铜缆到了物理极限，光学替代不可逆，Scale-up域将有1000颗GPU：Marvell CEO在Computex做了一个预测 原创

奥特曼有一句名言："你要永远相信光。"这里说的是真的奥特曼，不是OpenAI那位。Marvell CEO Matt Murphy大概也信。

2026年6月2日，COMPUTEX开幕第一天上午，Marvell Technology董事长兼CEO Murphy在台北南港展览馆登台，做了一场近45分钟的主题演讲。NVIDIA创始人黄仁勋和ASE日月光半导体CEO吴田玉先后作为嘉宾上台对话。

COMPUTEX 2026的几场Keynote关注度很高。不过Marvell这家公司大家可能相对不熟悉，所以我写一个Murphy演讲的纪要。

先简单介绍一下。Marvell不做处理器，不做存储，专做数据中心里负责搬运数据的芯片：光模块里的信号处理器、机架之间的以太网交换芯片、嵌入各种处理器的高速串行接口，以及为云巨头量身定做的ASIC定制芯片。一句话：NVIDIA等管算，美光三星等管存，Marvell等管连。过去十年，这家公司通过一系列收购和业务剥离，把自己从一家消费电子芯片公司改造成了专注"连接"的数据基础设施芯片公司，营收从2016年的23亿美元增长到当前财年预期的约115亿美元。就在演讲前一周（2026年5月27日），Marvell刚发布了FY2027 Q1财报，季度营收24.18亿美元创纪录，全年指引上调至约115亿美元（同比增长约40%），FY2028指引到了165亿美元。黄仁勋当天在台上两次称Marvell为"the next trillion dollar company"。演讲当天MRVL股价收涨32.5%。

Murphy这场演讲的核心论点是：AI基础设施的瓶颈正在从算力和存储转向连接，而铜缆正在逼近物理极限，光学替代不可逆。 Marvell过去十年花了360亿美元，就是在赌这件事会发生。

1. "全球第一款WiFi联网芭比梦想屋"

Murphy到任第一周，团队给他汇报拿下的最大客户订单是"全球第一款WiFi联网芭比梦想屋"。这不是玩笑，是当时Marvell的真实处境。2016年的Marvell，超过60%的营收来自消费电子，包括VR头盔、游戏机、流媒体设备、可穿戴。数据中心业务只贡献了不到10%的营收，也就是两亿多美元。

Murphy之前在模拟芯片公司Maxim Integrated待了22年。模拟芯片的特点是产品渗透到几乎所有电子终端，这给了他一个观察行业周期的全景视角。在Maxim的二十年里，他亲历了PC、笔记本、数码相机、智能手机、数据中心一波又一波的技术浪潮。2016年加入Marvell时，他的判断是：半导体行业的下一轮主增长引擎是数据平台公司，也就是Google、Amazon、Microsoft、Meta这些巨头，它们对大规模移动数据、存储数据、处理数据、保护数据的基础设施有刚性需求。

他把这个方向定义为"数据基础设施"。当时这个词不是一个被市场承认的品类，是Murphy自己造的。愿景也简单：把Marvell打造成一家专注数据基础设施半导体方案的纯粹玩家（pure play）。 问题在于，当时的Marvell跟这个愿景之间有一道巨大的鸿沟。

Murphy和团队得出的结论是：有些能力需要内部自建，有些只能通过收购获得。同样重要的是，决定不做什么和决定做什么一样关键。 转型不只是加法，也是减法。

2. 360亿美元：收购、剥离、跳过7nm

2018年到2026年初的八年间，Marvell执行了一套精准的并购和剥离操作。

2018年收购Cavium，补强计算和网络能力。2019年剥离Wi-Fi业务（Murphy说这是"聚焦的力量"），同年收购Avera建立定制芯片业务，收购Aquantia补强连接产品线。2021年是关键一年：以100亿美元收购Inphi，这是Marvell历史上最大的一笔收购，拿下了世界级的数据中心连接技术；同年收购Innovium，获得高端数据中心交换能力。之后消化了几年，统一技术平台。2025年底到2026年初，Marvell重新启动并购引擎：剥离汽车以太网业务，收购Celestial AI获得光子互连技术（2026年2月完成），收购XConn Technologies获得Scale-up交换能力（2026年2月完成）。

Murphy在台上算了一笔总账：收购投入约225亿美元，有机研发投入约180亿美元，剥离资产回收约45亿美元，净投入约360亿美元。

并购之外，Marvell还做了一个行业中极少见的技术赌注：直接跳过7nm，从14/16nm一步跨到5nm。 Murphy说"没人这么干"，因为跨两代制程的风险极高，但Marvell的逻辑是：要在数据基础设施领域竞争，就必须站在制程的最前沿，没有退路。结果执行完美。2020年初，Marvell发布了首个基于先进节点的完整IP平台，包括芯粒之间的die-to-die通信接口、定制SRAM高速缓存，以及高速SerDes接口。SerDes全称Serializer/Deserializer，就是把芯片内部的并行数据压成高速串行信号发出去、在对面再展开还原，是所有芯片间高速通信的底层零件。

这个SerDes团队今天有1500人，整合了Marvell自身工程师以及通过收购Avera、Aquantia、Inphi等带进来的人才。Murphy说这是业内规模和能力都首屈一指的SerDes组织。

3. 数据中心从不到10%到76%：瓶颈在迁移

转型的结果体现在数字上。2016年Marvell年营收23亿美元。头五年翻了一倍到45亿美元。FY2026（截至2026年1月）年营收达到81.95亿美元，同比增长42%。按当前华尔街共识，FY2027将达到约115亿美元，FY2028约165亿美元，增长还在加速。数据中心业务从十年前不到10%的营收占比，上升到最近一个季度的76%。

Murphy把这个转型成果放进了一个更大的行业叙事里：AI基础设施的瓶颈正在经历第三次迁移。

第一次瓶颈是算力。行业需要远超传统的计算能力来支撑AI训练和推理。NVIDIA率先解决了这个问题，也因此在2026年4月成为全球首家突破5万亿美元市值的公司。

第二次瓶颈是存储。更大的模型需要更大的存储容量和更高的带宽。HBM高带宽存储器成为关键资源，它把存储颗粒垂直堆叠后紧贴GPU封装，提供远超传统内存的带宽。到2026年5月底，Samsung、SK Hynix和Micron三家存储芯片公司在同一个月内先后突破万亿美元市值。

第三次瓶颈是连接。Murphy的逻辑很直接：单个处理器再快、存储再大，都不够。现代AI需要数万乃至数百万个处理器协同工作，构成一台超大规模计算引擎。当计算问题被拆解成无数子任务分散到整个数据中心执行时，连接就是一切。 推理模型、MoE混合专家架构（一个大模型被拆成多组"专家"子网络，每次推理只激活一小部分，但不同专家可能分布在不同芯片上）、agentic AI（能自主规划任务、调用工具、持续执行的AI系统）都在推高对连接带宽和延迟的要求。

Murphy说，这不只是Marvell的判断。全球最大的超级云厂商正在重新设计整个网络架构，因为它们认识到AI基础设施的扩展现在首先是一个连接问题。

4. 铜线墙的物理学

Murphy的下一个论点建立在一条物理规律上。

铜缆中信号的传输距离与带宽严格成反比：带宽每翻一倍，最大传输距离减半。 当前量产的最高速系统运行在每通道200Gbps，此时铜缆最远传输约2.5米。而标准机架高度约2米，加上内部走线，2.5米已经是极限。上一代100Gbps时代，铜缆还能支持约5米。

一旦进入400Gbps，也就是下一个量产节点，铜缆将无法在机架内完成全互连。

Murphy把这条物理极限称为"铜线墙"Copper Wall。数据中心里的连接，靠近发送端的用铜，距离远的用光。铜线墙就是这条分界线的位置。他说这堵墙正在向右移动，把原本属于铜的领地交给光。

更关键的数量级效应：铜线墙每向右移动一格，从数据中心间到机架间再到机架内，需要光连接的端口数量增长至少一个数量级。 机架内的连接端口数是机架间的10倍以上。这意味着光学产业链面临的不是温和增长，而是10倍级别的需求跳升，整个供应链需要大规模扩产。

Murphy给了一个历史锚点：20年前数据中心内部的主流速率还是10Gbps，光学只用于长距离电信场景。铜线墙第一次移动时，光学产业应声而起，催生了PAM4调制技术。PAM4用4个信号电平而非传统的2个来编码数据，同样的物理通道传两倍信息量，功耗和距离代价比长途用的相干方案友好得多，天然适合数据中心内部百米级的连接。同样的故事正在重演，但这次光学要进入的是机架内部。

5. 口袋里的光模块：从千公里到毫米的全距离布局

Murphy在演讲中段从西装口袋里掏出一个小模块举到镜头前，那是Marvell自研的相干光模块。

AI数据中心的连接需求覆盖了从数百公里到毫米的全部距离。每个距离段的技术方案、工程团队、供应链完全不同。Murphy逐一展示了Marvell在每一段的产品布局。

数据中心间（百公里至千公里） 用相干光学coherent optics。相干调制与短距离只调节信号强弱不同，它同时利用光的振幅、相位和偏振来编码数据，能在几百公里的光纤传输后仍保持信号完整性。核心是专用DSP数字信号处理芯片，负责在发送端把数据编码到光信号里、在接收端从噪声中还原出来。全球能做相干DSP的公司只有几家，Marvell是其中之一。Murphy掏出的那个模块里集成了先进节点CMOS工艺的DSP、第四代硅光子引擎（所谓硅光子，就是用造芯片的半导体工艺来制造光学器件，让光信号的产生、调制和探测都在硅片上完成，大幅压缩体积和成本），以及负责光电高速转换的硅锗宽带模拟器件。Marvell从十年前100G相干技术起步，经历400G、800G，目前800G在量产出货。他透露今年下半年将开始送样全球首款1.6Tbps 2nm相干光学方案。

数据中心内部（百米级） 用PAM4加以太网交换。Marvell在PAM4领域从50G一路引领到800G，去年（Murphy说"last year"，即2025年）开始量产1.6T的3nm PAM4方案。交换侧，Marvell从12.8T到51.2T有完整产品线，并在本次COMPUTEX上宣布了专为AI数据中心设计的100T以太网交换机（102.4Tbps），主打业内最低功耗。Murphy说这是专门留到COMPUTEX发布的消息。

机架内部（米级） 是铜线的最后领地。目标是把尽可能多的处理器以全互连方式连接起来，行业叫Scale-up，即把一组处理器连成一台更大的机器。NVIDIA的NVL72是这个架构的典型：72颗GPU在单个机架内通过NVLink高速互连协议实现任意对任意通信，带宽远超通用以太网。这个距离段的核心差异化在于电气SerDes。Marvell拥有200Gbps量产SerDes，并已展示过400Gbps方案。

封装内部（毫米级） 是最小尺度的连接。今天最先进的芯片内部集成了多个芯粒chiplet，通过die-to-die接口通信，这是芯粒之间毫米级的数据通道，距离虽短但速率极高。多芯粒的组装靠2.5D封装（芯粒并排放在硅中介层上）或3D封装（垂直堆叠），本质上是毫米级的连接技术。

Murphy总结：从毫米到千公里，Marvell在每一个距离段都有量产产品。 在每个细分市场面对的竞争对手各不相同，但能覆盖全部距离段的公司只有Marvell一家，他称之为"one-stop shop"。这不是PPT上的能力：Marvell已累计出货数亿颗DSP芯片，在全球最大的数据中心里积累了数百亿device hours（即所有已部署芯片的累计运行小时数）的现场数据。产品可靠性是用量产规模和时间喂出来的。

6. 黄仁勋登台：两次喊出"万亿美元"

Jensen走上COMPUTEX的大舞台时，第一句话是感叹舞台太大跑得累（"Boy, that's a huge stage"）。Murphy笑着问他是不是喘了。寒暄之后，对话迅速切入正题。

Jensen上来就给了Marvell一个极高的定位："The next trillion dollar company, ladies and gentlemen." 整场对话过程中他说了两次。

Jensen把Marvell需求暴涨的根因归结为一个经济学闭环：AI已经能创造利润了。 token是AI模型处理和生成内容的计量单位，大致对应一个词或半个中文字，它的生产已经有利可图。一旦生产token能赚钱，所有人都想生产更多token，于是需要更多基础设施，于是连接需求暴涨。

他给出了agent计算模式的技术阐释：智能体agent的计算是分布式和解耦的。一个计算任务被拆解成大量子任务分散到整个数据中心执行，系统在聚合所有可用的计算、存储和带宽，而使这一切成为可能的就是连接。他专门为Vera Rubin平台做了定义：Hopper是为训练设计的，Grace Blackwell是为推理设计的，Vera Rubin是为运行智能体设计的。系统内除了AI计算芯片，还集成了用于编排的Vera CPU和用于长期记忆管理的Vera CX存储加速器。

NVLink Fusion是这次合作的技术核心。Jensen的解释是"把NVIDIA的技术和Marvell的技术融合在一起"。云厂商如果想全用NVIDIA方案，没问题。但如果要自研ASIC（专用定制芯片），NVIDIA同样乐见自己的技术栈出现在那个数据中心里。"We should use copper as much as we can for as long as we can, but copper has its limits." 铜能用就用，但铜有天花板。Scale-up（机架内互连）先用铜，Scale-up的更大范围用光，Scale-out（集群间互连）用光，Scale-across（数据中心间互连）用光。Jensen认为未来五到十年铜和光的用量都会非常巨大。

Murphy半开玩笑地说Jensen把自己后半场演讲的内容都讲了。Jensen告别时喊了一句"Bye, Marvell"。

7. CPO、"行业瑞士"与台湾供应链

铜线墙从机架间推进到机架内，光连接的密度需要跳升10倍。传统的可插拔光模块在功耗和物理空间上都撑不住。

共封装光学CPO（全称Co-Packaged Optics）是解决路径：把光连接做到封装本体上，紧邻计算芯片，光纤直接从封装引出，彻底绕过PCB印刷电路板上的铜走线。Murphy在台上展示了两块板子。一块是传统100T以太网交换机，铜走线从中心芯片延伸到前面板的光模块插口。另一块是CPO交换机：51.2T交换芯片居中，周围环绕16个3.2T光引擎，光纤直接从封装引出。Murphy说这是COMPUTEX现场全球首次展示，台下观众是第一批看到实物的人。

CPO的难度在于它是多种前沿技术的汇合：先进CMOS工艺、硅光子、先进封装、光互连，全部整合在一个小型系统中。Murphy说Marvell在这些领域各自投入了超过十年。

Murphy还给了Marvell一个生态定位：我们是行业中的瑞士，跟所有人合作。 算力公司之间竞争，存储公司之间竞争，但Marvell做的是连接，跟谁都不冲突。这个定位解释了一件看似矛盾的事：为什么Marvell既能拿到NVIDIA 20亿美元投资（2026年3月31日宣布），又能同时为各大云厂商的自研ASIC项目提供定制芯片和连接方案。答案就是连接层天然的中立性。

ASE CEO吴田玉上台讲述了合作逻辑。ASE是全球头部封测厂，负责芯片从晶圆切出来之后的封装和测试，需要押注能提供下一代架构洞察和技术需求的芯片公司。吴田玉说，十年前跟Murphy讨论的内容在当时只是一个梦（"it was a dream"），现在正在出货。 他提到Marvell预测未来几年40%的增长，ASE正在为此准备产能。

吴田玉还给出了一组台湾生态的数据：40年产业积累，35万半导体从业者，110万高科技员工，从PC到无线到移动到数据中心再到HPC的完整经验链。他补了一个不太常被说出口的原因：台湾的工程师出路比美国窄。 半导体和IT产业在台湾是有吸引力的选择，但在美国不一定。这个人才结构差异本身就是生态护城河的一部分。"这个生态不是不可能被复制，但需要很多年。"

8. "由负载定义的架构，而非由连接限制的架构"

Murphy在演讲尾声做了一个思想实验。如果把时间快进十年，大量铜连接被光取代，数据传输不再受距离制约，那些今天因距离限制而固定的服务器、机架和数据中心架构都将松绑。

第一个变化在Scale-up域。铜连接时代，NVL72或NVL144是全互连的上限，因为铜缆拉不远。光连接打破这个限制后，Scale-up域可以从72/144颗GPU扩展到1000颗以上。今天的AI工作负载必须被拆解成能塞进单个Scale-up集群的子问题，因为跨集群通信更慢、带宽更低。光互连的集群能直接处理大一个数量级的工作负载。

第二个变化是解耦。今天的AI服务器在出厂时就锁定了CPU与GPU的配比，但没有任何两个工作负载需要完全相同的配比，这意味着任何时刻都有一部分资源在闲置。当光连接进入服务器内部，CPU、XPU（泛指GPU、TPU和各家云厂商自研芯片在内的各类AI加速器）和存储之间不再需要挤在同一块板上靠铜走线相连。可以把系统拆解成独立的计算池和存储池，通过光互连在运行时动态组合。 Jensen在对话中也谈到了这一点：异构、解耦、分布式的数据中心是共同的方向。

Murphy用一句话做了收束："An architecture defined by the needs of the workload, not the limits of the connectivity." 由工作负载的需求定义的架构，而非由连接的极限定义的架构。计算可以池化，存储可以池化，数百万资源跨整个数据中心协同工作，像一台机器一样运转。

这是Murphy认定的下一个计算基础设施时代，他称之为"没有距离的数据中心"。也是Marvell十年投入360亿美元要解锁的终局。

核心问答

Q1: Murphy的核心论点"AI基础设施瓶颈从算力和存储转向连接"的逻辑链是什么？AI工作负载需要数万到数百万处理器协同运算，而智能体agent的分布式计算模式进一步放大了数据流动需求。单点算力和存储再强，处理器之间的连接跟不上，整个系统就被卡死。与此同时，铜缆在400Gbps时代已无法覆盖机架内全互连的物理距离，光学替代成为刚需。黄仁勋给出了一个更底层的推动力：token生产已经有利可图，所有人都在扩建基础设施来生产更多token，连接需求由此进入指数增长期。

Q2: 铜线墙移动的产业影响有多大？铜缆传输距离与带宽严格成反比。200Gbps时铜缆最远2.5米刚好覆盖机架内，400Gbps就不行了。铜线墙每向右移动一级，光连接端口数量增长一个数量级。这意味着光模块、硅光子、光学DSP等上游产业链面临的是10倍级别的需求跳升。Marvell和台湾供应链正在为此扩产。CPO技术（把光连接做到封装本体上）是机架内光连接密度问题的核心解法。

Q3: Marvell的竞争壁垒具体是什么？全距离覆盖加上生态中立。从封装内毫米级die-to-die接口，到机架内SerDes和Scale-up交换，到机架间PAM4光学和以太网交换，到数据中心间相干光学，Marvell是唯一在每个距离段都拥有量产产品的公司。作为"行业中的瑞士"，它与算力和存储公司均不竞争，可以同时服务NVIDIA和各家云厂商的自研项目。十年积累的硅光子、先进封装、定制芯片能力，加上数亿颗DSP的量产经验和数百亿device hours的现场数据，构成了难以短期复制的护城河。NVIDIA 20亿美元投资和NVLink Fusion合作，则从生态层面进一步巩固了这个位置。