社区

2026年6月初的台北电脑展（Computex）上，英伟达CEO黄仁勋在与迈威尔（Marvell）CEO Matt Murphy同台时，对着台下的听众说出了一句话：

"迈威尔将是下一家万亿美元公司。"

这句话引爆了资本市场，迈威尔股价单日暴涨超过32%，创下公司历史上最大单日涨幅。

这不是一句随口的赞美。就在此前数月，英伟达已经向迈威尔注资20亿美元，并与其签署了战略级合作协议。

在英伟达今年以来疯狂布局的连接产业链投资中，迈威尔是唯一一家被黄仁勋公开点名、认为有潜力成为万亿美元企业的合作伙伴。

黄仁勋在台上的解释简洁而有力："当你把一个计算问题拆解成很多部分，分布到整个数据中心时，连接就成了使这一切成为可能的关键。这就是Matt（迈威尔CEO）做得这么好的原因，也是 Marvell 如此不可或缺的原因。"

这段话，成了理解迈威尔价值的一把钥匙。

连接，才是AI算力的真正瓶颈

要理解迈威尔为何被英伟达选中，首先要理解一个AI行业正在发生的事实：

连接，正在成为AI算力真正的瓶颈。

过去十年，整个半导体行业的竞争核心是提升单颗芯片的算力。但随着AI模型规模不断扩大，训练任务开始跨越成千上万颗GPU协同完成，系统瓶颈逐渐从计算转移到了通信。

换句话说，GPU越来越快，但数据未必跟得上。

根据业内统计，在未优化的AI数据中心网络中，超过50%的GPU可能处于等待状态，迟迟拿不到下一批数据。

这意味着，企业花费数亿美元采购的算力，有相当一部分时间根本没有在工作。

当行业进入Agent时代，这个问题还被进一步放大。过去一次推理可能只涉及一条计算链路。而Agent往往会把一个任务拆解成数十甚至数百个子任务并行执行。

每增加一个Agent，背后都意味着更多的数据交换、更多的通信需求，以及更复杂的集群协同。

这意味着，AI系统的瓶颈正在从单颗芯片的算力，逐渐转向整个集群的协同效率。

这就是英伟达推出NVLink Fusion的背景。

NVLink原本是英伟达内部的高速互联体系，主要服务于自家GPU之间的通信。NVLink Fusion的意义在于，英伟达开始把这套互联能力开放给第三方CPU、ASIC和各类自研AI芯片。

但光有这个还不够，想要真正让数据跑起来，还需要一整条连接产业链的共同努力。

这也是为什么英伟达今年以来在连接产业链上疯狂砸钱：

向Lumentum和Coherent各投20亿美元，锁定上游光器件产能；向康宁投资32亿美元，保障光纤供应；参与Ayar Labs的5亿美元融资，押注光I/O芯片；并向迈威尔注资20亿美元。

整个连接产业大致可以分成三层：

最底层是物理连接层，解决“数据怎么传得远、传得快”。

代表公司包括康宁、Lumentum、Coherent。康宁提供光纤和玻璃材料，Lumentum、Coherent提供激光器、光器件和光模块相关能力。它们负责把电信号转换成光信号，让数据能够在机架之间、数据中心内部长距离高速传输。

中间是传输和交换层，解决的是“数据怎么被转换、放大、交换和分发”。

这里就包括DSP、SerDes、Retimer、交换芯片、定制互联芯片等关键环节。它们决定了数据从一颗芯片到另一颗芯片时，能不能低延迟、高带宽、低功耗地完成传输。

最上层是系统和协议层，解决“不同芯片按什么规则协同”。

NVLink、NVSwitch、InfiniBand、以太网、UALink、CXL等，都属于这一层。它们决定了大规模AI集群如何组织、调度和通信。

迈威尔最关键的地方在于，处在数据流动最核心的传输层。迈威尔提供的交换芯片、DSP、SerDes、Die-to-Die互联IP以及定制ASIC，本质上承担着数据转换、交换和调度的角色。

它让来自不同厂商、不同架构的芯片能够按照统一标准完成数据交换，从而充分发挥NVLink Fusion生态的价值。

这也是为什么在整个NVLink Fusion生态中，迈威尔占据着极其特殊的位置。

它不是简单的供应商，而是连接协议层与物理层之间的关键枢纽。

而这，还只是迈威尔价值的第一层。

全栈优势：从产业视角看迈威尔的深度护城河

如果说扮演NVLink Fusion生态的“连接器”，是迈威尔被英伟达选中的第一层原因。

那么更深层的原因在于，迈威尔是业内极少数能够覆盖整个AI数据流链路的全栈玩家。

为什么"全栈"在AI时代如此重要？

在过去的IT时代，各家"分工明确"，A公司做芯片内连接，B公司做机架内连接，C公司做机架间连接，各司其职，互不干涉。这种模式在传统数据中心里行之有效。

但在AI集群时代，这种分工模式遭遇了根本性的挑战。原因在于，AI集群的整体性能遵循严格的"木桶效应"，系统的速度，由最慢的那个环节决定。

举一个具体的例子，如果你的交换芯片支持1.6T的带宽，但你的DSP只能做到800G，那整个网络的实际速度就只有800G；如果你的DSP能做到1.6T，但SerDes只支持100G/lane，那你需要16条通道才能传输一个1.6T信号，成本和功耗都会翻倍。

非全栈厂商只能优化自己负责的那一小块，无法进行系统级的协同设计。而全栈厂商可以从芯片内部的数据流开始，一直优化到跨数据中心的传输，让整个链路的性能达到全局最优，而不是局部最优的简单叠加。

这就像装修房子，找十个不同的施工队分别做水电、木工、瓦工、油漆，最后一定会出现接口不匹配、尺寸不对、互相推诿的问题。而找一家全包的装修公司，它会从整体设计出发，让所有环节无缝衔接。

过去几年，迈威尔几乎把所有关键连接能力都收入囊中。

2021年，公司以约100亿美元收购Inphi，补齐高速DSP能力；

2026年，又以约30亿美元收购Celestial AI，大举进入硅光子和CPO领域。

再加上，自身长期积累的交换芯片、SerDes、定制ASIC和互联IP业务，迈威尔逐渐形成了一套覆盖芯片内、机架内、机架间乃至数据中心间连接的完整技术栈。

迈威尔的全栈覆盖如下表所示：

迈威尔的全栈能力，覆盖了AI数据流动的三个关键层级。

第一层，是芯片内部连接。在AI芯片内部，数据需要在计算单元和HBM之间高速流动。这里的核心技术是SerDes，它决定了单位时间内能够传输多少数据。

2025年，迈威尔率先展示业界首个400G/lane技术，相比当前主流100G/lane方案实现4倍带宽提升，进一步推动芯片内部互联向物理极限逼近。

第二层，是机架内部连接。当数百颗甚至上千颗AI芯片协同工作时，最大的挑战是，如何让这些芯片像一颗芯片一样协同运行。

迈威尔提供Die-to-Die互联IP和定制ASIC服务，让云厂商能够快速构建自己的AI芯片互联架构，并与NVLink Fusion生态保持兼容。

对于亚马逊、微软、谷歌等云厂商而言，这种能力大幅降低了自研XPU的开发门槛。

第三层，则是机架之间的光互联。

当AI集群扩展到数万颗GPU后，铜线开始触及物理极限，数据传输必须从电信号转向光信号。这也是迈威尔最深的护城河所在。

通过收购Inphi和Celestial AI，迈威尔构建起覆盖DSP、硅光子和CPO（共封装光学）的完整技术栈。其中，DSP负责保证信号质量，硅光子负责提升传输效率，CPO负责降低功耗和扩展成本。

从芯片内部、机架内部到机架之间，迈威尔几乎覆盖了AI数据流动的所有关键节点。

这意味着，当数据从一颗GPU流向另一颗GPU时，中间经过的大部分核心环节，迈威尔都有能力参与设计和优化。而这，正是它区别于绝大多数连接厂商的地方。

总结

当算力和内存的军备竞赛逐渐趋同，当越来越多的云厂商开始自研XPU，当AI集群规模从万卡走向百万卡，连接层正在成为决定下一代AI基础设施效率的关键战场。

迈威尔凭借三重护城河，在这场战役中占据了最有利的位置：

其一，在NVLink Fusion生态中扮演不可替代的"同声传译"角色，是英伟达协议标准的核心使能者；

其二，从芯片内SerDes到机架内互联IP，再到机架间光通信DSP、硅光子和CPO，构建了业内最完整的全栈连接技术体系；

其三，深度绑定亚马逊、微软等顶级云厂商的自研XPU项目，成为"AI独立"浪潮中不可或缺的合作伙伴。

黄仁勋口中的“下一家万亿美元公司”，背后指向的并非某一家企业的成长故事，而是一个正在形成的产业共识：

AI时代，算力决定上限，连接决定效率。

本文来自微信公众号“硅基观察Pro”，作者：元元 ，36氪经授权发布。