AI資本競賽衝上2兆美元，Marvell的營收能跟上預估嗎？

 

Anthropic把AI資本需求推向兆美元級別

8月22日市場傳出，成立約五年的Anthropic正評估美股IPO，潛在募資規模最高達1,000億美元，企業估值可能上看2兆美元。若相關條件落實，上市規模將改寫市場紀錄，也代表生成式AI的資本競賽進入更高量級。

《紐約時報》引述知情人士指出，Anthropic承銷團已向潛在投資人提出上述構想。公司最近一輪私募估值約9,000億美元，IPO估值若達2兆美元，短期內將再翻一倍。報導也拿6月掛牌的SpaceX(SPCX)比較，後者募資約857億美元，掛牌時市值約1.77兆美元。

Anthropic以Claude模型為主要產品，並與大型科技公司建立合作關係。2兆美元估值反映市場提前計入模型能力、企業採用率與未來商業化規模，大量成長預期已被前置定價。接下來需要營收、毛利與現金流逐步追上，才能讓這項估值建立可持續的財務基礎。

基礎模型公司的成本結構也需要同步評估。訓練與推論均需要大量GPU、資料中心、網路設備和電力，模型使用量增加未必立即帶來同等幅度的獲利。若推論成本下降速度落後於價格競爭，營收成長與自由現金流之間可能出現明顯落差。

 

Marvell切入三大雲端業者的客製晶片支出

Anthropic代表模型端的資本需求，Marvell Technology(MRVL)則位於AI資料中心的晶片供應鏈。GF Securities分析師Alicia Xia指出，Marvell與Amazon Web Services(AMZN)、Microsoft Azure(MSFT)及Google Cloud(GOOG)(GOOGL)的合作正在深化，中長期訂單能見度也隨之提高。

報告預估，Marvell 2027會計年度第二季營收將季增12%，非GAAP毛利率約59%，略高於市場預期。第三季與全年營收增速也可能超過共識，公司存在調高全年營收展望的空間。

目前市場共識預估該季調整後每股盈餘約0.93美元，營收約27.1億美元。前一年同期每股盈餘為0.67美元，營收為20.1億美元。以此計算，營收年增約34.8%，每股盈餘年增約38.8%，顯示AI支出已有機會轉化為財報成長。

GF Securities也上修Marvell中期獲利預估。2027會計年度每股盈餘由4.09美元調高至4.12美元，2028會計年度由7.57美元調高至7.75美元。調整幅度有限，方向仍反映券商對AI資料中心營收組合改善抱持較高期待。

 

CXL與DPU提高每台AI伺服器的晶片含量

Marvell的成長來源涵蓋CXL、DPU及客製ASIC。CXL是處理器與記憶體之間的高速互連標準，可協助AI伺服器擴充記憶體容量；DPU則負責資料搬移、網路與儲存工作，降低CPU承擔的基礎設施負載。

GF Securities估計，到了2028年，Marvell的CXL與DPU相關營收可能各自達到約30億美元。這組預估對應AI伺服器架構的變化：運算規模持續擴張後，瓶頸逐漸延伸至記憶體容量、網路傳輸與資料調度。

因此，資料中心支出會從GPU擴散至更多專用晶片。每台伺服器的矽含量持續增加，Marvell可參與的收入池也跟著擴大。CXL和DPU分別對應不同工作負載，有助於降低公司收入集中於單一晶片類別的程度。

Marvell另有一條MPU產品線，鎖定生成式AI的token generation，也就是模型輸出內容時的推論效率。報告預估，該產品將採用台積電N2製程，從2028會計年度第二季開始貢獻收入，2028年營收規模可能達到約30億美元。

 

AWS Trainium顯示客製ASIC持續擴張

Marvell也被視為AWS自研AI晶片的重要合作夥伴。GF Securities預估，公司將參與第三代訓練晶片Trainium 3的設計與供應，相關ASIC專案在2026年可能貢獻約10億美元營收，2027年提高至20億美元。

後續Trainium 4 ASIC在2028年的營收貢獻可能超過30億美元。若時程與規模符合預估，Marvell在AWS供應鏈中的角色將從單一世代專案，延伸至持續更新的客製晶片平台。

雲端業者發展自研ASIC，主要目標是降低單位運算成本，並針對特定模型與工作負載調整效能。GPU仍承擔通用訓練與高彈性運算，ASIC則逐步承接規模穩定、可高度最佳化的任務。AI運算正在形成GPU與ASIC並行架構，晶片供應商的競爭範圍也從運算核心擴大至互連、記憶體與資料處理。

客製ASIC通常具備較長的合作週期，也能建立深度技術關係。然而，大型專案對單一客戶的依賴較高。雲端業者只要更改架構、延後產品時程或轉換合作夥伴，供應商的營收節奏便可能受到明顯影響。

 

高成長預期仍要接受資本報酬率檢驗

Anthropic的潛在IPO與Marvell的產品布局，分別呈現AI資本循環的兩端。模型公司需要大量資金維持研發與算力投入；雲端業者則透過GPU、ASIC、DPU與高速互連擴建基礎設施。資金流入模型端，最終也會沿著算力需求傳導至資料中心供應鏈。

目前的支持條件包括雲端資本支出延續、客製晶片專案按時量產，以及AI服務收入持續提高。Marvell還需要把專案預估轉成量產營收，同時維持約59%的非GAAP毛利率。Anthropic則需要證明模型使用量能形成可擴張的收入與現金流。

風險主要來自AI投資報酬率。企業與雲端業者若發現收入增幅無法覆蓋運算及電力成本，資本支出成長可能放慢。客製晶片的長週期特性，也可能讓供應鏈在需求轉弱後承受訂單調整。

未來幾年的檢驗標準是現金流轉換。2兆美元估值需要商業化速度支撐，Marvell的數十億美元產品預估也需要量產時程與客戶採用落實。AI基礎建設方向仍在擴張，估值與訂單能否獲得持續收入支撐，將決定這輪資本競賽的延續時間。