夜雨聆风
2026年台北COMPUTEX大会，一场足以改写AI产业格局的对话正在上演。
Marvell董事长兼CEO Matt Murphy发表主题演讲时，英伟达CEO黄仁勋作为特邀嘉宾惊喜现身。这位一手缔造了5万亿美元AI帝国的科技教父，当着全球媒体的面，给出了一个石破天惊的判断："Marvell将成为下一家万亿美元的AI公司。"
话音未落，全场哗然。要知道，目前Marvell的市值仅约2000亿美元，距离万亿大关还有4倍的增长空间。
更重磅的是，英伟达刚刚宣布向Marvell战略投资20亿美元，这是英伟达继Lumentum、Coherent后最大的一笔产业链投资。双方将在NVLink Fusion、定制XPU、光互联三大领域展开深度合作，Marvell也正式从英伟达的"供应商"升级为"生态核心伙伴"。
黄仁勋的背书从来不是空穴来风。这次他押注的，不是单一的芯片产品，而是整个AI产业正在发生的根本性逻辑质变：AI基础设施的瓶颈，已经彻底从算力、内存，转向了连接。
AI产业的三次瓶颈转移：从"算得快"到"连得通"
回顾AI产业短短三年的爆发式增长，我们清晰地看到了一条"瓶颈转移"的演进路径。每一次瓶颈的切换，都诞生了一批万亿市值的巨头。
第一阶段：算力瓶颈（2023-2025）——英伟达的黄金时代
2023年ChatGPT横空出世，大模型训练需求呈指数级爆发。英伟达凭借CUDA生态和高带宽GPU的绝对优势，垄断了全球高端算力市场。
这一阶段，谁能造出更快的GPU，谁就是AI时代的王者。2026年，英伟达市值突破5万亿美元，成为全球首家达此里程碑的科技公司。
但好景不长，"算力墙"已经显现：单芯片功耗突破1000W，单卡算力增速从每年2倍骤降至1.3倍。摩尔定律在物理极限面前，已经走到了尽头。
第二阶段：内存瓶颈（2025-2026）——HBM的狂欢
当单卡算力提升放缓，大模型开始向"更大参数、更多数据"的方向演进。万亿参数模型的训练，对高带宽内存（HBM）的需求呈井喷式增长。
单颗H100需要80GB HBM3，而最新的Blackwell架构GPU更是需要192GB HBM3E。内存成本占GPU总成本的比例，已经飙升至40%以上。
三星、SK海力士、美光凭借HBM技术优势，先后在2026年市值突破1万亿美元，成为AI产业的第二增长极。
第三阶段：连接瓶颈（2026-现在）——被忽视的"最后一公里"
当算力和内存都不再是问题，一个更隐蔽也更致命的瓶颈浮出水面：如何将数百万颗处理器高效协同起来？
现在的AI集群，动辄就是上万张甚至十万张GPU。如果把每张GPU比作一个工人，那么连接芯片就是工厂里的传送带和交通网络。如果传送带不够快、不够宽，再能干的工人也只能闲着等待物料。
据伯恩斯坦测算，当前AI集群中，GPU的平均算力利用率仅为30%-40%，剩下的60%以上都浪费在了数据传输的等待上。连接的优劣，直接决定了Token的生产效率和成本。
这就是黄仁勋押注Marvell的核心逻辑。他在演讲中再次强调："AI正在迈向智能体模式，一个复杂任务被拆解成无数子任务，分布式部署在巨大的计算集群中并行处理。这种模式对集群内和集群间的通信带宽与延迟，提出了前所未有的要求。"
AI连接市场正在迎来爆发式增长。 伯恩斯坦数据显示，2025年全球AI连接市场规模为140亿美元，到2030年将飙升至730亿美元，年复合增速高达39%，占AI基础设施总市场的39%，是整个AI产业链增长最快的环节。
拆解万亿连接市场：四大核心环节全解析
AI连接是一个庞大的体系，从芯片内部到数据中心之间，形成了一个四层互联架构。每一层都有其核心技术和关键玩家。
1. 芯片级连接（Scale-up核心）：单节点内的"高速公路"
这是最底层也是最核心的连接，负责芯片内部计算核心之间、以及同一服务器内多颗XPU之间的高速数据传输。
✅核心产品：高速SerDes、PCIe/CXL交换芯片、Scale-up交换芯片
✅市场规模：华泰证券测算，2028年中国Scale-up交换芯片市场规模将达到172亿元，2026-2028年CAGR高达231%
✅竞争格局：全球市场被博通（市占超60%）、Microchip（12%-15%）、Marvell（5%-8%）垄断，国产高端产品市占率不足2%
2. 机柜内连接（Rack-scale）："铜墙"逼近，光进铜退
英伟达的定调是"能用铜缆的地方就用铜缆，必须用光学器件的地方才用光学器件"。目前铜背板仍是机柜内连接的主流，但当速率达到224G甚至448G per lane时，铜缆的信号损耗和距离限制将无法突破。
✅核心技术：CPO（共封装光学）技术，将光引擎直接与交换芯片封装在一起，彻底消除信号在PCB上传输的损耗
✅落地节奏：2025-2028年是可插拔光模块放量周期，2028年之后CPO将逐步进入规模化商用阶段
3. 机柜间连接（Scale-out核心）：万卡集群的"主动脉"
成千上万个机柜通过以太网交换机互联，形成万卡甚至十万卡级的AI集群。这一层目前主要依赖可插拔光模块，而DSP（数字信号处理器）芯片正是光模块的"大脑"，负责信号的高速调制解调。
✅核心产品：以太网交换芯片、光模块DSP
✅市场规模：2025年全球光DSP+数据中心以太网交换芯片市场规模为104亿美元，2030年将扩容至270亿美元，5年复合增速19.2%
✅竞争格局：Marvell在光DSP市场一家独大，市占率约70%；以太网交换芯片市场则由博通、Marvell双寡头垄断
4. 数据中心间连接（DCI）：分布式训练的"大动脉"
随着电力供应和土地资源的限制，单一数据中心不可能无限扩大。未来AI训练和推理将走向多地分布式部署，这就需要相干光通信技术，实现数百公里以上的超高速、大容量数据传输。
✅核心技术：相干光通信技术
✅市场驱动："东数西算"工程的推进，以及全国一体化算力网络的建设
国产替代窗口打开：从"卡脖子"到"换道超车"
长期以来，全球连接芯片市场主要由少数海外企业主导，在高端交换芯片、光DSP、高速SerDes等核心领域形成了较高的技术壁垒。
近年来，随着全球AI产业的快速发展，连接芯片的市场需求急剧增长，海外厂商的产能无法完全满足市场需求，交货周期明显延长。同时，全球主要国家和地区都在加快半导体产业链的自主化布局，为本土企业提供了发展机遇。
三大驱动因素，催生国产连接芯片黄金时代
第一，供需严重失衡，价格高企。随着CPU:GPU向1:1过渡，连接芯片的绝对需求量呈指数级增长。海外巨头产能有限，交货周期拉长至6个月以上，价格也水涨船高。
第二，供应链安全成为国家战略。《公共云服务安全审查办法(2025修订版)》明确要求，政务云、国资云平台在2026年底前完成51.2T级交换设备的国产芯片替换率，不得低于55%。工信部也提出，2026年底新建智算中心核心光配件国产化率不低于70%。
第三，国内云厂商加速自主可控。阿里、华为、字节、腾讯等头部云厂商，为了降低供应链风险和成本，正在积极导入国产连接芯片方案。
经过多年的技术积累，国内已经涌现出一批具备核心竞争力的连接芯片厂商，正在从"跟跑"向"并跑"甚至"领跑"转变。
中国企业经过多年的技术积累，已在多个连接芯片细分领域实现了技术突破。在内存接口芯片、中低端以太网交换芯片、高速PHY芯片等领域，国内产品已具备较强的市场竞争力，部分产品已进入全球主流供应链。在高端交换芯片、PCIe/CXL芯片、光DSP等领域，国内企业也在加快研发进度，逐步缩小与国际先进水平的差距。
结语：连接，定义AI的下一个十年
从"算力竞赛"到"连接升级"，AI产业正在经历一场深刻的范式革命。
过去，我们比拼的是单颗芯片的算力；未来，我们比拼的是将百万颗芯片高效连接起来的能力。连接芯片，正在从过去不起眼的配套组件，升级为AI算力基础设施的核心。
对于中国半导体产业来说，这是一次千载难逢的历史机遇。在连接芯片领域，我们与海外巨头的技术代差远小于CPU和GPU。在政策支持、市场需求和资本投入的三重驱动下，国产连接芯片有望率先实现突破，打破海外垄断。
黄仁勋已经为我们指明了方向。下一个万亿AI公司，或许就诞生在连接芯片这个赛道上。
如果您也相信科技的力量，关注未来的趋势，欢迎【关注+在看】；觉得文章有价值的话，别忘了【点赞+转发】，分享给身边对科技感兴趣的朋友，让更多人看到这个正在发生的伟大变革。
免责声明：本文仅为产业技术趋势分析，旨在介绍行业技术及产业现状，不构成任何投资理财建议。所有信息均来源于公开资料，本文作者不对信息的准确性和完整性作出任何保证。市场有风险，投资需谨慎。
关注我，持续为你带来最深度的产业观察和最前沿的科技资讯。
