邁威爾科技

博通

智通財經APP獲悉，聚焦於大型AI數據中心定製化AI芯片(即AI ASIC)，以及作爲亞馬遜AWS Trainium系列AI ASIC最大規模合作伙伴之一的邁威爾科技(MRVL.US)於北京時間3月6日美股收盤後公佈全線超華爾街預期的業績報告與未來展望。邁威爾最新公佈的無比強勁業績與展望，疊加此前一天更大市場規模的AI ASIC霸主博通(AVGO.US)炸裂式增長的業績數據，可謂共同凸顯出隨着AI推理時代全面來襲，在存儲芯片持續強勁需求、雲端AI推理算力需求激增以及聚焦將AI大模型嵌入企業經營的“微訓練”趨勢之下，性價比更高AI ASIC算力系統對於英偉達近乎90%市場份額的AI芯片壟斷地位發起強有力衝擊。

財報數據顯示，邁威爾科技截至1月31日的 2026 財年第四季度營收約 22.2 億美元，創下歷史新高營收數據，實現同比增長超20 %，略高於華爾街分析師們平均預期的約 22.1 億美元。第四財季調整後每股收益(Non‑GAAP EPS)則爲0.80 美元，超出華爾街平均預期的約 0.79 美元，以及上年同期的0.60美元。GAAP準則下的營業利潤實現4.044億美元，意味着同比大幅增長72%，高於華爾街平均預期;同期歸屬於普通股股東的淨利潤約 3.961 億美元，意味着同比大幅增長約 97.9%。

其中， 與AI訓練/推理超級系統密切相關聯的數據中心業務爲邁威爾科技足足貢獻約16.5 億美元營收，佔總營收比例約 74%，實現同比增長約 21%，環比則在上一季度強勁基數基礎上增長9%。該公司在業績聲明中強調，其數據中心業務的訂單量正以“創紀錄的速度”增長。公佈財報後，邁威爾科技股價在美股盤後一度暴漲超15%。

市場聚焦的業績展望方面，邁威爾CEO預計本財年營收將實現同比增長層面的“進一步加速”。邁威爾科技的管理層給出的2027 財年第一季度營收指引中值約24 億美元，顯著高於分析師們平均預期約 22.7 億美元——要知道該項業績預期自1月底開始谷歌、亞馬遜、英偉達等美國超級科技巨頭們公佈強勁業績以來可謂不斷被上調，即使這樣邁威爾給出的官方展望仍然強於不斷上修後的分析師預期，足以見得全球AI ASIC技術路線的AI算力基礎設施需求究竟有多麼炸裂，邁威爾以及ASIC領域領軍者博通業績仍將處於2024年以來的“英偉達式”炸裂式增長軌跡。

該公司給出的Non-GAAP基準下調整後的每股收益區間爲0.74美元至0.84美元，區間中值顯著高於華爾街分析師平均預期，Non-GAAP毛利率預期區間則爲58.25%至59.25%，同樣高於分析師平均預期。

在邁威爾科技公佈強勁業績與未來展望的前一天，AI ASIC超級霸主博通公佈的業績數據顯示，博通總營收增至193億美元，意味着同比大幅增長29%，博通表示，在此期間的與AI密切相關聯的營收翻番，達到84億美元，增速遠快於公司此前預期，包括AI ASIC與智能手機射頻芯片等半導體業務營收的Q1半導體解決方案營收高達125.15億美元，同比大幅增長52%。

在上述的這份博通業績報告中，最爲重磅的是，博通CEO稱明年圍繞AI ASIC的“AI芯片”相關營收將突破1000億美元。博通最新的與“AI芯片”有關的1000億美元營收目標，既包括與英偉達主導的AI GPU激烈競爭的“AI ASIC算力集羣”營收，也包括AI networking 芯片產品——即高性能以太網交換機芯片營收。因此兩大ASIC領軍者博通與邁威爾業績可謂共同強化了這樣一種“AI ASIC牛市敘事邏輯”：隨着谷歌、亞馬遜以及微軟等雲計算巨頭們紛紛發起“AI算力成本革命”以加速推進AI ASIC滲透規模，推理時代的核心競爭不再只是“峯值算力”，而是每token成本、功耗、內存帶寬利用率、互連效率，以及軟硬件協同後的總擁有成本，在這些核心指標上，面向特定工作負載定製的數據流、編譯器和互連的ASIC，天然比通用GPU更容易做到高性價比。

TIPRANKS彙編的目標價顯示，在華爾街，分析師們對於邁威爾科技的AI芯片與SSD存儲芯片主控業務創收前景可謂極度樂觀——分析師共識評級“強力買入”，未來12個月平均目標股價則高達118美元，意味着股價潛在上行空間高達56%。

AI ASIC與SSD存儲主控芯片，攜手驅動邁威爾業績猛增

從當前全球AI基建建設超級浪潮的角度來看，邁威爾科技的這份強勁業績主要受益於數據中心基礎設施半導體(尤其是定製AI ASIC / 高性能通信與控制芯片 /數據中心級別eSSD存儲主控制芯片)需求的全面爆發。邁威爾科技近年來的強勁營收增長軌跡在很大程度上來自於數據中心業務，尤其是面向雲計算服務提供商們與超級計算平臺提供的AI ASIC定製化AI芯片、高帶寬網絡芯片、互連解決方案與SSD存儲控制器等產品，這類產品與AI訓練/推理平臺密不可分。其數據中心營收佔比不斷提高，且增長率顯著高於公司整體。

邁威爾科技長期以來聚焦於加速更新迭代定製化AI ASIC芯片技術、網絡處理器 (DPUs/NPUs)、SSD主控制器與高帶寬互連產品，這些產品在超大規模AI模型訓練、推理任務以及天量級別數據流存儲與處理中的需求隨着全球AI算力需求指數級擴張而迅速增長。針對超大規模數據中心客戶的定製化硅片設計不再是邊緣業務，而是全球芯片公司的核心增長引擎之一。

亞馬遜AWS官方明確將其與邁威爾聯手打造的AI ASIC算力集羣—— Trainium/Inferentia 定位爲面向生成式AI訓練與推理的專用加速器，其中Trainium2相比其AI GPU雲實例給出約30%–40%更優價格性能;而谷歌此前不久也已公開表示，Gemini 2.0 的訓練和推理100%運行在TPU上。這些說明“超大雲計算廠自研商用ASIC承接核心模型訓練/推理”已不再是概念驗證，而是在進入可複製的產業化階段。

博通與邁威爾最新公佈的強勁財報足以說明AI ASIC前所未見的強勁增長邏輯正在被“財報級證據”快速確認。席捲全球的生成式AI熱潮加快了雲計算與芯片巨頭們的AI芯片開發進程，它們正爭相爲先進的大型AI數據中心設計速度最快且能效最爲強勁的AI算力基礎設施集羣。博通及其最大競爭對手邁威爾公司主要聚焦於利用自身在高速互聯和芯片IP領域絕對優勢來攜手亞馬遜、谷歌和微軟等雲計算巨頭們共同打造出根據其AI數據中心具體需求量身定製的AI ASIC算力集羣，而這項ASIC業務已經成長爲兩家公司的一項非常重要業務，比如博通聯手谷歌所打造的TPU AI算力集羣就是一種最典型的AI ASIC技術路線。

邁威爾強勁業績，疊加全面受益於“存儲超級週期”的三大存儲芯片原廠——三星、SK海力士與美光此前公佈的業績共同凸顯出，高性能存儲控制器 / SSD主控芯片持續成爲“隱性算力”核心驅動力。在大模型訓練/推理體系中，I/O帶寬、持久存儲訪問效率與內存池互聯效率同樣約束整體訓練成本與性能，邁威爾科技的SSD主控芯片、NVMe/CXL緩存控制器以及高帶寬存儲互聯產品線正是波段需求增長的重要組成。這些高度專用控制ASIC雖不像指數級擴張的AI ASIC業務那樣顯眼，但其對超大參數AI模型的數據態處理至關重要，直接推動數據中心層級的系統效率與服務質量。

站在半導體與 AI 數據中心基礎設施的交叉分析視角，SSD存儲芯片之所以“完美卡位”AI超級大浪潮，是因爲它同時吃到訓練擴張與推理擴張兩條主線，而且它還是跨平臺、跨架構、跨生態的“通用收費站”。當AI時代從訓練主導轉向推理、Agent、長上下文、檢索增強主導時，系統對容量、帶寬、功耗效率和數據持久層的需求只會更強。AI數據中心極度依賴的存儲系統，從來不只HBM，在摩根大通等機構看來，隨着AI工作負載從訓練向推理轉移，以及HDD在近線存儲領域的供應瓶頸，聚焦於企業級存儲熱層的NVMe eSSD正迎來前所未有的結構性增長。

在人工智能數據中心無比強勁需求的推動下，DRAM/NAND系列存儲價格將繼續飆升。法國巴黎銀行(BNP PARIBAS)近日發佈研報稱，DRAM合約價在2026自然年一季度料環比大漲90%，長期以穩健價格曲線著稱的NAND則有望大幅上漲55%，而且二季度將延續自2025年下半年以來的漲價軌跡。

法巴銀行對於存儲價格的漲勢判斷並不是孤立觀點。TrendForce最近將2026年第一季度的常規DRAM合約價預期從此前預估的季增55%-60%上修到+90%至+95%(QoQ，即環比基準)、NAND Flash合約價格則大幅上修到+55%至+60% QoQ，並指出北美雲計算廠商們對enterprise SSD(即數據中心企業級SSD，eSSD) 的需求激增，推動其價格在第一日曆季度還將再擴張，有望大漲53%至58% QoQ。

隨着AI推理大浪潮席捲全球，屬於AI ASIC的黃金時代到來

邁威爾科技的首席執行官馬特·墨菲在業績聲明中表示，這家定製化芯片設計巨頭在2026財年贏得的客戶定製芯片設計訂單數量創下紀錄，他預計這種情況還將繼續。墨菲表示，由於“數據中心業務持續強勁增長”，預計本財年總體營收將實現同比增長“進一步加速”。他還補充表示，數據中心業務的預訂量正以“創紀錄的速度”加速增長。

英偉達AI GPU幾乎壟斷的AI訓練側需要更加強大的AI算力集羣通用性以及整個算力體系的快速迭代能力，而AI推理側則在前沿AI技術規模化落地後更看重單位token成本、延遲與能效。比如谷歌明確把Ironwood定位爲“爲AI推理時代而生”的TPU代際，並強調性能/能效/算力集羣性價比與可擴展性。不過亞馬遜最新的行動證明了AI ASIC可能具備訓練大模型的強大潛力。

AI ASIC算力體系無疑會在中長期持續削弱英偉達的壟斷溢價與部分市場份額，而不是線性取代GPU體系，根本的底層原因在於，推理時代的核心競爭不再只是“峯值算力”，而是每token成本、功耗、內存帶寬利用率、互連效率，以及軟硬件協同後的總擁有成本。在這類指標上，面向特定工作負載定製的數據流、編譯器和互連的ASIC，天然比通用GPU更容易做到高性價比。未來AI數據中心更可能發生的是：前沿訓練和廣義雲算力繼續由 GPU 主導，超大規模內部推理、Agent 工作流和固定高頻負載則加速轉向 ASIC，數據中心進入真正的異構算力時代。

前沿訓練時代，AI領域最需要的是通用性、軟件成熟度、快速適配新模型結構，所以GPU天然佔優;但當行業開始從“訓練稀缺”走向“推理規模化、Agent化、長上下文、低時延”時，核心KPI會從“最高峯值算力”全面轉向每token成本、每瓦吞吐、系統級 TCO。這正是 hyperscalers(雲計算超級巨頭們)ASIC集體加速的根本原因。

比如，谷歌把 Ironwood TPU 明確定義爲面向“推理時代”的最佳算力集羣，並可擴展到9,216顆芯片;微軟把新推出的AI ASIC Maia 200 直接定位爲面向雲計算推理領域的加速器，並聲稱較其現有最新一代硬件實現 30%更強勁的performance per dollar;AWS則把 Trainium3 定義爲追求“最佳token經濟學”的芯片，主打4倍以上能效提升，共同說明隨着雲計算巨頭們發起“AI算力成本革命”以推進AI ASIC滲透規模，市場對於英偉達增長前景的擔憂是正確的。