Marvell 作為全球資料基礎設施與高速連接技術的重要供應商，近年已從傳統消費性電子晶片公司，轉型為聚焦資料中心、AI 基礎設施與光學連接的核心半導體公司。

Marvell 執行長 Matthew J. Murphy 本次於 Computex 2026 發表主題演講，分享公司過去十年的轉型歷程，以及對 AI 基礎設施未來發展的看法。其中，Murphy 認為 AI 運算正快速邁向超大規模分散式架構，未來限制系統效能的關鍵已不再是單一處理器效能，而是數十萬甚至數百萬顆處理器之間如何高效率互連。 因此，連接性（Connectivity）正成為 AI 基礎設施最重要的核心技術，而光學互連（Optical Connectivity）將是下一個十年 AI 基礎設施的重要技術革命。

AI 瓶頸演進：高速連接將成下一階段核心環節

Murphy 將 AI 基礎設施瓶頸的演進歸納為三個階段。第一階段為運算瓶頸，市場主要關注 GPU、AI 加速器與先進製程；第二階段為記憶體瓶頸，HBM、記憶體頻寬與容量成為限制模型規模的重要因素；第三階段則進入連接性瓶頸，亦即在運算與記憶體資源快速擴張後，如何讓龐大的處理器與記憶體集群高效率協同運作。

目前全球大型雲端業者正重新設計網路架構，核心原因在於 AI 基礎設施擴展已不再只是單點算力不足，而是大規模系統之間的資料傳輸、同步與協調問題。 整體而言，未來 AI 資料中心的競爭力，將越來越取決於資料能否在不同晶片、機櫃與資料中心之間快速、穩定且低功耗地流動。

AI 進入 Useful AI 階段，光學銅線彼此分工互補

本次演講中，NVIDIA CEO Jensen Huang 亦參與對談，並進一步呼應 Marvell 對連接性的看法。Jensen 表示，AI 已進入 Useful AI 階段，開始具備實際獲利能力，不再只是展示模型能力或生成內容，而是能夠真正創造生產力與經濟價值。在 Agentic AI 與新型運算模式下，AI 系統將變得更加分散、異質且動態，不同類型的處理器、記憶體、網路設備與軟體系統需要共同協作，才能支援更複雜的模型訓練、推論與代理人任務，也使新一代 AI 架構對連接性的依賴程度遠高於傳統資料中心。 Jensen 亦提出實務上的技術取捨，指出能使用銅線時應盡量使用銅線，但在必要情境下仍必須導入光學技術。也就是說，scale-up 場景仍將大量使用銅線，因其在成本與成熟度上具備優勢；但在 scale-out 與 scale-across 場景中，光學將變得不可或缺。未來五至十年，AI 資料中心將同時大量採用銅線與光學技術，而非由單一技術完全取代另一項技術。這也代表銅線與光學並非零和關係，而是將依據距離、頻寬、功耗與成本需求，在不同層級中形成分工。

銅線物理限制明顯，CPO 重要性逐漸提升

隨著資料傳輸頻寬由 200G 進一步提升至 400G，銅線的物理限制將愈發明顯。 Murphy 指出，銅線可支援的傳輸距離與頻寬大致呈反向關係，每當頻寬翻倍，銅線可支援距離便會大幅縮短。目前 200G 每 lane 的銅線傳輸距離約為 2.5 公尺，已接近機架內連接的極限；當系統推進至 400G 時，銅線將難以完整支援機架內全連接需求。 這也是所謂 Copper Wall 移動的意義。過去銅線限制主要出現在較長距離傳輸，但隨著 AI 系統頻寬需求快速上升，限制正逐步往更短距離移動，最終將推動更多機架內連接轉向光學技術。

在此背景下，Co-Packaged Optics（CPO，共封裝光學）成為重要解決方案。CPO 的核心概念是將光學連接直接移至封裝本身，並配置於運算晶片、客製化運算晶片或交換晶片旁，以縮短電訊號傳輸距離、提升頻寬密度並降低功耗。 Murphy 強調，機架內連接數量約為機架間連接的 10 倍，若沿用傳統光模組方案，將面臨功耗與空間不足的限制，因此 CPO 將成為推動光學進入機架內連接的關鍵技術。

Marvell 具備高速傳輸完整技術組合

Murphy 進一步從產業趨勢指出 Marvell 獨特定位，相較 GPU 公司專注運算、記憶體公司專注頻寬與容量，Marvell 是少數在資料移動領域具備一定營收規模與完整技術組合的公司。 Murphy 強調，Marvell 資料中心業務的絕大多數營收來自連接性，涵蓋資料中心內互連、長距離光學連接與交換基礎設施，因此公司已成為資料移動領域的領導者。

• 在長距離傳輸場景中，Marvell 提供 coherent optical module，整合先進製程 CMOS DSP、第四代矽光子技術與自有寬頻類比元件，產品已由 100G、400G 推進至 800G 量產，未來將進一步導入 1.6T 解決方案。
• 資料中心內部則採用 PAM4 光學技術，並提供 PAM4 DSP、transceiver、TIA、laser driver 與交換基礎設施，已歷經 50G、100G、200G、400G 與 800G 多個世代轉換，目前正推動 1.6T PAM4 連接方案。
• 至於機架內部，目前仍以銅線與 electrical SerDes 為主，Marvell 已具備 200G SerDes 能力，並展示 400G SerDes，協助客戶在銅線仍可支援的場景中延長其使用壽命。
• 封裝內連接方面，Marvell 則透過高速短距離 SerDes 與先進封裝技術，支援多 chiplet 架構。

資料中心未來展望：距離不再是系統設計限制

展望未來，Marvell 認為隨著光學逐步突破銅線限制，資料中心架構將進入完全分散式的新階段。過去伺服器、機架與資料中心設計皆受限於物理距離，軟體工作負載也必須依照硬體限制進行最佳化；但若光學連接能提供足夠頻寬、低延遲與低功耗，距離將不再是系統設計的主要約束。

在此架構下，運算、記憶體、網路與光子學將可作為統一系統協同運作，CPU、XPU、記憶體與網路介面不再必須固定於同一台伺服器內，而是可依工作負載需求進行動態組合，進一步提升資源利用率並降低閒置浪費。 從更長期角度來看，數百萬個運算與記憶體資源可透過高速光學網路共同運作，形成類似單一巨型電腦的 AI 基礎設施。Murphy 認為，這將是 AI 資料中心的下一個時代，而 Marvell 正在打造實現此架構所需的連接基礎。

結論

Marvell Computex 2026 Keynote 的核心訊息在於，AI 基礎設施的競爭焦點正從單一晶片效能，轉向系統級連接能力。隨著 AI 模型規模擴大與 Agentic AI 應用落地，未來資料中心的瓶頸不再只是 GPU 算力或 HBM 頻寬，而是如何讓數十萬甚至數百萬顆處理器、記憶體與網路資源高效率協同運作。

銅線與光學並非取代關係，而是將依距離、頻寬、功耗與成本形成分工；其中，隨著 Copper Wall 持續往更短距離移動，CPO、矽光子、光學 DSP、SerDes 與先進封裝將成為下一代 AI 資料中心的關鍵技術。Marvell 憑藉完整高速連接組合，已從傳統消費性晶片公司轉型為 AI 資料基礎設施與連接性領導者，有望在未來分散式資料中心架構中扮演更關鍵角色。