雲端巨頭為何急需ASIC？博通為何估值比NVDA還高？光通訊是Marvell重要支柱？- 深入分析第38期：Broadcom+Marvell
想像一下，你正坐在Google或Meta的基礎設施決策會議裡。桌上擺著今年剛被董事會批准的龐大資本支出（CapEx）預算：一個高達千多億美元的鉅額數字。
你的任務是建置下一個世代的 AI 叢集，規模是十萬顆運算晶片起跳。如果你選擇全部採購市面上最頂級的通用型 GPU，你會立刻撞上「金錢與能源的極限」。
在單一資料中心裡塞進十萬顆頂級 GPU，你面臨的不僅是每顆動輒數萬美元的硬體採購成本，更致命的是，你根本無法從當地的電網牽出足夠的百萬瓦（Megawatts）電力來支撐這些高功耗硬體的運作，更別提隨之而來的龐大液冷散熱需求。
這就是為什麼在 2026 年的今天，對雲端巨頭們來說，走向 Custom ASIC（客製化晶片）早已是必須的選項。
然而，當市場的鎂光燈全數聚焦在 Nvidia 身上時，多數投資人忽略了支撐這場 AI 革命的真正骨幹。
沒有極速的網路傳輸，再強大的 AI 晶片也只是無法溝通的孤島；沒有頂級的實體設計能力，巨頭們的自研晶片藍圖永遠只能停留在紙上。
這造就了兩家在 AI 基礎設施領域具備統治級地位的半導體巨頭：Broadcom（博通）與 Marvell（邁威爾）。
在這份深度產業分析報告中，我們將帶您跳脫表面的財報數字，深入 AI 硬體的底層邏輯。您將在本文中了解到：
ASIC 經濟學的底層邏輯：為什麼 CSP 巨頭寧願耗資數億美元，也要擺脫對通用 GPU 的單一依賴？
深潛核心技術護城河：白話解析 SerDes、PAM4 DSP 與光子互連技術，看懂這兩大巨頭如何壟斷 AI 數據的高速公路。
Broadcom 的雙引擎防禦力：解析執行長 Hock Tan 如何透過「半導體＋軟體」架構，打造抵禦 CapEx 週期的終極現金流機器。
Marvell 的高爆發成長飛輪：探討其如何透過「XPU Attach」戰略與光通訊霸權，滲透進所有雲端巨頭的供應鏈。
雙雄對決與投資終局推演：在壓力情境下的韌性測試，以及基於 2026/2027 年最新估值的投資邏輯拆解。
第一部：產業底層邏輯與技術深潛——為什麼 CSP 巨頭離不開他們？
第一章：ASIC 經濟學的殘酷真相——當 GPU 成為規模化的「毒藥」
市場多數人都知道 GPU 是「通才」，ASIC 是「專才」，但這在晶片底層到底意味著什麼？
1.1 剝開晶片外衣：GPU 的「暗矽（Dark Silicon）」與效能浪費
一顆頂級的通用 GPU，是人類工程史上的奇蹟，它被設計來應付全世界所有客戶的千奇百怪需求，從高頻交易、氣象模擬、科學運算，到各種類型的 AI 模型。
為了保持這種「通用性」，GPU 的裸晶（Die）上必須保留大量的電晶體，用來支援各種不同的精度格式（FP64、FP32 等）、圖形渲染管線，以及複雜的排程邏輯。
然而，當 Google 或 Meta 只是想要日復一日、年復一年地運行他們已經架構固定的 Transformer 模型（如 Gemini 或 Llama 3）時，GPU 上有越來越高比例的電晶體是完全派不上用場的。
在半導體業界，這被稱為「暗矽（Dark Silicon）」。
在 3 奈米或更先進的製程下，這些閒置的暗矽即使不運算，依然會產生漏電流（Leakage Power）。在十萬顆晶片的規模下，這些無用的電晶體每年會產生龐大的額外電力成本。
相反地，Custom ASIC 的設計哲學是「極簡與專注」。巨頭們可以大刀闊斧地砍掉所有不需要的邏輯單元，將省下來的珍貴晶片面積，全部換成 AI 運算最渴望的資源：SRAM（靜態隨機存取記憶體）與矩陣乘法單元。
這種「為單一演算法量身訂做」的架構，讓 ASIC 能在相同的功耗限制下，釋放比 GPU 高出 30% 到 50% 的吞吐量，同時將單次推論的成本（Cost per Token）壓到最低。
1.2 2026 年的市場版圖：從「推論」走向「全面接管」
如果我們檢視 2026 年的最新市場數據，會發現 ASIC 的滲透速度遠超過去幾年的華爾街預期。
根據 TrendForce 與業界機構的估算，2024 年客製化 AI ASIC 的總潛在市場（TAM）大約落在 180 億美元；但到了 2026 年，這個數字已經膨脹到 300 億至 400 億美元的規模，並預計在 2027 年出貨量比 2024 年實現三倍成長的目標。在 2026 年出貨的所有 AI 伺服器中，搭載 ASIC 的比例已經逼近 28%。
更關鍵的質變在於「應用場景的擴張」。
過去，市場普遍認為 ASIC 只適合用來做「推論（Inference）」，而高難度的「訓練（Training）」依然是 Nvidia GPU 的天下。但在 2026 年，這個界線已經被打破，以 Google 的訓練有不少也是用自家TPU。
不只是 Google，Amazon 的 Trainium、Microsoft 的 Maia，甚至連沒有自家雲端基礎設施的純 AI 實驗室（如 OpenAI 與 Anthropic），都在 2026 年確認了 Gigawatt（十億瓦）級別的客製化晶片部署計畫。
1.3 巨頭的終極算盤：奪回定價權
說到底，捨棄 GPU 轉向 ASIC，是雲端巨頭們的一場「主權保衛戰」。
當 AI 算力成為未來十年的核心基礎資源，沒有任何一家市值數兆美元的 CSP，會願意將自己核心基礎設施的毛利率與發展節奏，完全交給單一家 GPU 供應商來決定。
透過自研 ASIC，他們不僅能將硬體成本從「被動接受的零售價」轉變為「可控的製造成本」，更能將軟體生態系與底層硬體深度綁定，築起極高的客戶轉換壁壘。
然而，Google 懂演算法，Meta 懂社群數據，微軟懂作業系統。但當他們拿著完美的 AI 架構圖，轉身面對台積電 3 奈米產線上那動輒數百億個電晶體的物理極限、訊號干擾與封裝難題時，他們發現自己根本無法獨自跨越這道硬體製造的鴻溝。
這，就是 Broadcom 與 Marvell 能夠在 AI 時代建立起兆元帝國的真正起點。
第一章小結：ASIC 經濟學的殘酷真相
GPU 的效能浪費：通用 GPU 為了支援多樣化需求保留了大量「暗矽（Dark Silicon）」，在運行特定 AI 模型時會產生龐大的無謂能源耗損。
ASIC 的極簡優勢：客製化晶片專注於 SRAM 與矩陣乘法，能在相同功耗下釋放更高吞吐量，並大幅降低單次推論成本。
應用場景全面擴張：2026 年 ASIC 已打破「僅限推論」的刻板印象，全面進軍高階訓練領域，總潛在市場（TAM）上看 400 億美元。
奪回供應鏈主導權：雲端巨頭轉向 ASIC 的核心戰略，是為了將硬體成本轉為可控，並將軟體生態與底層硬體深度綁定。
第二章：巨頭為甚麼要找幫手？
Google、微軟和 Amazon 這麼有錢，市值動輒數兆美元，軟體工程師都是全世界最頂尖的天才，為什麼他們不乾脆自己把晶片做出來，還要讓 Broadcom 或 Marvell 賺走這筆豐厚的利潤？
這個問題的答案，藏在半導體產業的「物理現實」與「試錯成本」之中。
如果用一個簡單的比喻：Google 就像是一位擁有米其林三星配方的頂級主廚（懂 AI 算法與架構），他知道這道菜需要什麼樣的火候與食材。
但 Broadcom 則是那個知道如何用最高級的合金、在極端高溫下鍛造出一口「受熱絕對均勻且永不變形」的頂級鍋具工匠。
一顆現代 AI ASIC，其實只有 30-40% 是 CSP 自家設計的 AI 運算邏輯（大腦），剩下的 60-70% 全是基礎設施（管線，如 SerDes、PCIe、記憶體控制器）。
在 2026 年的 AI 晶片戰場上，硬體製造與實體設計的門檻，已經高到連科技巨頭都難以單獨跨越。
2.1 實體設計的極限挑戰：從邏輯到物理的鴻溝
雲端巨頭（Hyperscalers）的強項在於「邏輯設計」。他們非常清楚自家的 AI 模型（如 Gemini 或 Llama）需要多大的矩陣乘法單元、需要多大的 SRAM，以及資料流應該如何走最有效率。他們可以寫出完美的 RTL（暫存器傳輸級）程式碼。
但真正的挑戰，是將這些邏輯代碼轉化為台積電 3 奈米（甚至未來的 2 奈米）產線上的實體藍圖。
在 3 奈米的微觀世界裡，一顆 AI 晶片上擠著數百億、甚至上千億個電晶體。當這些電晶體同時以極高的時脈運作時，會產生嚴重的物理問題：
漏電與熱點（Thermal Hotspots）： 晶片某些區域會因為運算過於密集而產生極高溫，如果實體佈線（Floorplanning）設計不良，晶片會直接燒毀或降頻。
訊號完整性（Signal Integrity）： 在奈米級的線路中，電子訊號會互相干擾（Crosstalk）。
先進封裝的良率： 2026 年的頂級 ASIC 已經不是單一裸晶，而是依賴台積電的 CoWoS 或 3D SOIC 技術，將邏輯晶片與 HBM（高頻寬記憶體）封裝在一起。這需要極度精密的熱膨脹係數計算與應力測試。
Broadcom 與 Marvell 擁有數千名專注於「實體設計（Physical Design）」與「後端驗證」的硬體工程師。
他們知道如何把巨頭們的邏輯藍圖，完美地擺放進矽晶圓裡，並確保交給台積電製造時，能擁有極高的良率。這是一項高度依賴長期經驗累積的深層工程技術。
2.2 IP 積木與專利牆：不容試錯的造橋工程
設計一顆現代 AI 晶片，就像是用樂高積木蓋一座摩天大樓。除了核心的 AI 運算單元外，晶片還需要無數的「基礎零件」，在業界稱為 IP（矽智財）。
這些 IP 包括：讓晶片與外部溝通的 PCIe 介面、控制 HBM 的記憶體控制器，以及最重要的核心樞紐：負責超高速數據傳輸的 SerDes（我們將在下一章深入探討）。
Broadcom 與 Marvell 擁有全世界最齊全、且「已經過台積電最新製程驗證」的頂級 IP 庫。如果 Google 或 Amazon 想要完全踢開他們、從零開始自研，意味著每一塊基礎積木都要自己重新發明。
這不僅需要耗費 5 到 10 年的時間，更可怕的是「試錯成本」。在 3 奈米製程下，光是一套光罩（Mask）的成本就高達數千萬美元。
如果巨頭自己設計的記憶體控制器有瑕疵，導致整批價值數億美元的晶片報廢，損損失的不僅是金錢，更會導致錯失整整一年的 AI 部署時機。
因此，巨頭們最理性的商業決策是：專注於自己擅長的 AI 架構，然後付錢給 Broadcom 或 Marvell，直接使用他們已經驗證過、具備高度可靠性且經量產驗證的 IP 模組。
2.3 護城河拆解：Broadcom 與 Marvell 各自不可替代的理由
在深入探討底層技術之前，我們必須先釐清一個核心問題：為什麼是 Broadcom 和 Marvell？為什麼不是賣 EDA 工具的 Synopsys 或 Cadence？又為什麼不是世芯（Alchip）等較小的 ASIC 設計廠？
答案在於「規模」與「系統級的整合」。Synopsys 只賣工具不包設計；小型 ASIC 廠缺乏最頂級的自有 IP 庫與台積電的絕對優先產能。要看懂這兩大巨頭的統治力，我們可以直接對標 Nvidia：
Nvidia 的護城河是「CUDA 軟體生態 + 最強 GPU 矽 + 全棧系統（DGX + NVLink）」。
Broadcom 的護城河則是「三位一體的不可替代性」：
先進製程實體設計能力： 這不僅是硬核工程，更是「複利優勢」。每一次在台積電 3nm/2nm 的成功流片，都化為內部工程師腦中與專有 EDA 流程裡「不可轉移的機構知識」。CSP 若想自己來，得先花 5 到 10 年付出慘痛的試錯成本。
業界最完整的矽智財（IP）軍火庫： 涵蓋那 60-70% 的晶片管線。客戶找 Broadcom，等於所有基礎設施都能「隨插即用」，且保證在台積電最新製程上絕對不出錯。
交換機晶片的生態系統霸權： 這是 Broadcom 獨有的核心競爭力。他們不只做單顆 ASIC，還擁有將十萬顆晶片連成網路的 Tomahawk 交換機。他們能進行「晶片+網路」的系統級協同最佳化，這是任何對手都無法完整複製的。
Marvell 的護城河則是「光與電的翻譯者」：
PAM4 DSP 的絕對統治： 當 AI 叢集從一萬顆擴張到一百萬顆，網路晶片的需求增長速度遠大於運算晶片。每一條光纖裡的光訊號都需要 Marvell 的 DSP 來編碼解碼，這是一個比算力更強勁的結構性順風。
客製化 ASIC 的「第二選擇」優勢： 市場主動需要 Marvell 存在。沒有理性的採購長會讓 Broadcom 徹底壟斷，Marvell 是唯一具備頂級實力且能作為戰略制衡的第二供應商。
光學互連的垂直整合： 從電氣 SerDes 到 DSP 再到光學 PHY，Marvell 掌握了邁向未來 CPO/LPO 時代的最完整光電技術棧。
第二章小結：巨頭為甚麼要找幫手？
實體設計的物理鴻溝：將邏輯代碼轉化為 3 奈米實體晶片，需克服漏電、訊號干擾與先進封裝等極高難度的工程挑戰。
IP 模組的專利壁壘：Broadcom 與 Marvell 掌握經過台積電驗證的頂級 IP 庫，巨頭若自研將面臨極高的時間與試錯成本。
Broadcom 的護城河：具備先進製程實體設計的複利優勢、最完整的矽智財軍火庫，以及交換機晶片的系統級生態霸權。
Marvell 的護城河：掌握光通訊 PAM4 DSP 的絕對統治力，並作為市場制衡 Broadcom 的唯一頂級「第二選擇」。
第三章：SerDes 是什麼？為什麼它這麼重要？
在探討 AI 基礎設施時，我們常常把目光聚焦在算力有多強、晶片有多大。你可以把 Nvidia 的 GPU 或 Google 的 TPU 想像成一顆顆擁有極高智商的「天才大腦」。然而，在 2026 年動輒由十萬顆晶片組成的 AI 叢集中，如果這些天才大腦之間無法快速溝通，整體運算效能將大幅受限。
這就是 AI 時代最致命的瓶頸：頻寬（Bandwidth）。如果運算核心算得再快，但資料卻堵在晶片門口出不去，這顆昂貴的晶片就只能在原地空轉等資料。
為了解決這個問題，半導體界發展出了一項極度硬核、且專利壁壘極高的技術。它就是 Broadcom 與 Marvell 能夠稱霸兆元 AI 帝國的關鍵技術壁壘：SerDes。
3.1 數據的高速公路：為什麼我們需要 SerDes？
SerDes（發音近似 “Sir-Dees”）是 Serializer（序列器）與 Deserializer（解序列器）的合稱。簡單來說，它是數位世界裡的「高速傳送門」與「翻譯官」。
要理解它的偉大，我們必須先明白晶片內外傳輸的根本差異。
想像你要把 64 個包裹，從 A 工廠（晶片內部）送到 B 工廠（另一顆晶片或記憶體）。
並列傳輸（Parallel）： 在晶片內部，空間相對寬裕，你可以蓋 64 條平行的短馬路，讓 64 輛車同時出發。優點是一次能送很多；缺點是極度佔用實體空間（晶片邊緣的腳位有限），且馬路長度必須分毫不差，否則車子抵達時間不同，資料就會大亂。此外，線路靠得太近還會產生嚴重的電磁干擾。
序列傳輸（Serial）： 當資料要「跨出」晶片時，我們無法拉出 64 條實體銅線。這時，我們改蓋一條「超高速的高鐵隧道」，讓這 64 個包裹排成一列，以極限速度單線衝刺過去。這不僅節省了寶貴的實體空間，也不怕抵達時間不一致的問題。
然而，要把並排的資料變成單線衝刺，你需要一個極度強悍的「打包員」在起點把東西排好，以及一個聰明的「拆解員」在終點把東西完美還原。這就是 SerDes 的工作。
3.2 深入運作機制：從「一坨爛泥」中找回真相
SerDes 的運作機制，堪稱現代電子工程的奇蹟。它的工作可以拆解為三個極具挑戰的階段：
傳送端：序列化（Serialization）
晶片內部的資料是並列處理的。SerDes 的第一步，是利用一個頻率極高的「時鐘（Clock）」來指揮，將這些並列的位元（Bits）像軍隊排隊一樣，精準地塞進一條細細的傳輸線裡，化為單線訊號射出。傳輸過程：物理極限的摧殘（The Channel）
當資料以每秒幾十 GB，甚至在 2026 年達到 112G 或 224G（每秒 2,240 億個位元）的極速在銅線或電路板上狂奔時，會遭遇嚴酷的物理考驗：衰減（Attenuation）： 跑得越遠，訊號的能量就越弱。
雜訊與干擾（Noise & Crosstalk）： 旁邊的電子零件與線路會不斷干擾它。
反射（Reflection）： 訊號碰到接頭或阻抗不匹配的地方，會像水波一樣反彈回來。
經歷了這些摧殘，原本在起點方方正正、乾淨俐落的數位訊號（0 和 1），到了終點時，在示波器上看起來已經變成像「一坨爛泥」般的模糊波形。
接收端：解序列化（Deserialization）
這是 SerDes 展現真正技術壁壘的時刻。它必須從那坨爛泥中，重新辨識出誰是 0、誰是 1。時鐘資料復原（CDR, Clock Data Recovery）： 接收端沒有人告訴它節奏，它要透過複雜的演算法，從微弱的訊號變化中精準還原時脈
等化器（Equalization）： 這是 SerDes 內部的「美圖秀秀」。它會透過複雜的類比與數位電路，把模糊不清的訊號重新「拉皮、銳化」，讓 0 和 1 的邊界重新變得清晰。
還原： 最後，把排隊的資料重新拆開，還原成原本的並列資料，交給接收端的晶片處理。
3.3 技術壁壘與 224G 的極限挑戰
你可能會問，既然原理都公開了，為什麼只有少數幾家公司做的好？因為在 112G 與 224G 的極速下，遊戲規則已經改變。
為了達到這種極限傳輸速率，業界從傳統的 NRZ（PAM2） 技術進化到了 PAM4。
過去的 NRZ： 訊號只有「高」和「低」兩種電壓，代表 0 和 1。一次只能傳 1 個位元。這就像是一台只能載 1 個人的單車。
現在的 PAM4： 訊號細分為四種高度（00, 01, 10, 11）。這就像在同樣的時間內，單車變成了「雙載機車」，速度直接翻倍。
但代價是，四個電壓等級分得太細，訊號變得極度脆弱，稍微有一點點雜訊，01 就會被誤判成 10。要在一秒鐘內處理千億次這種微小差異，且保證「零失誤」，這需要深不見底的類比電路（Analog Circuit）設計功力。
更致命的是「功耗與散熱」。
SerDes 跑得越快，晶片就越燙。在一個 AI 伺服器機櫃裡，有成千上萬條 SerDes 連線在同時運作。
如果 SerDes 設計得不夠好，晶片將近一半的電力都會被浪費在「傳輸資料」上，導致真正用來「計算 AI 模型」的電力被嚴重排擠，甚至讓整台伺服器熱到當機。
3.4 雙雄的統治力：為什麼是 Broadcom 與 Marvell？
Broadcom 是業界無可爭議的「黃金標準」。 這正是我們前面提到「最完整 IP 軍火庫」護城河的核心體現。
他們的 112G 與最新的 224G SerDes IP，能在極限速度下，保持出色的「低功耗」與「高穩定性」。
當 Google 或 Meta 在設計下一代 ASIC 時，他們不敢拿價值數億美元的專案去賭其他二線廠的 SerDes，直接採用 Broadcom 經過台積電 3nm/2nm 驗證的 IP，是唯一能保證準時量產且不出錯的選擇。
Marvell 則在「光學傳輸」上具備統治力。 當資料傳輸的距離拉長（例如跨越機櫃），銅線的物理極限就會被打破，必須將電訊號轉換為光訊號。
Marvell 憑藉著其在 PAM4 DSP（數位訊號處理器）的絕對領先地位，成為了光通訊模組裡的大腦。沒有 Marvell 的 DSP，光纖裡的光訊號就無法被精準地編碼與解碼。
第三章小結：核心技術解密——SerDes
突破頻寬瓶頸：SerDes 是晶片間高速序列傳輸的核心樞紐，負責將並列數據序列化以跨越晶片邊界，並在接收端精準還原。
極限物理挑戰：在 224G 的極速下，訊號衰減與干擾極為嚴重，需要極其深厚的類比電路設計底蘊來進行時脈復原與訊號等化。
PAM4 技術的代價：為提升傳輸率採用的 PAM4 技術使訊號變得極度脆弱，且高速運作伴隨嚴重的功耗與散熱問題。
雙雄的技術統治力：Broadcom 在銅線 SerDes IP 具備低功耗與高穩定性的黃金標準；Marvell 則將此技術延伸至光纖，稱霸光通訊 DSP。
第四章：從 SerDes 到產品霸權——Broadcom 的交換機帝國與 Marvell 的光通訊統治
在上一章，我們深入了 SerDes 的微觀世界，看見了它如何在一秒鐘內處理千億次訊號、從「一坨爛泥」中還原出精確的數位真相。
但技術本身不會變成護城河。真正讓 Broadcom 與 Marvell 在 AI 時代建立起兆元帝國的，是他們如何將這項「根源技術」，延伸成對手無法複製的完整產品生態。
4.1 Broadcom 的 Tomahawk：當 SerDes 變成「十萬顆晶片的交通總指揮」
在 2026 年的超大規模 AI 叢集中，十萬顆運算晶片必須像一支紀律嚴明的軍隊般同步運作。每一顆晶片算出來的結果，都必須在極短的時間內傳送給其他所有晶片。如果網路出現哪怕一瞬間的壅塞或延遲，數千顆晶片就會在那裡空轉等資料——每一秒的閒置，都是數萬美元的電費在燒。
負責指揮這場數據交通的核心元件，就是交換機晶片（Switch ASIC）。而 Broadcom 的 Tomahawk 系列，是這個領域無可爭議的王者。
Tomahawk 的統治力從何而來？答案就藏在上一章的技術裡。
打開 Broadcom 最新的 Tomahawk 6 交換機晶片，你會發現它的內部塞滿了數百條自家最頂級的 224G SerDes 通道。
正是這些 SerDes 的極限速度與超低功耗，讓 Tomahawk 6 能夠實現驚人的 102.4 Tb/s 總吞吐量，相當於每秒能搬運超過一千萬部高畫質電影的數據量。
但 Tomahawk 的護城河，遠不只是「跑得快」。
真正讓對手無法複製的核心競爭力，是 Broadcom 獨有的「晶片＋網路」垂直整合。請想像這個場景：當 Google 找 Broadcom 設計下一代 TPU 時，這顆客製化 ASIC 裡面用的是 Broadcom 的 SerDes IP；而當這顆 TPU 需要透過網路與其他十萬顆 TPU 溝通時，負責轉發數據的交換機裡，裝的也是同一家 Broadcom 設計的 SerDes。
這意味著什麼？從晶片的內部到晶片之間的網路，整條數據高速公路的「引擎」都是同一個工程師團隊調校出來的。
Broadcom 能夠在系統層級進行端對端的協同最佳化——調整 ASIC 端的傳輸參數，讓它完美匹配交換機端的接收特性，反之亦然。
這種跨越「運算」與「網路」的系統級整合能力，是任何只做 SerDes IP 授權（如 Alphawave）、或只做 EDA 工具（如 Synopsys）的公司，根本無法觸及的維度。
在通訊協定的選擇上，2026 年的大趨勢已經非常明確：由 Broadcom、微軟、Meta、AMD 等巨頭主導的「超級乙太網聯盟（UEC）」在 2025 到 2026 年取得了決定性進展，讓開放的乙太網路（Ethernet）成為主流。簡單來說，沒有任何一家市值數兆美元的雲端巨頭，願意讓自己核心基礎設施的網路層也被 Nvidia 一家壟斷。而 Broadcom 的 Tomahawk，正是這場「開放陣營逆襲」中最大的軍火供應商。
值得注意的是，Nvidia 並非坐以待斃。其 Spectrum-X 平台正試圖將 InfiniBand 的軟體定義優勢移植到乙太網路上，同時透過 NVLink 的持續升級將叢集內互聯的頻寬天花板不斷拉高。如果 Nvidia 成功讓客戶在乙太網路上也離不開其軟體堆疊，Broadcom 在網路層的結構性優勢將面臨比本文所描述的更大壓力。
4.2 Marvell 的光通訊統治：當銅線走到盡頭
Broadcom 用 SerDes 征服了交換機的世界，但這個世界有一個物理極限：銅線傳不遠。
在上一章我們提到，當 SerDes 的速度飆升到每通道 224G 時，電子訊號在銅線中遭受的衰減、干擾與反射變得極其劇烈。
在這個極速下，銅線的有效傳輸距離已經縮短到不到一公尺。這意味著，只要兩台伺服器稍微離得遠一點——跨越機櫃、跨越機房——銅線就徹底失效了。
在十萬顆晶片的 AI 工廠裡，不可能把所有伺服器都擠在一公尺的範圍內。當數據必須跨越數十公尺甚至數公里時，唯一的解法就是把電變成光。
光通訊模組的作用，就是在伺服器的出口，把晶片算出來的電子訊號轉換成雷射光訊號，透過光纖射到另一端的機櫃，然後再把光轉換回電。光不受電磁干擾，傳輸距離可以長達數公里，且頻寬潛力遠大於銅線。
而在這個「光與電的翻譯」過程中，需要一顆極度複雜的晶片來處理訊號的編碼、等化與復原——這就是 PAM4 DSP（數位訊號處理器）。
如果你理解了上一章 SerDes 的運作原理，那麼理解 Marvell 的 PAM4 DSP 就非常直覺：它本質上就是「光纖版的 SerDes」。 差別只在於，傳輸的媒介從銅線變成了光纖，而訊號的載體從電子變成了光子。
正是這種在高速訊號處理上數十年的技術累積（主要源自 Marvell 對 Inphi 的關鍵收購），讓 Marvell 在 800G 光模組的 DSP 市場中握有高達 70% 到 80% 的統治級市佔率。到了 2026 年，他們更是市場上第一家量產 1.6T（採用 2 奈米製程）相干 DSP 的廠商，成功打入美國全部五大雲端巨頭的供應鏈。
這個市場有多大？根據最新的產業數據，800G 與 1.6T 光模組在 AI 叢集中的滲透率，預計在 2026 年將突破 60%（相較於 2024 年的不到 20%）。這是一條幾近垂直的爆發曲線——而 Marvell 的 DSP，就坐在這條曲線的正中央收取「過路費」。
4.3 同一個引擎，兩座帝國
讓我們退後一步，重新審視 Broadcom 與 Marvell 的技術護城河全貌。
SerDes 是兩家公司所有產品線的共同技術根源。 但如果你只看到 SerDes，就會低估他們的統治力。真正讓對手無法複製的，是他們各自將這個根源延伸成了完整的產品生態系統：
Broadcom 從 SerDes 出發，向上延伸成了 Tomahawk 交換機的生態霸權，向下延伸成了客製化 ASIC 的全套統包服務。
當一家雲端巨頭選擇了 Broadcom，它買到的不只是一條 SerDes 通道，而是從運算晶片到網路骨幹的系統級整合——這是一個一旦嵌入就極難拔除的飛輪。
Marvell 從 SerDes 出發，將同樣的訊號處理能力投射到光纖的世界，成為了光通訊模組裡不可或缺的大腦。
隨著 AI 叢集從一萬顆擴張到一百萬顆，光纖的需求增長速度遠大於運算晶片本身——每一條新增的光纖，都需要 Marvell 的 DSP 來編碼與解碼。這是一個比算力更強勁的結構性順風。
理解了這些底層的硬核技術與產品護城河後，我們終於可以進入真正的重頭戲：Broadcom 和 Marvell，究竟是如何將這些技術優勢，轉化為華爾街眼中難以撼動的商業帝國與無敵的現金流？
第四章小結：從 SerDes 到產品霸權
Broadcom 的交換機帝國：Tomahawk 系列透過內建頂級 SerDes 實現超高吞吐量，並具備「晶片＋網路」的端對端協同最佳化能力。
開放網路的逆襲：由 Broadcom 等主導的超級乙太網聯盟（UEC）在 2026 年迅速擴張，打破 Nvidia InfiniBand 的封閉壟斷。
Marvell 的光通訊統治：當銅線傳輸距離受限，Marvell 憑藉 PAM4 DSP 成為光電轉換的核心大腦，在 800G/1.6T 市場佔據絕對領先。
同源技術的生態延伸：SerDes 技術根源分別被 Broadcom 轉化為網路骨幹與 ASIC 統包服務，被 Marvell 轉化為光通訊與互連霸權。
第二部：Broadcom (AVGO)——無情的併購機器與半導體帝國
在矽谷，大多數的科技巨頭都喜歡談論「改變世界」、「顛覆未來」這類充滿理想主義的願景。但 Broadcom（博通）不同。
這家公司的文化裡沒有太多浪漫的矽谷情懷，取而代之的是華爾街式的冷酷、精準與極致的財務紀律。如果說 Nvidia 是一家由技術狂熱者驅動的創新引擎，那麼 Broadcom 就是一家由頂尖財務工程師與併購大師打造的「極高效率獲利引擎」。
在 2026 年的今天，當我們談論 AI 基礎設施時，Broadcom 已經是與 Nvidia 齊名的雙頭壟斷者。但要理解 Broadcom 為什麼能享有如此高的估值與市場地位，我們必須先理解這座帝國的建立者，以及他那套在科技界前所未見的商業哲學。
Keep reading with a 7-day free trial
Subscribe to FOMO研究院電子報 to keep reading this post and get 7 days of free access to the full post archives.