MRVL намерена увеличить выручку в 10 раз за пять лет, AMD переживает вторую весну на рынке CPU

Сейчас вся аппаратная архитектура AI-центров обработки данных подвергается редизайну, и такие компоненты, как CPU, специализированные чипы, оптические интерфейсы, коммутаторы, сетевые карты, интерфейсы памяти и контроллеры хранения, вместе с GPU вступают в новый цикл взрывного роста спроса.

6 октября компания Marvell (MRVL) на дне инвестора внезапно значительно повысила долгосрочную цель: компания ожидает, что выручка в 2028 финансовом году достигнет примерно 20 миллиардов долларов, а к 2031 финансовому году – 70–90 миллиардов долларов, медиана составляет около 80 миллиардов долларов.

Для сравнения: выручка Marvell в 2026 финансовом году составит всего около 8,2 миллиарда долларов. То есть компания фактически сообщает Уолл-стрит: в ближайшие пять лет у Marvell есть шанс вырасти из компании с годовой выручкой чуть более 8 миллиардов долларов в гиганта AI-инфраструктуры с доходом, приближающимся к 80 миллиардам долларов.

В свою очередь, Citi повысил потенциальный размер мирового рынка CPU к 2030 году до 300 миллиардов долларов, что по сравнению с примерно 29 миллиардами долларов в 2025 году эквивалентно увеличению более чем в 10 раз за пять лет, а целевая цена AMD была резко поднята c 575 до 800 долларов.

На первый взгляд, речь идет о Marvell и AMD, но причина за этим абсолютно одинакова: AI переходит от первой стадии «обучения моделей» ко второй — «запуску AI в реальную работу».

Именно разница между этими двумя фазами определит, куда в следующем цикле AI-индустрии потекут основные финансовые потоки.

За последние три года самой простой логикой заработка в AI-индустрии была покупка GPU. OpenAI, Meta, Google, Microsoft тренируют всё более масштабные модели и требуют всё больше GPU от NVIDIA, поэтому именно GPU стали самым большим узким местом индустрии искусственного интеллекта.

Но с приходом Agentic AI, то есть эры AI-агентов, ситуация начинает меняться.

Традиционные чат-боты типа ChatGPT большую часть времени просто простаивают. Вы задаёте вопрос — модель запускается один раз, затем останавливается; пока вы не задаёте новых вопросов, новых вычислительных ресурсов практически не расходуется.

Совершенно иначе работают такие новые персональные AI-агенты, как Meta Muse. У них есть собственная виртуальная машина, собственный браузер — они могут помогать пользователю просматривать сайты, заполнять формы, обрабатывать обращения в службу поддержки, бронировать услуги, вызывать разные программы и при этом выполнять задачи в фоновом режиме.

Другими словами, в будущем на одного пользователя AI будет приходиться не просто эпизодический запуск крупной модели на несколько секунд, а постоянно онлайн «цифровой сотрудник».

Это радикально меняет способ вычислений внутри AI-серверов.

Citi приводит очень важные данные: на этапе обучения AI соотношение CPU и GPU примерно 1 к 8; на этапе инференса — может увеличиться до 1 к 4, а на этапе Agentic AI эта пропорция может еще больше приблизиться к 1 к 1 или даже стать выше.

Причина проста: GPU лучше всех подходят для крупномасштабных матричных вычислений, но когда AI-агент начинает работать, помимо запуска модели ему нужно постоянно выполнять задачи по планировке, навигации по сайтам, чтению базы данных, вызову API, обработке прав доступа, запуску ОС, управлению памятью, передаче данных и координации работы разных AI-моделей.

Во многом это не сильная сторона GPU, а задачи для CPU, сетей и специализированных чипов.

Вот почему Citi внезапно увидела объем TAM CPU в 300 миллиардов долларов.

Смысл прогноза не в том, что «CPU заменят GPU» — отнюдь. Речь о том, что с каждым новым GPU системе может требоваться всё больше CPU, DRAM, более скоростные сети и оборудование для соединения дата-центров.

Таким образом, AI-индустрия уходит от прежней «гонки вооружений GPU» к комплексной гонке наращивания мощностей всей серверной архитектуры.

И если посмотреть на цифры, приведённые Marvell на дне инвестора, становится ясно, почему руководство решилось так резко поднять долгосрочные прогнозы.

Marvell прогнозирует, что к 2030 году общий доступный для компании рынок достигнет примерно 400 миллиардов долларов. В прошлый раз озвучивалась цифра менее 100 миллиардов, то есть всего за несколько лет рынок вырастет в четыре раза.

В частности:

• Рынок специализированных чипов, по прогнозу, достигнет примерно 235 миллиардов долларов — это крупнейший потенциальный рынок для Marvell в будущем.

• Рынок AI-интерконнектов в центрах обработки данных ожидается на уровне примерно 65 миллиардов долларов и считаетcя одной из самых быстрорастущих областей.

• Рынок коммутаторов и решений для хранения приблизится к 85 миллиардам долларов.

• Рынок коммуникаций и других сервисов всё ещё будет порядка 15 миллиардов долларов.

Здесь действительно важен не столько сам объём 400 миллиардов, сколько факт: по мнению Marvell, следующий цикл роста в AI-ЦОДах смещается с простого «вычисления» (Compute) к «соединению» (Connectivity).

Многие розничные инвесторы ошибочно считают, что самое ценное в AI-ЦОДе — это GPU.

На деле, когда AI-кластер увеличивается с нескольких тысяч GPU до сотен тысяч, а то и миллионов XPU, одной из главных инженерных проблем становится вопрос: как передавать данные между всеми этими чипами?

GPU может быть сколько угодно быстрым, но если данные не поступают вовремя, GPU просто ждёт.

Поэтому AI-системы всё чаще сталкиваются с всё более серьёзными физическими ограничениями: нехваткой пропускной способности, высокой задержкой, слишком большим энергопотреблением у медных соединений и увеличением расстояния для передачи данных.

Именно этот рынок Marvell стремится занять.

В медианном сценарии, к 2031 финансовому году Marvell планирует получить около 37,5 млрд долларов из Interconnect, примерно 30 млрд из Custom Silicon, около 10 млрд — с рынка коммутаторов и хранения, а остальные 2,5 млрд от традиционных телекоммуникаций.

То есть, в будущем крупнейшим бизнесом Marvell станут не AI-чипы как таковые, а обеспечение сверхскоростного соединения между всеми чипами в AI-центре обработки данных.

Это как раз тот момент, который рынок мог недооценить на нынешнем дне инвестора.

Ранее инвесторы, анализируя AI-полупроводники, первым делом спрашивали: «Кто сможет бросить вызов NVIDIA GPU?»

Но в будущем вопрос может звучать по-другому: «Сколько дополнительных чипов потребуется рядом с каждым новым GPU или XPU?»

Если каждый GPU требует CPU, NIC, коммутатор, оптический DSP, Retimer, контроллеры памяти и хранения, а также специализированные ASIC, самые крупные возможности роста цепочки создания стоимости искусственного интеллекта скрываются далеко не только в GPU.

На это Marvell и делает ставку.

На сегодняшний день компания уже поставляет специализированные чипы для четырёх крупнейших Hyperscaler США, причём всё больше проектов — не просто создание альтернативы крупному XPU от NVIDIA, а именно XPU Attach: набор специализированных чипов вокруг AI-ускорителей.

Это могут быть высокоскоростные сетевые карты, интерфейсы памяти, контроллеры хранения, управляющие чипы инфраструктурой AI или ускорители инференса.

Руководство Marvell даже приводит наглядную формулу: в будущем вокруг каждого XPU может подключаться 1–2 специализированных чипа, стоимость некоторых чипов может доходить до 1 000 долларов за штуку.

Когда облачные компании внедряют миллионы AI-чипов в год, незаметный на первый взгляд «маленький чип рядом с XPU» может вырасти в рынок на десятки миллиардов долларов.

Потому Marvell увеличила целевой уровень выручки Custom-бизнеса в 2029 финансовом году с более 10 до более 12 миллиардов долларов и ожидает к 2031 финансовому году около 30 миллиардов.

Что ещё важнее: сейчас Marvell не просто делает чипы под заказ для одного клиента.

Компания заявляет, что её кастомный бизнес уже охватывает все четыре крупнейшие Hyperscaler США, и в будущем доходы будут всё более диверсифицированы между разными клиентами, XPU и продуктами XPU Attach.

Примером подобного сотрудничества стал контракт между Marvell и Google в этом году.

Соглашение распространяется не на один AI-чип, а на целую линейку: ускорители инференса, контроллеры хранения, сетевые контроллеры, интерфейсы памяти и решения Near-Memory Compute.

По условиям контракта, если объёмы закупок по этим продуктам достигнут определённых KPI, потенциальный общий размер закупки может достичь 120 миллиардов долларов.

Впрочем, важно понимать: эти 120 миллиардов — не гарантия заключённых заказов, а лишь потенциальный предел соглашения, так что нельзя воспринимать их как текущий портфель заказов Marvell.

Тем не менее, эта информация крайне важна: готовность Google на годы вперёд привязывать к Marvell подобный объём потенциальных закупок говорит о том, что в будущем крупнейшим облачным компаниям нужен не отдельный ASIC, а целая платформа чипов, ориентированных на AI-инфраструктуру.

По мнению американского инвестиционного портала, в этом главный перелом для Marvell.

Рынок давно сомневался: является ли Marvell по-настоящему платформенной компанией с долгосрочным AI-потенциалом — или прибыль компании временна и обусловлена лишь крупными ASIC-проектами для отдельных клиентов на волне бума AI.

В этот раз компания фактически ответила на этот вопрос.

Выручка: около 8,2 млрд долларов в 2026 ф.г., примерно 20 млрд в 2028-м, цель — от 70 до 90 млрд в 2031-м, медиана 80 млрд; если эта цель достигнута, выручка за 5 лет вырастет почти в 10 раз, что соответствует среднегодовому росту почти 58%.

Параллельно компания называет целевой показатель Non-GAAP EPS в 2031 ф.г. свыше 30 долларов (против 2,84 доллара в 2026 ф.г.).

Это уже не обычный сценарий развития полупроводниковой компании, а ставка на то, что рынок AI-инфраструктуры продолжит экспоненциальный рост в ближайшие пять лет.

Поэтому главный вопрос следующий: насколько реалистичны цели Marvell?

Ответ: направление выбрано верно, но инвесторам стоит трезво оценивать цифры.

Первый и главный риск связан с капитальными расходами Hyperscaler.

Долгосрочная модель Marvell строится на предположении, что мировые капвложения в центры обработки данных будут продолжать стремительно расти: к 2030 году объём капиталовложений может достичь 3 триллионов долларов, и доля десяти крупнейших Hyperscaler будет расти.

Пока Microsoft, Google, Meta, Amazon и другие AI-гиганты наращивают инвестиции — рынок Marvell будет расширяться. Если же через пару лет доходность AI-проектов пойдет на спад и Hyperscaler затормозят темпы строительства, цели Marvell на 2031 год также окажутся под вопросом.

Второй риск — конкуренция.

В области кастомных ASIC основной соперник — Broadcom (AVGO), а на AI-сетевом рынке — собственные продукты сетевого направления NVIDIA и прочие поставщики быстроих соединений.

TAM в 400 млрд не означает, что Marvell займёт весь этот рынок, конечную прибыль определит доля рынка.

Третий риск — оценка стоимости компании.

Когда рынок торгует доходами 2030–2031 годов заранее, стоимость акций может вырасти быстрее, чем прибыль. Даже если перспектива компании на 5 лет весьма радужная, если нынешняя оценка уже учла большой прирост, возможна высокая волатильность акций.

По мнению американского инвестиционного портала, инвесторам стоит понять: суть текучей AI-волны не в механическом поиске «следующей NVIDIA».

Коренное изменение в том, что AI переходит из эпохи обучения моделей в эпоху интеллектуальных агентов — а для них нужны уже не только мощности GPU, а всё более сложные дата-центры.

GPU решает задачи вычислений, CPU — организации и планирования, DRAM — хранения, сеть — передачи данных, оптические модули и DSP — преодоления расстояния и ширины полосы, коммутаторы — для связи тысяч и миллионов XPU, а специализированные ASIC — для выполнения всё большего числа задач с высочайшей эффективностью и минимальным энергопотреблением.

Когда AI перестаёт быть случайным чатом и становится вашим цифровым сотрудником 24/7, аппаратные потребности на каждого пользователя AI радикально возрастают.

Вот почему Citi может оценивать рынок CPU в 2030 году в 300 млрд, а Marvell — целиться к 2031 году во столько же раз выше текущей выручки.

Если этот инвестиционный цикл продлится до 2030 года — изучать в первую очередь нужно не рынок GPU за пределами NVIDIA.

Главное: сколько каждый дополнительный доллар инвестиций в GPU “потянет” за собой в CPU, специализированные чипы, оптоволоконные компоненты, сеть, память и хранение данных.

Здесь и будет происходить крупнейшее перераспределение капитала в AI-индустрии.