broadcom更大、更赚钱、关系也更深，
35:56
它手里握着谷歌的T P U、Meta的M T I A这些重量级订单。
36:02
定制芯片这门生意，有一个残酷的特点：它是每一代都要重新竞标的。
36:08
你这一代赢下了亚马逊的训练芯片，不代表下一代还是你。
36:14
客户随时可能在下一代把订单给Broadcom。
36:18
所以Marvell真正的考验，不是守住手里现有的订单，
36:23
而是要持续赢下下一代的设计。
36:26
这不是纸上谈兵。
36:28
就在二〇二五年，Marvell公布某个季度财报前后，
36:32
市场上一度传出担忧，怀疑它在某个重要定制订单上的地位可能被动摇，
36:38
结果股价应声大跌。
36:41
这件事生动地说明了：在这门生意里，市场对下一代订单花落谁家的风吹草动有多敏感—一个传闻就能让市值蒸发一大块。
36:53
这也是为什么，后面讲估值时，会不会丢订单，
36:57
会是压在这只股票头上最重的一块石头。
37:01
值得一提的是，定制和通用之争，本身也是AI硬件圈一场没有定论的辩论。
37:09
一派认为，AI的需求变化太快，只有英伟达那种通用图形处理器、
37:15
加上成熟的软件生态，才能跟得上，定制芯片永远是小众；
37:20
另一派认为，当某些AI任务的需求足够确定、
37:25
量足够大时，为它量身定制一颗专用芯片，
37:29
在成本和功耗上的优势是通用芯片追不上的。
37:33
Marvell和Broadcom，押的都是后一派。
37:37
这场辩论的胜负，直接决定了这门生意的天花板到底有多高。
37:43
再把两家的牌面摊开看一眼，会更直观。
37:47
Broadcom这边，最有名的两个定制订单，
37:50
是谷歌的T P U—也就是谷歌自研的AI芯片—和Meta的M T I A。
37:57
Marvell这边，台面上的代表作，
37:59
则是亚马逊的Trainium和微软的Maia。
38:04
两家就这样，瓜分着全世界最有钱的那几个客户，
38:08
每隔一两年，围绕下一代芯片，再厮杀一轮。
38:12
除了芯片本身，它们在光这条线上也在暗自较劲：无论是Marvell还是Broadcom，
38:19
都在押注下一代的硅光子和共封装光学，
38:23
想把光学能力直接做进自己的芯片里。
38:28
谁先把这件事做成、做便宜，谁就能在下一轮竞争里多一张牌。
38:34
再说那个又是对手又是盟友的英伟达。
38:38
英伟达的关系最微妙。
38:40
一方面，Marvell的定制芯片业务，
38:43
本质上是在帮云厂商替代英伟达的通用G P U，
38:48
这是直接的竞争。
38:50
Marvell的整个定制故事，赌的就是未来云厂商会用更多自己的芯片、
38:56
少买一点英伟达。
38:58
但另一方面，在光互连和网络这件事上，
39:01
两家又是亲密的盟友。
39:04
这正是六月二号那场合作的本质，请特别注意这个区分：英伟达投资Marvell、
39:11
和它合作，针对的是光互连和网络，不是定制芯片。
39:17
因为英伟达现在卖的，不只是一颗G P U，
39:20
而是一整个机柜、一整套AI工厂，里面的网络和光连接，
39:26
是增长最快的部分。
39:28
英伟达需要Marvell这样的光D S P龙头，
39:32
来一起把这套网络做好。
39:35
所以这笔合作，是巩固了Marvell的光互连护城河，
39:39
而不是它的定制芯片业务。
39:42
把这两件事混为一谈，是看这家公司最容易犯的错。
39:47
顺便说一句，英伟达这种给关键供应商投钱、
39:51
锁住产能的打法，不是第一次了。
39:54
它此前已经向光器件公司Lumentum、
39:57
Coherent各投了二十亿美元，也投过云算力公司CoreWeave、
40:02
IREN，甚至英特尔。
40:05
这是英伟达稳固自己整条供应链的一贯策略。
40:09
这里还有两个绕不开的风险。
40:11
一个是客户集中。
40:13
Marvell的数据中心生意，高度依赖那几家云巨头。
40:18
任何一家把某个订单收回去自己做、或者转给Broadcom，
40:23
对Marvell都是一道收入悬崖。
40:26
另一个是地缘政治。
40:29
出口管制、AI供应链的割裂，是悬在整个半导体行业头上的一片阴云，
40:35
Marvell也不例外。
40:37
第八章，未来三到五年，以及什么会把这个故事证伪。
40:42
往前看，Marvell看涨的故事其实相当清晰，
40:46
但每一条都有它对应的证伪条件。
40:49
我们一条条看。
40:51
看涨的逻辑，有三条腿。
40:54
第一条腿，是定制芯片的大爆发。
40:57
前面说过，公司指引这块业务在二〇二八财年增长超过百分之百，
41:03
到二〇二九财年做到超过一百亿美元。
41:08
这背后，是那个五十多个项目、约七百五十亿美元的管线，
41:12
从二〇二八年开始集中转化为收入。
41:15
如果这件事按计划发生，Marvell的收入会上一个大台阶。
41:21
第二条腿，是光互连的长坡厚雪。
41:24
从铜到光这条迁移，不是一种商业选择，
41:28
而是一条物理定律—铜线在高速长距离传输上就是不行，
41:34
这是绕不过去的。
41:36
只要AI数据中心还在变大，光的需求就还在涨，
41:40
Marvell那约七成的份额就还在受益。
41:44
再加上下一代的共封装光学，这条腿还能继续延伸。
41:50
第三条腿，是交换芯片这个新战场。
41:53
如果Teralynx真能在Broadcom和英伟达手里抢下一块地盘，
41:58
从今天的几亿美元做成几十亿美元，那就是一条全新的增长曲线。
42:05
顺着这条光的主线，还可以往更远看一步。
42:09
今天数据中心的光速率，正从八百G往一点六T爬，
42:14
业内已经在谈再下一代的三点二T。
42:18
每一次翻倍，都是一次重新洗牌，也都是Marvell这种握着核心技术的玩家扩大领先的机会。
42:27
而当速率高到一定程度，把光模块插在交换机外面这种传统做法会越来越费电，
42:34
于是行业开始把光学引擎直接搬进交换芯片的封装里，
42:39
这就是前面提过的共封装光学。
42:43
它既是Marvell的机会，也是它必须打赢的下一场技术战—因为如果别人先做成了，
42:50
今天这种独立的光模块和光D S P，
42:54
需求就可能被改写。
42:57
但什么会把这个故事证伪？
42:59
这才是冷静投资人最该关心的。
43:03
第一，丢掉一个下一代的定制订单。
43:06
这是最致命的。
43:08
前面讲过，定制芯片每一代都要重新竞标。
43:13
只要Broadcom从Marvell手里抢走一个旗舰级的订单，
43:18
就是好几十亿美元的收入蒸发，估值会瞬间被打下来。
43:24
第二，AI资本开支的急刹车。
43:26
整个故事都建立在云厂商的资本开支继续狂飙之上。
43:32
一旦出现像二〇二五年初DeepSeek那样的效率冲击—也就是有人证明，
43:38
用少得多的算力也能训出好模型—或者云厂商觉得前几年砸的钱回报不及预期、
43:47
开始消化已有的产能，那么数据中心占了四分之三收入的Marvell，
43:53
受到的冲击会比业务更分散的同行更重。
43:57
第三，云厂商把设计能力收回自己手里。
44:01
今天云厂商找Marvell共同设计，
44:04
但它们也在不断扩充自己的芯片团队。
44:08
如果有一天它们能自己搞定越来越多的设计环节，
44:12
Marvell能分到的那杯羹就会变小。
44:16
第四，光这条腿也有它的远期威胁。
44:20
共封装光学如果走向极致，未来某些架构里，
44:24
可能不再需要今天这样独立的光模块和光D S P—这是五年以上的尾部风险，
44:31
但值得记在心里。
44:33
所以，未来三到五年，Marvell的上限很高、
44:37
故事很顺，但它的每一条腿，都对应着一个清晰的、
44:41
并非杞人忧天的崩塌路径。
44:44
这不是一个躺赢的故事。
44:47
第九章，英伟达点名之后，到底该不该追。
44:51
最后这部分，我们回到投资人的视角。
44:54
要强调一句：接下来这些判断，是这份调研里一份冷静的测算，
44:59
它是一份用来和别的预测相互印证的分析输入，
45:04
不是投资建议。
45:06
但它的思路，值得任何一个想理解该不该追热门股的人，
45:11
听一听。
45:12
先把场景摆出来。
45:14
六月二号那一天之前，Marvell的股价大约在二百二十美元，
45:18
市值约一千九百亿美元，这一年已经差不多翻了一倍。
45:24
然后是黄仁勋的点名、英伟达的二十亿美元、
45:28
单日暴涨三成、纳入标普五百。
45:31
情绪滚烫。
45:32
这份调研里的核心判断，可以用一句话概括：这是一家好公司，
45:38
但这是一个被情绪推到很高的价格。
45:41
在一次剧烈的情绪性上涨之后，恰恰是最不该追、
45:46
最该要求安全边际的时候。
45:49
为什么这么说？
45:50
因为要算一笔账。
45:52
在二百二十美元这个价格上，对应二〇二七财年的预期利润，
45:57
市盈率大约是五十五倍；
45:59
对应二〇二八财年，大约三十五倍；
46:03
对应二〇二九财年，大约二十六倍。
46:07
换句话说，今天买入的人，是在用三十五倍，
46:11
去买这家公司两年以后的利润。
46:14
这只有在一个前提下才说得通：那个二〇二八、
46:18
二〇二九年的定制芯片大爆发，必须分毫不差地、
46:22
按计划兑现。
46:24
把这笔账再说得具体一点。
46:26
这份调研估算，Marvell的每股利润，
46:29
可能从二〇二六财年的不到三美元，涨到二〇二七财年的大约四美元，
46:35
再到二〇二八财年的六美元出头。
46:39
利润涨得比收入还快，靠的是所谓的运营杠杆—收入做大之后，
46:45
研发、管理这些固定开销被摊薄了。
46:48
但要注意，这份增长几乎全靠收入和摊薄，
46:52
而不是靠每颗芯片的利润率提升—前面讲过，
46:56
定制芯片的毛利率是往下走的。
47:00
所以这是一台靠规模驱动的利润机器，一旦收入增速不及预期，
47:05
利润的故事会比表面看上去更脆弱。
47:09
还有一种算法，叫反推贴现现金流。
47:13
简单说，就是反过来问：今天这个市值，
47:16
已经隐含了市场对未来多高的增长预期？
47:21
答案是：大约需要这家公司，在未来五年里保持百分之三十以上的年增长，
47:27
才撑得起今天的价格。
47:29
而管理层眼下指引的近期增速，是百分之四十到四十五。
47:35
也就是说，市场基本上是把管理层最乐观的数字，
47:39
原封不动地、还往后延伸地，全信了。
47:44
这里面几乎没有留下万一执行得不够完美的缓冲。
47:49
基于此，这份调研给出的，是一个中性的判断，
47:53
信心评分只有五分里的两分。
47:56
它的几个情景测算是这样的：到二〇二六年底，
48:00
中性情景大约在二百四十五美元，悲观情景在一百四十到一百六十美元，
48:07
乐观情景在三百二十到三百五十美元。
48:12
注意那个悲观情景，它比当前股价低了大约三成，
48:15
而且它不是一个吓唬人的稻草人：只要丢一个定制订单、
48:21
或者AI资本开支打个磕绊，一个三十五倍以上的高估值，
48:25
跌起来是非常快的。
48:28
它的结论很克制：在二百二十美元这个位置，
48:32
向上和向下的空间大致对称了。
48:35
也就是说，六月二号那一跳，可能已经把这一程最容易赚的钱，
48:41
提前赚掉了。
48:43
什么情况下会让它重新变得有吸引力？
48:46
这份调研说：如果股价回落到一百六十到一百八十美元这个区间，
48:51
安全边际就回来了；
48:53
或者，如果出现确凿的证据，证明Marvell守住了下一代的定制订单、
48:59
又新拿下了谷歌的一个加速芯片，那托底的基本面就更扎实了。
49:05
这一段的意义，其实超越了Marvell这一只股票。
49:09
它讲的是一个永恒的道理：当一家公司的基本面，
49:13
和它的股价，被同一个激动人心的故事同时推高时，
49:17
真正的功课，是把这两件事分开看。
49:22
公司很好，是一回事；
49:23
价格是否已经把这份好、甚至更多的好，
49:27
都提前算进去了，是另一回事。
49:30
英伟达掌门人的一句点名，能让股价一天涨三成，
49:34
但它并不能改变这家公司未来几年要兑现的那些数字。
49:40
第十章，三个值得记住的要点。
49:43
如果一年以后，你只记得这一期的三句话，
49:46
我希望是下面这三句。
49:49
第一句：算力盖摩天大楼，互连负责修路，
49:53
而Marvell是AI时代最重要的修路公司之一。
49:57
我们对AI的注意力，几乎全在英伟达那块最显眼的加速芯片上。
50:04
但一座由十万颗芯片组成的城市，决定它能不能运转的，
50:08
往往不是单颗芯片多强，而是把它们连起来的那套道路系统有多通畅。
50:15
Marvell做的，就是这套道路系统里最关键的几段，
50:19
尤其是那个全球份额约七成的光路大脑。
50:23
修路的不如盖楼的出名，但路修不好，再高的楼也是孤岛。
50:30
第二句：它手里有两件传家宝，一件赌连接，
50:34
一件赌替代。
50:35
光互连，赌的是从铜到光这条物理定律级别的迁移，
50:41
AI越大它越受益，这条腿确定性高、护城河深。
50:46
定制芯片，赌的是云厂商会越来越多地用自己的芯片，
50:51
去替代英伟达的通用图形处理器，这条腿天花板更高，
50:56
但每一代都要重新竞标，风险也更大。
51:00
一稳一险，一个赚连接的钱，一个赚替代的钱—理解了这两件传家宝的不同性格，
51:08
就理解了这家公司。
51:11
第三句：好公司，不等于好价格，尤其是在被点名暴涨之后。
51:17
黄仁勋一句万亿美元公司，能让股价一天涨三成。
51:23
但这句话改变的是情绪，不是这家公司未来要兑现的财务数字。
51:29
这份调研给出的是中性判断：基本面真实而强劲，
51:33
但六月二号那一跳，可能已经把最容易的那段收益提前透支了，
51:39
而向下的风险是真实存在的。
51:43
把这是不是一家好公司，和现在这个价格值不值得买，
51:48
这两个问题分开问—这是这一整期，最值得带走的一种思维方式。
51:55
我们从英伟达舞台上的一句话讲起，绕了一大圈：从一座需要修路的芯片城市，
52:01
到Marvell这家被改造了好几次的公司，
52:04
到一个信号从晶体管到光纤的完整旅程，
52:08
再到它那两件传家宝、它所处的万亿级卖铲子生意，
52:14
以及最后那份冷静到近乎扫兴的估值测算。
52:18
希望这一圈走下来，下次你再在新闻里看到定制芯片、
52:23
光模块、从铜到光、超大规模云厂商这些词，
52:27
不再觉得它们是隔着一层玻璃的黑话，而是能看见玻璃背后那套真实运转的机器，
52:35
以及Marvell在这套机器里，究竟站在哪个位置上。
52:41
今天的特辑就到这里，感谢你听到最后，
52:44
我们下期再见。