2026年6月2日，Marvell 在台北电脑展的一场公开交流刚结束。Reuters 随后报道，NVIDIA CEO 黄仁勋在活动中把 Marvell 称为下一个“trillion-dollar company”。市场的反应很直接：Marvell 盘前股价大幅拉升。
这句话当然很有冲击力。
但如果只把它理解成“黄仁勋推荐了一只股票”，这篇文章就写偏了。
我的判断是：真正重要的，不是 Marvell 今天涨了多少，也不是“万亿公司”这四个字本身，而是 AI 产业链正在发生一个更深的变化。
过去市场最熟悉的主线是 GPU。
谁有最强 GPU，谁有 CUDA，谁有整机交付，谁就站在 AI 资本开支的中心。
这个判断没有错，但已经不够完整。
当 AI 数据中心进入“工厂化”阶段，客户买的不是一颗芯片，而是一套能持续生产 token、推理、agent 工作流和企业自动化能力的系统。系统越大，GPU 之外的东西越重要：定制 XPU、网络交换、SerDes、光互联、机柜功耗、延迟、良率、交付周期。
Marvell 这次被市场重估，核心就在这里。
它不是下一个 NVIDIA。
它更像 AI 工厂里的第二张账单。
第一张账单是算力，第二张账单是把算力真正用起来的连接性。
这不是小事。
一、官方事实：这场交流的主线不是“芯片”，而是连接性
Marvell 给这次台北电脑展活动定的主题很直白：
The Future of AI Scaling Depends on Connectivity。
翻成中文，就是 AI 继续扩张，越来越取决于连接性。
注意，不是“取决于更多 GPU”，也不是“取决于更大模型”，而是 connectivity。
Marvell 官方新闻稿把问题讲得很清楚：下一阶段 AI 创新，越来越依赖数据在 accelerators、servers、racks、campuses，甚至跨地域数据中心之间移动的效率。这个效率包括更高带宽、更低延迟、更低功耗。
说白了，AI 工厂的瓶颈正在从“算不算得动”，迁移到“连不连得动”。
这也是 Marvell 在 6月1日发布 Teralynx T100 的背景。
T100 是 Marvell 官方称的 industry’s first 102.4Tbps switch silicon，面向 AI 和 cloud data center infrastructure。官方给出的几个数字很值得看：
102.4Tbps，单片 monolithic switch silicon
采用先进 3nm 制程
典型功耗低于 1000W，相比竞争方案功耗最多低 25%
支持 512-port scale-out radix，也支持 scale-up fabric protocols
GPU/XPU 机柜正在接近 120KW per rack
switching and networking components 大约消耗 15%-25% 的 rack power
这些数字不是为了堆参数。
它们指向的是同一个财务问题：AI 工厂里，每一瓦电、每一微秒延迟、每一次网络拥塞，最后都会变成客户的成本。
图1 Marvell的数据中心主盘
图1数据来自 Marvell Q1 FY2027 财报。公司当季收入 24.18 亿美元，其中数据中心收入 18.33 亿美元，占比约 76%。这里要看的不是单季利润，而是 Marvell 的收入结构已经高度押注 AI 数据中心。
过去我们看 AI 芯片，习惯盯 TOPS、FLOPS、HBM、制程、封装。
现在还要多看一层：这颗芯片进入集群以后，能不能被网络、光电、供电和软件栈真正喂饱。
芯片算力强，但利用率上不去，钱还是浪费。
这就是 Marvell 这条线的核心。
二、定制芯片：不是“自研取代GPU”，而是云厂商重新算账
很多人一听 custom silicon，就会下意识理解成“云厂商自研芯片挑战 NVIDIA”。
这个理解有一部分对，但不完整。
云厂商为什么要做定制芯片？
不是因为通用 GPU 没用，而是因为 AI 负载进入规模化以后，账本开始变得极其残酷。
训练、推理、搜索、推荐、广告、视频生成、代码 agent、企业 agent，每一种负载对算力、内存、带宽、延迟、功耗的要求都不一样。通用 GPU 很强，但在某些确定性负载上，客户会想要更低成本、更低功耗、更可控供应链，以及更贴合自己模型和软件栈的芯片。
这就是 custom XPU 的商业动机。
但“自研”两个字很容易误导。
云厂商可以自己定义架构、负载、软件和系统需求，却不代表它要把所有底层工程都自己做完。真正困难的地方在于：
高速 SerDes、PHY 和交换接口
光电互连、IP 集成、先进封装
良率、验证和量产爬坡
与现有网络和机柜系统的兼容
这些不是 PPT 上画一个芯片框图就能解决的事。
Marvell 的位置，正是把“客户想要的定制芯片”和“数据中心真实可交付的系统”之间那段工程路接起来。
这类生意很有吸引力，但也不好做。
它不像软件订阅，今天签约明天就能加 ARR。Custom silicon 更像长周期工程合同：前期需要共同定义，过程中有 tape-out、验证、良率、封装、客户认证，最后还要看云厂商自己的资本开支和产品上线节奏。
一旦成功，切换成本很高。
但一旦延迟，收入也会很硬地往后推。
所以，市场重估 Marvell，可以理解；把它写成无风险的“万亿路径”，就过头了。
三、NVIDIA 为什么愿意站台：这不是纯替代关系
最有意思的地方在这里。
如果 custom ASIC 是为了减少对 NVIDIA 的依赖，为什么黄仁勋会公开夸 Marvell？
答案不是非黑即白。
2026年3月31日，NVIDIA 与 Marvell 宣布战略合作。核心关键词是 NVLink Fusion。NVIDIA 投资 Marvell 20 亿美元，Marvell 将提供 custom XPUs 和 NVLink Fusion-compatible scale-up networking，NVIDIA 提供 Vera CPU、ConnectX NICs、Bluefield DPUs、NVLink interconnect、Spectrum-X switches 和 rack-scale AI compute。
这句话翻译成产业语言，大概是：
NVIDIA 不只是防守 GPU，它也想把外部定制芯片纳入自己的 rack-scale AI 工厂生态。
这很关键。
如果每家云厂商的 custom XPU 都在自己的封闭系统里运行，那 NVIDIA 的生态边界会被挤压。但如果这些 custom XPU 能通过 NVLink Fusion 接入 NVIDIA 的 scale-up / rack-scale 体系，事情就变成另一种结构：
云厂商获得定制芯片；
Marvell 获得定制硅和互连机会；
NVIDIA 则把更多异构芯片拉进自己的系统标准里。
这就是为什么 Marvell 处在一个很微妙的位置。
它既是云厂商做定制芯片时的工程伙伴，也是 NVIDIA 把 AI 工厂生态做大的协作者。
它不完全是 NVIDIA 的敌人。
也不完全是 NVIDIA 的附庸。
它站在合作与替代之间。
这也是资本市场喜欢的地方：只要 AI 工厂继续扩张，Marvell 不一定非要押中“谁赢谁输”，它押的是更多芯片、更大集群、更高带宽、更低功耗、更复杂互连。
但反过来，这也是风险所在。
如果云厂商 capex 放缓，如果某些定制芯片项目延期，如果 NVIDIA 体系继续把更多价值锁在自己手里，如果 Broadcom 等竞争对手拿到更多 design win，Marvell 的“第二张账单”也会被重新打折。
一句话背书，不能替代订单、毛利率和现金流。
四、Marvell 的商业模式：卖的不是一颗芯片，而是系统里的“可信交付”
我们可以把 Marvell 在 AI 数据中心里的角色拆成三层。
第一层，是 custom XPU。
这是市场最容易兴奋的部分。客户希望为自己的 AI 工作负载设计更适配的芯片，Marvell 提供 ASIC 设计、IP、接口和量产经验。
第二层，是 network switching。
Teralynx T100 就在这一层。AI 集群越大，scale-up 和 scale-out 网络越重要。GPU/XPU 不是摆在机柜里就能赚钱，它必须在一个高带宽、低延迟、低功耗的网络里协同工作。
第三层，是 optical / electro-optics。
Marvell 过去在 DSP、光模块相关芯片、数据中心互连上有积累，后面又通过 Celestial AI 的 Photonic Fabric 补 scale-up optical interconnect 拼图。公司此前预计 Celestial AI 从 FY2028 下半年开始贡献收入，到 FY2029 Q4 达到 10 亿美元 annualized run rate。
这三层放在一起看，Marvell 的生意就不是“卖一颗芯片”。
它卖的是 AI 工厂里一段很难替换的系统工程。
图2 Marvell站在AI工厂的第二张账单上
图2为作者根据公司官方披露整理。Custom XPU 是算力定制，Teralynx / networking 是集群效率，optical interconnect 是未来 scale-up 的物理通道。三者共同指向一个目标：降低 AI 工厂的单位 token 成本。
这个商业模式有一个好处：
进入客户系统以后，粘性很强。因为客户不是随便换一颗标准料号，而是在换一整套设计、接口、验证和量产流程。
它也有一个坏处：
客户集中度和项目节奏会很强。几个大客户、几个大 socket，就可能决定未来两三年的增长曲线。一旦项目延迟，市场不会给太多耐心。
这和 NVIDIA 的 GPU 平台不一样。
NVIDIA 的护城河在标准平台、软件生态、开发者、系统交付和稀缺供给。
Marvell 的护城河更偏工程、接口、客户信任和长周期 design-in。
所以，不能简单用 NVIDIA 的估值逻辑套 Marvell。
五、宏观层面：AI capex 正在从“抢算力”进入“算ROI”
这件事放到宏观里看，更有意思。
过去两年，AI 资本开支的主线很像军备竞赛：谁先拿到更多 GPU，谁就先拥有训练和推理能力。
但当支出规模越来越大，高净值客户和机构投资人都会问一个更冷的问题：
这些钱到底能不能回本？
AI 数据中心的 ROI，不只取决于芯片性能，还取决于：
电力能不能接入，机柜密度能不能上去
网络延迟会不会吞掉利用率，散热和功耗是否可控
推理需求能不能持续增长，enterprise agent 能不能真正进入工作流
单位 token 成本能不能下降
换句话说，AI capex 进入第二阶段后，市场不再只奖励“更强算力”，也会奖励“更高效率”。
定制芯片就是这种效率账本的一部分。
云厂商自研或联合定制芯片，不一定是为了完全绕开 NVIDIA，而是为了在特定负载上把每一美元资本开支、每一瓦电、每一个机柜空间用得更细。
这就是为什么 Marvell 的叙事可以同时连接宏观、AI 产业链和资本市场。
它背后的大逻辑不是“芯片又涨了”。
而是全球 AI 投资正在从第一阶段的“买到算力”，进入第二阶段的“优化算力工厂”。
前者看供应稀缺。
后者看系统效率。
六、港美股和A股怎么映射：别把概念关联写成订单兑现
如果把这件事放进资本市场，我会分成四张牌。
第一张，是美股核心牌。
Marvell 是这次主角。它的逻辑是 custom silicon、网络交换、光电互连和数据中心收入结构重估。Reuters / 市场报道提到，公司上周预测 custom chips business 到 FY2029 收入超过 100 亿美元。这个数字如果兑现，确实会改变市场对 Marvell 的收入天花板想象。
但注意，这是预测，不是已经落袋的收入。
NVIDIA 是平台核心。它不是因为 Marvell 火了就失去主线，反而是在用 NVLink Fusion 把外部 custom XPU 拉进自己的生态边界。
Broadcom 是重要竞争坐标。Custom ASIC 这条线不是 Marvell 独占，Broadcom 在超大规模客户定制芯片里同样有很强位置。
云厂商则是需求侧。Amazon、Google、Microsoft、Meta 这些公司的 capex、模型负载、推理需求和自研芯片路线，决定 custom silicon 的预算强度。
第二张，是制造和基础设施牌。
TSMC、EDA/IP、先进封装、HBM、光模块、交换芯片、服务器 ODM，都在这张牌里。Marvell 叙事看上去是芯片设计公司，实际上背后离不开制造和封装能力。
第三张，是港股映射牌。
港股的直接映射没有美股和台股那么强，更偏设备、服务器、终端、云和中资基础设施资本开支。比如 PC、服务器和企业终端链条，可以放在 AI 设备更新和企业 AI 部署里看，但不能简单把 Marvell 的涨幅套到港股。
第四张，是 A 股卖水人牌。
A 股更适合按环节拆，而不是按“Marvell 概念股”拆。
具体拆成几个环节：
A股这条线不按“概念股”看，按环节拆：
光模块 / CPO：高速互连和光电转换
PCB / 高速板 / CCL：高频高速信号传输
连接器 / 铜缆：短距离高速互连
液冷散热：高功耗机柜必选项
电源和供配电：120KW 级机柜背后的基础设施
先进封装与测试：多芯片集成和良率
EDA / IP / 设计服务：国产芯片设计能力的底座
图3 港美股与A股映射边界
图3是产业映射，不是投资推荐。美股更接近平台和定制芯片主链，港股偏设备和企业终端，A股更多是光、电、板、热、封测等“卖水人”环节。最终仍要回到客户、订单、毛利率和产能兑现。
这里要非常克制。
A 股里确实会有很多公司被市场拿来联想：光模块、PCB、液冷、电源、连接器、先进封装、EDA/IP、服务器链条。
但概念关联不等于订单兑现。
真正需要追的是：
有没有进入高端客户验证，产品是否进入量产
高端品占比是否提升，毛利率有没有被价格战吃掉
资本开支是不是变成折旧压力
公司公告和财报是否能验证订单
没有这些，主题交易很容易来得快，走得也快。
七、这条线最该盯的不是股价，而是七个变量
如果后面继续跟踪 Marvell，我不会先盯“万亿公司”这个标签。
我会盯七个变量。
第一，data center revenue 能不能继续加速。
Q1 FY2027，Marvell 数据中心收入 18.33 亿美元，占总收入 76%。如果公司未来收入越来越由数据中心驱动，市场会继续把它当 AI 基础设施公司定价。反之，如果数据中心增速放慢，估值弹性会迅速收缩。
第二，custom chips business 到 FY2029 超过 100 亿美元的可见度。
这个数字很大，但关键是可见度：客户是谁，socket 几个，量产节点何时，NRE 和量产收入怎么分，毛利率怎么走。
第三，Teralynx T100 的客户采用。
102.4Tbps 和低功耗很好看，但真正重要的是客户 sampling 之后，能不能进入下一代 AI data center deployment。
第四，NVLink Fusion 的实际落地。
如果更多 custom XPU 接入 NVIDIA rack-scale 生态，Marvell 的位置会更稳。如果合作停留在概念层，市场会重新审视这句背书的含金量。
第五，光互连收入兑现。
Celestial AI 的 Photonic Fabric 是长期变量，但现在还不是完全兑现的财务结果。FY2028、FY2029 的 annualized run rate 指引，需要后续持续验证。
第六，客户集中和竞争。
Custom ASIC 的大客户很少，每个客户都很重要。Broadcom、内部自研团队、其他 ASIC 设计服务商，都可能影响 Marvell 的议价能力。
第七，宏观和云 capex。
如果利率、美元、融资成本、电力接入和监管环境压制云厂商 capex，AI 基础设施估值会一起受压。反过来，如果推理需求和 enterprise agent 真正放量，custom silicon 和互连环节会得到更长期的预算支持。
八、结论：万亿不在一句话里，在AI工厂的账本里
黄仁勋这句话会被市场记住。
但对我们来说，更重要的是把这句话放回产业链。
Marvell 这条线之所以重要，不是因为它突然变成了另一个 NVIDIA，而是因为 AI 工厂的经济模型变了。
当资本开支从“抢 GPU”进入“算 ROI”，当客户开始关心单位 token 成本、机柜功耗、网络延迟和异构芯片接入，定制芯片和连接性就不再是配角。
它们变成了 AI 工厂能不能继续扩张的第二层约束。
我的判断是：
市场已经定价了 AI 算力的稀缺，但还在重新定价 AI 工厂的系统效率。Marvell 的价值，就站在这个重估点上。
这条线值得看。
但不能只看一句“下一个万亿公司”。
要看订单，看设计导入，看 T100 采用，看 NVLink Fusion 落地，看光互连收入，看毛利率，看云厂商 capex。
万亿公司不是一句台上评论给出来的。
它必须从 AI 工厂的账本里长出来。
