上周，Marvell搞了一场分析师见面会，主要谈的就是AI。Marvell高级副总裁兼投关总监牵头，邀请了公司董事会主席兼CEO以及四个部门（ Cloud Optics、 Connectivity、Network Switching、 Products and Technology）负责人出来交流。
CEO和四个部门负责人共5人，每人都做了一场主题演讲，后面分析师提问。
整场会议内容非常饱满丰富，信息量极大
，我
单看会议纪要都花了整整一个上午三个小时
时间。
说实话，一般的人哪怕是非常专业人士，看下来也是很累的。为了更好的帮助我的读者能了解到关键信息，我
咀嚼过之后把一些关键点给highlight
出来，希望
帮助各位发现未来的投资机会
。
先看一下2023年数据中心市场规模：
-
2023年数据中心的
总资本支出约为2600亿美元
。其中一些是在建筑和基础配套设施中。因此，
硬件设备大约1970亿美元
，其中
半导体这块支出规模约为1200亿美元
；
-
将 1200 亿美元进一步细分为核心半导体（不包括模拟和存储器），去年
核心半导体数据中心支出约为 820 亿美元
。也就是说
模拟和存储这块大约380亿美元
；
-
820 亿美元进一步细分为 ：
计算半导体为最大的部分，为680亿美元
；
互联半导体40亿美元
；
交换半导体60亿美元
；
存储控制半导体40亿美
元。
-
680亿的计算半导体部分：
420亿美元为加速计算
;
260亿为通用控制计算
。
以上是数据中心半导体现状分布。
我们再来看看对未来的预测（2023-2028年5年预测）：
-
计算相关半导体从2023年的680亿美元增长至2028年的2020亿美元，
年均复合增速为24%
；
-
其中
加速计算半导体
从2023年的420亿美元增长至2028年的1720亿美元，
年复合增速为32%
；（你可以理解为GPU、XPU这些）
-
其中定制加速计算ASIC在2023年约66亿美元，份额占比加速计算16%；
-
预计2028年定制加速计算ASIC份额达到25%，即429亿美元；
-
预计
定制加速计算ASIC未来5年复合增长率为45%
，比加速计算总体复合增速32%要高10个多点。
-
需要注意的是加速计算部分也仅25%为定制ASIC即XPU（博通和marvell等），75%的大部分依然还是英伟达和AMD的GPU。
-
其中通用控制计算半导体从2023年的260亿美元增长至2028年的300亿美元，年复合增速为4%；（你可以理解为CPU）
marvell把其涉足的半导体部分（不包含GPU）按照结构分类，未来5年的复合增速总体情况如下图：
我们可以看到：
-
未来5年
加速计算半导体的复合增速最快，达到45%
；而且
规模也最大，到2028年达到429亿美元
；
-
未来5年
互联半导体的年复合增速处于第二位，达到27%
；规模在2028年达到139亿美元；
-
未来5年
交换半导体的年复合增速为15%
，2028年这块规模达到120亿美元；
-
未来5年的存储控制半导体年复合增速为7%，增速较低，不过比通用服务器CPU的4%还是要高一点。
站在Marvell自身来看，他们的目标是把市场份额从2023年的10%做到2028年的20%。为了达到这个目标，需要在互联和存储这块份额保持的条件下，扩大定制计算asic和交换芯片的市场份额。
互联是Marvell的核心技能，也是
AI从起步发展到今天最大的变数
。
因为AI的出现，
互联迭代出现了加速趋势
，包括速率和数量：
-
过去4年互联速率翻一倍，现在已经出现每2年翻一倍，
典型迭代加速；
-
AI训练是大集群，但是用量不多；未来AI推理会是小集群，但是数量会很多；
-
AI数据中心未来几年全球要投入2万亿美元，建6000个数据中心点。
-
短距离内是用铜
，协议是NVlink、PCIe、InfiniBand，所以只要看到
是NVlink那就是用铜缆链接的
。如上图：
-
AI集群内部，即
后端网络，采取infiniband或者超以太网协议，用铜缆或者光纤；
-
前端网络（看到CPU的地方）采用以太网协议，采用光纤方式传输
-
在AI训练方面的光模块数量发展趋势
-
2023年GPT-3 在 1000个GPU集群上使用大约 2,000 个光互连进行了训练。
-
2024年GPT-4 在 2.5万个GPU 集群上进行训练，GPU量扩大了 25 倍；同时需要大约 75,000 个光互连，光互连扩大了37倍
-
公司看到 十万卡集群很快推出，需要五层交换，需要 500,000 个光互连
-
正在谈论的一百万卡集群，可能需要 100 万个光互连。
在连接技术方面，不同网络层次使用的技术不相同：
-
数据中心内部，包括前端网路和后端网络，
连接距离不超过2公里，采用PAM调制方式
；
-
数据中心之间，距离一般较长，
几百公里甚至数千公里，使用相干调制；
-
光模块构成：DSP、TIA（跨阻放大器）、激光驱动器、激光发射器、激光检测器。其中marvell做的是电相关的DSP、TIA、激光驱动器。
-
大模型不单需要大集群AI训练更需要花费数月时间，如果
其中一个链接故障会影响整个训练崩溃
；
-
DSP在这里面很关键，可以起到智能、诊断、遥测、系统级智能、检查链路的质量等功能；
-
TIA和激光驱动器，因为是
高频模拟电路，所以要用锗硅BiCMOS工艺
来生产；
-
包括传统数据和AI服务器，
3到4米的距离内，还是使用铜，要么电路板要么用铜缆
