MRVL五年营收剑指10倍，AMD迎来CPU第二春

现在整个AI数据中心的硬件架构正在被重新设计，而CPU、定制芯片、光互连、交换机、网卡、内存接口和存储控制器，都开始跟着GPU一起进入新一轮需求爆发。

10月6日，Marvell（MRVL）在投资者日上突然大幅提高长期目标，公司预计2028财年营收达到约200亿美元，到2031财年进一步达到700亿至900亿美元，中值约800亿美元。

作为对比，Marvell 2026财年营收只有约82亿美元，也就是说，公司实际上在告诉华尔街：未来五年，Marvell有机会从一家年收入80多亿美元的芯片公司，成长为一家接近800亿美元收入规模的AI基础设施巨头。

另一边，花旗把全球CPU市场2030年的潜在市场规模直接提高到3000亿美元，相比2025年的约290亿美元，相当于五年扩大超过10倍，并把AMD目标价从575美元大幅提高到800美元。

表面上，一个讲的是Marvell，一个讲的是AMD，但背后的原因完全相同：AI正在从第一阶段的“训练模型”，进入第二阶段的“让AI真正开始工作”。

这两者之间的区别，将决定下一轮AI产业链的钱流向哪里。

过去三年，AI产业最简单的赚钱逻辑就是买GPU。OpenAI、Meta、Google、微软训练越来越大的模型，需要越来越多英伟达GPU，因此GPU成为整个AI产业最大的瓶颈。

但是到了Agentic AI，也就是AI智能体阶段，情况开始发生变化。

传统ChatGPT式聊天机器人，大多数时候其实是闲着的。你问一句，它运行一次模型，然后停止；你不问，它基本不消耗新的推理资源。

但是Meta Muse这类新一代个人AI智能体完全不同。它有自己的虚拟机、自己的浏览器，可以帮用户浏览网页、填写表格、处理客服、预约服务、调用不同的软件，并且在后台持续执行任务。

换句话说，未来一个AI用户对应的不再只是偶尔运行几十秒钟的大模型，而可能对应一个长期在线的“数字员工”。

这会让AI服务器内部的计算方式彻底改变。

花旗给出的一个非常重要的数据是，传统AI训练阶段CPU与GPU数量比例大约只有1比8，进入推理阶段后可能提高到1比4，而到了Agentic AI阶段，这一比例可能进一步接近1比1，甚至更高。

原因并不复杂，因为GPU最擅长的是大规模矩阵运算，但一个AI智能体真正开始工作以后，除了运行模型之外，还要不断完成任务调度、浏览网页、读取数据库、调用API、处理安全权限、运行操作系统、管理内存、传输数据以及协调不同AI模型之间的工作。

这些事情很多并不是GPU最擅长做的，而是CPU、网络和各种专用芯片需要完成的。

这也是为什么花旗突然把CPU TAM看到3000亿美元。

它真正表达的并不是“CPU要取代GPU”，恰恰相反，而是未来每安装更多GPU，整个系统可能需要同时配置更多CPU、更多DRAM、更高速的网络以及更多数据中心互连设备。

因此AI产业正在从过去非常简单的“GPU军备竞赛”，变成一场整个服务器架构的军备竞赛。

这时候再看Marvell投资者日给出的数字，就很容易理解为什么管理层敢把长期目标提高得这么夸张。

Marvell预计，到2030年，公司能够参与的整个市场规模将达到大约4000亿美元，而上一次公司公布长期市场规模的时候，这个数字还不到1000亿美元，相当于短短几年扩大了四倍。

其中：

定制芯片市场预计达到约2350亿美元，这是Marvell未来最大的潜在市场。

AI数据中心互连市场预计达到约650亿美元，而且预计是增长速度最快的业务之一。

交换机和存储相关市场预计达到约850亿美元。

通信及其他业务预计还有约150亿美元市场空间。

这些数字背后真正值得注意的，并不是4000亿美元这个数字本身，而是Marvell认为未来AI数据中心增长最快的地方已经开始从单纯的Compute，也就是“计算”，向Connectivity，也就是“连接”转移。

很多普通投资者容易有一个误区，认为AI数据中心最值钱的东西就是GPU。

实际上，当一个AI集群从几千块GPU扩大到几十万甚至上百万颗XPU之后，最大的工程问题之一反而变成了：这些芯片之间的数据到底怎么传。

GPU计算再快，如果数据送不过来，GPU一样只能等。

因此AI系统正在不断遇到几个越来越严重的物理瓶颈，包括带宽不够、延迟太高、铜连接功耗过高以及数据传输距离越来越长。

这正是Marvell最想吃下来的市场。

Marvell预计，到2031财年800亿美元收入中值的情况下，大约375亿美元来自Interconnect互连业务，约300亿美元来自Custom Silicon定制芯片，大约100亿美元来自交换机和存储，其余约25亿美元来自传统通信等业务。

也就是说，未来Marvell最大的业务甚至不是AI计算芯片本身，而是让整个AI数据中心里的芯片能够高速互相连接。

这也是这次投资者日最容易被市场低估的地方。

过去投资者看AI半导体，习惯先问一句：“谁能挑战英伟达GPU？”

但未来可能需要换一个问题：“每增加一颗GPU或者XPU，旁边还需要增加多少颗其他芯片？”

如果答案是一颗GPU背后，还需要CPU、NIC、交换芯片、光DSP、Retimer、内存控制器、存储控制器以及各种专用ASIC，那么AI产业链最大的增长机会，就不会只存在于GPU。

Marvell正在押注的就是这一点。

公司目前已经向美国四大Hyperscaler提供定制芯片，而且越来越多的项目并不是直接制造一颗替代英伟达GPU的大型XPU，而是所谓的XPU Attach，也就是围绕AI加速器周围增加各种专用芯片。

比如高速网卡、内存接口、存储控制器、AI基础设施管理芯片以及推理加速芯片。

Marvell管理层甚至给出了一个非常直观的计算方式：未来每颗XPU周围可能连接一到两颗专用芯片，而部分产品单颗价值可能达到约1000美元。

当云计算公司一年部署几百万颗AI芯片以后，一个看起来不起眼的“XPU旁边的小芯片”，最终都可能变成几十亿美元级别的市场。

这也是为什么Marvell把2029财年Custom业务目标从超过100亿美元进一步提高到超过120亿美元，并预计2031财年达到大约300亿美元。

更重要的是，Marvell现在已经不是单纯在给一家客户做一颗芯片。

公司明确表示，其定制业务已经覆盖美国四大Hyperscaler，而且未来收入会越来越分散在不同客户、不同XPU以及不同XPU Attach产品之间。

今年Marvell与谷歌签署的合作就是一个非常典型的例子。

双方合作范围并不只是一颗AI芯片，而是覆盖AI推理加速器、存储控制器、网络接口控制器、内存接口控制器以及Near-Memory Compute等多个产品。

根据协议设计，如果未来相关产品采购达到对应的业绩条件，整个合作所对应的潜在采购规模最高可以达到约1200亿美元。

这里必须注意，这1200亿美元并不是广告今天已经签字保证必须购买的1200亿美元订单，因此不能直接把它当作Marvell现有积压订单。

但是它透露出的信息仍然非常重要，因为谷歌愿意把如此大的潜在采购规模和Marvell进行长期绑定，本身已经说明大型云计算公司未来需要的并不是一颗ASIC，而是一整套围绕AI基础设施设计的芯片平台。

美股投资网认为，这正是Marvell与过去最大的不同。

过去市场对Marvell最大的疑问一直是，它究竟是一家真正拥有长期AI增长能力的平台型公司，还是仅仅因为几个大客户的ASIC项目，在AI资本开支高峰期暂时受益。

这次投资者日，公司实际上给出了自己的答案。

2026财年营收约82亿美元，2028财年约200亿美元，2031财年目标700亿至900亿美元，中值800亿美元；如果最终做到800亿美元，相当于五年时间收入接近增长10倍，对应年复合增速接近58%。

公司同时给出了2031财年超过30美元的Non-GAAP EPS目标，而2026财年这一数字只有2.84美元。

这已经不是一家传统半导体公司正常成长的假设，而是在押注整个AI基础设施市场未来五年继续高速扩张。

所以真正应该关注的问题也来了：Marvell这些目标到底可信不可信？

答案是，方向非常清楚，但是数字仍然需要投资者保持冷静。

根据美股大数据 StockWe.com 获悉，最大的风险首先来自Hyperscaler资本开支。

Marvell整个长期模型建立在全球数据中心资本开支继续高速增长的基础上，公司预计到2030年全球数据中心资本开支规模接近3万亿美元，并且未来十大Hyperscaler占全球投资比例继续提高。

只要微软、Google、Meta、Amazon以及其他AI巨头继续每年扩大资本开支，Marvell的市场自然会继续扩大；但是如果两三年以后AI投资回报率开始下降，Hyperscaler突然放慢数据中心建设速度，那么Marvell现在给出的2031年数字也会受到明显影响。

第二个风险是竞争。

定制ASIC领域最大的对手仍然包括博通AVGO（Broadcom），而AI网络市场还面对NVIDIA自身的网络产品以及其他高速互连厂商。

4000亿美元TAM并不代表Marvell能够拿到4000亿美元，最终真正决定利润的仍然是市场份额。

第三个风险则来自估值。

当市场开始提前交易2030年甚至2031年的收入以后，股价上涨速度很容易超过盈利增长速度。一家公司未来五年的故事再漂亮，只要今天的估值已经把大部分未来增长算进去，股票一样可能经历非常大的波动。

因此美股投资网认为，这一轮AI行情真正值得投资者理解的，不应该是简单寻找“下一只英伟达”。

真正更大的变化是，AI正在从模型训练时代进入Agent时代，而Agent时代需要的不只是更多GPU，而是一整座更加复杂的数据中心。

GPU负责计算，CPU负责组织和调度，DRAM负责存储数据，网络负责搬运数据，光模块和DSP负责突破距离和带宽限制，交换芯片负责让成千上万颗XPU互相通信，而定制ASIC则负责把越来越多专门任务做到更高效率、更低功耗。

当AI从一个你偶尔打开的聊天窗口，变成24小时替你工作的数字员工以后，每一个AI用户背后的硬件消耗都会完全不同。

这也是为什么花旗敢把2030年CPU市场看到3000亿美元，也是为什么Marvell敢把2031年营收目标从今天的82亿美元一路看到700亿至900亿美元。

如果这一轮AI投资周期最终能够持续到2030年前后，那么下一阶段真正值得研究的，已经不是“除了英伟达还能买谁”。

而是每增加一美元GPU投资之后，还有多少美元会流向CPU、定制芯片、光通信、网络、内存和存储。

这才可能是AI产业下一轮最大的财富重新分配。

━━━━━━━━━━━━━━━━━━━━━━
【原创声明】

本文由美股投资网（TradesMax.com）研究团队原创完成。

原创机构：美股投资网
英文品牌：TradesMax

本文基于公开财报、SEC文件、市场数据、机构资金、期权交易及产业链信息进行独立分析

如需引用本文，请注明：
“美股投资网（TradesMax.com）原创研究”。

━━━━━━━━━━━━━━━━━━━━━━