MRVL: przychody mają wzrosnąć dziesięciokrotnie w ciągu pięciu lat, AMD przeżywa drugą młodość w segmencie CPU

Obecnie cała architektura sprzętowa centrów danych AI jest ponownie projektowana, a CPU, układy specjalistyczne, interkonekt optyczny, przełączniki, karty sieciowe, interfejsy pamięci i kontrolery pamięci masowej zaczynają wraz z GPU wchodzić w nową fazę gwałtownego wzrostu zapotrzebowania.

6 października Marvell (MRVL) podczas Dnia Inwestora nagle znacząco podniósł swoje długoterminowe cele, prognozując przychody firmy na rok fiskalny 2028 na poziomie około 20 miliardów dolarów, a na rok fiskalny 2031 na poziomie od 70 do 90 miliardów dolarów, ze średnią około 80 miliardów dolarów.

Dla porównania, przychody Marvell w roku fiskalnym 2026 wyniosły tylko około 8,2 miliarda dolarów, co oznacza, że firma jasno komunikuje Wall Street: w ciągu najbliższych pięciu lat Marvell ma szansę przekształcić się z producenta chipów o przychodach przekraczających 8 miliardów dolarów rocznie w giganta infrastruktury AI z przychodami zbliżonymi do 80 miliardów dolarów.

Z drugiej strony, Citi bezpośrednio podniosło potencjalny rozmiar globalnego rynku CPU w 2030 roku do 300 miliardów dolarów, wobec około 29 miliardów w 2025 roku, co oznacza ponad dziesięciokrotny wzrost w pięć lat i podniosło cenę docelową AMD z 575 dolarów aż do 800 dolarów.

Z pozoru artykuł dotyczy Marvell, inny AMD, ale przyczyna jest dokładnie ta sama: AI przechodzi z pierwszego etapu „treningu modeli” do drugiego etapu „rzeczywistego uruchomienia pracy AI”.

Różnica między tymi etapami zdecyduje, gdzie w następnej rundzie branży AI popłyną pieniądze.

W ostatnich trzech latach najprostszym sposobem zarabiania w branży AI było kupowanie GPU. OpenAI, Meta, Google, Microsoft trenowały coraz większe modele, potrzebując coraz więcej GPU NVIDIA, przez co GPU stały się największym wąskim gardłem całej branży AI.

Jednak wraz z nadejściem Agentic AI, czyli etapu AI jako agentów, sytuacja zaczyna się zmieniać.

Tradycyjny chatbot typu ChatGPT przez większość czasu po prostu się „nudzi”. Zadasz pytanie — odpala model raz i kończy; nie zadasz — nie zużywa nowych zasobów obliczeniowych.

Natomiast nowa generacja osobistych agentów AI, jak Meta Muse, jest zupełnie inna. Ma własną maszynę wirtualną, własną przeglądarkę, może przeglądać strony internetowe dla użytkownika, wypełniać formularze, obsługiwać klienta, rezerwować usługi, wywoływać różne oprogramowanie i nieustannie wykonywać zadania w tle.

Innymi słowy, jeden użytkownik AI nie wiąże się już jedynie z okazjonalnym uruchomieniem dużego modelu na kilkadziesiąt sekund, lecz potencjalnie z „cyfrowym pracownikiem” stale dostępnym online.

To fundamentalnie zmieni sposób obliczeń wewnątrz serwerów AI.

Citi podał bardzo istotną statystykę: podczas tradycyjnego treningu AI stosunek CPU do GPU wynosił około 1:8, podczas wnioskowania może wzrosnąć do 1:4, a w erze Agentic AI ten stosunek może zbliżyć się do 1:1, a nawet być wyższy.

Przyczyna jest prosta — GPU najlepiej radzi sobie z masowym obliczeniem macierzy, lecz gdy agent AI realnie zaczyna pracować, oprócz uruchamiania modelu musi także nieustannie realizować zadania, przeglądać strony, odczytywać bazy danych, wywoływać API, obsługiwać uprawnienia, uruchamiać system operacyjny, zarządzać pamięcią, przesyłać dane i koordynować pracę różnych modeli AI.

Wiele z tych zadań nie jest domeną GPU — wymagają CPU, sieci i rozmaitych układów specjalistycznych.

To dlatego Citi nagle zobaczył CPU TAM na poziomie 300 miliardów dolarów.

To nie oznacza, że „CPU zastąpi GPU”; przeciwnie — im więcej instalujemy GPU, tym cały system wymaga równoczesnego zwiększenia liczby CPU, DRAM, szybszej sieci oraz coraz więcej urządzeń interkonektowych w centrum danych.

W efekcie rynek AI przechodzi ze względnie prostego „wyścigu zbrojeń GPU” w wyścig architekturalny dla całego serwera.

Stąd, patrząc na liczby ujawnione podczas Dnia Inwestora Marvell, łatwo zrozumieć, dlaczego zarząd odważył się postawić tak ambitne długoterminowe cele.

Marvell zakłada, że do 2030 roku rozmiar rynku, w którym może uczestniczyć, osiągnie około 400 miliardów dolarów, podczas gdy podczas ich ostatniej takiej prezentacji ten rozmiar wynosił mniej niż 100 miliardów, czyli wzrost czterokrotny w kilka lat.

W tym:

• Rynek chipów specjalistycznych osiągnie około 235 miliardów dolarów — to przyszły największy potencjalny rynek Marvell.

• Rynek interkonektów dla centrów danych AI osiągnie około 65 miliardów dolarów i jest przewidywany jako jeden z najszybciej rosnących segmentów.

• Rynek przełączników i pamięci masowej osiągnie około 85 miliardów dolarów.

• Segment telekomunikacji i innych usług ma jeszcze około 15 miliardów dolarów przestrzeni rynkowej.

Warto zwrócić uwagę nie na samą liczbę 400 miliardów, lecz na to, że Marvell uznaje, iż najszybciej rosnący obszar centrów danych AI przesuwa się z fazy Compute — czyli obliczeń, na Connectivity — czyli połączenia.

Wielu zwykłych inwestorów ma błędne przekonanie, że najcenniejszym elementem centrum danych AI jest GPU.

W rzeczywistości, gdy klaster AI rozrasta się z kilku tysięcy GPU do dziesiątek lub setek tysięcy XPU, jednym z największych problemów inżynieryjnych staje się: jak przesyłać dane między tymi chipami?

Nawet jeśli GPU oblicza bardzo szybko, jeśli dane nie docierają, GPU musi czekać.

W ten sposób systemy AI napotykają coraz poważniejsze fizyczne wąskie gardła, w tym niewystarczającą przepustowość, zbyt duże opóźnienia, wysokie zużycie energii przez połączenia miedziane oraz coraz większe odległości przesyłania danych.

To właśnie rynek, który Marvell najbardziej chce przejąć.

Marvell przewiduje, że przy medianie przychodów 80 miliardów dolarów w roku fiskalnym 2031, około 37,5 miliarda będzie pochodzić z działalności Interconnect, około 30 miliardów z Custom Silicon, około 10 miliardów z przełączników i pamięci masowej, a reszta — czyli około 2,5 miliarda — z tradycyjnej telekomunikacji i innych usług.

Innymi słowy, w przyszłości największa działalność Marvell to nie sam chip AI, lecz szybkie połączenie wszystkich chipów w centrum danych AI.

To najłatwiejszy do niedocenienia aspekt tej prezentacji inwestorskiej.

Dotąd inwestorzy patrząc na półprzewodniki AI, pytali: „Kto stanie się konkurentem dla GPU NVIDIA?”

W przyszłości pytanie będzie brzmiało: „Ile dodatkowych chipów potrzeba, gdy dodajesz GPU lub XPU?”

Jeżeli za jednym GPU stoi CPU, NIC, chip przełączający, optyczny DSP, Retimer, kontroler pamięci, kontroler pamięci masowej oraz specjalistyczny ASIC, największa szansa na wzrost w branży AI nie leży wyłącznie w GPU.

Marvell stawia właśnie na ten kierunek.

Firma już dostarcza chipy specjalistyczne dla czterech największych Hyperscalerów w USA, a coraz więcej projektów nie polega na budowie dużego XPU zastępującego GPU NVIDIA, lecz na tzw. XPU Attach — czyli dodawaniu specjalistycznych chipów wokół akceleratorów AI.

Na przykład szybkiej karty sieciowej, interfejsów pamięci, kontrolera pamięci masowej, chipów zarządzających infrastrukturą AI oraz chipów przyspieszających wnioskowanie.

Kierownictwo Marvell podało nawet bardzo obrazowy sposób obliczeń: przyszłościowo wokół każdego XPU może być podłączone jeden do dwóch chipów specjalistycznych, a część produktów może osiągnąć wartość jednostkową około 1000 dolarów.

Gdy firmy chmurowe wdrożą kilka milionów chipów AI rocznie, te „małe chipy obok XPU” mogą w końcu stać się rynkiem wartym kilkanaście miliardów dolarów.

To właśnie powód, dla którego Marvell podniósł cel dla Custom biznesu na rok fiskalny 2029 z ponad 10 miliardów do ponad 12 miliardów, a na rok 2031 zakłada około 30 miliardów dolarów.

Co ważniejsze, Marvell już nie realizuje zamówień dla pojedynczego klienta na jeden chip.

Firma jasno deklaruje, że jej działalność custom obejmuje czterech największych Hyperscalerów w USA, a przyszłe przychody będą coraz bardziej rozproszone na różnych klientów, różne XPU i różne produkty XPU Attach.

Tegoroczna umowa między Marvell a Google jest tego bardzo typowym przykładem.

Zakres współpracy nie ogranicza się do jednego chipu AI, obejmuje przyspieszacze wnioskowania AI, kontroler pamięci masowej, kontroler interfejsu sieciowego, kontroler interfejsu pamięci, Near-Memory Compute i inne produkty.

Zgodnie z zaprojektowaną umową, jeśli w przyszłości zamówienia na te produkty osiągną odpowiednie progi, całkowity potencjalny rozmiar zakupów związanych z tą współpracą może wynieść nawet około 120 miliardów dolarów.

Warto podkreślić, że te 120 miliardów dolarów nie są gwarantowanymi zamówieniami podpisanymi już dzisiaj, nie należy traktować tej liczby jako aktualnych zaległych zamówień Marvell.

Jednak ta informacja jest niezwykle istotna, bo Google decyduje się długoterminowo powiązać tak duże zakupy z Marvell, co samo w sobie pokazuje, że duże firmy chmurowe nie potrzebują tylko pojedynczego ASIC, lecz całej platformy chipów zaprojektowanej pod AI-infrastrukturę.

Polski portal inwestycyjny uważa, że to jest największa różnica względem wcześniejszych lat.

Dotąd największym pytaniem wobec Marvell było, czy to firma naprawdę posiadająca długoterminowy potencjał wzrostu AI jako platforma, czy tylko tymczasowo korzystająca z wysokiego CAPEX-u na projekty ASIC kilku dużych klientów.

Podczas Dnia Inwestora firma w praktyce podała swoją odpowiedź.

Przychody na rok fiskalny 2026 około 8,2 miliarda, w 2028 około 20 miliardów, a cel na 2031 od 70 do 90 miliardów, ze średnią 80 miliardów. Jeśli osiągnie 80 miliardów, oznacza to prawie dziesięciokrotny wzrost przychodów w pięć lat, co odpowiada rocznej złożonej stopie wzrostu około 58%.

Firma podała także cel Non-GAAP EPS ponad 30 dolarów na rok fiskalny 2031, podczas gdy w 2026 roku ten wskaźnik wynosił tylko 2,84 dolara.

To już nie jest rozwojowy scenariusz typowy dla tradycyjnej firmy półprzewodnikowej, lecz zakład na dalszy szybki wzrost całego rynku infrastruktury AI przez kolejne pięć lat.

Stąd pojawia się właściwy temat do analizy: czy cele Marvell są realistyczne?

Odpowiedź brzmi: kierunek jest bardzo klarowny, ale wartości liczbowe powinny być traktowane z ostrożnością przez inwestorów.

Największe ryzyko wynika z wydatków kapitałowych Hyperscalerów.

Cały model długoterminowy Marvell oparty jest na założeniu dalszego dynamicznego wzrostu CAPEX-u dla centrów danych na świecie, firma oczekuje, że do 2030 roku globalny CAPEX centrów danych osiągnie blisko 3 biliony dolarów, a udział dziesięciu największych Hyperscalerów będzie dalej rosnąć.

O ile Microsoft, Google, Meta, Amazon i inni giganci AI będą rokrocznie zwiększać CAPEX, rynek dla Marvell będzie się rozszerzać; lecz jeśli za dwa–trzy lata ROI dla AI zacznie spadać i Hyperscalerzy nagle zwolnią z rozbudową centrów danych, liczby Marvell na 2031 mogą ulec wyraźnym zmianom.

Drugie ryzyko to konkurencja.

Największym rywalem w obszarze ASIC pozostaje Broadcom AVGO, a na rynku AI-networks Marvell konkuruje z rozwiązaniami sieciowymi NVIDIA oraz innymi producentami szybkich interkonektów.

400 miliardów TAM nie oznacza, że Marvell zgarnie cały ten rynek — kluczowy pozostaje udział w rynku.

Trzecie ryzyko dotyczy wyceny.

Gdy rynek zaczyna wcześniej wyceniać przychody na 2030 czy 2031 rok, tempo wzrostu ceny akcji może wyprzedzić wzrost zysków. Nawet najciekawsze pięcioletnie perspektywy, jeśli już są zawarte w dzisiejszej wycenie, mogą prowadzić do dużych wahań kursu.

Stąd polski portal inwestycyjny uważa, że w obecnej fali AI inwestorzy powinni zrozumieć coś ważniejszego niż proste poszukiwanie „następnej NVIDIA”.

Prawdziwie wielka zmiana polega na tym, że AI przechodzi z epoki trenowania modeli do ery Agentów, która wymaga nie tylko coraz więcej GPU, lecz całej, bardziej złożonej infrastruktury centrów danych.

GPU realizuje obliczenia, CPU zajmuje się organizacją i zarządzaniem, DRAM przechowuje dane, sieć przenosi je, moduły optyczne i DSP pokonują ograniczenia odległości i przepustowości, chipy przełączające zapewniają komunikację setek tysięcy XPU, a wyspecjalizowane ASIC przenoszą coraz więcej zadań na większą efektywność i niższą konsumpcję energii.

Gdy AI zmienia się z przypadkowego chatbota w pracującego 24h cyfrowego pracownika, zużycie sprzętu per użytkownik AI radykalnie się zmienia.

To dlatego Citi widzi rynek CPU na poziomie 300 miliardów dolarów w 2030 roku, a Marvell odważył się postawić cel przychodów na 2031 rok od 8,2 miliarda do 70–90 miliardów.

Jeśli ta fala inwestycji AI utrzyma się do okolic 2030 roku, kolejnym ważnym kierunkiem badań nie będzie już „kogo kupić oprócz NVIDIA”.

Lecz ile dolarów trafi do CPU, specjalistycznych chipów, optycznej komunikacji, sieci, pamięci i magazynowania po każdym dodatkowym dolarze zainwestowanym w GPU.

To może stać się główną nową rundą rewolucji majątkowej w branży AI.