一门收税的生意，一门押注的生意：市场只看见了后面那门

我们从 Marvell 最近一个已披露财季（截至 2026 年 5 月初）的分部收入开始。 这张表任何人都能在财报里找到，简单到只有两行。

看完这张表，你能得到的信息大概是：这家公司四分之三的收入来自数据中心，增速接近 30%。 这个结论没错，但它几乎没有用。

因为那个占 76% 的「数据中心」，是一个筐。 里面装着两门生意，它们都卖给数据中心，会计上被记在同一行—— 但从赚钱的方式、增长的确定性、毛利率的高低，到与整个 AI 芯片战争的关系， 它们几乎是相反的。

如果你不把它们分开，就会犯下读这家公司最常见的错误： 用一门生意的风险，去否定另一门生意的确定性。

数据中心里的机器之间靠光纤连接。承担「电信号转成光、光再转回电」这件事的器件叫 光模块。而在每一个 800 吉比特以上的光模块里， 都必须坐着一颗专门的芯片，负责把光纤里失真的信号还原回来—— 这就是 数字信号处理器。

这门生意最关键的性质，用一句话就能说完： 数字信号处理器与光模块是一对一挂钩的。 每做一个 800G 光模块，就要买一颗对应的处理器。没有例外。

于是就产生了一个非常特别的商业地位： 不论数据中心里跑的是 NVIDIA 的图形处理器、Amazon 自研的 Trainium、 还是 Google 的 TPU，只要这些机器之间要通信，就要买光模块，就要买这颗芯片。

换句话说，Marvell 在这一层收的是一笔结构性的税，与算力芯片的竞争胜负完全无关。 而它在 800 吉比特这一代的份额约 70%（汇丰，2026 年 5 月 26 日）。

另一门生意完全是另一回事。

云厂商不想永远给 NVIDIA 付溢价，于是开始自己定义 AI 加速卡： 亚马逊的 Trainium、谷歌的 TPU、微软的 Maia。 但它们没有芯片后端设计能力——把逻辑设计变成能流片的物理版图、做时序收敛、 对接台积电的先进封装产能，这些活得找专业公司干。

Marvell 就是干这个的公司之一。行业把这类客户定制的加速芯片统称 定制加速芯片。

这门生意的收入结构，与前一门生意有三个根本区别：

请特别注意最后两行。

在那门它领先的生意上，市场关注度低； 在那门它只是挑战者的生意上，市场关注度高。

这个错配不是主观印象，它有非常硬的证据——下一段就是。

2026 年 3 月 31 日，NVIDIA 宣布投资 Marvell 20 亿美元， 并把它接入 NVLink Fusion 平台—— 这是英伟达开放给第三方的机柜级半定制平台。

这件事有一层非常直接的荒谬感：Marvell 的定制芯片生意， 本质上就是帮客户「去英伟达化」的生意。而现在，英伟达成了它的股东。

市场对这件事的反应是压倒性的：自 3 月 30 日起，Marvell 股价上涨 124%， 同期费城半导体指数上涨 71%——约 33 个交易日跑赢基准 53 个百分点 （汇丰记录，截至 2026 年 5 月 22 日）。

这十七节要交付的，不是一个「买还是不买」的结论——本课程不提供任何投资建议。 要交付的是三样你可以自己复用的东西。

但在这一切之前，有一个必须先做的动作：清洗报表。

Marvell 报表上的滚动市盈率是 72.7 倍（2026 年 8 月 12 日）。 这个数字是假的——里面藏着一笔一次性的资产出售收益。 剔掉之后，真实水平大约是它的两倍半以上。

第 11 节整整一节做这件事。在做完那道清洗之前， 任何拿 Marvell 的市盈率去和同行横比的分析，结论都是错的。

数据传输最便宜的方式永远是铜线——一根线，两端接上，成本极低。 所以真正的问题不是「为什么要用光」，而是「铜线为什么不够用了」。

答案是一条很硬的物理规律：信号频率越高，在铜导体里的衰减越快。 高频信号在铜线里传播时，能量会以热的形式散失，而且频率越高散失越猛。 这意味着：速率每翻一倍，同样质量的铜缆能跑的距离就大致砍掉一半。

一个 800 吉比特的连接，通常由 8 个 100 吉比特的通道并起来组成。 所以到了这一代，铜缆的可用距离已经压到一两米—— 连一个标准机柜的高度都覆盖不满，跨机柜通信只能转成光。

这就是光模块存在的理由：一端把电信号变成激光的明暗变化打进光纤， 另一端把激光接回来还原成电信号。它本质上是一个「电—光—电」的翻译器。

如果光是完美的，故事到这里就结束了。但它不是。

光信号在光纤里跑，会遇到两类问题：

速率越高、距离越长，这三件事就越严重。 在 10 吉比特的年代，这些失真小到接收端直接「看电压高低」就能判对； 到了几百吉比特，接收端看到的波形已经糊到肉眼完全认不出原来的 0 和 1。

于是就需要一颗芯片，专门干「把失真算回来」这件事。

数字信号处理器在光模块里做两件事， 分别在链路的两端：

发送端——预补偿。它知道信号将要经历什么样的扭曲， 于是预先把信号朝相反的方向扭一下。 这样信号经过光纤的真实扭曲之后，正好被抵消回接近原样。 这就像你知道快递路上会被压扁，所以先把箱子往反方向撑一下。

接收端——均衡与判决。它拿到已经糊掉的波形， 用算法估计出信道的特性，再反算回原始比特。这里用到的是一整套通信理论： 自适应均衡、前向纠错、时钟恢复。

关键在于：这些算法必须在几百吉比特的速率下实时跑完。 不是「算得出来就行」，而是「必须在信号流过的同时算完」。 这就是为什么它必须是一颗专门设计的芯片，而不能是一段软件。

上面讲的还只是「有它更好」。真正让这颗芯片从可选变成 必需的，是一次调制方式的切换。

传统的数字信号叫 不归零码： 只有两个电平，电压高就是 1，电压低就是 0。简单、可靠、抗噪声强， 但每次跳变只能传一个比特。

四电平调制换了个思路： 既然一次跳变只能传一位太浪费，那就用四个电平—— 最低、次低、次高、最高，分别代表 00、01、10、11。 同样的跳变次数，现在能传两倍的比特。

这听起来是纯赚的，但代价极其昂贵：

那个「三分之一」是整张表的关键。四个电平要挤进同样的电压范围， 相邻两个电平之间的距离就只剩原来的三分之一。 噪声只要有原来三分之一的幅度，就足以让接收端把 01 认成 10。

所以在四电平时代，补偿算法不再是「锦上添花」， 而是整个链路能不能工作的前提。

这颗芯片的市场上，认真的玩家只有三家：Marvell、 Broadcom、Semtech。

为什么这么少？因为它同时要求三件很难同时具备的能力：

① 通信算法的深度积累。自适应均衡、前向纠错这些东西， 不是照着论文实现就能达到量产水平，需要长期在真实链路上迭代。

② 顶级模拟电路能力。芯片要直接对接几百吉比特的模拟信号， 这部分设计与数字逻辑完全是两个工种，人才极稀缺。

③ 最先进的制程。要在可接受的功耗下跑完这些算法， 必须用当代最前沿的工艺——这意味着单次流片成本极高，小玩家赌不起。

三个条件叠在一起，结果就是一个三家公司的市场， 而 Marvell 在 800 吉比特这一代拿了约 70%。

假设你要把 1024 张 AI 加速卡连成一个集群，让任意两张卡之间都能快速通信。

最朴素的想法是全连接：每张卡都拉一根线到其他每张卡。 但这个方案立刻就崩了——1024 张卡两两相连需要约 52 万根线， 每张卡上要插 1023 个端口。物理上不可能。

所以真实的网络必须用交换机：卡不直接连卡， 而是都连到交换机上，由交换机负责转发。

而当交换机的端口数不够时（一台交换机通常只有几十到一百多个端口）， 就需要多层交换机——这就产生了 胖树拓扑。

先记住一条最基本的规则：一条光链路的两端，各需要一个光模块。 发送方要一个（把电变光），接收方要一个（把光变电）。所以数光模块， 就是数链路条数再乘以 2。

现在从下往上数一个两层胖树：

第一层很直观：每张加速卡配一个网卡端口，一根光纤连到机架顶部的叶交换机。 这段链路两端各一个光模块，所以每张卡 2 个。

第二层需要多想一步。叶交换机朝下连着一堆加速卡，朝上连着脊交换机。 那它朝上要连几条？

假设一台叶交换机朝下接了 32 张加速卡。如果它朝上只连 8 条链路， 会发生什么？

当这 32 张卡同时要和别的机架通信时，它们的流量要挤过那 8 条上行链路—— 带宽只有需求的四分之一，网络堵死。 对 AI 训练来说这是致命的，因为分布式训练每一步都要做全局的参数同步， 最慢的那条链路决定整个集群的速度。

所以高性能 AI 集群通常要求无阻塞： 交换机朝上的总带宽 = 朝下的总带宽。 朝下 32 条，朝上就也要 32 条。

这就是为什么第二层也是「每张卡 1 条链路 = 2 个光模块」—— 无阻塞这个要求，让上行链路数与下行链路数严格相等。

请回头看第 02 段那张表，然后问自己一个问题： 上面哪一个数字，取决于机柜里装的是谁家的加速卡？

一个都没有。

链路条数由交换机端口数和无阻塞要求决定； 层数由集群规模决定；收敛比由训练还是推理决定。 这些全部是网络设计的参数， 与加速卡是 NVIDIA 的、Amazon 自研的、 还是 Google 的，毫无关系。

所以：

注意第四行：只有一件事能同时打击两门生意，就是整体资本开支下滑。 除此之外，AI 芯片战争的所有排列组合，对光互联这门生意都是中性的。

这就是「收税」二字的完整含义。不是垄断，不是政府授权， 而是这门生意的需求函数里根本没有「谁家的芯片赢」这个变量。

上面算的都是机柜之间的连接。 机柜内部——几十颗加速卡之间的超高速互连， 也就是所谓 纵向扩展—— 目前主要还是用铜。因为距离足够短（几十厘米），铜还撑得住。

但这件事正在变化。随着单机柜里的加速卡越来越多、速率越来越高， 铜的可用距离持续缩短，机柜内互连也开始面临「必须转光」的临界点。 CPO 和 硅光 这些技术方向， 本质上都是在为这个转折做准备。

如果机柜内部也光化，那个系数会再上一个台阶—— 因为机柜内的连接密度远高于机柜之间。

我们把一个 800G 光模块 的物料成本拆开看。 下面这个结构是行业通行的大致分布，具体比例会因方案不同而浮动， 但量级关系是稳定的。

看到这张表，一个自然的反应是：光芯片占的钱最多，所以光芯片最赚钱。

这个推论是错的。成本占比和利润率完全是两回事—— 成本占比说的是「这部分要花多少钱」，利润率说的是「卖这部分能赚多少」。 它们经常方向相反。

那个 58.9% 是 Marvell 最近一个已披露财季的 非 GAAP 毛利率（摩根大通，2026 年 5 月 28 日）。 同期它给出的下一季度指引是 58.75%——基本持平。

为什么差这么多？核心是 无晶圆厂模式。

Marvell 不建晶圆厂，制造全部外包给台积电。 这意味着它不承担晶圆厂的巨额折旧、不承担产能利用率的波动， 它的成本结构里最大的一块是研发人员—— 而研发投入是一次性的，芯片卖得越多，摊到每颗上的研发成本越低。

光模块整机厂则相反：它的成本里有六到七成是买来的东西 （光芯片、补偿芯片、光器件），自己创造的价值主要在组装和测试环节。 当你的成本大部分是转手的物料，你的毛利率就很难高。

既然份额是一切，那就来看份额。

请特别注意后两行：同一个指标，两家顶级机构、相隔两天，差了 10 到 15 个百分点。

这不是笔误。摩根大通在报告里明确写道「我们仍然认为团队维持 60–65% 的 1.6 太比特份额」——它知道有别的看法，并且坚持自己的判断。

本课不裁决这个分歧，两家都是顶级机构，公开数据不足以判断谁对。 但第 13 节会做一件更有用的事：把这 12.5 个百分点换算成具体的钱， 让你自己判断这个分歧重不重要。

讲到这里，你可能以为 Marvell 的数据中心生意就是「补偿芯片 + 定制芯片」两块。 其实还有第三块，而且它正在快速长大。

存储控制器。硬盘和固态硬盘里都需要一颗控制芯片， 负责管理数据怎么写进去、怎么读出来、坏块怎么处理。 这是 Marvell 1995 年起家的老本行（第 8 节会讲这段历史）。

摩根大通在 2026 年 5 月 28 日的报告里专门点了这一句： 「经常被忽视的存储控制器业务，今年收入将超过 10 亿美元（去年 7 亿美元）」 ——同比 +43%。

10 亿美元大约占 Marvell 本财年预计总收入的 8.7%， 增速 43%——这个体量和增速放在任何一家中型半导体公司身上都会是主线故事。 但在这里，它几乎没有被单独定价过。

第 16 节做市值倒算时，我们会给它一个明确的估值假设， 你会看到它在整个市值结构里占多大分量。

让我们先把自研芯片这件事的代价摆出来。

在 3 纳米或 2 纳米这样的先进制程上设计一颗大芯片， 光设计和流片费用就是三到五亿美元量级—— 这还不包括后续每一代的迭代、软件栈的开发、以及踩坑的时间成本。 而且从立项到量产通常要两到三年。

换句话说：一家云厂商决定自研，等于承诺了数十亿美元的长期投入， 外加两三年的不确定期，去替换一个现成的、能立刻买到的、生态成熟的产品。

这个决定必须有非常硬的理由。理由确实有，而且可以算。

评估一台 AI 机器值不值，最有意义的口径是 总持有成本—— 买下并运行它的全部代价，摊到每个加速器每小时上。

国信证券在 2026 年 6 月 25 日的报告里给出了这样一组对照：

约 3.7 倍。这就是全部的动机。

为什么能差这么多？三个原因叠加：

① 没有供应商的利润率。买现成产品，要付对方的毛利。 而在 AI 加速卡这个领域，这个毛利率是历史级别的高。自研等于把这一块拿回来。

② 只做自己需要的功能。通用产品要照顾所有客户的所有场景， 所以芯片上有大量晶体管是「别人要用、我用不上」的。 自研可以砍掉这些，把面积和功耗全用在自己的负载上。

③ 和自己的软件栈协同设计。云厂商知道自己要跑什么模型、什么框架， 可以把硬件和软件一起优化——这是外部供应商做不到的。

把上面的动机放大到整个行业，就得到了这条曲线。 以下是国信证券 2026 年 6 月 25 日给出的全球 AI 加速芯片出货量结构：

这是一条非常激进的曲线——它意味着到 2030 年， 市场上每四颗 AI 加速芯片里有三颗是客户定制的。 本课把它作为一家机构的预测呈现，不作为既定事实。

但它有一个来自产能侧的独立佐证，值得一看。

所有高端 AI 芯片都要用台积电的先进封装 （把计算芯片和 HBM 高带宽内存封在一起，也就是 CoWoS）。 这个产能是刚性的、要提前一两年预定的，所以它的分配结构透露的信息比出货量预测硬得多。

两个数要一起读：总产能几乎翻倍，而定制芯片在里面的占比还从 28% 升到 32%。 这意味着定制芯片拿到的绝对产能增长远超 87%。

产能是要真金白银预付的。一家公司可以在预测里说大话， 但很少有人会为了讲故事去预定几十亿美元的封装产能。 所以这个数据在证据等级上，比出货量预测更硬。

这里有一个常见的误解：既然是「亚马逊自研芯片」， 那设计工作应该是亚马逊自己做的吧？

只做了一半。

云厂商确实掌握最关键的部分：架构定义—— 这颗芯片要跑什么负载、算力怎么分配、内存怎么组织、指令集怎么设计。 这些决定了芯片的性能上限，也是它们自研的意义所在。

但从架构到能流片的实物，中间还有一大段极其专业的工作：

这套后端能力需要长期积累、大量经验、以及与代工厂的深度关系—— 云厂商既没有，也不划算自建。所以它们找专业公司做， 行业把这类客户定制的加速芯片统称 定制加速芯片。

Marvell 就是提供这套后端能力的公司之一， 另一家是 Broadcom，还有联发科、世芯、Alchip 等。

下面这张表来自摩根大通 2026 年 5 月 28 日的财报点评。 它是本课能拿到的最完整、最新的项目管线， 每一行都标了状态——请特别注意「已出货」和「可能」之间的区别。

读这张表有一个纪律问题：最后一行和前四行的证据等级完全不同。

前四行是已发生或已启动的事实——芯片在出货、设计在进行、量产有时间表。 最后一行是一家机构对未来的判断（汇丰，2026 年 5 月 26 日）， 它可能成真，也可能不成真。

把这两类信息混在一起，是估值出错最常见的原因。 本课后面所有的测算，只用前四行。

在亚马逊下一代 2 纳米项目上，Marvell 拿到的内容比上一代更多。 除了加速芯片本身，还包括三样东西：

中间那一行值得停下来想一想。亚马逊做 Trainium 是为了不再依赖英伟达， 但它下一代芯片里居然要放一颗能接入英伟达互连生态的芯粒。

这说明一件事：英伟达的机柜级互连已经成了事实标准， 连挑战者也要兼容它。而 开放阵营的互连标准 是与之竞争的开放方案——Marvell 两边的活都接。

第 10 节我们会看到，这个「两边都接」的姿态， 在 2026 年 3 月被推到了一个极端的位置。

市场讨论定制芯片时，注意力几乎全在加速卡本身上—— Trainium 是谁做的、Maia 是谁做的。 但一个 AI 机柜里，除了加速卡还有一大堆别的芯片， 而这些同样可以定制。

行业把这一类叫 配套芯片：

Marvell 在这块的规模是：累计 25 个以上的定制加速芯片与配套芯片设计中标， 其中 10 个以上的配套芯片项目将在下一年度爬产（摩根大通，2026 年 5 月 28 日）。

为什么说它「可能更重要」？三个理由：

① 项目数量多，分散风险。加速卡项目是「一代一家」， 丢一个就是一个大坑；配套芯片是几十个小项目，单个丢掉伤害有限。

② 绑定更深。配套芯片一旦进了某个客户的机柜设计， 后面几代都容易跟着走——因为整套系统的接口、驱动、验证都已经做过一轮了。

③ 它是加速卡中标的副产品。拿下了加速卡， 配套芯片的机会自然会跟过来；这让加速卡中标的实际价值比表面数字更大。

翻倍以上的增速，听起来非常亮眼。 但请记住第 1 节埋下的那个数字：同期光互联的收入是约 51.76 亿美元—— 是这门生意的 2.7 倍。

第 15 节会把完整的收入结构摊开，你会看到这个对比有多刺眼。

摩根大通在同一份报告里给了一个很克制但很重要的提示： 定制芯片的爬产受到高带宽内存与先进基板供应的约束， 增速比原本可以达到的水平低。

这是一个容易被忽略的风险类型。我们习惯讨论的风险是「拿不到订单」， 但这里的风险是「拿到了订单，却造不出来」。

三项全部在 Marvell 的控制之外。这是「押注型」生意的又一层不确定性： 不仅要赌能不能中标，还要赌中标之后供应链跟不跟得上。

判断一门生意的性质，一个非常有效的办法是问： 如果明年出了点意外，收入会怎么变？

对补偿芯片这门生意来说，答案是连续的： 光模块的总盘子小涨一点或小跌一点，份额挪动一两个百分点， 收入就跟着按比例动。它永远不会突然消失。

对定制芯片这门生意来说，答案是阶跃的：

后两行就是「押注」的全部含义。一个客户的一代芯片，只会给一家设计公司。 拿不到，这一代就是零；拿到了，就是三到五年、数十亿美元的确定性收入。

这不是「好」或「坏」的问题——它是一种不同的风险形态。 而不同的风险形态，应该配不同的估值倍数。第 16 节会处理这件事。

上面说的都还是理论。但这个行业里刚刚发生过一次真实的份额分散， 案例的主角不是 Marvell，而是它的最大对手。

国信证券在 2026 年 6 月 25 日的报告里记录了这件事： Broadcom 此前在高端定制芯片设计领域的份额超过 80%—— 这是一个接近垄断的位置。

但谷歌开始分散供应链，把联发科和 Marvell 引进来。结果是博通在这个客户上的份额受到冲击。

回到第 5 节结尾埋下的那个问题：为什么定制芯片的客户转换成本没那么高？

因为这两门生意的护城河，性质根本不同：

最后一行是关键。技术资产的护城河和工程关系的护城河，深度完全不同。

技术资产是「别人做不出来」；工程关系是「别人做得出来，但换起来麻烦」。 前者可以维持很多年，后者会随着行业成熟而逐渐变薄—— 因为做后端设计的公司越来越多，能力也越来越接近。

定制芯片的毛利率通常在 30–40%， 而补偿芯片是 60% 以上。这个差距不是暂时的，它有结构性原因：

定制芯片的成本里有大量是「转手的东西」。 设计公司通常要包办晶圆采购、HBM 高带宽内存采购、封装， 然后把整颗成品卖给客户。这些采购成本会计入收入和成本两端—— 收入被做大了，但那部分几乎不带利润。

所以定制芯片的收入有一个容易误导人的性质： 它的「收入」含金量低于补偿芯片的「收入」。

八行里，前六行说的是补偿芯片这门生意质量更高； 第七行说的是它规模也更大（2.7 倍）； 第八行说的是市场关注的却是另一门。

这就是这门课要处理的全部矛盾。