Marvell Tech 觉得这条很赞
保存的原文
X 阅读
按原发时间浏览 · 时间显示为 Toronto 当地时间
保存说明:除条目另有标注外,正文尚未人工核对 · 图片未保存 · 引用或对话上下文可能不完整。
华尔街对 AI 的奖惩逻辑拐点已经出现了,99% 的人还没有发觉。
过去一年半,华尔街对科技巨头的巨额开支有个心照不宣的套路:钱是确定花出去的,回报是不确定的,所以每次不论谁上调开支都先跌为敬。
这个季度发生了第一次转变,我认为四大云厂商的拐点就要到了
$AMZN 单日跳涨 15%。Andy Jassy在这次电话会上,说出了华尔街一直在等的:
服务器和网络设备,平均不到三年就能收回投资;而AI 产能的客户合同大多签在五年以上,也就是说设备回本之后还有两三年在净赚;至于机房本身,能用三十年以上,换五六代服务器,地和楼的钱只用花一次
$GOOG $MSFT 同理。这也是为什么,我原因再给 $ORCL 更多的时间和耐心,尽管它可能再次让人失望
AI 算力工厂一直是我布局的一个重点赛道,云厂商更是。正如我这边也分享过无数遍的,打压资本开支的公司和打压 AI 半导体的逻辑无法同时存在。这是市场交易的严重错误
保存的原文 · 长文
翻译:$MRVL 在 AI 推理的当下扮演着更重要的角色:万卡GPU集群的调度, KV cache互联, MoE模型激活方式等等
互联已经不再是一个可以被忽视的因素了
互联会越来越快,走向光。这对于企业来说,是 GPU、HBM 利用率的提升,能有效降低推理成本,会变成真金白银的收入,谁不想要?
我真说不出来市场上有比这个还确定的技术路线了 @MarvellTech 爱看你的帖子,请你多发
为了表示我的热忱,今天又加了一些,以表敬意
保存的原文
这是唯一社媒公开的顶级买方策略分享指南
如何作为一个成熟的投资者,不是看对了,但死在半路上。
不要等着杠杆跳楼了或者历史性暴涨前一夜被强制平仓。
投资首先想的不是挣钱,更不是挣快钱,而是不亏钱。
我能今天经历过至少3轮大的周期波动下的投资体验的分享,首先证明自己能活下来。
推特上懂半导体技术人很多,懂供应链的很多,懂企业管理很多,懂财务估值很多,懂宏观更多,懂trading量化少点。
但能把上面都融合,但真管钱的买方,产学研融合,还愿意分享的在推特上,你告诉我,还有谁?我也想学习。帮助大家不被满大街卖方投行报告忽悠追涨杀跌。
我发布的内容99%都是免费分享而且都是有一贯严密论证,以及超越市场共识的创新的思考,包括技术动态解读分析预测。从认知差到现实资本市场反应都有足够领先的超额收益存在。
这些都是穿越时间的玫瑰。我公开分享大家珍惜,不说黄推下面“一路好人一生平安” 也都是能各取所需,财富自由。
订阅只是更颗粒度分析 认知门槛 杜绝很多财经号切片白嫖而已。下面详细的指南,让你们如何更好利用资源。
不能幻想花个订阅费,我能买个发财致富的点位和秘籍,告诉你,你也不敢买,更不知道什么时候卖。
保存的原文 · 长文
(更新图表) 这个鬼故事还是成真了...
6月的M1和M2比之前预估的要差不少,下半年M1和M2也够呛,除非货币政策发力😮💨
保存的原文
6 月一整个月不太好过。我发了许多条心理按摩,也解读了若干条市场逻辑的错误,甚至公开了自己部分的操作,例如,Meta 算力过剩时候的抄底,以及 AMAT、KLA,我的思考、埋伏逻辑以及卖出的时间点。
口说无凭,6 月持仓截图附上
说实在话,我并不认为自己是一个交易高手,可能只是运气稍好。但我是一个行业分析高手,是的,我不只分析,并且真金白银地进行交易。发帖子的背后,都是我真实的思考路径和逻辑
我做的可能比大部分普通人好一点的,就是对 AI 理解更深。AI是我的本职工作,每天我沉浸式使用 AI,8 到 10 个小时以上
在硅谷摸爬滚打多年,从刚毕业在 Meta 做 inference,到现在一线大厂带领自己的 AI大模型推理团队数十人,手握每年百万 AI 资源预算,每天和 AI 瓶颈和技术难题打交道。这让我作为技术从业者,比普通人看得更远、更深入,更知道一件事情是不是泡沫
看懂再投,这是我的策略。看不懂就等,这让我在下跌时心态更加稳定,能够冷静、快、准、狠地做出对应操作,动作不变形,此外,我有严格的现金和主仓位比例纪律加持
过段时间想统计一下,大家在投资的过程中,觉得最难的地方究竟是什么?
是心态、技术形态、基本面的把握,还是止盈策略?
我希望能收集到大家的痛点,之后把我的经验更好地分享出来。以及大家希望我怎么分享呢?通过群组、X 还是自建网站,亦或是邮箱推送?
投资最难的,其实是克服人性,策略其实有章可循。评论区、WhatsApp 还有冒充我的号的人,百分之百都是骗子。我不会私自联系大家喊单、带单
保存的原文 · 长文
下跌期间的痛苦来源于:你在向市场要确定性,而市场只出售两样东西:赔率和时间
明白自己在买什么、为什么买是非常重要的。大部分人都没有搞懂,因此赚钱的是少部分人
永远保有纪律,永远保留 40% 现金仓位。慢慢变富是投资者最大的敌人
我承认不知道“底”在哪,这是刻在我脑子里的纪律。我能确保的是在真正底部出现的时候,我还在牌桌上,还有子弹,还有执行力和纪律
今天价格不错,情绪也比较低迷,普遍都在唱空。我继续入场 $MRVL $ORCL 等等我看好的 ai 价值,按照纪律,依然是分批结合 sell put 和 short call。有朋友希望能同步看到我的全部持仓和每天的操作吗?
最近我在考虑怎么样分享出来。不过,每个人的信仰、入场时间、利润点都不同,担心大家盲目抄作业反而会吃亏
请注意评论区的 WhatsApp 都是骗人的。我在 X 只有这一个号
保存的原文 · 长文
如果最近被市场和机构反复忽悠得有点迷失了,如果甚至怀疑 AI是不是真的需要存储? 真的很推荐两周之前的这篇文章,是给价值投资者看的
“内存为王”,永远缺存储,股价会一直涨。这个逻辑其实是不完全正确还是这句话:存储在征税,存储是一堵墙,大家都想打破它
存储是不是会反弹?在急跌之后,值得关注。同样,也值得我们认真去布局打破“内存墙”的几条路线。许多玩家自身 AI infra 属性随着存储和半导体板块一起被错杀了
昨天我长文拆解了 CXL 这条主线。后续我会继续拆解其他的主线和关键结构
再等等,再等些时间,我们再来回看这条逻辑
保存的原文
现在市场上存储 ($MU, $SNDK, $WDC) 下跌的逻辑和互联网的逻辑($MRVL $ALAB) 不完全一样,要区分开。大部分人恐惧、想逃走的时候,我在其中再次看到了市场的逻辑漏洞,以及对应的长期机会
首先说一下为什么二者价格关联性达到了前所未有的水平。
据我了解,很多机构把存储和互联放到一个高贝塔(Beta)因子里,因此一个卖出或者调仓会带着另一个一起机械卖出
我从 HBM, cHBM看到了什么机会
那问题来了,如果说存储是一个周期性行业,首先我觉得按照现在的情况来看,说的没错,存储都在扩产,大厂都想打破“内存墙”。没什么门槛的存储,只要扩产了,谁都可以造。
短期涨太多了,需要杀杀估值,不然就成了华尔街喊估值倍数的游乐场——喊一句,拔高一截,完全脱离了常态。但我认为长期市场再次判断错误了。
当市场把存储已经渐渐深入了芯片定制化和 Co-design 过程(从 Anthropi、OpenAI 和存储直接合作,以及 GPU 跟存储直接合作来看),现在市场上很多人还是在讨论普通的 DRAM,但HBM, cHBM已经改变了这个普通的竞争格局,不再是谁建都可以、谁扩产都可以的阶段(下篇 article 长文,我会详细带大家走进存储真正的护城河)
市场情绪更为悲观、集体悲观情绪到达底部后,存储回归正常价值,我会持续地买入
互联下跌是不是真的符合逻辑?
逻辑上没问题,整个半导体情绪减缓,一起下跌。
但坦白讲,我没有看到任何新的业绩预警、下调指引或客户取消订单,也没有人喊互联是周期性产品。相反,互联是提高算力、榨干存储的关键路径。
资金只是在卖出拥挤的 AI 硬件和互联仓位
我的逻辑是会采用期权做保护,吃到下跌的红利,但我的正股当前还没有任何的调整,除非我真的看到了类似存储的周期见顶
请注意下面的 WhatsApp、账单都是诈骗,请保护好自己。
最后我也想问大家一句:投资是一个长期的过程。如果你问我一年之后会怎么样,我告诉你大概率会涨。那面对今天的下跌,如果告诉你明天买入之后可能还会继续下跌,你还会选择买入吗?
保存的原文 · 长文
我base 在硅谷,在一线大厂带领AI 推理团队。我们的目标是从硅谷一线视角,顺着 AI 瓶颈寻找下一个投资机会。这篇文章走访了英伟达、Marvell、Astera Labs Inc的核心工程师,带大家拆解硅谷最近很火的CXL
瓶颈在哪里, 赚钱机会就在哪里, 近期是见证存储风向的关键时期。这篇承接上文,继续拆解打破内存墙的重要路径,也是争议最大的一条:CXL。看完后你会彻底心中有数
1994 年 12 月,弗吉尼亚大学的 William Wulf 和 Sally McKee 写了一篇只有几页的论文,题目叫 《Hitting the Memory Wall》。它后来在 1995 年 3 月正式发表。
那时还没有 ChatGPT,也没有今天这种由许多服务器组成、动辄使用几万张 AI 计算芯片(GPU)的集群。两位作者担心的是一件更基础的事:处理器越来越快,内存却没有以同样速度进步。长此以往,芯片会把大量时间花在“等数据”上。计算能力再强,整台机器也跑不快。
他们把这堵看不见的墙叫作 Memory Wall,也就是内存墙。
三十年后,经典内存墙仍然存在:芯片依旧会因为等数据而停下来。AI 又在它旁边加了一堵新墙:需要保存的数据越来越多,最快的内存既贵又装不下。
Meta 在 ISCA 2026(计算机体系结构顶会)上发表《Vistara: Making CXL Real》,Meta 服务器整机寿命 3–5 年,但内存能用 7–10 年;而它约 40% 的机队没法再加内存——所以才去「捡」退役 DDR4,使用的就是 CXL
我上一篇写了行业绕过内存墙的几条路线。这一篇只讲其中争议最大的一条:CXL。
2024 年,它一度被判定“不适合 AI”。今天,Meta、微软和一批芯片公司却开始把真实程序、产品和收购资金压到这条路上。
一、先别背缩写:把这些名词放回一台服务器
如果这些名词对你来说都是第一次见,先看它们在机器里的位置。服务器可以理解为数据中心里的一台高性能电脑,里面有负责计算的芯片,也有负责临时保存数据的内存。
CPU 是通用处理器,负责运行操作系统、安排任务,也处理各种日常计算。
GPU 原本用来处理图形,如今很擅长同时完成大量相似计算,所以成为训练和运行 AI 模型的主力芯片。
DRAM 是一种内存技术。我们常说的 DDR4、DDR5,就是它的不同代际,类似同一类产品的上一代和新一代。
主机内存 说的不是另一种材料,而是位置和用途:它通常指安装在 CPU 旁边、供整台服务器使用的 DDR/DRAM。也就是说,DRAM 回答“它是什么”,主机内存回答“它装在哪里、主要给谁用”。
HBM 的全称是高带宽内存。它本质上也属于 DRAM,但采用更紧凑的堆叠方式,放在 GPU 身边。它每秒能送出更多数据,所以很快,也很贵。这里的“带宽”,可以简单理解为一秒钟能搬多少数据。
PCIe 是服务器里常见的高速连接。GPU、网卡(让服务器接入网络的设备)和 SSD(用来长期保存数据的固态硬盘),都可以通过它与 CPU 交换数据。
CXL 不是一种新内存,而是一套建立在 PCIe 之上的通信规则。中间的 CXL 控制器负责翻译两边的指令,让 CPU 能用接近本机内存的方式读写外接 DRAM。
Fabric 原意是“织物”。在这里,它指很多 CXL 连接和交换机织成的一张网络。交换机就像数据通路的路口,多台服务器通过它们连接一组共享内存,就不必让每台机器都提前装满内存。
后文还会出现 链路、互连和专用通道。这几个词都在说设备之间传送数据的路径。“专用”表示它主要服务某类设备或任务,例如 NVLink 主要让 GPU 之间高速交换数据;CXL 解决的是外部内存怎样接入服务器。两者不是同一条路。
如果把 PCIe 看作已经铺好的道路,CXL 就是让“内存数据”可以在这条路上通行的一套规则;CXL Fabric 则是道路、路口和调度系统连成的一张网。
这张图还有一条很重要的边界:目前公开落地的 CXL 产品,大多先扩展 CPU 一侧的主机内存,并不等于直接给 GPU 身边的 HBM 扩容。
从速度和容量看,一台 AI 服务器里的数据通常会被分层:最常读取、最怕等待的数据放在 HBM;其次是 CPU 旁边的本地 DRAM;不必立刻读取的数据可以放进 CXL 接入的外部 DRAM;很少使用的数据才会落到 SSD。
如果只记一句话,可以这样理解:HBM 主要追求快,CXL 主要追求多和省。 不是所有数据都要一直占着最贵、最快的位置。
二、内存墙,正在变成一张越来越贵的账单
AI 有两个主要阶段。训练,是把大量资料喂给模型,让它学会规律;推理,是模型学成以后,开始回答用户的问题。
训练时,GPU 之间要持续高速交换数据,速度最重要。到了推理阶段,容量开始变得同样重要。
模型为了记住刚才聊过什么,会在内存里保存一份临时笔记,这就是 KV cache。对话越长、同时服务的人越多,这份笔记就越大。具体大小取决于模型、上下文长度和同时处理的请求数;多条长对话一起运行时,占用几十 GB 并不罕见。GB 是容量单位,1 TB 大约等于 1,000 GB。
最常访问的内容仍然要放在 HBM。但已经看过、短期内不常使用、之后又可能被叫回来的内容,需要一个容量更大、成本更低的位置。
所以,今天的 AI 同时面对两种内存压力:数据送得不够快,以及容量不够、成本太高。
SemiAnalysis 的估算称,hyperscaler,也就是建设超大规模数据中心的云厂商整体,内存支出在 2023 至 2024 年约占资本开支的 8%,到 2026 年可能接近 30%。这里的资本开支,就是它们建设数据中心、购买服务器和芯片的钱。
这不是各家公司按同一口径披露的精确预算,只能当作方向参考。但从 8% 到 30%,足以说明内存已经从服务器中的一个部件,变成管理层必须单独盯住的大额支出。相信各位在 $MU $SNDK 就能看出来
另一组数字来自微软 Azure。
CPU 内部有许多可以同时执行任务的计算单元,这些单元叫作 CPU 核心。如果一台云服务器的核心先被客户租完,剩余内存即使闲着,也不能自动挪给另一台服务器。微软追踪 100 个通用生产集群、共 75 天的数据后发现,在个别高利用率集群中,被困在原服务器里的 DRAM 比例超过 30%。论文的成本模型还假设,DRAM 约占未采用内存池的服务器总成本一半。
这两个数字不能直接相加。超过 30% 是少数异常点观察到的闲置比例;50% 是论文为了计算成本采用的模型假设。它们共同说明了一个现实问题:一种很贵的部件,可能同时有相当一部分无法被别的机器使用。
内存便宜时,这种浪费还能忍。内存又贵又缺时,让几台服务器共享一组内存,以及回收旧内存,就有了经济意义。
三、CXL 当年为什么会被“判死刑”
2024 年唱空 CXL,并不荒唐。2026 年,你该重新重视起来
当时 AI 基础设施的中心任务是训练大模型。成千上万张 GPU 必须持续交换数据,任何一段连接变慢,整组机器都可能停下来等。
买方最关心的是 GPU 之间的极限速度。英伟达 NVLink 这样的 GPU 专用连接,以及 InfiniBand、高速以太网这类数据中心网络,都在解决这类问题。CXL 做的却是把外部内存接进服务器,它并不是为 GPU 之间的最高带宽而生。
2024 年 3 月,SemiAnalysis 直接写下《CXL Is Dead in the AI Era》。它当时认为,芯片能够接出多少高速通道、能给这些通道分配多少电力,都是有限的。如果这些资源优先给 NVLink 等更快的 GPU 连接,留给 CXL 的空间就会变少。
更现实的问题是,整套配套也没准备好。CPU 能识别 CXL 还不够;安装芯片的主板、开机时运行的软件、操作系统和 CXL 内存卡必须彼此兼容。卖方很积极,真正掏钱建设 AI 集群的买方却不急。
所以,当时真正的问题是:CXL 能不能成为 GPU 之间、服务器之间的主要数据通道。到今天,答案仍然是否定的。CXL 的任务是扩展内存,不是取代 GPU 高速连接。
四、它不是突然翻案,而是终于遇到适合自己的问题
CXL 重新回到视野,背后有三处变化。
第一处变化:AI 从集中训练走向持续推理
训练更看重速度。推理除了速度,还要计算每次回答占用多少内存、能同时服务多少用户,以及每次回答的成本。
CXL 外接内存比 HBM 慢,但通常比 SSD 快得多,而且 CPU 可以按内存方式读写。只要软件能分清哪些数据急着用、哪些可以晚一点取,它就能把后一类数据放到 CXL 内存中。
目前公开部署主要扩展 CPU 的主机内存。KV cache 能否从 HBM 移到 CXL,还取决于 GPU 如何访问这部分内存,以及软件能否自动安排数据位置。插上一张 CXL 卡,并不会自动完成这些工作。
第二处变化:旧内存开始值得被重新利用
目前公开资料中,Meta 的 Vistara 提供了最完整的一组生产部署数据。
Meta 没有发明新的内存。它把退役服务器里的 DDR4 拆下来,通过自研 CXL 芯片接到使用新一代 DDR5 的服务器上。操作系统再负责判断:频繁访问的数据留在本地 DDR5,不常访问的数据放到外接 DDR4。
按 Meta 的 Vistara 论文,公司约 40% 的服务器会先碰到内存容量上限;在论文采用的全生命周期模型中,DRAM 内存条占服务器各部件碳排放的 69%;内存条通常能用 7 到 10 年,而服务器大约 3 到 5 年就会更新。
这意味着,服务器退役时,里面的内存往往还没有到寿命终点。
Vistara 已进入 Meta 的生产系统,用于 AI 推理、数据处理、数据库和软件编译测试。在部分把计算与内存分开部署的 AI 服务中,它最多减少 25% 的服务器。在分布式缓存场景中,因为更多数据可以留在本机,不必通过网络去其他服务器读取,平均访问延迟反而降低了 29%。
这里要说清楚:论文称 Vistara 进入了一个拥有数百万台服务器的基础设施,并不是说 Meta 已经部署了数百万台 Vistara。
代价也写在论文里。在 Meta 这套配置中,CXL 扩展内存的带宽约为本地内存的十分之一,访问一次数据要等待的时间高约 60%,多出约 150 纳秒。(纳秒是十亿分之一秒,在芯片世界里已经足以拉开明显差距)。这不是所有 CXL 产品的固定表现,但说明 CXL 内存不能随便放数据。Meta 只把不急着读取的内容放进去,把常用数据继续留在本地内存。
Vistara 难在芯片和软件必须一起做。软件要持续判断哪些数据常用、哪些数据暂时不用,再把它们放到合适的位置。不适合的程序,系统就直接关闭外接内存。
幸运的是,如果你了解最近软件的动向,你会发现各家厂商都在朝着 KV cache offload 发力,我本人从事 AI 推理,这点看的很清楚。
第三处变化:底层连接变快,买方开始测试
2025 年 11 月,微软把采用 CXL 内存的 M-series 云服务器放入定向预览,只向部分客户开放测试。Astera Labs 的 Leo CXL 2.0 控制器单颗最多可以连接 2 TB 内存,官方称可把服务器内存容量提高到原来的 1.5 倍以上。
这还不是全面商用,但已经从“听产品介绍”走到“让客户把真实程序放上去跑”。Azure 与 Astera 的定向预览 说明 CXL 已从实验室测试进入客户验证,距离全面开放仍有一段路。
同月,CXL 4.0 规范正式发布,把每条通道的最高信号传输速率从每秒 640 亿次提高到 1,280 亿次,也就是从 64 GT/s 提高到 128 GT/s。新规范还允许把多个端口组合使用,并加强内存的纠错和故障处理。标准升级不代表收入马上出现,但至少说明处理器厂商、云厂商和芯片公司仍在投入兼容工作。
五、CXL 会先变成什么生意
CXL 的愿景很大,但商业化不会一步到位。
直连扩容:先给一台服务器加内存
一台服务器接上一张 CXL 内存卡,就能绕过服务器内部有限的内存条插槽,继续增加容量。目前公开可见的部署和产品,主要集中在这一层。
内存池化:让几台服务器共用一组内存
多台服务器通过 CXL 交换机连接一组外部内存。交换机可以理解为数据通路的路口,软件则决定哪台机器在什么时候拿多少容量。
微软的研究认为,小规模池化可以减少相当一部分 DRAM 浪费;但池子越大,连接层级、等待时间和硬件成本也会上升。共享并不是免费午餐。
CXL Fabric:把共享范围拉到更多机架
机架是数据中心里摆放多台服务器的柜子。当多个机架中的服务器、交换机和内存池连成一张更大的 CXL 网络,就进入 Fabric 阶段。内存不再固定属于某一台机器,而可以在更大范围内分配。
目前最稳妥的判断是:直连扩容已经出现生产部署,Meta Vistara 是明确案例;池化正在验证,跨机架 Fabric 仍是远期方向。
六、CXL 不会替代 HBM,也不会替代 NVLink
很多人一听 CXL 重新受到关注,马上问:HBM 会不会被替代?
我的答案是:不会,至少这不是 CXL 当前的任务。
HBM 位于 GPU 身边,负责最常被读取、最怕等待的数据。CXL 目前更适合扩展 CPU 一侧的容量,存放对等待时间不那么敏感的数据。两者不是同一种产品,也不在同一个位置。
如果未来的平台能稳定地把部分 KV cache 等不急着读取的数据,从 HBM 移到较慢、较便宜的内存层,新增推理业务对 HBM 的需求可能不会与推理总量同步增长。但这仍是推论;现有商业数据还没有证明 CXL 会明显削弱 HBM 需求。推理总量继续扩大时,两者完全可能一起增长。
NVLink 的边界也很清楚。它负责 GPU 之间的高速数据交换;CXL 负责外部内存如何接入、扩容和共享。
所以我不会问“CXL 能不能打败 HBM”。更准确的问题是:哪些数据必须留在 HBM,哪些数据可以放到更便宜的内存层。
七、这条链上的钱,会按什么顺序出现
目前更接近商业化的是 CXL 控制器,但厂商普遍没有单独披露这部分收入。
Astera Labs 的 Leo、Marvell 的 Structera X、澜起科技的 MXC,都在做这颗“翻译芯片”。每张扩展卡都需要它,速度、稳定性、压缩能力和平台兼容也会拉开产品差异。因此,控制器比单纯组装内存条更有机会保留利润。
下一层是 CXL 内存模组。三星的 CMM-D、美光的 CZ120、SK 海力士的 CXL 模组,都是把控制器和 DRAM 做成可插入服务器的产品。对内存厂来说,这是新的 DRAM 出货入口,但未必自动变成全新的高利润市场。
当直连走向池化,CXL 交换机 开始重要。它把多台服务器和多组内存连起来,还要处理访问顺序、故障和不同客户之间的隔离。这个市场仍早,验证周期也会比单机扩容更长。
硬件接上以后,还要有 软件 判断数据该放在哪里。热数据放错位置,省下来的内存成本可能很快被速度损失吃掉。Meta 能自己设计芯片、修改 Linux 操作系统,大多数企业做不到,所以它们还需要数据分层、内存分配和监控工具。
再往后才是 光互连。
CXL 的速度越高,电信号通过铜线时越容易衰减。在服务器内部和机柜附近,铜仍然简单、便宜;如果内存池要跨过多个机架,距离、功耗和布线空间会逼着系统考虑用光纤传输。
公开演示已经把这类光连接从约 20 米 拉到 100 米,但两次演示的规格并不相同。它们证明技术可以工作,还没有证明客户会大规模采购。
所以,用于 PCIe/CXL 的光连接今天仍处在演示和工程准备阶段,还不是成熟订单。
八、为什么我要把 Marvell 单独拎出来
Marvell 尚未单独披露 CXL 业务收入,但它已经在直连扩容、池化交换和远期光互连上做了布局。
Marvell 在单机扩容层的核心产品是 Structera X 2404。
这颗 CXL 2.0 内存扩展控制器 最多支持 12 根 DDR4 内存条,并带硬件压缩,可以直接在芯片中把部分数据压小,提高同样容量下的实际可用空间。它瞄准的正是旧 DDR4 再利用:服务器退役后,内存不必同时退出数据中心。这款产品主打的价值,是让客户少买一部分新的 DRAM。
池化这一层,Marvell 通过收购 XConn 补上交换机。
Marvell 于 2026 年 2 月 10 日完成收购,交易在宣布时估值约 5.4 亿美元。XConn 已有产品进入生产,下一代产品当时处于送样阶段,也就是把样品交给客户测试。
Marvell 预计 XConn 在 2027 财年第三季度开始贡献收入,第四季度达到约 5,000 万美元年化收入,也就是按当季收入速度折算成全年;2028 财年约 1 亿美元。这里的“财年”按 Marvell 自己的会计日历计算,并不等同于同名自然年。这些都是管理层预期,不是已经实现的收入。
Marvell 随后推出的 Structera S 30260 提供 260 条高速通道,可以同时接入更多服务器和内存设备,目标是连接更大规模的内存池。截至本文撰写时,产品仍计划在 2026 年第三季度送样。送样、量产和形成可识别收入,是三件不同的事。
最远的一层是 Celestial AI。
2025 年 12 月公告交易时,Marvell 给出的前期对价估值约为 32.5 亿美元;如果 Celestial AI 未来达到约定的收入目标,还可能再支付最多 22.5 亿美元。Celestial AI 用光来传输芯片之间的数据,目前首先服务 AI 集群内部的高速连接;把这项技术用于远端内存池,仍是未来设想。
因此,Celestial AI 目前还不是成熟的“光学 CXL 产品”。Marvell 此时收购它,是先把跨机架光连接的技术能力买下来,等待未来需求出现。
Marvell 给出的目标同样激进:Celestial 相关业务在 2028 财年第四季度达到 5 亿美元年化收入,2029 财年第四季度达到 10 亿美元年化收入。这是公司目标,不是锁定订单。
图里的三层并不处在同一成熟度:Structera X 是当前产品;XConn 已有在产交换机,Structera S 仍计划送样;Celestial AI 则是更远期的光连接能力。
Marvell 不是最纯的 CXL 标的。Astera Labs 更集中在控制器;Rambus 把芯片中的 CXL 接口模块设计好,再授权给其他芯片公司;内存厂则通过模组销售更多 DRAM。Marvell 的不同之处,是同时拥有控制器和交换机,并通过 Celestial AI 保留了远期光连接能力。
Marvell 2027 财年第一季度 收入为 24.18 亿美元,同比增长 28%;数据中心收入为 18.33 亿美元,占总收入 76%。但官方所说的“数据中心收入”还包括以太网、存储、通用服务器和数据中心之间的连接,不能全部算成 AI,更不能算成 CXL。
我接下来主要看 Structera X 能否先从单机扩容获得收入,以及 XConn 是否会按公司指引完成客户验证。
九、接下来的瓶颈,是整套系统能不能一起工作
CXL 最容易被讲成“插一张卡,内存就能无限扩容”。现实没有这么简单。
CPU 能识别 CXL,只代表硬件有了入口。主板、启动软件、操作系统和管理工具都要配合,上面运行的程序也必须能承受额外等待时间。
池化以后,系统还要决定哪台服务器拿多少内存,并保证一台机器出故障时不会拖累其他机器。跨机架以后,光连接能否长期稳定运行,又要重新验证。
所以,接下来我只看三件事:Azure 会不会把 CXL 云服务器从定向测试推向全面开放;交换机能不能从送样走到客户采购并形成收入;光连接能不能离开演示台,在跨机架环境中长期稳定运行。
在这些信号出现之前,我会把 CXL 分成两部分看。单机直连扩容已经有真实部署;内存池化和跨机架 Fabric 仍要等待客户验证。
它目前的用途很具体:HBM 继续处理 GPU 身边最常用的数据,CXL 把容量更大、价格更低的 DRAM 接进服务器。控制器已经最先进入市场,交换机、软件和光连接还要随着共享范围扩大,一步步证明自己。Marvell 的布局,也是在押这个顺序。
两年前,市场说 CXL 在 AI 时代没有位置。现在更合适的判断是:它不会接管 GPU 高速互连,却已经找到扩展主机内存的用途。 接下来,订单和长期使用数据会告诉我们,这个用途究竟能长成多大的生意。
毋庸置疑,存储下一步怎么走,直接决定了我们的投资机会,后续我会继续拆解这条主线,同时继续拆解其他打破内存墙的方式
资料与延伸阅读
Wulf 与 McKee:Hitting the Memory Wall
Meta:Vistara,从芯片、操作系统到超大规模部署
Microsoft Azure:CXL 内存池的设计取舍
Astera Labs:Azure M-series CXL 内存定向预览
CXL Consortium:CXL 4.0 规范
Marvell:Structera X 内存扩展控制器
Marvell:完成收购 XConn
Marvell:Structera S 30260 CXL 交换机
Marvell:收购 Celestial AI
免责声明:本文是个人行业研究与科技科普,不构成任何投资建议。文中市场估算、公司指引和产品路线来自撰稿时的公开资料,后续都可能变化。
保存的原文 · 长文
内存是一堵墙,在征整个行业的税。下一个阶段的瓶颈,不是造更多内存,而是让全世界已经买下的内存,别再睡大觉提高利用率,这几乎是板上钉钉、没有被市场完全定价的部分
$MRVL 趁所有人不注意,把整条链买齐。我对它的方向始终看多,并且有完善的逻辑链,拆解给你看⬇️
MRVL 2018 年买 Cavium 拿网络处理;2019 年买 Avera 拿定制芯片设计(今天帮云巨头做自研 AI 芯片的本钱:50 多个项目、10 多个客户);2021 年买 Inphi 拿光互连。这才有了今天的MRVL
2025 年 12 月到 2026 年 1 月,连续有两次动作
第一枪:底价 32.5 亿美元(里程碑达成最高 55 亿)买下 Celestial AI——用光把芯片和内存连起来(Photonic Fabric)的明星创业公司。
注意,Marvell 自己做硅光已经八年多,它买的不是光技术本身,而是一个特定架构:把「访问内存的那条路」光纤化。远景是 33TB 以上的统一内存池;收入预计 2028 年底起量、2029 年底冲到年化 10 亿美元——而 AWS 已提前签下认股权协议,第一个大客户实质锁定
第二枪:5.4 亿美元买下 XConn——业内第一家把 CXL 交换机做成商用产品的公司,也几乎是唯一从第一天就原生支持 CXL 的交换机厂(这个市场此前被一家大厂垄断了十几年)。收购官宣仅两个月后,Marvell 就端出 260 通道的 CXL 交换机 Structera S 30260:单台管理最多 48TB 共享内存、连接 16 到 32 颗 CPU/GPU,2026 年 Q3 客户送样。
现在把它的 CXL 全家桶摆开,你会看到一条完整的物流链:
Structera X=翻译官(控制器)其中 X 2404 这颗专门干 Meta 那种「拆旧翻新」的活:最多插 12 条从退役服务器拆下的 DDR4、1.5TB 物理容量,硬件压缩后有效容量约 3TB——据报道谷歌、甲骨文都在讨论这类方案。
Structera A=近内存计算:16 颗 Arm 核直接安在内存旁边,货不动、算力过去。
Structera S=总调度台(交换机),池化的钥匙。
Alaska P=信号接力员(retimer),给马路延长有效距离。 硅光 + Celestial AI=光干线,通往织网终局。
这周我会发布我的最新文章《CXL 正在复活:拆解内存危机的下一条关键路径,谁在闷声收钱?》。耗时将近两周,走访了英伟达和 Marvell 的工程师团队。
为大家详解 CXL 为什么是下一代的解药,里面的关键玩家以及可能的竞争者,以及 CXL 整体的局限性和替代方案,比其他人再多走一步
保存的原文 · 长文
我最喜欢的一家机构2季度末的展望:
We are focusing slightly more on "capital spenders" like Meta and Alphabet, along with our established "capital suppliers." We are also adding more defensive, steady compounders to balance the high valuations in AI. We are prioritizing flexibility over a fixed strategy since earnings drivers are changing quickly in this cycle.
“我们正将更多精力放在Meta和Alphabet等资本支出型企业,以及我们长期的资本供应商上。同时,为了平衡人工智能领域的高估值,我们正在增加更多防御性强、稳健的复利增长型公司。由于本周期内的盈利驱动因素变化迅速,我们更倾向于保持灵活性,而非采取一成不变的固定策略。”
基本我的展望也是这个方向,然后在这个基础上添加一条:现金牛软件个股
保存的原文 · 长文
这篇文章跑断了双腿,用尽人脉,走访了十余家硅谷一线做光模块、互联、存储的公司,和一线 Manger, RD 深入交流,陆陆续续写了 4 周。相信是你在别的地方看不到的
我不仅聊,也跟着真金白银地下注。口说无凭,截图奉上。
请注意,大家不要盲目跟单,评论区冒充我的都是骗子。我在WhatsApp 也不会分享任何策略。
存储大家最近肯定都有关注。东西贵了总会回落,偏偏这一次,没那么简单
我拆解了AI 疯狂消耗存储底层的三把结构性短缺锁。有人认为,只要 AI 投资不掉头,这场紧张会一路拖过 2028 年。我同意
既然贵又缺,那就想办法少用它——开始挖一条条绕开这笔税的路。这,才是这篇文章真正想带你看的东西。
内存墙是一个词,其实是两个毛病
第一个毛病是装不下(容量):KV 缓存、模型权重,HBM 里塞不下
第二个毛病是搬不快(带宽):数据从内存搬到 GPU 的速度跟不上
「省内存容量」和「互联传得快」解药,也是新瓶颈,熟悉我的《三层逻辑》的读者都知道,这是新玩家、机会
文章深度拆解了三条路线
📷第一条路,用便宜的料,去顶替贵内存 HBF: 「容量大得多、但慢一些」: SNDK, SK 海力士
📷第二条路·砍掉数据搬运
>「近内存计算」AI 推理的核心运算是矩阵乘法,做进内存芯片里— SK,三星等
> 光 HBM: 光模块搬存储:MU, MRVL等
> 3D 堆叠
📷第三条路:软件智能管理
>冷热数据分层:猜得准
>共享内存(CXL协议):三星、SK、MRVL,ALAB
小众方式:SRAM
我的观点 三条路不是竞争,是分工。说到底,我在观察的是一件什么样的事:当一种东西又贵、又缺、还降不回来,一整套「绕开它」的技术生态,会怎样整体地长出来,这是凭空冒出来的新曲线、新资金
我在硅谷一线大厂,每天从事 AI 推理训 ,把行业掰开揉碎讲给你听。欢迎回看,节选⬇️
06-24《要看懂万亿光互联,Credo很关键》
06-02 《迈威尔+50%, 不看懂怎么能安心?深入解读原》
05-26《美光...下个产业机会流向》-> amat, kla
05-28 《40小时呕心沥血!MRVL光模块+AI推理布局解析》
05-21 《深度拆解ALAB互联27年布局, 这次别踏空!》
05-10 《耗时一周调研,带你彻底读懂 MRVL底层逻辑》
05-03 《压箱底的 AI 主线 下一“瓶颈”标的》
04-29 《MXL》
04-28 《MRVL进入关键时期》
04-27 《Marvell 取消 POET 是必然+5 层光模块解析》
保存的原文 · 长文
$MU 财报双beat,盘后大涨13%,带动了amat/mrvl等一系列ai股
我一直的观点:短期缺算力,长期缺存储,永远需要更快的互联
存储和互联、以及存储的卖铲人都有谁,在之前的文章和帖子已经阐述多次了。时间会检验文章的前瞻性
恭喜各位infra/存储股东,盘后反转如此快。耐心、看懂、纪律,足够帮助我们穿越短期下跌。将价格下挫视作礼物
"We expect a sustained, substantial multi-decade memory demand cycle to begin in the latter part of this decade."
很多人忽略了physical ai的爆发和需求,我这周会提供完整报告给大家。
和之前一样,用通俗易懂的语言让大家都能看懂。
MU也带动了一系列美光HBM的卖铲人,可以看我之前的文章
也切勿半场香槟,各位长线投资者,我们的路还有很长
保存的原文 · 长文
$MRVL 这是很多人忽略的一条线
DDR5 一年涨 3–4 倍,大家都扛不住了
Marvell 的解法不是让你买更多内存,而是让你少买: CXL 挂便宜内存 + 硬件压缩 2:1 + 旧 DDR4 回收。
Micron 卖的是内存稀缺,Marvell 卖省着用,帮大家真金白银的省钱
互联是解放算力和存储的最终解
保存的原文
$MRVL 心态和纪律,比灵机一动的小聪明更加重要
说句心里话,MRVL我拿了三年,中间一度跌到 70$,那时候人人喊打,天天都在跌。近乎腰斩,
但我相信,算力之间的互联必将是一个千亿甚至万亿的市场。我忍着大家的骂声和嘲讽,默默地加仓,一直拿到了现在
很难熬。但如果真的看懂了,心里反而会异常的平静。
因为你知道,自己似乎领先了市场半步,而现在能做的就是耐心等待。
我的 follower 中,很多朋友是因为我的帖子了解到了 MRVL,也有不少是 MRVL 的老股东。
任何时候,我都会问一句:我看好 MRVL 的观点是否发生了变化?业绩是否发生了转向?英伟达是否暂缓了和 MRVL 的合作?
回答好了这些问题,我才会进行下一步的操作。
保存的原文 · 长文
06/24 MRVL,为什么连续两天、连续一周,MRVL 都在下跌?有朋友问。我对 MRVL 和光互联的看法有任何变化吗?
需求到底有没有发生变化?我的回答是没有,没有见到任何变化。没有人能看清明天或者下周的价格变化,但如果从长线的视角拨云见雾,是可以把握住趋势的。
这篇帖子来聊聊今天我的纪律和看法
1/ 首先按照纪律,正如上个帖子所说,今天继续下跌我会卖出 put。
因此我今日sell 18 天后行权的215 PUT,收获权利金 8000$
2/ 看法
6 月 23 日:不是 Marvell 单独爆雷,而是整个芯片交易发生“踩踏”
当天真正的导火索来自存储芯片和韩国科技股:
韩国 KOSPI 大跌约 10%;
SK 海力士和三星电子均跌逾 12%;
美光和闪迪均跌约 13%;
费城半导体指数整体跌了 7.9%;
Marvell 并不是存储芯片公司。 它被卖掉,主要因为市场把它视作“AI 数据中心资本开支+定制芯片+高速互连”的高贝塔代表。存储价格担忧只是点火器,真正被平仓的是整个高涨幅 AI 半导体组合。我之前的帖子有讲
6 月 24 日为什么继续跌?
MRVL 并不是开盘就因为坏消息暴跌。它开盘约 281.25 美元,一度升至约 287.24 美元,随后才快速反转至约 266 美元附近。
反弹失败 → 前一天抄底盘止损 → 趋势和量化资金继续减仓 → 获利盘利用反弹出货
如果硬要说:
当天确实有一个对 Marvell 相对不利的产业消息:OpenAI 正式展示了与 Broadcom 联合开发的首款定制推理芯片 Jalapeño,并称这是多代定制芯片平台的第一步,计划在 2026 年年底前部署。
这条消息不能解释全部跌幅,因为:
1. OpenAI 与 Broadcom 的合作此前已经公布;
2. MRVL 当天最初仍然上涨;
3. 没有证据表明 Marvell 刚刚失去了一个已经计入预测的 OpenAI 订单。
但它强化了一个现实问题:
AI 定制芯片总需求可以非常旺盛,但最终订单未必平均分给 Broadcom 和 Marvell
3/ 更深层的原因:深层原因不是“AI 需求已经消失”,而是 MRVL 的股价此前把未来成功率定得太满了。
我个人观察的最接近的行业催化剂是 美光 6 月 24 日收盘后的财报。市场尤其会看 HBM 需求、供需紧张程度、价格持续性以及对 2027 年的评论。强劲指引可能修复整个 AI 半导体组合;任何关于价格见顶、扩产过快或利润率低于预期的表述,都可能令卖压延续
对于 MRVL,我在等的是:
公布或确认新的大型云厂商定制芯片项目;
提高近期数据中心或定制芯片收入指引;
证明现有项目按计划进入量产;
在 Broadcom 获得明显项目进展后,Marvell 给出自己的客户和量产证据
保存的原文 · 长文
最后重申一遍,X 的评论区有的时候乌烟瘴气,每篇帖子下面都有 AI bot在进行诈骗 。说实话,这些是拉黑不完的,请大家注意保护好自己。
我在 X 上只有这一个账号,我不会让大家跟买,只是分享我的个人投资经验,也没有任何的 WhatsApp。谢谢大家支持
保存的原文
$NBIS $CRWV 两个好兄弟,命运大不相同
一句话总结
在投资过程中,对于方向的选择非常重要。选择财务状况健康的公司,依然重要。
除非你有足够的信心,等待财务状况转成健康。CRWV 我 IPO 打新的时候就开始持有了,因此下跌对心态的影响也不大,一直抱着“没了就没了”的心态
如果你想对两家公司做一个对比,入门能够看懂,请阅读这篇文章
保存的原文
$AVGO 很多人拿着训练不放,其实 AI 的下一个战场在 AI 推理。
正如我一直强调的,如何生产出更便宜、更快捷的 token,是 AI 推理的关键
这也是黄仁勋一直强调的 Token 经济学, 贴上目前我个人一个月的 Token 花费, 是$12239.6
现在可能只有 1% 的人会花费这么多。试想一下,将来 token 普及率到了 50% 甚至 90%,AI 助理成为人人都有的智能手机呢?长期看好,Token 算力是石油
但我并不觉得今天的这个 Jalapeño 的合作是个什么大新闻,AVGO 的反应也不温不火。
"Jalapeño 芯片的工程样片已经在实验室以目标生产频率和功耗运行机器学习工作负载,包括 GPT‑5.3‑Codex‑Spark"
问题就在GPT 5.3 Codex,我相信大部分做日常工作和科研的人都没有在用,也很久都没用了。
市场有疑惑:为什么 host 的不是 GPT 5.45 甚至 5.4?还是这款芯片不够强。不够通用。这是透过这个问题看的本质
但 ASIC 重不重要?重要。AVGO的地位怎么样?很关键。但市场需要更多的好消息
目前最便宜、通用的推理工厂机器依然是英伟达的协同方案
保存的原文 · 长文