事件背景
Marvell 董事長暨執行長 Matt Murphy 在 2026 年台北電腦展的主題演講中指出,當前 AI 基礎設施的性能瓶頸已從處理器(GPU)轉向互連(interconnect)層面。他強調,大規模運算本質上是「資料移動的挑戰」,而不是單純的運算速度競賽。
典範轉移的信號
傳統視角下,業界對算力的理解是:「更快的芯片 = 更強的系統」。在 GPU 還相對稀缺、價格高昂的時代,這個邏輯成立。但當數據中心開始部署數千甚至數百萬顆加速器,情況變了。
Matt Murphy 的觀察直指核心:「規模到一定程度,瓶頸會自動轉移。」這不是新概念,而是被業界集體遺忘的工程常識。
阿姆達爾定律的現實版
1967 年,IBM 計算機科學家 Gene Amdahl 提出一個震撼業界的結論:即使你讓計算的某個部分變成無限快,整個系統的加速效果也有上限——受限於那些「無法並行化」的部分。
舉例:如果系統中 20% 的操作必須串行執行、80% 可以並行化,那麼再多的並行處理器也無法讓系統速度超過 5 倍。
AI 大模型訓練也是如此。一旦你把 1000 顆 H100 GPU 扔進去,單顆芯片的峰值運算能力就不再是瓶頸。反而是:
- **芯片之間的通信延遲**(晶片間延遲)
- **網絡帶寬**(多少資料能同時在電路上跑)
- **同步協調開銷**(等待最慢的芯片完成任務)
這三項加起來,決定了整個系統的吞吐量,而非單顆芯片的峰值浮點數。
為什麼被忽視十年?
Marvell 的戰略轉變是重要信號。十年前(約 2016 年),資料中心互連芯片市場相對不起眼——因為那時候:
1. GPU 還是稀缺品:數據中心裡 GPU 數量有限(幾十顆),芯片之間通信延遲在整體系統延遲中占比不高。 2. 業界叙事被 NVIDIA 主導:「更多 GPU、更多 CUDA cores」的故事更容易賣。 3. 互連芯片是「管道工程」:技術複雜但難以營銷,投資人看不到性感的指標。
Marvell 當時的決定——斥資 225 億美元收購 Cavium 和 Inphi(兩家都是互連與網絡芯片領先者),從局外人的角度看像是「賭錯方向」。但現在回頭看,Matt Murphy 其實是在賭「規模效應會暴露舊瓶頸」。
結果應驗:資料中心業務從占營收不到 10% 躍升到超過 75%。
「銅線之牆」的含義
「突破銅線之牆」是個工程隱喻。銅線代表物理上的連接媒介——無論是數據中心內部的高速網絡線(400G、800G 乙太網)還是跨資料中心的長距離光纖,都面臨功耗、延遲、距離的三角困境:
- **功耗**:高速傳輸消耗大量電力,而電力成本日漸高企。
- **延遲**:光速不變,洲際延遲改不了——這限制了全球分散訓練的效率。
- **成本**:部署超高速互連基礎設施需要巨額投資,且投資期限長。
這個轉變對產業的含義
1. NVIDIA 的護城河變化
過去,GPU 芯片本身就是整個價值鏈的皇帝。但在大規模運算時代,NVIDIA 的優勢需要依賴整個互連生態——Marvell、Broadcom、Arista 等廠商的支撐。反過來說,互連芯片的表現變成了 NVIDIA 能否變現其芯片優勢的前置條件。
2. 資本密集度上升
AI 基礎設施不再只是買 GPU,而是買一整套系統:GPU + 互連芯片 + 交換機 + 光模組 + 散熱系統。初創公司難以進場,大廠的進入壁壘反而更高。