2026年5月27日，Marvell Technology（MRVL）公布了2027財年第一季財報——單季營收24.18億美元，年增28%，季增9%，略高於市場預期的24.1億美元。但真正讓市場沸騰的，並非這份超預期的成績單，而是隨後發生的事件：6月2日，NVIDIA執行長黃仁勳（Jensen Huang）在台北COMPUTEX 2026與Marvell執行長Matt Murphy同台，當眾宣布：「女士們先生們，這就是下一家市值將達一兆美元的公司。」
這句話讓Marvell股價單日暴漲超過30%。截至財報前後，Marvell 2026年以來股價已接近翻倍，年內漲幅高達95%。
這些波動背後，帶出一個更具深度的產業命題：AI客製化晶片（ASIC）正成為一條與GPU平行發展的獨立賽道。科技巨頭（Google TPU、Amazon Trainium、Meta MTIA）為何紛紛繞開NVIDIA投入自研晶片？Marvell在其中扮演何種角色——是GPU的替代者，還是協同者？
AI定制芯片 ASIC 的本質：從通用到專用的範式轉換
要理解為何科技巨頭紛紛投入自研晶片，首先需要釐清一個概念：ASIC與GPU的根本差異在於通用性與專用性的取捨。
GPU（圖形處理器）是一種通用AI運算晶片。NVIDIA的GPU能在訓練、推論、視覺、語音、推薦系統等各種AI任務中表現優異，但也因此承擔了大量冗餘電路和通用指令集的成本，在特定場景下能效仍有優化空間。
ASIC（Application-Specific Integrated Circuit，專用積體電路）則是針對特定AI任務量身打造的硬體。以Google的TPU（Tensor Processing Unit）為例，其核心針對矩陣乘法運算進行深度硬體化，在相同功耗下的矩陣運算吞吐量可達GPU數倍。具體而言：
- 能效優勢：在特定AI推論任務中，ASIC的每瓦效能可達GPU的3-5倍
- 成本優化：在大規模部署場景（如雲端資料中心部署百萬片等級），ASIC的TCO（總持有成本）明顯低於採購商用GPU
- 系統整合優勢：自研ASIC可與雲端業者的軟體堆疊、網路架構、散熱系統實現端到端協同優化
這一範式轉換的邏輯基礎在於：AI工作負載正從多元化訓練走向規模化推論。當AI模型架構趨於收斂（如Transformer架構成為主流）、推論規模呈指數級成長時，透過專用硬體進行深度優化便成為必然趨勢。
一位分析師的評價極為精準：「Marvell不是『取代NVDA』，而是在開啟AI市場的第二條主賽道。客製化ASIC可能是未來幾年最被忽略、但成長最快的賽道。」
科技巨頭為何自研晶片？去NVDA化的成本—效能邏輯
微軟、亞馬遜、Google、Meta四大雲端巨頭正以前所未有的速度推進自研晶片計畫，構成AI晶片領域近年最關鍵的長期趨勢。
Google TPU（Tensor Processing Unit）：已迭代至第7代，由博通（Broadcom）協助設計，是業界最早且規模最大的客製化晶片專案。Counterpoint預估博通2027年將拿下AI伺服器運算ASIC設計市場約60%市佔。
亞馬遜 Trainium / Inferentia：由Marvell協助設計的Trainium系列正加速部署。Trainium 3已於2026年初全面上線。
微軟 Maia：微軟於2026年1月發表第二代自研AI晶片Maia 200，採用台積電3奈米製程，已開始部署至資料中心。
Meta MTIA（Meta Training and Inference Accelerator）：由博通協助設計。
驅動此趨勢的三層邏輯鏈如下：
| 層級 | 核心邏輯 | 關鍵依據 |
|---|---|---|
| 第一層：成本 | 大規模採購GPU的資本支出高 | 頭部雲端業者2026年總資本支出達6600-7000億美元等級；自研ASIC可將單一推論任務的晶片成本壓低至商用GPU的30%-50% |
| 第二層：能效 | 資料中心功耗成為營運瓶頸 | ASIC可在相同機櫃功耗下承載更高吞吐量 |
| 第三層：戰略 | 擺脫對單一供應商依賴 | 雲端巨頭避免自身核心業務受NVIDIA產品路線圖與定價策略掣肘 |
「反英偉達聯盟」這一概念在此背景下被市場廣泛討論。需強調，這不是正式組織，而是對科技巨頭集體轉向客製化晶片這一產業趨勢的形象描述。根據摩根士丹利與Counterpoint預測，AI ASIC市場規模將自2024年約120億美元成長至2027年300億美元，年複合成長率高達34%。
高盛的預測更為激進：ASIC在AI晶片市場的市佔預計2026年升至40%，2027年突破45%，幾乎與GPU平分秋色。與此同時，ASIC伺服器出貨量預期2026年年增44.6%，而商用GPU僅增16.1%。
Marvell MRVL的雙重定位：替代者還是協同者？
在去NVDA化的產業敘事中，Marvell的市場角色經常被誤解為NVIDIA的替代品。但完整的產業格局遠比這個標籤複雜。
首先，客製化晶片市場存在明確的梯隊分布。
根據Counterpoint等機構數據，目前AI客製ASIC設計服務市場呈現雙寡頭格局：
- 博通（Broadcom, AVGO）：市佔約55%-60%，為全球客製ASIC市場的絕對領導者，深度綁定Google、Meta、OpenAI等客戶。
- Marvell（MRVL）：市佔約13%-15%，居產業第二，主要客戶包括亞馬遜、微軟、Google。
兩者合計掌控客製AI ASIC共設計市場約95%份額。需指出，AI ASIC市場整體仍處於高速成長階段，各方皆在分享增量紅利，目前更接近共同擴張而非存量爭奪。
其次，Marvell與NVIDIA的關係不是替代，而是深度協同。
這一關係於2026年出現結構性變化。2026年3月，NVIDIA宣布以20億美元戰略投資Marvell。雙方圍繞NVLink Fusion展開深度技術合作，將Marvell的客製晶片與光學互聯方案納入NVIDIA的AI工廠與AI-RAN生態系。
隨後在6月的COMPUTEX 2026，黃仁勳給出更明確背書：（Marvell的資料中心交換器）對處理AI工作負載至關重要。
為何NVIDIA要投資一家同樣做客製化晶片的公司？其邏輯如下：
當AI訓練叢集從數千卡擴展到數十萬、甚至百萬卡規模時，連接成為比運算更稀缺的資源。黃仁勳在COMPUTEX上強調的核心觀點正是此一邏輯——當AI運算分散至整座資料中心時，網路設備的重要性等同於GPU本身。而Marvell在高速光互聯、乙太網交換、1.6T DSP等領域具備不可取代的技術積累。
因此，Marvell的角色可定義為協同者——它不是要取代NVIDIA的GPU，而是在提供NVIDIA生態之外的客製化晶片選項同時，也作為NVIDIA體系內關鍵互聯基礎設施供應商。這種雙重定位使其在整個AI基礎設施堆疊中具備獨特戰略價值。
Marvell Q1 FY2027 財報拆解：數據驗證邏輯
上述產業邏輯是否已轉化為可量化的財務成果？Marvell最新財報提供了關鍵驗證。
財務核心數據
| 指標 | 數值 | 年增/季增 |
|---|---|---|
| Q1 FY2027 營收 | 24.18億美元 | 年增 ↑28% / 季增 ↑9% |
| 資料中心業務營收 | 18.33億美元 | 年增 ↑27% / 佔總營收 76% |
| Q2 FY2027 營收指引中值 | 27.0億美元 | 隱含年增 ↑35% |
| FY2027 全年營收目標 | 約115億美元 | 年增 ↑約40% |
| FY2028 營收目標 | 約165億美元 | 較FY2027 ↑44% |
| 核心AI客製晶片業務長期目標 | 2029年達100億美元 | — |
數據來源：Marvell官方財報及FY2027 Q1法說會
值得關注的指標
Marvell 2027財年第一季資料中心業務錄得創新高18.33億美元營收，佔總營收比重升至76%，充分展現其業務結構已完成向AI資料中心的戰略聚焦。
更重要的是管理層對未來展望的上修：公司將2027財年全年營收目標由原本約110億美元上調至115億美元，並將2028財年目標由原約150億大幅調升至165億美元。摩根士丹利（大摩）於財報後即時更新長期展望，預估2027財年資料中心收入年增約50%，並於2028財年進一步加速至約55%。
一項不可忽視的里程碑是：Marvell將於2026年6月22日正式納入標普500指數，以約2540億美元市值取代Pool Corp成為標普500成分股。這是AI需求推動半導體企業進入主流股票指數的又一標誌性案例。
Marvell併購 Celestial AI：從算力到光互聯的戰略縱深
解讀Marvell成長敘事時，一樁併購案值得深入關注——2025年12月，Marvell以約60億美元收購光學互聯技術公司Celestial AI，並於2026年2月完成交割。
Celestial AI專注於矽光子與光學互聯技術，目標解決當前AI資料中心日益嚴峻的「記憶體牆」（memory wall）瓶頸——即運算與儲存間的資料傳輸瓶頸。
這樁併購的核心戰略意圖在於：Marvell將自身於客製ASIC、乙太網交換、1.6T DSP領域的積累，與Celestial AI的光學互聯能力整合，打造涵蓋資料鏈路全堆疊的技術實力。摩根大通分析師指出，Marvell已成為唯一同時涵蓋客製ASIC設計、1.6T光DSP、矽光子（經由Celestial AI）與CXL交換的廠商——這一全套技術壁壘目前尚無單一競爭對手能複製。
就商業化節奏來看，Marvell預計Celestial AI初期營收貢獻將自2028財年下半年開始，第四季達到5億美元年化運行率。
比較分析：Marvell與NVIDIA、AMD的結構性差異
在AI晶片產業鏈上，Marvell、NVIDIA與AMD三家公司商業模式本質不同，這種差異決定各自成長路徑與估值邏輯。展開比較前，需說明估值分析應注意：不同公司業務結構、規模體量、成長率及獲利率差異顯著，本文所列估值指標僅供參考，不構成任何形式投資建議。投資人應依自身風險承受度獨立判斷。
核心商業模式差異
| 維度 | NVIDIA（NVDA） | Marvell（MRVL） | AMD（AMD） |
|---|---|---|---|
| 核心模式 | 銷售通用GPU及完整AI運算系統 | 客製ASIC + 高速互聯基礎設施 | 通用GPU + CPU + FPGA多元布局 |
| AI產品型態 | 成品晶片/系統（HGX/DGX） | 面向雲端業者的半客製化晶片與互聯方案 | MI系列GPU及APU產品 |
| 客戶關係 | 終端客戶廣泛覆蓋 | 深度綁定頭部雲端業者（亞馬遜/微軟/Google） | 伺服器廠商+超算中心+部分雲端業者 |
| 核心壁壘 | CUDA軟體生態 + 系統整合能力 | 客製化能力 + 光互聯/乙太網技術積累 | 多架構整合 + 性價比定位 |
收入規模與成長率對比
| 指標 | NVIDIA（2026財年，截至2026年1月） | Marvell（2026全年+2027展望） | AMD（2025全年） |
|---|---|---|---|
| 年營收規模 | ~1300億美元等級 | 2026年約82億美元 / 2027目標~115億美元 | ~250-280億美元 |
| 最新單季AI相關收入 | 資料中心業務逾35億美元/季 | 資料中心單季18.33億美元 | MI系列季度約15-20億美元 |
| 年增率 | ~40%-50%區間 | 2027目標約40% | ~20%-30%區間 |
數據來源：各公司財報及市場公開資料整理。
投資人視角下的差異
摩根大通比較NVDA與MRVL時指出，NVIDIA長期預期獲利成長率（51.7%）高於Marvell（39.4%），但Marvell估值彈性更大，股價對訂單突破及新客戶更敏感。這種差異主因兩家公司所處產業生命週期階段不同：NVIDIA正處於成熟規模擴張期，Marvell則正站在客製ASIC由量變到質變的臨界爆發點。
在Marvell完成Celestial AI併購、獲得NVIDIA戰略投資、進入標普500等一連串催化劑落地後，華爾街券商Stifel將Marvell目標價大幅調升至321美元（原為230美元），重申「買進」評等。
客製化晶片賽道的潛在風險因素
在市場高度樂觀氛圍下，下列風險因素值得納入評估：
市場份額競爭加劇
儘管Marvell在客製ASIC市場居產業第二，但市佔領先的博通（AVGO）已獲Google TPU與Meta MTIA等關鍵大單，Marvell未來能否擴大自身市佔仍具不確定性。Counterpoint甚至預測2027年Marvell設計服務市佔可能下滑至8%左右。
客戶集中度風險
Marvell客製ASIC業務高度依賴亞馬遜、微軟與Google等少數頭部客戶。單一客戶產品路線調整或更換供應商，均可能對業務產生顯著影響。目前Marvell已與超過20家客戶達成AI ASIC設計合作，但主要營收仍集中於核心客戶群。
獲利率穩定性
Marvell目前營業利益率約15%，主要反映其作為硬體設計服務商的傳統屬性。隨客製ASIC量產規模擴大，獲利率能否穩步提升將是市場關注重點之一。
NVIDIA GPU持續迭代的不確定性
NVIDIA GPU產品線仍在快速迭代，新一代產品效能提升或將延後部分潛在客製化晶片專案決策。AI硬體市場競爭格局仍處於動態演化中。
地緣政治與技術供應鏈風險
半導體產業鏈全球布局面臨地緣政治變數，包括出口管制、供應鏈去全球化等系統性風險。
估值風險審慎考量
Marvell 2026全年營收約82億美元，而當前市值約2500億美元等級，市場已對其未來多年成長預期進行較充分定價。AInvest近期分析亦指出，Marvell現行股價可能面臨估值壓力。任何低於預期的業績增量或訂單節奏放緩，均可能引發估值修正。
結語
Marvell 2027財年Q1財報的超預期表現，疊加黃仁勳的「一兆預言」，標誌AI客製化晶片賽道正從產業邊緣走向舞台中央。
從更宏觀角度觀察，AI運算基礎設施正經歷結構性轉型——從以NVIDIA GPU為絕對核心的單極化架構，朝向GPU訓練+ASIC推論/互聯協同的多元化架構演進。
Google TPU、亞馬遜Trainium、微軟Maia、Meta MTIA等客製化晶片集體出現，反映全球頭部雲端業者對去NVDA化的一致方向。但去NVDA化不等於取代NVDA。事實上，Marvell與NVIDIA間深度融合的資本與技術合作揭示更深層規律：AI資料中心決勝關鍵，正從算力延伸到連接。當運算叢集規模突破數十萬卡，如何將海量晶片高效互聯，其重要性不亞於每一顆晶片本身的運算能力。
在這個多極競合的新格局下，Marvell憑藉其於客製ASIC設計與高速互聯基礎設施兩端的雙重布局，正構築一條獨特護城河。這不是一條取代GPU的道路，而是一條並行於GPU、在AI基礎設施完整生態鏈中不可或缺的獨立賽道。
至於下一家一兆美元公司的預言能否成真，答案將由未來數年訂單執行力、市場份額變化與技術路線演進共同決定。但可以確定的是，客製化晶片時代的大門，已經開啟。
