有意思的是，在这轮涨势之前，许多非科技从业者从未听说过它。

一家“隐身”了三十年的公司

成立于 1997 年，Marvell Technology 的总部位于美国加州圣克拉拉，在英伟达总部附近，不到十分钟车程。

但长期以来，两家公司扮演着截然不同的角色。英伟达生产的是受消费者期待的游戏显卡，AI 时代最受关注的计算芯片。而 Marvell 更像是一家“连接公司”，它提供交换芯片、光互连芯片、网络控制器以及定制 ASIC（Application-Specific Integrated Circuit，专用集成电路），负责让数据在服务器、GPU和数据中心之间高速流动。后者和前者同样重要，却更不起眼。

正因如此，在 AI 热潮之前，Marvell 市值长期徘徊在两三百亿美元区间。机构投资者对它相对熟悉，但它很少进入大众科技讨论的视野。它的客户是亚马逊、谷歌、微软这样的超大规模云服务商，由于合同很少披露，加上产品型号晦涩，外界能了解到的信息更加有限。

而获得如今的关注度，是因为过去十年，这家公司一直在做一件事：把自己改造成一家纯粹的数据基础设施芯片公司。Murphy 在 2016 年出任 CEO 时，数据中心业务只占 Marvell 总收入的约 9%，剩下大部分是消费电子、Wi-Fi 芯片、汽车以太网这类业务。

为了达成改造目标，上任之后，Murphy 开始逐步把这些与长期战略不符的业务剥离出去：先是把 Wi-Fi 模块卖给了 NXP，成交价 18 亿美元；随后又把汽车以太网业务卖给了英飞凌（infineon），以此腾出资源专注于数据中心。

与此同时，公司通过一系列收购填补技术空白：一方面，收购 Cavium 补强计算能力，收购 Avera 切入定制 ASIC 业务；另一方面，收购 Inphi 获得高速电光转换技术，收购 Innovium 进入云交换芯片市场。十年下来，Marvell 累计完成超过 240 亿美元的收购、近 45 亿美元的资产出售。到 2026 财年，数据中心业务占 Marvell 总收入已超过 70%。

结果就是，Marvell 在数据中心连接这条技术链上，从芯片内部的电气接口，一路延伸到机架间光纤，再到数据中心之间的长距传输，形成了一条完整的技术栈。这在半导体行业里并不多见，因为大多数公司只在这条链路的某一段有产品，它是少数几家能做到全覆盖的。

为什么是现在登场？

如今，AI 数据中心的规模演变，正在让 Marvell 的布局变得更加重要。在大语言模型训练规模开始指数级扩张之后，一个训练集群里同时运行的 GPU 从几百颗变成了几万颗，甚至更多。当这个规模达到一定量级，芯片之间的数据交换速度本身就成了整个系统的性能瓶颈。

传统铜缆在这件事上已经到达了极限。随着连接链路的速率不断提高，在 100Gbps 级别，铜缆还能凑合使用；到 400Gbps、800Gbps，信号衰减和功耗问题就无法被忽略了；而对于下一代 AI 数据中心，普遍谈论的是 1.6Tbps 甚至更高的速率。这个背景下，数据中心内部的连接正在系统性地转向光学方案，“光进铜退”已经是一个必然的趋势。

这个方向带给了 Marvell 相当的优势。这家公司的光互连业务，在硅光子领域有超过十年的研发积累，已经为多家头部云厂商大规模出货。根据 Marvell 披露的数据，其光互连业务连续五年保持约 50% 的年均复合增长率，目前占数据中心总收入的大约一半。

不仅如此，它还有一块值得关注的业务：定制 ASIC。云厂商自研 AI 芯片已经不是新闻。谷歌有 TPU，亚马逊有 Trainium 和 Inferentia，微软和 Meta 也都在推进自己的项目。但很多人不知道的是，这些芯片的设计和量产工作，相当大比例是由 Marvell、博通这样的半导体公司完成的。

在这个流程中，云厂商主要定义芯片的架构和功能需求，决定整个 AI 计算方案的顶层设计。但芯片的具体实现，从逻辑设计、物理设计、验证，到流片和量产管理，这些环节通常会外包给专业的芯片设计公司。Marvell 做的就是这部分工作：把客户的需求变成一颗能实际投产的芯片。

定制 ASIC 的好处对云厂商来说很简单，用英伟达的 GPU 性价比正在变低：不只是成本问题，还有对上游供应商的依赖度，以及通用芯片在特定推理任务上的能效劣势。自研芯片在特定任务上可以做到更优的能效比，而且能深度契合自家系统的软件栈。

而从 Marvell 的角度看，定制 ASIC 业务一旦落地，客户黏性极强。芯片深度嵌入对方数据中心的设计之后，两三年内几乎不可能更换供应商，因为切换成本不只是钱的问题，还涉及整个软件层的重写。据市场报道，Marvell 的定制硅业务已经从几年前的接近零，增长到目前占数据中心收入约 25%，且仍在加速。

黄仁勋的逻辑

那么，黄仁勋为什么选择在这个时间点站出来为 Marvell 背书？其实背后逻辑不难理解。

随着训练和推理规模持续扩大，AI 竞争的焦点正在从单颗芯片的性能转向整个系统的协同效率。

黄仁勋在 COMPUTEX 演讲中多次强调，未来的数据中心本质上是一座“AI 工厂”，计算任务将被分布到成千上万个加速器节点上共同完成。在这种架构下，GPU 固然重要，但连接这些 GPU 的网络同样重要，因为任何通信延迟都会被系统规模成倍放大。当 AI 进入系统时代，连接能力开始成为决定整体性能的关键变量。

这正是 Marvell 所处的位置。无论是高速光互连、交换芯片还是定制 ASIC，它所提供的都是支撑大规模 AI 系统运行的底层基础设施，也就是链接。今年 3 月，英伟达宣布向 Marvell 进行 20 亿美元战略投资，并将双方合作延伸至 NVLink Fusion 生态。

对于英伟达而言，这不仅是一笔财务投资，更是在为自己的下一代 AI 基础设施补齐关键拼图。因为未来云厂商不可能全部使用英伟达标准 GPU 体系，它们会拥有越来越多自研 XPU 和定制芯片，而 NVLink Fusion 的目标正是把这些异构计算资源连接到同一个生态中。

换句话说，英伟达需要 Marvell，因为 Marvell 做好了，英伟达自己的生态才更完整。

下一个万亿美元俱乐部成员？

不过，Marvell 是否真的“有潜力”成为下一个万亿美元公司？要回答这个问题，可以对比参照一下其他成功的案例。

目前全球市值超过 1 万亿美元的科技公司，核心名单里包括苹果、微软、英伟达、Alphabet、亚马逊、Meta，以及市值在这个门槛附近波动的博通（Broadcom）和台积电（TSMC）。这几家公司通往万亿的路径其实各不相同，但有一个共同点：都在各自所处的关键基础设施层占据了难以被替代的垄断或寡头地位。

苹果的壁垒是十几亿台设备构成的封闭生态；微软的壁垒是企业软件市场几十年的深度渗透；英伟达的壁垒则是 CUDA）生态。几十万开发者、几十万个模型和框架都建在这套软件栈上，短期内任何竞争对手都很难在这个层面上正面挑战它。

Marvell 最直接的参照是博通。两家公司的业务模式高度相似：都做定制 ASIC，都做数据中心网络芯片，都深度服务于头部云厂商，都把自己的增长叙事建立在 AI 基础设施的长期扩张上。

博通目前市值在 2.3 万亿美元左右，它能到达今天这个规模，靠的是两条腿：一是 VMware 收购带来的企业软件收入；二是 AI ASIC 业务的爆发，博通为谷歌设计的 TPU 以及为另一家头部云厂商设计的推理芯片，已经成为其收入的核心引擎。博通 CEO 陈福阳（Hock Tan）在 2025 至 2026 年持续给出的 AI ASIC 市场规模预测，也是推动博通估值重构的重要叙事基础。

Marvell 和博通之间的本质差异，在于技术路线的侧重不同。博通更强调定制芯片的规模和客户集中度，其两家最大的定制 ASIC 客户（业界普遍认为是谷歌和 Meta，但客户名称官方未披露）贡献了 AI 相关收入的绝大部分。

Marvell 的差异化在于它在光互连方向的纵深：十年硅光子积累、今年完成的对 Celestial AI 和 XConn 两家初创公司的收购，都在加强 Marvell 在 CPO（共封装光学）方向上的竞争力。

CPO 被认为是下一代数据中心互连的主流技术路径：它能把光收发器与处理芯片的连接距离从几厘米缩短到毫米级，在能耗和带宽密度上比 NPO（近封装光学）再进一步。这个方向目前仍处于量产早期，当主流云厂商开始大规模部署 CPO 时，Marvell 已经有了别人难以快速复制的工程积累。

至于“距离万亿到底有多远”这个问题，按照 Computex 前后的股价水平，公司目前市值在约 2,500 亿至 2,700 亿美元区间。要到万亿，意味着还需要再增长 4 倍以上。

公司管理层给出的 FY27 全年营收指引接近 115 亿美元，市场一致预期 FY28 约为 165 亿美元。把这个增速延续下去，营收层面的基础条件是存在的。但营收乘以多少倍的估值，最终决定市值，而这个倍数会随市场情绪和行业周期剧烈波动。

与其他几家万亿公司做对比，Marvell 目前最缺乏的还是“第二护城河”。苹果有服务生态，微软有企业软件，英伟达有 CUDA，博通有 VMware 带来的软件收入垫底。这些都是在主营业务之外能产生稳定现金流的资产，在硬件需求放缓时能够提供缓冲。

Marvell 几乎 100% 的收入来自硬件芯片，客户集中在少数几家超大规模云厂商，一旦这些客户放缓资本开支、推进内部芯片自研，Marvell 会首当其冲。公司自己在财报风险提示中也明确列出了这一点：客户有可能选择垂直整合，自行开发原本由 Marvell 提供的方案。这已经是科技行业反复上演过的剧情。

从这个角度看，黄仁勋说的“下一家万亿美元公司”，更像是一次关于产业方向的判断：当连接从配角走向台前，成为 AI 基础设施中越来越关键的一环，负责连接整个系统的公司，正变得重要。

至于 Marvell 能否真的兑现这个预期，还取决于 CPO 何时进入大规模量产、AI 数据中心的资本开支周期能延续多久，以及它能否在现有客户之外建立起更宽的护城河。