行业与公司 * **行业**：半导体行业，特别是AI算力产业链中的CPU、存储及配套芯片领域[1] * **涉及公司**：AMD、英特尔、英伟达、海光信息、澜起科技[1][2][3][12] 核心观点与论据 * **CPU在AI时代的重要性显著提升** * **供需紧张**：AMD的2026年服务器GPU已被完全预订，预计其服务器CPU业务2026年将增长至少50%以上，AI相关收入预计达140亿到150亿美元[1][2] 英特尔的数据中心CPU也接近售罄，并具备提价能力[1][2] * **技术瓶颈与战略地位**：技术分析表明，CPU已成为AGI（通用人工智能）推理的首要性能瓶颈[1][2] 英伟达与英特尔合作定制X86数据中心CPU，以深度融入AI基础设施平台[1][2] Deepseek和北大的论文也指出由CPU负责调度AGM数据库，验证了CPU在下一代AI系统中的战略地位[1][2] * **Agent AI时代进一步凸显CPU价值** * **解决延迟关键**：在Agent AI时代，解决延迟问题是关键，高并发场景下需要多核高线程数的CPU来支撑，以避免严重的上下文切换开销[5] * **任务下放与性能提升**：由于GPU供应链紧张，部分简单推理任务被下放到CPU执行[5] 经过多年迭代，当前CPU性能已足以胜任更多推理任务[5] * **CPU涨价逻辑与现状** * **核心驱动力**：当前CPU涨价并非简单的上游成本传导，而是由于Agent AI对CPU需求的直接拉动[8] * **涨价幅度**：自2026年初以来，服务器端CPU价格上涨了10%至20%，其中多核、高端产品涨幅更大且更紧缺[1][8] * **CXL技术成为解决存储瓶颈的关键** * **作用**：CXL技术通过通信手段将有限的DRAM资源连接成共享池，以解决DRAM资源紧缺问题[10] * **升级与能力提升**：CXL正从2.0升级到3.0，其可连接的AI服务器数量从几十台提升至上千台，显著增强了存储资源调度能力[1][11] * **相关公司分析与前景** * **海光信息**：同时布局CPU和DPU，其系统级优势及AI综合实力尚未被充分定价[3][12] 在国产算力大贝塔下，其GPU估值被重估，挤压了原有的CPU估值，存在较大预期差[3][12] * **澜起科技**：专注于内存配套芯片及PCIe Timer等运力解决方案[3][12] 受益于DDR5渗透率提升、存储价格上涨以及MRAM等新产品形态放量，其配套芯片需求将显著增加[12][13] 公司通过PCIe Retimer逐步过渡到Switch领域，并在CXL技术中占据重要位置，具备较大增长潜力[12][13] 其他重要内容 * **产业周期背景**：当前正处于半导体大级别产业周期，AI各环节零部件都紧缺，CPU作为系统核心和算力外延，其紧缺问题尤为迫切，这轮涨价定义了其在AI体系中的长期价值[9] * **效率优化路径**：在高并发场景下，除了增加多核多线程数，还可以通过优化算法来提升单核能力，但这需要大量工程投入[6] 短期内更实际的方法是在硬件资源允许范围内尽量增加多核多线程数，同时进行算法优化[6][7] * **全球供应影响**：CPU全球供应紧缺已成事实，中国市场作为供应体系的一部分，必然受到影响[8] 类似涨价现象在其他芯片（如Switch芯片）产业链中也有体现[8]

文章核心观点 - 人工智能基础设施正面临铜互连的物理瓶颈，向光互连转型已成为经济和性能的必然趋势 [1] - Marvell Technology通过总计约38亿美元（约270亿人民币）的两项收购，整合了光互连、CXL交换和UALink技术，旨在构建下一代AI数据中心所需的完整连接解决方案，从而在竞争中占据有利地位 [1][5][6] - 这一战略转型可能重塑AI芯片市场的竞争格局，对博通、联发科等现有领先者构成挑战 [9][12] 人工智能基础设施的转型需求 - 传统AI系统将处理器限制在单个机架内，限制了可扩展性并需要昂贵的硬件冗余 [3] - 下一代“纵向扩展架构”将数百个AI加速器分布在多个机架上，实现处理器间的直接内存访问，提高了资源利用率 [3] - 铜互连在机架间传输数据时存在显著限制：功耗约为光纤互连的两倍，传输距离短，且难以承受AI加速器接近千瓦级的功率带来的散热和经济压力 [3] - 电信号会随距离衰减，消耗过多电力，无法提供现代AI工作负载所需带宽，铜缆已成为瓶颈 [1] Marvell的连接技术战略与收购 - Marvell以约38亿美元总价收购了Celestial AI（32.5亿美元）和XConn Technologies（5.4亿美元），以解决光互连瓶颈 [1] - 公司采取三管齐下的连接策略，整合了三个互补技术层 [5] - **CXL技术**：实现内存解耦，使数据中心能跨系统共享内存，无需每台服务器安装专用高带宽内存（HBM），可重新利用DDR4内存至共享池，延长资产寿命并降低成本 [5] - **片上光互连（Celestial AI）**：其光子结构技术将光器件直接集成到处理器封装中，无需铜线进行扩展连接，每个芯片可提供16太比特/秒带宽，是当前领先机架间网络光端口容量的十倍 [3][6] - **UALink交换**：基于PCIe的开放行业标准，为AI工作负载提供低延迟、高带宽特性，使多个AI加速器能作为单一逻辑系统运行 [6] - 整合后，XConn交换机管理机架内及相邻系统间的PCIe/CXL流量，Celestial AI的光互连以纳秒级延迟扩展跨机架连接，UALink负责协调整个基础设施的通信 [6][7] 市场格局与竞争影响 - **博通**：目前在超大规模AI基础设施定制芯片领域领先，但缺乏下一代可扩展架构所需的光互连技术，若该技术成为标准，博通可能需收购或开发相关技术，否则面临设计订单流失给Marvell的风险 [9][12] - **联发科**：正向数据中心AI网络和定制加速器芯片领域扩张，但缺乏与超大规模数据中心的稳固合作关系以及像Marvell那样全面的连接产品组合，在共封装光器件领域尚无相关能力公布 [9] - **传统光学供应商**（如Coherent、Lumentum、Cisco）：专注于长距离数据中心互连，而非扩展网络所需的集成光器件，在Marvell瞄准的处理器集成光互连市场中处于不利地位 [10] - Marvell的收购使其能够提供涵盖电交换、光互连和存储器解耦的完整连接解决方案，拉大了与博通、联发科的技术差距 [9] 财务预测与市场机遇 - Marvell预计XConn在2028财年将产生约1亿美元收入，初步贡献从2027财年下半年开始 [12] - Celestial AI代表更大机遇：管理层预计其在2028财年第四季度的年化收入达5亿美元，到2029财年第四季度翻番至10亿美元 [12] - 收购包含与营收里程碑挂钩的或有付款：若Celestial AI到2029财年末累计营收超20亿美元，Marvell将向其股东支付高达22.5亿美元的股票，此结构将执行风险转移给卖方 [12] - 将光连接引入机架内部和处理器封装，为半导体供应商创造了全新的巨大芯片开发市场机遇 [12] - 博通所在的定制ASIC市场利润丰厚，即使被Marvell抢走少量市场份额，也足以促使博通进行收购 [13]

公司战略调整 - 美光科技决定退出旗下英睿达消费级业务，包括在全球主要零售商、电商平台和分销商的销售，消费渠道供应将持续至明年2月，并将继续提供保修服务与支持 [1] - 退出原因是为了改善供应，以更好地支持在数据中心和人工智能推动下增长更快领域的大型战略客户 [1] - 公司计划通过将团队成员重新部署到内部现有空缺岗位来减轻业务决策的影响 [1] 英睿达品牌背景与市场地位 - 英睿达是美光旗下仅有的消费者品牌，成立于1996年，核心业务涵盖台式机/笔记本内存条、消费级SSD、外置移动硬盘等零售类存储产品 [2] - 品牌是首家直接向消费者销售内存的公司，与三星、SK海力士、海盗船、希捷等品牌同为消费者装机的核心选择 [2] - 英睿达在技术发展史上具有领先地位，如1999年率先推出DDR内存，2013年首发DDR4内存技术，2018年其P1系列SSD以2000MB/s顺序读取速度刷新消费级SSD性能标准 [2] 存储市场动态与价格趋势 - 2025年下半年以来全球存储芯片市场迎来显著涨价潮，自九月初至今，DDR5内存2Gbx8颗粒现货价格大涨307%，DDR4 1Gbx8颗粒也有158%的涨幅 [2] - 在11月12日至11月18日期间，DDR4 1Gbx8 3200MT/s的价格涨幅达4.75% [2] - 美光退出消费级市场可能加剧短期供需紧张，推动内存条价格继续上升，其让渡的市场份额或向国产厂商及剩余国际品牌倾斜 [3] 人工智能驱动下的行业需求与公司业务重心转移 - AI产业需求爆发，AI模型训练和大数据处理需要海量高带宽、低延迟内存，单台AI服务器对DRAM的需求是普通服务器的8倍 [3] - 基于DRAM技术的高带宽内存可满足AI计算、服务器等场景对“海量数据实时流转”的需求 [3] - 美光2025财年第三季度HBM产品收入达19.8亿美元，年化收入接近80亿美元，已成为其核心利润来源 [3] - 考虑到消费级业务利润率相对较低，退出英睿达可将资源集中于利润更丰厚的数据中心与企业级市场 [3] 高端存储技术市场前景 - HBM和CXL技术等专业领域正成为存储芯片厂商的新战场 [3] - 根据美光测算，全球HBM市场规模将从2023年的40亿美元增长至2025年的250亿美元，年复合增速高达150%以上 [3] - 每台AI服务器配套的HBM容量已从传统服务器的128GB提升至1TB以上，成为AI基础设施的关键成本项 [3]