作者：戈多Godot
ブロードコム Broadcom とマーベル Marvell は、カスタム ASIC 分野の双頭寡占状態にある。
カスタム ASIC は、半導体で最も急速に発展している分野の一つだ。この分野がなぜ重要なのか、あるいは私がこの内容を書くことで伝えたい主なポイントは、
ムーアの法則が 28nm（ナノメートル）プロセスノード以降、徐々に崩壊していること、つまりチップ面積が縮小しても、より高いトランジスタ密度による計算能力の向上、より低い消費電力、より高い 0 1 切り替え周波数の計算速度が得られなくなったことだ。
現在の 3 nm と 2 nm に至っては、一枚のウェハの設計とテープアウト（試作）コストが 5 億ドルを突破し、業界全体の経済構造は必然的に再編されることになる。
どのように再編されるのか？
もしあなたが Google で、TPU 関連の学習と推論に毎年五百億ドル以上の電気代と減価償却費を費やしているなら、推論トークンのコストを 30% 削減できるカスタムチップが一つあれば、節約できる額は決して小さくない。
過去五年間で、ハイパースケーラー（超大规模云服务商）の設備投資は、ますます自社開発チップへと流れ、Nvidia の既製 GPU に向かう限界的な 1 ドルの伸びは徐々に横ばいになっている。Google TPU v7 、AWS Trainium 2 と Trainium 3 、Microsoft Maia 100 と Maia 200 、Meta MTIA 、そして Apple が 2026 年に正式確認した自社開発 AI サーバーチップだ。
世界全体で、ハイパースケーラー級の ASIC 協調設計業務を請け負える企業は、実質的にブロードコムとマーベルの二社だけだ。Tom's Hardware のサプライチェーン調査によると、この二社でハイパースケーラー向けカスタム AI アクセラレーターの協調設計市場の約 95% を占めている。
95% の集中度が意味するのは、今後五～十年間、すべてのハイパースケーラーが投じる AI 設備投資の中で、自社開発の XPU が生まれるプロセスは、ほぼすべてこの二社のいずれかの手を経るということだ。
カスタム ASIC の台頭はビジネスストーリーではなく、物理的限界の後に余儀なくされた経済学の再構築である
高い顧客集中度
まず、カスタム ASIC の顧客は、上位ハイパースケーラーに極めて集中している。
1974 年にデナードが IBM 研究所で提唱したスケーリング則は、チップの体積を縮小しながら、性能を向上させ、消費電力を維持できることを発見した。
しかし、90nm ノードに達すると、物理定数による深刻なリーク電流問題で、電圧を比例的に下げ続けることができなくなり、消費電力密度が急上昇した。これが 2005 年前後に CPU のクロック周波数の伸びが止まった物理的理由であり、その後のマルチコアアーキテクチャ台頭の起点である。
28nm から、トランジスタ単価は下落に転じるどころか上昇し始め、チップの製造・設計コストが急激に増大した。
現在 3nm のテープアウト費用は 5 億ドルにも達し、2nm は 10 億ドルに近づく。この極めて高い固定費は、年間数百万個のチップを消費する大手データセンター企業だけが、莫大な出荷量によってコストを薄めることができることを意味する。
TSMC（台積電）と業界ロードマップによれば、2030 年前後にプロセスは A10、つまり 1nm ノードに到達し、トランジスタの物理的微細化は終点を迎えると予想され、計算能力の向上は完全にパッケージング、インターコネクト、アーキテクチャの革新に依存することになる。これは、カスタム ASIC 双頭寡占企業にとって、今後十年間で最大の構造的機会である。
ムーアの法則の崩壊が、資本構造を変える
次に、ムーアの法則の崩壊が資本構造を変えた。過去、TSMC の N5 から N3 プロセスへの移行では、トランジスタ密度が 1.6 倍向上し、ウェハコストはわずか 18% 増加したため、トランジスタ単価は 25% 低下した。
しかし現在、N3 から N2 への発展では、密度はわずか 1.15 倍しか向上せず、ウェハコストはプロセスの複雑化により 50% も急騰し、トランジスタ単価は逆に 30% 上昇している。
したがって感覚に反するが、先端プロセスはもはやチップを安くはせず、むしろ、より高価なトランジスタで、トップノードでなければ完了し得ない絶対的な計算タスクをこなしている。
コストに敏感なスマートウォッチなどのローエンド SoC は、引き続き N16/N7 などの旧ノードに留まるが、計算能力に強い需要があり、高いプレミアムを許容できるトップエンドの AI アクセラレーターは、N3、さらには N2 を使わなければならない。
ブロードコムが Google 向けに設計した TPU v6e Trillium は N3 ノード、TPU v7 Ironwood も N3 にあり、次世代 TPU は N2 へ移行する。 Meta 向けに設計した MTIA T-V1 は N5 ノード、MTIA T-V2 は N3 にアップグレードする。 OpenAI 向けに設計した初の自社開発推論チップは N3 で確定、第二世代は一気に N2 へ飛ぶ。 Apple 向けに設計したサーバーAIチップは、最初から N2 でスタートする。
マーベルが AWS 向けに設計した Trainium 2 は N5 ノード、Trainium 3 は N3 にアップグレードする。MRVL が Microsoft 向けに設計した Maia 100 は N5 ノード、Maia 200 は N3 である。
すべてのハイパースケーラーの次世代主力 XPU は、N3 でスタートし N2 へ移行する、このタイミング枠内にある。
このタイミング枠はおおよそ 2026 年から 2028 年をカバーし、ブロードコムが FY27 の AI 売上高見通しを 1000 億ドル超へと上方修正したガイダンスのレンジと重なり、マーベルのデータセンター売上高が、FY27 の約 80 億ドルから FY29 の 200 億ドル近くへと向かう、暗黙のロードマップとも合致する。
バックサイド電源供給と High-NA EUV
今後五年間、業界には二つの重要な技術ロードマップ、バックサイド電源供給と High-NA EUV がある。
中でも High-NA EUV は、ASML が主導する次世代リソグラフィ技術であり、AI チップが約 1.4 nm 換算まで微細化された場合、単位面積あたりのトランジスタ数を 2nm 比で 1.3 倍以上に引き上げられ、チップ単体の計算能力がさらに飛躍する。
もし実用化が遅れれば、業界全体は計算能力を高めるため、よりアグレッシブなパッケージングソリューションとシステムレベルアーキテクチャの革新へ、前倒しでの転換を迫られることになる。
High-NA EUV は、マスクコスト、レジスト体系、計測ツールのすべてを再適合させる必要があるため、12 か月から 18 か月遅れる可能性が高く、ブロードコム、マーベルのチップ設計、そして TSMC にとっては追い風となる。
システムレベル統合が、トランジスタの微細化に取って代わり、計算能力向上の新たなエンジンとなりつつある
2010 年のパッケージングコストは、チップ総コストの約 5% から 8% だったが、2020 年には 12% から 15% に上昇し、2026 年の主力 AI アクセラレーターでは、パッケージングコストの比率が一般的に 30% を超え、一部の極端な設計では 40% 近くに達している。
その理由は、パッケージングがチップの性能上限と供給能力を決める、極めて重要なボトルネックになりつつあるためだ。
まず概念を理解しよう。シリコンウェハは原材料であり、ベアダイ（die）は半製品、そしてパッケージングとテストを経たものが最終製品のチップである。
第一に、レチクル制限が物理的に、シングル die の面積を約 858 平方ミリメートルに制限しており、AI チップは、単一 die の大型化から、複数 die の接合へと転換している。
第二にメモリの壁の問題で、1 チップに搭載可能な HBM の数量は、die の辺に配置できる HBM インターフェース数に制約され、帯域幅をさらに向上させるには、HBM を物理的にロジック die に近づけ、広帯域の高速インターフェースで直結する必要がある。
第三に、インターコネクトの消費電力が、すでに計算そのものの消費電力を上回っており、パッケージ内集積が唯一実現可能な工学的アプローチとなっている。
したがって、先端パッケージングを制する者が、AI アクセラレーターの実質的な出荷上限を制することになる。その答えが TSMC だ。
CoWoS は、TSMC が 2011 年に投入した 2.5D のパッケージングプラットフォームで、基本構造は三層ある。最下層は有機基板、中間層はシリコンインターポーザー、最上層はロジック die と HBM die だ。
CoWoS は投入当初、主にハイエンド GPU と FPGA 向けだったが、2016 年にメインストリームの AI アクセラレーター市場へ参入し、2022 年以降はハイパースケーラーの主力 XPU の標準装備となった。
過去数十年、プロセスが進歩すればするほど、トランジスタは微細化し、チップ上のトランジスタは増え、性能は向上し、消費電力は下がった。顧客は進んで先進ノードへの移行を続けてきた。それは技術的なアップグレードであると同時に、経済的なアップグレードでもあったからだ。
だが、このロジックは 3nm から 2nm にかけて変わり始めた。つまり、我々がまさに今、経験しているノードである。
すなわち、先に触れたムーアの法則の崩壊が、資本構造を変えたのである。
先端プロセスのコスト体系の第一層は、NRE、すなわち non-recurring engineering cost、一度限りのエンジニアリング開発費だ。これには、アーキテクチャ定義、IP ライセンス、RTL 設計、検証、物理設計、タイミング収束、消費電力最適化、パッケージング連携、テスト方案、EDA ツール費用などが含まれる。
第二層は、テープアウトとマスク代（フォトマスク）だ。先端ノードほど、マスクは複雑化し、EUV 層数が増え、試行錯誤コストは高まる。チップ設計が完了すると、ファウンドリに試作を依頼する、これがテープアウトだ。テープアウト失敗による損失は甚大で、6 か月から 9 か月の製品投入時期、顧客の展開スケジュール、TSMC の生産能力枠、HBM の調達計画、パッケージングリソースのスケジュールなどを含む。
第三層は、ウェハと歩留まりのコストだ。
2nm の初期量産段階では、単一 die のコストは、3nm よりも大幅に高くなる可能性がある。
つまり、2nm は業界の分水嶺である
ハイパースケーラーにとっては、各トークンを生成、処理、あるいは理解するための総合コストの方が、より重要なのである。
同じ消費電力で、チップはより多くの推論を実行できるか？同じラック内で、チップはより高い計算密度を提供できるか？同じ1ドルの電力費と減価償却費で、より多くのユーザーリクエストに対応できるか？100万トークンあたりの推論コストを削減できるか？AI製品の粗利率を向上できるか？
ワークロードが十分に安定し、出荷量が十分に大きければ、カスタムチップはライフサイクルコストで汎用ソリューションを上回ることができる。
したがって、カスタムASICの台頭は、顧客が突然自社開発を好むようになったからではなく、先端プロセスが高すぎ、汎用GPUが高すぎ、AI推論とトレーニングの規模があまりにも大きくなったからだ。
BroadcomとMarvellの価値は、複雑性を管理する能力にある
BroadcomとMarvellは、既存IPライブラリ、SerDes、PHY、相互接続、パッケージング共設計、TSMCプロセス経験、歩留まり立ち上げ経験、量産テスト経験、そしてハイパースケーラーとの長期的な協業で培ったシステム理解力を含む、一式の複雑性管理能力を提供する。
言い換えれば、2nmプロセスが複雑になるほど、顧客は外部の共設計パートナーを必要とする。先端プロセスのコストが高くなるほど、試行錯誤のコストが高まり、BroadcomとMarvellの価値はむしろ高まる。
ここで二つの概念を導入する必要がある。
設計・技術共最適化（DTCO、Design-Technology Co-Optimization）。チップ設計は、プロセス開発段階から標準セル、SRAM、デザインルール、電力経路、タイミングモデルの協調的な定義に関与する。
システム・技術共最適化（STCO、System-Technology Co-Optimization）。AIチップの最適化では、ロジックダイ、HBM、CoWoS、基板、光相互接続、ラックネットワーク、電力、冷却を一体的に考慮する必要がある。
プロセスが複雑になるほど、顧客は経験豊富な外部の共設計パートナーを必要とする。この二つの概念は、AVGOとMRVLの堀がなぜますます深くなっているのかを説明している。
BroadcomとMarvellが実際に販売しているのは、複雑性に対する保険である。顧客が支払っているのは設計費用だけでなく、プロジェクト失敗確率の低減、量産サイクルの短縮、歩留まりの確実性向上、サプライチェーン調整能力の強化に対するプレミアムである。
Broadcomの強みは、システムの完成度がより高く、ASIC共設計能力を持ち、スイッチチップ、SerDes、PHY、イーサネット、パッケージング経験、より大きな顧客基盤を有していることだ。
さらに重要なのは、Broadcomがソフトウェア事業による強力なキャッシュフローを持ち、資本市場の目にはAI半導体とインフラストラクチャソフトウェアのキャッシュフローを併せ持つ複合プラットフォームと映っていることだ。
Marvellの強みは、AIデータセンター事業により特化しており、光相互接続、DSP、PAM4、データセンターネットワーキング、カスタムシリコンプロジェクトにおけるポジションがますます重要になっている点だ。
MarvellはBroadcomほど多角化しておらず、VMwareのようなソフトウェアキャッシュフローの支えもないが、まさにそれゆえに、AWSやMicrosoftなどの大型顧客プロジェクトが順調に立ち上がれば、収益の弾力性はより顕著になるだろう。
次に重要となる問題は、
AI設備投資が汎用GPUからカスタムASICへシフトするトレンドが継続するかどうかだ。継続するなら、BroadcomとMarvellは従来の意味でのチップ設計サービスプロバイダーではなく、ハイパースケーラーが自社開発する計算基盤体系における重要なインフラサプライヤーとなる。
しかし、2nmのコストが高すぎるために顧客が移行を遅らせれば、BroadcomとMarvellの収益認識は後ろ倒しになる。Nvidiaがセミカスタムソリューションを提供すれば、BroadcomとMarvellの長期的な利益率も再評価されるだろう。
NvidiaはすでにMarvellに戦略的投資を行っており、Broadcomは本当にNvidiaと正面から戦うことになる。
ハイパースケーラーが自社ASICを開発する必然性
ハイパースケーラーが自社ASICを開発するのは、AIのワークロードが十分に大きく、安定し、予測可能になったときに、一部のAIワークロードを汎用GPUからカスタムASICへ移行し、より低い単位コストで自社のサービスを提供するためであり、Nvidiaを代替するためではない。
NvidiaのGPUの優位性は、汎用性、ソフトウェアエコシステム、開発者エコシステム、そして最先端モデルのトレーニングにおける柔軟性にある。新しいモデル、アルゴリズム、フレームワーク、オペレーターに対しては、GPUが依然として最も安全で、迅速かつ汎用的な選択肢である。
しかし、AIサービスが大規模な商業化段階に入ると、コスト構造が変化し、トレーニングに代わって推論が支配的になる。
大規模な推論、レコメンデーション、広告ランキング、検索、音声、翻訳、画像生成、コード補完などのAIワークロードは、規模が巨大でパターンが安定すれば、カスタマイズに非常に適している。
Googleは最も早い実践者であり、自社開発ASICが単発のプロジェクトではなく、長期的なプラットフォームになり得ることを最初に証明した。
TPUは検索、広告、翻訳、レコメンデーションからGeminiやGoogle Cloud AIに至るまで、エコシステム内部のAIワークロードのために設計され、Google AIの中核構成要素の一つとなっている。
GoogleはBroadcomの典型的なユーザーであり、長期的なロードマップが明確で、チップの世代交代が安定しており、ハイエンド相互接続とシステム共設計に対する要求が極めて高い。
AWSはクラウドインフラプロバイダーである。したがって、AWSがTrainiumとInferentiaを開発するのは、クラウド顧客に対し、より安価で、より制御可能で、より高いコストパフォーマンスのAIコンピューティングを提供するためだ。
Microsoftの需要は、Azure OpenAI、GitHub Copilot、Microsoft 365 Copilot、Bing、Windows AI、企業向けAIサービスに集中しており、自社開発のMaiaはコスト削減のためだけでなく、インフラの選択肢を持ち、AIワークロードをより制御可能な自社チップに移行し、長期コストを下げ、サプライチェーンの柔軟性を高めるためでもある。
MetaのMTIAの需要も同様で、レコメンデーションシステム、広告ランキング、コンテンツ配信、ソーシャルグラフに用いられる。
Broadcomの詳細分析 $AVGO
Broadcomの事業は主に以下の4つからなる。
1）カスタムAIアクセラレーター
2）AIデータセンター向けのスイッチチップ、イーサネット、NIC、ファブリック
3）SerDes、PHY、CPO、光相互接続などの高速I/O能力
4）VMware買収後に保有するソフトウェア事業
これこそがBroadcomと多くのAI半導体企業との最大の違いである。多くの企業はGPUだけ、あるいはHBMだけ、あるいは光モジュールだけといった単層の事業しか持たない。Broadcomの事業はAIデータセンターの複数の重要なポジションに同時に食い込んでいる。
Broadcomの事業は、継続的なM&A、統合、非中核コストの削減、高利益率製品ラインの維持、キャッシュフロー転換率の向上を通じて形成された、非常に独特な資本配分モデルに基づいている。基底にあるロジックは極めて一貫している。
無線チップ、ブロードバンドチップ、エンタープライズストレージ、ネットワークスイッチ、SerDes、ASIC、VMwareソフトウェアの共通点は、顧客の乗り換えコストが高く、設計サイクルが長く、ライフサイクルが長く、参入障壁が高く、粗利益率とキャッシュフローの質が良好であることだ。
したがって、Broadcomは従来の意味でのイノベーション駆動型半導体企業ではなく、複雑性アセット運営会社であり、複雑な製品ラインを長期的なキャッシュフロー資産に転換することに長けている。
ハイパースケーラーのカスタムAI ASICもまた、まさに複雑性が極めて高く、乗り換えコストが極めて高く、ライフサイクルが極めて長い事業である。顧客がBroadcomと共同で一世代のAIアクセラレーターを開発することを選択すれば、両者の関係は一つのチップで終わることはない。
さらに、ASICはすべての顧客が完全に白紙から始めるわけではない。顧客が必要とするのは、異なるAIワークロードへの適応である。例えば、GoogleのTPU、MetaのMTIA、OpenAIの推論チップ、AppleのプライベートクラウドAIチップでは、要求がそれぞれ異なる。
しかし、BroadcomはSerDes、PHY、ダイ・ツー・ダイ連携、パッケージング経験、テストプロセス、量産手法をベースレイヤーで再利用できる。
ハイパースケーラーレベルのAI ASIC一つには、少なくとも以下の6種類の主要モジュールが含まれる。
1）行列演算アレイ
2）オンチップSRAMとキャッシュシステム
3）HBM
4）相互接続モジュール
5）SerDes / PHY
6）電源管理などの関連モジュール
SerDesは、極めて高いデータレートで信号の完全性、消費電力、ビット誤り率、信頼性を確保する必要がある。その蓄積サイクルは通常、年単位で計算され、短期間の人海戦術による迅速な複製は不可能である。
チップ間、サーバー間、ラック間、データセンター間のデータ転送は、AIデータセンタークラスタ全体の稼働率を決定する。
Broadcomはこの分野で独占的地位にある。
Tomahawkシリーズのスイッチチップは、AIデータセンターの高速バックボーンネットワークを支配しており、Tomahawk 5は単一チップのスループットが51.2 Tbpsに達し、超高帯域幅のシナリオ向けに設計されている。
Jerichoシリーズは、AIトレーニングでよく見られる「マイクロバースト」トラフィックの処理に重点を置いている。ハードウェアレベルでのフロー制御メカニズムにより、回路ロジックの面からバッファオーバーフローを根絶し、ソフトウェアプロトコルによる事後再送信に頼ることなく、物理層でのロスレス伝送を実現する。
現在、イーサネットルートのAIデータセンターネットワークにおいて、Broadcomの商用スイッチチップが絶対的な支配的地位を占めている。唯一競合を構成するのはNvidiaが主導するInfiniBandソリューションだが、業界全体はNvidia自身を除き、イーサネットへの代替ルートを強力に推進している。
SerDes / PHY / 光相互接続：Broadcomの基盤となるI/Oの価格決定力
スイッチチップがAIデータセンター内部のデータスケジューリング能力を決定するのに対し、SerDes、PHY、光相互接続は、十分に低い消費電力、十分に高い信頼性、十分に大きな帯域幅で、データがより大規模なクラスタ内を安定的に流れることができるかどうかを決定する。
SerDesとはシリアライザ/デシリアライザ（serializer / deserializer）の略であり、チップ内部のパラレルデータを高速シリアル信号に変換して送信し、反対側でパラレルデータに再変換する役割を持つ。
AIクラスタが大きくなればなるほど、データの移動が重要になるからだ。チップ間、ボード間、スイッチ間、ラック間のあらゆる通信が高速I/Oを経由する。速度が高くなるほど、信号の完全性、消費電力、放熱、ビット誤り率が問題となる。
これが、ハイエンド SerDes がアナログおよびミックスドシグナル設計の中で最も難しい領域の一つである理由でもある。ハイエンド SerDes には、長年にわたる製品の反復、シリコン検証、顧客先でのデバッグ、パッケージングとの協調設計、そしてシステムレベルの問題切り分けが必要とされる。
Hyperscaler が単にチップを1つ作りたいだけなら、選択できる設計サービスプロバイダーは多数あるかもしれない。しかし、AI ASIC を相互接続可能でラックに搭載でき、世代を超えて改良でき、HBMやCoWoS、スイッチングネットワーク、光相互接続と協調最適化できるシステム製品に仕上げたい場合、選択肢は急速に狭まる。
これがブロードコムの第二の価格決定力の源泉、すなわち基盤となる I/O IP の規模を活かした再利用能力である。
VMware：ソフトウェアキャッシュフローが AI ASIC 評価に影響する
VMware がブロードコムの AI 評価において果たす重要な役割は2つある。
1）キャッシュフローを提供すること； 2）企業インフラの入り口を提供すること。
VMware 買収後、ブロードコムは高粗利でキャッシュフローの質が高いインフラストラクチャソフトウェア事業を手に入れ、比較的安定したキャッシュフローのバッファー層を確保した。
それによってブロードコムは、AI 半導体の成長 ＋ インフラソフトウェアのキャッシュフローという複合型プラットフォームへと変貌を遂げた。
もっとも、これは VMware にリスクがないことを意味しない。ブロードコムによる VMware 買収に対しては、市場でも一貫して顧客移行や値上げ圧力、エコシステム摩擦が取り沙汰されている。VMware への依存度を下げようとする企業も現れており、VMware がリスクのない完璧なキャッシュフローではないことを示している。
しかし、Hock Tan の資本配分の論理から見れば、VMware の戦略は最大の顧客数を追うことではなく、高価値のエンタープライズ顧客、高利益率、そしてより集約された製品ポートフォリオを追求することにある。
これはブロードコムが過去に CA や Symantec Enterprise を統合した手法と一貫しており、低リターン事業を削減し、コア顧客を維持し、サブスクリプション比率を高め、利益率とキャッシュフロー転換率を引き上げる。
上昇サイクルでは、ASIC とデータセンター事業が成長の弾力性をもたらす。下降サイクルでは、VMware がキャッシュフローバッファーを提供する。そのキャッシュフローはさらに、配当、自社株買い、M&A 統合、そして次の AI インフラ投資を支え続ける。
マーベル（Marvell）の徹底分析 $MRVL
マーベルは、ブロードコム以外で最も価値のあるカスタムシリコンの第二のサプライヤーなのか、それとも AI の物語によって先行して織り込まれ過ぎた高ベータの景気循環株なのか。これがマーベルを理解するうえでの中核的な問いである。
マーベルとブロードコムは同じ種類の会社ではない
マーベルを単にもう一つのブロードコムと決めつけることはできない。
ブロードコムの強みはプラットフォーム化にある。ASIC、AI データセンター、SerDes / PHY、VMware のソフトウェアキャッシュフロー、Hock Tan の M&A 規律が、その評価体系を支えている。
マーベルのストーリーは、より AI データセンターに集中している。とりわけ ASIC、光相互接続、DSP、イーサネットスイッチング、PCIe retimer、AEC DSP、そして scale-up、scale-out、scale-across の拡張が中心だ。
したがって、 $MRVL は高ベータの AI データセンターインフラ株に近い。
顧客プロジェクトが順調に量産化されれば、収益の弾力性はブロードコムよりもストレートに表れる。しかし、顧客のスケジュールが遅れたり、光相互接続の価格圧力が強まれば、株価もより敏感に反応する。
マーベルのポジショニング：ストレージ／ネットワークチップ企業から、AI データセンター接続プラットフォームへ
10年前の Marvell に対して市場が抱いていた印象は、ストレージコントローラーやエンタープライズネットワーク、通信インフラ向けチップが中心だった。
Matt Murphy が舵を取ってからは、同社を従来の半導体サプライヤーからデータインフラ半導体企業へと再定義した。
このポジショニングは重要だ。AI データセンターには GPU だけがあるわけでも、ASIC だけがあるわけでもないからだ。
大規模な AI クラスターの背後には、データインフラの一式がある。コンピューティング、メモリ、ネットワーク、光モジュール、スイッチチップ、PCIe、retimer、DSP、CPO、NPO、DCI、ラック間相互接続、データセンター間相互接続のどれ一つ欠かせない。
データセンターに求められるのは、チップがどれだけ速く計算できるかだけではない。数万個の GPU または XPU を、高利用率、低レイテンシー、低パケットロス、スケーラブルなシステムとしてつなぎ合わせられるかどうかだ。大規模モデルの学習時には、数万個の GPU や XPU がパラメータと勾配を絶えず同期しなければならない。
推論が本格的に商用化される段階では、高い同時実行性と低レイテンシーの状態で、ユーザーリクエストに継続的に応え続ける必要がある。
エージェンティック AI のワークロードが登場したことで、問題はさらに複雑になる。コンテキストは長くなり、ツール呼び出しは増え、複数ターンのインタラクションが増加し、モデルはもはや一度の入力・一度の出力ではなく、絶えず読み取り、呼び出し、返却し、再推論することになる。
これによって、データセンター内部、およびデータセンター間の相互接続へのプレッシャーは一段と高まる。
だからこそ、マーベルの機会はデータ移動の要所に立っている点にある。そしてこれが、マーベルと Nvidia の関係が Nvidia の AI エコシステムにおける重要な戦略的補完になりつつある理由でもある。
これがマーベルとブロードコムの第一の違いだ。ブロードコムは AI インフラにおける複合プラットフォームに近く、マーベルは AI データセンターにおける接続プラットフォームに近い。
マーベルの AI 収益は単一の ASIC ではなく、一連のデータセンター製品ポートフォリオ
マーベルの AI 事業は4層に分解できる。
1）ASIC、すなわちハイパースケーラー向けに設計されたカスタム AI アクセラレータまたは関連コンピューティングチップ。 2）ASIC attach、すなわち顧客が自社開発する XPU に必要な接続、制御、I/O、補助チップ。 3）Optics / DSP、すなわち 800G、1.6T 光相互接続におけるデジタル信号プロセッサ、PAM4 DSP、coherent DSP、driver、TIA など。 4）Switching / Retimer / DCI、すなわちイーサネットスイッチチップ、PCIe retimer、アクティブケーブル DSP、データセンター相互接続モジュールなど。
Marvell は FY2027 Q1 決算で明確に述べている。収益見通しの上方修正は、複数の AI 関連製品によるものだ。800G および 1.6T scale-out 光学ソリューション、51.2T Ethernet scale-out スイッチ、NPO と CPO 向けの scale-up 光学ソリューション、scale-across データセンター相互接続モジュール、そしてカスタム ASIC と ASIC attach ソリューションである。
ここで3つの概念を押さえておく。
1）Scale-up：1台のサーバー内、1つのラック内、あるいは比較的密結合されたシステム内で、複数のアクセラレータを接続し、単一の計算ドメインにおける協調効率を高めること。 2）Scale-out：より多くのサーバー、より多くのラック、より多くのノードを接続し、より大規模な AI クラスターを形成すること。 3）Scale-across：データセンター間、リージョン間、クラスター間のデータ相互接続を指す。
総合すると、マーベルの主軸事業は、XPU から光相互接続まで、ラック内からラック間まで、scale-up から scale-out へ、そして scale-across へと、AI データセンターにおけるデータ移動の連鎖に可能な限り広く食い込むことだ。
マーベルが賭けているのは、AI データセンターのボトルネックが単一チップの計算能力からデータ移動能力へと広がっているというトレンドである。このトレンドが続く限り、マーベルには複数の局面で同時に恩恵を受けるチャンスがある。
だが、その裏返しとして、これがマーベルのバリュエーションをめぐる議論がいっそう大きくなる理由でもある。
ASIC は量産化する必要があり、光モジュールはアップグレードし、DSP は価値を維持し、スイッチはより多くの AI ネットワークに浸透し、Retimer と DCI はデータセンターの拡大に追随しなければならない。どれか一つでも期待を下回れば、市場の価格付けに影響が及ぶ。
したがって焦点は、マーベルが AI データセンターのデータ移動需要を、持続的に成長する製品ポートフォリオ収益に転換できるかどうかだ。できれば、マーベルは単なるネットワークチップ企業ではなく、AI データセンター接続プラットフォームになる。できなければ、AI の物語によって先行して織り込まれ過ぎた高ベータの景気循環株として市場に再評価されることになる。
Celestial AI：マーベルが買収したのは scale-up 光相互接続の長期的選択権
Celestial AI の買収は、必ず重点的に取り上げるべき事例だ。この取引が狙ったのは短期的な収益ではなく、次世代 AI scale-up システムの内部相互接続に参入するための技術的チケットである。
マーベルは 2026 年 2 月に Celestial AI の買収を完了した。Celestial AI の中核資産は Photonic Fabric 光相互接続技術であり、次世代 AI およびクラウドデータセンターアーキテクチャにおける高帯域幅、低消費電力、密統合接続を支えることを目的としている。
単一の AI システム内の XPU 数が増え、HBM が高価になり、モデル並列やエキスパート並列が複雑化するにつれて、ノード内、ラック内の高帯域幅・低レイテンシー相互接続の重要性は増す一方だ。
従来の電気相互接続は、消費電力、距離、帯域幅密度の面で制約が強まっている。光相互接続がより早い段階でシステム内部に持ち込まれれば、ASIC クラスターのアーキテクチャを変える可能性がある。
マーベルは公式に、Celestial AI の技術とチームが Marvell のデータセンターに加わり、次世代 AI システムのエンドツーエンド接続能力を強化するために用いられると明言している。
マーベルの開示によれば、Celestial AI の初期収益貢献は FY2028 下半期から始まり、FY2028 第4四半期には年率換算で 5 億ドルに達する見込みだ。FY2029 第4四半期までには、年率換算で 2 倍の 10 億ドルになると予測されている。一方で、この買収に伴い年間約 5000 万ドルの non-GAAP 営業費用が増加する見通しだ。
Nvidia がマーベルに投資、ASIC を自らの領域に取り込む
Nvidia はもちろん、ハイパースケーラーの自社開発 ASIC が自社のシステムエコシステムを完全に迂回することを望んでいない。顧客がどうしても自社開発するのであれば、より良い選択は、自社開発 ASIC を Nvidia の NVLink などのエコシステムに接続できるようにすることだ。
AI推論の規模拡大、内部AIワークロードの安定化、データセンターのコスト圧力の高まりに伴い、顧客は自社開発ASICへの移行を間違いなく加速させる。
そのため、Nvidiaは「NVLink Fusion」を発表し、サードパーティがNvidiaのインターネットエコシステムに一定の範囲でアクセスできるようにした。顧客がMarvell（マーベル）製のASICを使う場合でも、Nvidiaのインターコネクト技術を引き続き利用する可能性がある。
マーベルの最も理想的なポジションは、単なるNvidiaの付属サプライヤーにとどまらず、複数のAIシステムアーキテクチャで必要とされる「接続層」のサプライヤーになることだ。
だからこれまで市場はMRVL（マーベル）を主にBroadcom（ブロードコム）と比較し、マーベルがブロードコムに次ぐ第2のASICサプライヤーになり得るかどうかを見ていた。
だが今は、マーベルがNvidiaのエコシステムとハイパースケーラーの自社開発エコシステムの「双方の橋渡し役」として、両者から必要とされる接続プラットフォームになれるかどうか、という新たなバリュエーションロジックが加わっている。
もしそれが実現すれば、単なるASIC設計会社よりもバリュエーションの余地は大きくなる。それは「システム接続の支配権」を得るからだ。
ブロードコムとマーベルの比較まとめ
ブロードコムはASIC、マーベルは光インターコネクト。これはやや大雑把な結論だが、間違いではない。ただ単純すぎる。
ブロードコムがより強いポジションを占めるのは、スケールアップ／スケールアウトのイーサネットネットワーク構造、およびスイッチチップ、SerDes／PHY、NIC、ネットワークプラットフォームにある。
その中核的な強みは、AIデータセンター内の大量のコンピューティングノードを高性能ネットワークで接続し、拡張可能、スケジュール調整可能、量産可能なシステムに仕上げることだ。Tomahawk、Jericho、SerDes、PHY、NIC、CPO、さらにASICを加えたこれらが、ブロードコムのAIデータセンターにおけるシステムレベルのコントロールポイントを構成する。
したがって、AVGO（ブロードコム）のポジションは、よりネットワークスイッチングファブリックのコントロールポイントに傾いている。
大規模なAIクラスターを構築するなら、高性能スイッチチップ、低消費電力高速I/O、輻輳制御、イーサネット構造、システムレベルのチューニング能力が不可欠だ。そこがブロードコムの強みである。
一方、マーベルがより強いポジションを占めるのは、DSP、PAM4、コヒーレント光通信、ASIC周辺領域への進出、データセンターインターコネクト、シリコンフォトニクス、そしてNVLink Fusion参入後のセミカスタムスケールアップインターコネクトにある。
その中核的な強みは、ブロードコムのようにネットワーク構造全体のコントロールポイントを握るのではなく、AIデータの移動チェーンの中で、可能な限り多くの要となる接続ポジションを獲得することだ。
したがって、マーベルのポジションは、よりデータ交換チェーンにおける複数のアタッチメントポイントに傾いている。
マーベルは各層で絶対的な支配者ではないが、ASIC周辺、光モジュール内部、データセンターインターコネクト、PCIeリタイマー、アクティブケーブルDSP、シリコンフォトニクスインターコネクト、スケールアップインターコネクトなど、複数のセグメントに関与している。収益の源泉は、AIデータの流れに伴い増え続ける接続チップの需要から来る部分が大きい。
さらに、ハイパースケーラーの調達哲学は通常、短期的には最強のソリューションを購入し、中期的にはセカンドサプライヤーを育成し、長期的にはオープン標準を推進し、ワークロードに応じてサプライチェーンを分割する傾向がある。だからこそ、MRVLの株価にはより強い上昇の爆発力が期待できる。これも重要な理由だ。
