财报后下跌，现在是买博通 $AVGO 的好时机吗？

network

财报后下跌，现在是买博通
$AVGO
的好时机吗？🧐


川沐｜Trumoo🐮
@xiaomustock
·
23小时
博通
$AVGO
的财报和指引都非常牛逼，
市场暴跌纯粹是鸡蛋里挑骨头，
60抄底了
$AVGX
俩倍做多博通，这完全是杀期权，把整个美股都带下来了。
市盈率都跑到20了，按照年底q4利润算年50%增长，每年市盈率就剩下10了。














营收创纪录，AI 收入同比 +143%，单季新增订单 300 亿。博通最新财报几乎全面超预期，股价却下跌。

原因不在业绩，在预期。

博通财报讨论和电话会本质上，翻来覆去就是一个问题，明年超过 1000 亿的 AI 收入，能不能兑现。

一个有趣的点，电话会上，JPMorgan 分析师 Harlan Sur 质疑管理层，按"下半年是上半年两倍"来算，全年 AI 收入应该超过 600 亿美元，你们只给 560 亿，只有 1.5 倍。

这句话说明，大家私下的预期早就到 600 亿以上，财报前市场还在传"AI 在手订单已达 730 亿美元"，再加上股价过去一年从 241 涨到接近 496，预期定得非常高。

所以这次下跌是好消息提前反映在了股价里，不是基本面转弱。

————————

1⃣ 实际数字其实很强。Q2 营收 222 亿美元，同比增长 48%，创纪录；非 GAAP 营业利润率 67.3%；

自由现金流占营收 46%；其中 AI 半导体 108 亿美元，同比增长 143%，超过指引。

更重要的是订单。单季 AI 新增订单超过 300 亿美元，而出货只有 108 亿，订单出货比约 3 倍。

订单出货比＝新订单÷出货收入，大于 1 说明需求在累积。

管理层说，可见性已经从 2027 延伸到 2028。第三季度指引营收 294 亿（增长 84%），AI 160 亿（增长 200% 以上）。

毛利方面。ASIC/TPU 占比上升，稀释了高毛利的软件 93%和网络。

同期营业利润率反而上升，因为费用几乎没涨。所以管理层建议，把半导体和软件分开建模，否则会误判盈利能力。

————————————

2⃣ 客户方面，博通明确是六大核心客户驱动。

1）Google：长期协议，多代 TPU + AI 网络。

2）Anthropic：2026 年超过 1GW 的 TPU 算力；2027 年起再增 5GW 下一代 TPU 算力。

3）OpenAI：硅片已交付，2026 年底量产；2027 年承诺部署 1.3GW（属于到 2029 年的 10GW 大单）。

4）Meta：多代 MTIA，到 2028 年部署 3GW（首期 1GW 已下单）。

5）另两家客户：合计 6 亿美元采购订单，2026 年底开始出货。

这里有一个实用的测算方法。2027 年计划出货约 10GW，官方 AI 收入目标"超过 1000 亿"，两者相除得到保守下限。每 GW 约 100 亿美元；

而部分机构用 150 到 200 亿每 GW 测算，对应 1500 到 2000 亿。也就是说，官方指引可能偏保守。

但最大风险也在客户，就是 Google 份额。CEO 被问到时承认“会有一定的供应商多元化"。市场担心两件事，Google 自研、联发科竞争。

Google 是最大的 AI 客户，份额一旦流失，就直接冲击最大的收入来源。

与此相关的还有一个新动作：博通联合 Apollo、Blackstone 搭建 AI 算力融资平台，到 2028 年部署 20GW 以上，首期约 350 亿美元，帮客户解决资金和电力问题。

好处是锁定出货，风险是引入了客户的信用风险，以及"需求是真实的还是被融资催生的"这个质疑。

————————————

3⃣ 推理端的未来是整个逻辑的核心。

预计到 2026 年底，AI 会从训练为主转向推理为主。推理阶段，客户最在意的指标变成每 Token 成本、投资回报率和总体拥有成本（TCO）。

这时候，把客户自研算法直接做进芯片的定制 ASIC，在能效和单位成本上优于通用 GPU，而博通正是 Google TPU 和 Meta MTIA 的设计伙伴。

网络互联同样关键。推理需要海量节点之间低延迟协作，网络正成为扩展集群时新的制约因素。

博通的 Tomahawk 6 100Tbps 交换芯片已经量产一年，下一代 200Tbps 本季流片，配合 200G SerDes 支持铜缆直连。

第二季度网络占 AI 收入的 40%，第一季度是 33%，长期会回到约 30%，但因为毛利更高，这块是利润的重要来源。

软件这条线则被低估。VCF 9.1 让企业在私有云里跑 AI 推理，支持 AMD、Intel、NVIDIA 异构算力，据称比公有云省最多 40% 的服务器成本。

第三季度软件收入指引增长 31%，明显加速。

————————

总结以下，这份财报真正的问题不是超没超预期，而是 FY27 的超过 1000 亿能不能按节奏兑现，以及客户多元化能不能抵消 Google 的集中度风险。

但是博通基本面很强。强到市值已经是美股新晋七姐妹之一了，超越特斯拉和 Meta。

强到英伟达也得联合 Marvell 做 ASIC 阻击博通。

所以，如果把博通当成半导体周期股，那现在价格是高估的。但是，当成 AI 基础设施平台 + 高利润软件现金流来源，现在价格绝对是低估。


指引下修带崩大盘？别闹了，这个锅博通可背不了让 $AVGO
大跌的不是指引出问题，而是 FY27 超过 1000亿 AI 收入的预期，是否已经计入到当期 PE 中，以及在这个基础上，博通能否进一步增长，来持续支撑 90倍的 PE。电话会上，JPMorgan 分析师 Harlan Sur 质疑管理层给出的全年 AI 收入预估，与倍数对不上。原文在 TV 就能找到，我截图放在下面了。———————— 问题出在哪？首先，博通管理层说"下半年的 AI 收入是上半年的 2倍""全年 AI 收入 560亿美元"。然后 Harlan 当成口算了下，觉得对不上。他直觉是，如果下半年 AI 收入是上半年的 2倍，这个条件成立，那全年应该是 600亿，而不是 560亿。如果按 560亿，实际是 1.5倍，而且 Q4 实际比 Q3 还下滑了。———————— 实际呢？实际是 Harlan 对上半年收入的估算出错了。然后博通 CEO Hock 也保守地向下取整了。实际 Q1 是84亿，Q2 108亿，上半年加起来 192亿。按管理层口径，下半年是上半年的 2倍。192 * 2 = 384 亿，再加上上半年的 192亿 = 576亿。然后 Hock 该死不死向下取整，取了 560亿（我作为一个 I 人完全可以理解你，但是哥们你是 CEO，得 E 一点，不能太 I）所以后来 Hock 也提醒 Harlan，上半年基数算高了。如果全年 560亿美元 - 上半年 192亿 = 下半年 368亿。368亿 - Q3 指引 160亿 = Q4 潜在 208亿。Q4 的 208比 Q3 的 160，还是上涨 30%。也不是下滑。———————— 所以 $AVGO
为什么跌？其实分析师当场算错，CEO 也现场做了澄清，只是一个小插曲，不会影响股价。这份财报对博通，甚至 Marvell 这类做非英伟达 AI 芯片的 定制 ASIC / XPU 公司是正面的。AI 在手订单单季就 300 亿，可见度看到 2028 年。Google / Anthropic / OpenAI / Meta 都签了多年长约、还和 Apollo、黑石搞了 20 GW 的算力平台。这些都会让市场更相信定制芯片正在抢英伟达 GPU 的份额，对相关产业链 HBM、光模块、先进封装等也是好事。问题首先是宏观对加息的预期增强，导致市场普遍回调。其次是，在财报发出时 $AVGO
PE 差不多 93倍，虽然半导体行业在高速增长，但是市场分歧在于当前的 PE 和股价是否已经把 FY27 超 1000亿 AI 收入计入价格了。如果是，哪怕仍在高速增长，但增长没有显著超预期，那有点风吹草动，向下的敏感度要大于向上。所以市场的分歧在于，180% 增长后、加上 FY27 翻倍预期，90 倍 PE 还剩多少安全边际可以维持。所以，AVGO 的回调是一次获利了结而非基本面逆转。以 418.91 的收盘价格为基准，PE 已经回到 79.77 了。

















引用






















戈多Godot





@GodotSancho


·
23小时


















·
5月28日

network

详解定制化 AI 芯片巨头博通科技的技术布局与业务结构（二）










接上文，

《万字长文：详解定制化 AI 芯片巨头博通科技的技术布局与业务结构（一）》

https://x.com/GodotSancho/status/2059103684987170912





系统级互连与光学传输技术



博通：AI 算力隐形基建



GPU、TPU 解决算力，把矩阵乘法做到极致。

但一万张 GPU 堆在一起，需要持续、高速、无损地交换参数，每完成一轮计算就要做一次全局同步。

这个同步过程的物理带宽和延迟，决定了整个集群的实际有效算力。

博通掌握的，是让同步过程得以发生的全套底层技术。

在集群内部，Tomahawk 和 Jericho 负责 GPU 之间通信在无损、低延迟的前提下调度海量东西向流量。

在单台服务器内部，SerDes 把芯片算出来的数据，转换成可以在物理介质上传输的高频信号，PCIe Retimer 确保这个信号在铜线上走完全程不失真。

当通信需要跨越机架、延伸到更远的距离，CPO 把电信号直接在封装内转化为光，送入光纤。

四个组件，一条数据出行的完整路径



流程如下，

ASIC：计算发生的地方

ASIC是数据的起点。以谷歌 TPU 为例，内部的矩阵乘法单元完成运算后，结果以极宽的并行总线形式存在。

SerDes：数据出门的唯一通道

SSerDes 是后续所有传输环节的物理基础。erDes 位于 ASIC 芯片的物理边缘，是数据离开芯片的必经之路，把 ASIC 内部几千根并行线上的低速数字信号，压缩转换为少数几对引脚上的高频串行模拟信号。

发送端在转换时还会对信号做预处理，主动拉高容易衰减的高频分量，为接下来的物理传输提前补偿。接收端则反过来，从失真的波形中恢复出原始的 0和 1。

PCIe Retimer：电链路的中途接力

Retimer 解决的是电信号在铜线上中短距离传输的衰减问题，活动范围局限在服务器内部。

信号离开 ASIC 之后，高频电信号每走几英寸就会严重衰减，PCIe Gen 5的信号走完 10到 15英寸主板路径后，波形已经模糊到无法正确判读的程度。

Retimer 的作用是在链路中途介入，用自身的 SerDes 电路接收这个残缺信号，内部重新数字化提取出原始数据，再由发送端以完整的电压摆幅和干净的时序重新生成信号继续传输。

CPO：把电信号转化为光，送往远端

当数据需要跨越机架、跨越机房传输时，铜线和 Retimer 都到了极限。

CPO 是把光电转换引擎直接封装进 ASIC 所在的同一块基板，距离逻辑芯片只有几毫米。SerDes 只需用极低功耗驱动这段极短距离，信号就直接进入硅光引擎。

调制器利用电光效应，把 SerDes 输出的电压波动映射为激光的明暗变化，数据从此以光子的形式在光纤中传输。

CPO 改变的不是传输原理，而是光电转换发生的位置，从服务器外部提前到芯片封装内部，从根本上降低了长距离传输的能耗和延迟。

四者的层级

一条完整的数据路径可以这样理解：

ASIC 产生数据 → SerDes 将其转换为可传输的电信号 → 若走铜线短传，Retimer 在中途重建信号质量 → 若需长距离传输，CPO 在封装内将电信号转为光信号送入光纤。

SerDes 是基础，贯穿所有环节；ASIC 是数据来源；Retimer 和 CPO 分别对应两种不同距离、不同介质的传输需求，各自在 SerDes 能力的基础上延伸出去，解决铜线和光纤场景下各自的工程问题。

对于谷歌、Meta这类想要摆脱通用GPU、自研专用加速器的客户，博通还提供从逻辑设计到物理封装的完整工程能力。

台积电负责在原子层面雕刻晶体管，NVIDIA 和谷歌负责在数学层面设计计算架构，而博通 Broadcom 则负责在电磁学、光子学与热力学的物理缝隙中，铺设让这些海量算力得以协同运转的高速公路。 这就是互连技术霸权的工程本质。

AI 芯片物理链条



我们再来以更宏观的视角看博通在 AI 供应链中的位置。

ASML 阿斯麦：定义物理边界

ASML 处在供应链最顶端，不造芯片，但决定了所有人能造什么样的芯片。

ASML 生产的极紫外（EUV）光刻机是在硅晶圆上雕刻纳米级晶体管的唯一工具，光学透镜的物理视场极限约为 858平方毫米，是单块芯片面积的天花板。

英伟达与谷歌：两条路线的算力逻辑

在 ASML 阿斯麦划定的边界内，英伟达和谷歌分别代表了两种不同的计算架构选择。

英伟达通用。H100、B200这类 GPU 包含大量流式多处理器和张量核心，能够处理各种精度和算法类型的 AI 负载，买来即用，适配面广。

谷歌定制。TPU 彻底抛弃了图形渲染，专门为 AI 矩阵乘优化设计，用脉动阵列架构在特定任务上做到极致效率。

两者都是纯设计公司，只产出逻辑图纸，不碰物理硅片。

美光科技、SK 海力士、三星：HBM 解决内存墙

美光、SK 海力士、三星的 HBM 高带宽内存，通过将多层 DRAM 裸片垂直堆叠，以超宽总线实现 TB/s 级别的内存带宽。

英伟达芯片和谷歌 TPU，都需要 HBM 堆叠在同一封装内才能发挥完整算力。

HBM 作为独立组件，会被运送到台积电的封装厂与逻辑芯片整合。

博通：解决三堵物理高墙

博通的工作发生在算力逻辑设计完成之后，负责解决数据如何进出芯片以及多颗芯片如何协同的物理工程问题。

面对三个层面的挑战。

第一是分别制造多个独立的小芯片 Die/Chiplet，最后通过先进封装技术将它们拼在一起。

这种方式在业内被称为异构集成 Heterogeneous Integration。

博通 Die-to-Die (D2D) 在这个领域拥有行业绝对技术优势，微凸块间距压缩到 45微米以下，每毫米芯片边缘可实现数 Tbps 的吞吐量，单比特传输功耗低于 0.25皮焦。没有这种互联能力，Chiplet 架构在工程上无法闭环。

第二是内存墙。谷歌知道怎么设计 TPU 的计算逻辑，但如何把逻辑核心与多颗 HBM 整合在同一封装里，是另一套专业。

博通提供 HBM 控制器的物理层接口，负责硅中介层上数十万根走线的布局布线，还要处理芯片全速运行时超过 500安培电流阶跃带来的电源完整性问题。

第三是长距离传输的能耗问题。数万颗 GPU 或 TPU 要跨机架同步数据，铜线在超过十几英寸的距离上高频衰减严重，强行用大功率 SerDes 驱动会让单机架功耗突破热力学极限。

博通的 CPO 方案把硅光引擎直接封装进交换芯片的同一块基板，信号出芯片后走几毫米就转为光子进入光纤，省去了传统光模块里耗电庞大的 DSP，光电转换功耗从每比特 15皮焦以上压缩到 5皮焦以下。

此外在集群网络层面，博通的 Tomahawk 和 Jericho 交换芯片构成了连接数万张 GPU/TPU 的以太网骨干，PCIe Retimer 则解决服务器内部 CPU 与 GPU 之间主板走线的信号衰减问题。

台积电：把所有图纸变成真实硅片

台积电是整条链条的终极执行者，买来 ASML 光刻机，用 4nm 或 3nm 工艺把英伟达、谷歌和博通的逻辑设计刻印在硅晶圆上。

再通过 CoWoS 先进封装工艺，把逻辑裸片与美光的 HBM 堆叠放置在硅中介层上，在几百平方毫米内完成数十万根金属走线的物理互连。没有台积电的制造能力，所有设计都只是图纸。

真正的主角：光子互联 Silicon Photonics



从宏观视角有了图谱之后，接下来才是这个章节的主角，光子互联 Silicon Photonics 。

没错，我就是为了这碟醋包的饺子。

最后材料学极限全是光子的承载物。

电子在铜线里跑不动了

在过去的几十年里，芯片之间的通信靠铜线，也就是我们前面讨论的 SerDes 技术。

AI 时代，随着数据传输速率突破 112Gbps 甚至逼近 224Gbps，电互联撞上了极限。

这个极限无法通过优化突破，因为这个极限来自最底层的材料。

高频电信号在铜线中传输时，频率越高，电子越趋向挤在导线表面而非内部，能量以热量的形式大量耗散。这就是趋肤效应。

在224Gbps的传输速率下，电信号在普通服务器主板上走不到十厘米，波形就已经衰减成无法识别的噪声。

为了让信号走得更远，芯片必须加大发射功率，接收端还要用复杂的 DSP 算法强行恢复失真波形。

在大型 AI 数据中心里，仅仅搬运数据这一件事消耗的电力，已经在逼近 GPU 进行矩阵计算本身的耗电量。这在商业上是不可持续的，从物理上也已接近天花板。

铜线还有密度问题。交换机端口密度越高，需要的铜缆接口就越多，芯片边缘的物理空间早已被引脚占满，再也塞不进更多数据通道。

光子为什么是出路

光在硅波导中传输，几乎没有电阻，也不受电磁干扰。

不管是十厘米还是一千米，信号衰减极低，无需沿途不断放大。更

关键的是波分复用 WDM。铜线同一时间只能承载一路电信号，但不同波长的光可以同时在同一根光纤里传输而互不干扰，一根头发丝粗细的光纤带宽可以瞬间扩展数十倍。

硅光技术 Silicon Photonics 的突破在于，把传统光学器件——激光器、调制器、探测器——用半导体 CMOS 工艺直接刻在硅片上，可以在普通晶圆厂大规模量产，成本和尺寸都下降到可以集成进芯片封装的程度。

硅片如何驾驭光

硅本身不能发光，依赖以下几个核心微观结构的精妙配合：

1）激光源

通常引入外部磷化铟激光器作为光源，提供持续稳定的光束射入硅片内部的通道。

2）核心黑魔法：马赫-曾德尔调制器（MZM, Mach-Zehnder Modulator）

光束进入硅片后，是连续不断的，这代表不了 0 和 1。我们需要以每秒上千亿次的极高频率把切断和打开，这就依赖 MZM。

数据编码依靠马赫-曾德尔调制器 MZM 完成。光束进入芯片后被分成两条并行路径，通过向硅中注入或抽出电子，硅的折射率会发生微小改变，导致其中一条路径的光相位产生偏移。

硅光芯片通过电极，根据我们要发送的 0或 1，瞬间改变其中一条路径的折射率，导致这条路里的光子跑得稍微慢一点点。

两路光重新汇合时，相位相同则叠加增强，代表 1，相位相反则互相抵消变暗，代表 0。整个过程没有任何机械部件，纯粹依靠改变硅的微观电学特性，就实现了每秒数百亿次的光信号调制。

3）接收端：锗探测器

接收端则依赖锗探测器。硅的带隙太宽，无法吸收红外光，工程师在硅片内局部掺入锗元素，锗吸收到光子后立即激发出电流，将光信号精确还原为电信号。

CPO：把光学引擎装进芯片封装

理解了硅光的器件原理，CPO 共封装光学的意义就清晰了。

传统方案中，光电转换发生在服务器前面板的可插拔光模块里，距离交换芯片有十几厘米的 PCB 走线。

在 112Gbps 以上的速率下，这段铜线路径对信号的破坏程度极大，每个光模块里必须内置一颗专门负责信号整形的 DSP 芯片。

它不做任何计算，唯一的工作就是把走烂了的信号洗干净再交给调制器。在一台 51.2T 的交换机里，这些 DSP 消耗的电力甚至超过了交换芯片本身。

CPO 的解法是把硅光引擎直接封装进交换芯片所在的同一块基板，电信号出芯片后走两三毫米就进入光学引擎。在这么短的距离内，高频信号几乎没有任何衰减，DSP 因此可以彻底去掉。

整个光互联系统功耗降低 50%以上，光纤不再插在面板上，而是直接连入芯片封装内部。

为什么博通在这里的优势难以复制

CPO是三个顶级工程领域的交叉：数字交换逻辑、高速模拟接口，以及硅光引擎与晶圆级封装。

博通恰好在这三个方向上同时具备量产能力——Tomahawk交换芯片、领先的SerDes IP、以及硅光器件的封装工程。

任何一个环节存在短板，系统级 CPO 就无法实现闭环量产。这种跨领域的同步积累，是博通在 AI 底层基建中护城河最深的地方。

AI 更多参数、更多数据、更多 GPU，模型就会更强。

但这个逻辑有一个前提，网络通信能跟上。当集群规模扩张到三五十万张 GPU，如果底层网络带宽和延迟无法支撑，增加算力反而会因通信拥堵导致效率下降。

CPO 是目前已知的、能在物理层面撑住这个扩张逻辑的解法。

能耗是另一个维度。目前很多地区新建数据中心的瓶颈不是买不起 GPU，而是当地电网供不了电。传统架构下，相当比例的电力被用于数据搬运而非计算。CPO 把互联功耗砍掉一半，省出来的电力直接转化为可以多部署的 GPU 数量。

从竞争格局看，CPO 把入场门槛从芯片逻辑设计拉升到硅光物理+先进封装+热力学+模拟电路的全栈能力要求。

过去一家初创公司融几千万美元还能在以太网芯片市场找到立足点，CPO 时代这条路基本关闭。

能同时拿出顶级数字交换逻辑、顶级 SerDes、以及硅光封装量产能力的公司，全球范围内屈指可数。

博通与英伟达 CPO：两场不同的战争



博通和英伟达的 CPO 两者瞄准的战场不同。

博通 CPO 是为了把数以万计的服务器高效连接起来，英伟达的 CPO 是为了把 GPU 本身的计算边界向外无限延伸。

博通：以太网的终极形态

博通 CPO 的核心逻辑是围绕 Tomahawk 交换芯片展开的。把硅光引擎封装进交换芯片的同一块基板，省掉面板光模块和 DSP，让数据出芯片后几毫米就变成光子。

目标是让成千上万台服务器之间的数据传输更快、更省电、密度更高。不管这些服务器里装的是谁的 GPU。

中立性是博通商业模式的核心。谷歌、Meta、微软这些不愿被英伟达全栈绑定的云厂商，用博通的 CPO 以太网连接自研芯片或 AMD 的 GPU，博通是整个开放生态的网络基础设施供应商。

目前博通的 Bailly 51.2T CPO 交换机已经进入量产交付阶段，是全球唯一能稳定向云计算巨头规模出货 CPO 系统的厂商。

英伟达：把 NVLink 变成光

NVLink 是英伟达用于连接 GPU 的私有高速互联技术，目前依靠铜线在同一机箱内连接最多72张GPU。

问题在于 GB200 这代产品，机箱内的 NVLink 铜缆总长度已经达到数英里，重量极大，散热极难，铜线互联已经逼近物理极限。

英伟达正在与台积电合作，计划将硅光引擎直接封装进 GPU 或 NVSwitch 交换芯片，让 NVLink 跨越机柜边界，通过光纤连接数千乃至上万张 GPU，也就是 Optical NVLink。

一旦成功，英伟达可以直接向客户交付一个用光互联融合的超大规模算力系统，整个系统内没有标准以太网，没有博通的交换机，全是英伟达自己的私有协议栈。

这是一个彻底封闭的生态，也是一个想象空间极大的商业图景。

当前格局与未来走向

在 CPO 的工程落地层面，博通目前领先英伟达大约一到两年。

英伟达的 Optical NVLink 还处于与台积电联合打样的阶段，预计要到 Rubin 或更下一代架构才会大规模成熟。

但从战略杀伤力来看，两者的方向决定了截然不同的终局。

博通的 CPO 延续并强化了现有的开放网络架构，把标准以太网的性能推向物理极限，联合云厂商和 AMD 共同对抗英伟达的封闭生态。

英伟达的 CPO 则试图彻底消除网络这个概念本身，让分布在不同机柜里的 GPU，在算法视角下感觉就像焊在同一块主板上，届时计算、存储、网络在英伟达体系内实现一体化闭环。

这场博弈的胜负，最终取决于一个商业判断：云厂商们更害怕被英伟达锁定，还是更渴望英伟达那套买来即用的超级算力？

如果前者占主导，博通的开放路线就有持续的生存空间；如果英伟达的算力集群足够香，香到让人心甘情愿接受私有协议，博通的以太网生态就会面临真正的战略压力。

网络操作系统与行业技术对比



开放网络软件：SONiC 如何控制博通芯片



博通的 Tomahawk 和 Jericho 交换芯片本身是纯硬件，需要一套软件来下达指令。

传统方案是思科这类厂商提供的闭源网络操作系统，硬件和软件捆绑销售，客户无法自行修改底层逻辑。

微软、谷歌这类云厂商不接受这种模式。他们需要根据自身业务深度定制网络行为，而不是被设备商的软件版本迭代节奏绑架。

这推动了软硬件解耦的出现。微软主导开发的 SONiC（Software for Open Networking in the Cloud）是目前最广泛部署的开源网络操作系统，运行在Linux内核之上，管理各个网络功能模块。

底层依赖一个关键接口：SAI（Switch Abstraction Interface，交换机抽象接口）。

每一代 Tomahawk 芯片的硬件实现不同，寄存器地址和调用方式各异。如果 SONiC 直接调用底层，每次芯片迭代都需要大规模重写软件。

SAI 在中间建立了一层标准化的 C 语言 API。博通提供 SDK，将自家芯片的底层操作翻译成统一的 SAI 函数。SONiC 只需调用这套标准接口，不需要关心下面跑的是 Tomahawk 5 还是下一代芯片。

谷歌、Meta 可以在 SONiC 上开发定制化控制逻辑，部署在博通芯片上，不依赖任何设备商的许可或软件版本。

InfiniBand 与以太网：AI 网络工程持续时间最长的路线之争



英伟达收购 Mellanox 掌握了 InfiniBand 完整技术栈，以博通为核心的以太网阵营（UEC 超级以太网联盟，成员包括微软、Meta、谷歌、AMD）则在持续另一种方案。

InfiniBand 从诞生起就为高性能计算设计，原生支持无损传输，发送端必须获得接收端发出的信用额度才会发送数据。

以太网最初为通用互联网设计，默认允许丢包，依靠上层 TCP 协议重传自我修复。为了适配 AI 训练场景，RoCEv2 方案在数据链路层引入 PFC（优先级流量控制）和 ECN（显式拥塞通知），强行打上无损补丁。

在 1000卡以下的小规模集群，InfiniBand 表现更优。在万卡以上的超大规模集群，博通带宽利用率达到 90%以上，延迟与同规模 InfiniBand 方案的差距收窄至可接受范围。

成本是另一个维度。InfiniBand 交换机是以太网方案的3到5倍，且只能采购英伟达的硬件，没有第二供应商。以太网方案基于开放标准，硬件来源多元，议价空间更大。

所以。

对延迟极度敏感、集群规模在数千卡以内、且愿意接受英伟达全栈方案的场景，InfiniBand 依然是更稳妥的选择。

而对于万卡以上、需要多供应商灵活采购、且运维团队有能力精细调优 RoCEv2 拥塞控制参数的超大规模部署，博通主导的以太网方案在性能和成本的综合权衡上已具备竞争力。

这也是为什么 Meta 的 AI 集群、谷歌内部的 TPU 网络，以及微软 Azure 的大规模训练基础设施，都在转向以太网路线。

博通的另一面：VMware与真实的利润来源

如果只看半导体业务，博通确实强大，但它与Marvell这类竞争对手之间的差距，并没有外界想象的那么悬殊。真正把博通推上另一个利润维度的，是2023年完成的一笔610亿美元收购——VMware。

VMware是企业级虚拟化软件的绝对霸主。全球绝大多数大型企业的数据中心，服务器虚拟化、私有云管理、混合云架构，底层跑的都是VMware的软件。

这类基础设施软件有一个典型特征：一旦部署，迁移成本极高，客户几乎不会主动切换。这不是技术锁定，而是组织惯性和历史积累共同构成的粘性——几千名IT工程师积累了十年的VMware运维经验，没有人愿意为了换一套系统重新培训整个团队。

陈福阳收购VMware之后，做了他一贯擅长的事：大幅精简产品线，把原本复杂的授权模式整合为少数几个高价订阅套餐，强制现有客户迁移到新的定价体系。这一策略引发了相当多客户的不满和公开抱怨，但从财务结果来看，效果相当直接。

数字能说明问题。博通整体EBITDA利润率高达67%，而专注于芯片业务的Marvell营业利润率约为15%。这个鸿沟的根源不在于博通的芯片业务效率碾压对手，而在于软件业务的利润结构与芯片业务有着本质差异——软件没有制造成本，边际利润率接近百分之百，一旦建立客户基础，收入几乎是纯粹的现金流。

这也是理解博通商业模式不可忽视的一面。它在AI基础设施领域的技术护城河是真实的，但支撑其整体估值和利润率的，是半导体与软件两条腿并行的结构。单看芯片，博通是强者之一；加上VMware，它是另一种量级的生意。

陈福阳的逻辑始终如一：不追求第一个吃螃蟹，而是找到那些已经被市场验证、客户深度依赖、但尚未被充分货币化的资产，买下来，重新定价，榨取最大价值。博通今天的样子，是这套逻辑二十年持续执行的结果。

结语



英伟达和博通代表两条平行但同样不可或缺的路线。

英伟达是通用整机，从 GPU 到互联协议到整套服务器系统，形成封闭但强大的全栈方案，主导当前 AI 算力市场绝大多数份额。

博通是定制，不造整机，让算力协作。谷歌 TPU、Meta 自研芯片，这些试图摆脱对英伟达单一依赖的定制方案，几乎无一例外地建立在博通的网络芯片、物理接口和封装工程能力之上。

两种路线并不对立，但博通在定制上的垄断地位，使其成为 AI 基础设施领域真正意义上的第二极。

CPO 硅光技术是博通另一个战略支点。当前 AI 集群扩张面临的根本瓶颈，不是算力本身，而是算力节点之间的数据传输。

铜线的物理极限正在成为制约集群规模继续增长的硬约束。

CPO 把光电封装进交换芯片，从空间密度、布线复杂度和传输延迟三个维度突破传统架构的天花板，是目前已知的、能在工程上支撑下一阶段算力扩张的解法之一。

博通不仅是这项技术的先行者，也是目前唯一能规模量产 CPO 系统的供应商。

就在近期，博通与谷歌、Anthropic 签署了新一轮长期合作协议，进一步扩大了 TPU 定制芯片的生产供应，侧面印证了其在 AI 定制芯片和互联技术领域的不可替代性。

截至目前，覆盖博通（AVGO）的华尔街分析师中，31位分析师给出的共识评级为强烈买入，12个月平均目标价约 464美元，目标价区间从 314美元到 630美元不等。

从基本面来看，博通目前持有约 730亿美元的 AI 订单积压，管理层认为这一数字在执行节奏上相当保守，实际交付周期可能比预期更短。

博通的市值，取决于 AI 算力需求的实际扩张速度、CPO 技术的量产进展，以及英伟达闭源生态与开放以太网阵营之间博弈的最终走向。

就当下的产业格局而言，博通所处的位置，本身就是一种稀缺的价值。







想发布自己的文章？
升级为 Premium





上午10:35 · 2026年5月28日
·
2.1万
查看

network

AVGO财报后下跌只是短暂的，这两天美股市场的数据能说明一切，根本没有实质性的卖家，这就会导致即便CRWD和AVGO财报后下跌，开盘后也能弥补回来。

几个要点，1，我们在club再三强调的尽量不要盘后交易，盘后流动性极低，会导致价格波动巨大，情绪蔓延。

2，以开盘和交易时间数据为定猫，多方控场的市场里，盘后的波动开盘轻易能补救。

3，近期还和club的同学举了不少强势板块个股和弱势个股的区别。比如今天的MRVL和TSLA，前者迅速转跌为涨，后者连续四小时艰难维持笨猫提前给出的关键点位，即便如此，却已经是胜利了。

4，重点板块内部也在分化，例如软件系列的NET和PLTR。

每个交易日开盘后我们都会检查一遍资金重点板块，进行盘中同步，包括个股的关键点位和当前走势阶段，选择做或不做，如何做，会心中有数。

针对现在的市场，笨猫个人选择中期埋伏的个股不轻易动，但短线做不少热门的，极高价位的只能牺牲过夜收益做短线了，不一定对，只是适合我这种胆小鬼。。大家的做法都是啥？

network

为什么我会说，

今天 $410 的博通，半年后回头看大概率是个礼物。

算一笔账。

跌完之后博通大概在 $410 左右，市值跌掉了将近 3800 亿。

按 Q2 的利润年化来算，PE 大概在 20 倍左右。一家 AI 芯片收入增速 143%、下季度指引 200%+、自由现金流刚破百亿的公司，20 倍 PE。

如果按年底 Q4 的利润增速 50% 来算，到年底的远期 PE 只有十几倍。

十几倍 PE 的博通。你上一次看到这个数字是什么时候？

六个核心定制芯片客户：谷歌、Meta、Anthropic、OpenAI，全是万亿级的 AI 巨头。

Q3 AI 芯片收入指引 160 亿美元，如果兑现，单季度 AI 收入就超过了大部分半导体公司的全年营收。

市场太敏感了，一家公司如果财报发布时没有让分析师惊喜到尖叫，就会被按在地上摩擦。

但错杀就是错杀。基本面没变，估值反而更便宜了。

当然如果你之前没有仓位，不建议今天就冲进去接飞刀。等两三天情绪消化完，看它在哪里企稳再考虑建仓。

错杀的票不怕晚两天买，怕的是在恐慌最严重的时候冲进去然后再吃一波惯性下杀。

美股现在就是这样，财报好不够，得好到让人窒息才行。博通的罪过是只做到了优秀，没做到完美。

但优秀的公司在被错杀的时候买入，从来都是最好的交易之一。

network

network 发表于 2026-6-5 10:48
为什么我会说，

今天 $410 的博通，半年后回头看大概率是个礼物。

network

指引下修带崩大盘？别闹了，这个锅博通可背不了🧐

让
$AVGO
大跌的不是指引出问题，而是 FY27 超过 1000亿 AI 收入的预期，是否已经计入到当期 PE 中，以及在这个基础上，博通能否进一步增长，来持续支撑 90倍的 PE。

电话会上，JPMorgan 分析师 Harlan Sur 质疑管理层给出的全年 AI 收入预估，与倍数对不上。

原文在 TV 就能找到，我截图放在下面了。

————————

1⃣ 问题出在哪？

首先，博通管理层说"下半年的 AI 收入是上半年的 2倍""全年 AI 收入 560亿美元"。

然后 Harlan 当成口算了下，觉得对不上。他直觉是，如果下半年 AI 收入是上半年的 2倍，这个条件成立，那全年应该是 600亿，而不是 560亿。

如果按 560亿，实际是 1.5倍，而且 Q4 实际比 Q3 还下滑了。

————————

2⃣ 实际呢？

实际是 Harlan 对上半年收入的估算出错了。然后博通 CEO Hock 也保守地向下取整了。

实际 Q1 是84亿，Q2 108亿，上半年加起来 192亿。按管理层口径，下半年是上半年的 2倍。192 * 2 = 384 亿，再加上上半年的 192亿 = 576亿。

然后 Hock 该死不死向下取整，取了 560亿🥲
（我作为一个 I 人完全可以理解你，但是哥们你是 CEO，得 E 一点，不能太 I）

所以后来 Hock 也提醒 Harlan，上半年基数算高了。

如果全年 560亿美元 - 上半年 192亿 = 下半年 368亿。

368亿 - Q3 指引 160亿 = Q4 潜在 208亿。

Q4 的 208比 Q3 的 160，还是上涨 30%。也不是下滑。

————————

3⃣ 所以
$AVGO
为什么跌？

其实分析师当场算错，CEO 也现场做了澄清，只是一个小插曲，不会影响股价。

这份财报对博通，甚至 Marvell 这类做非英伟达 AI 芯片的 定制 ASIC / XPU 公司是正面的。AI 在手订单单季就 300 亿，可见度看到 2028 年。

Google / Anthropic / OpenAI / Meta 都签了多年长约、还和 Apollo、黑石搞了 20 GW 的算力平台。

这些都会让市场更相信定制芯片正在抢英伟达 GPU 的份额，对相关产业链 HBM、光模块、先进封装等也是好事。

问题首先是宏观对加息的预期增强，导致市场普遍回调。

其次是，在财报发出时
$AVGO
PE 差不多 93倍，虽然半导体行业在高速增长，但是市场分歧在于当前的 PE 和股价是否已经把 FY27 超 1000亿 AI 收入计入价格了。

如果是，哪怕仍在高速增长，但增长没有显著超预期，那有点风吹草动，向下的敏感度要大于向上。

所以市场的分歧在于，180% 增长后、加上 FY27 翻倍预期，90 倍 PE 还剩多少安全边际可以维持。所以，AVGO 的回调是一次获利了结而非基本面逆转。

以 418.91 的收盘价格为基准，PE 已经回到 79.77 了。
引用
戈多Godot
@GodotSancho
·
23小时

network

AVGO 财报后跳水：不是业绩差，而是市场开始要求 AI 股“每次都超预期”

今天美股整体回调都是老大哥博通惹的祸，不过问题不大，给市场降降温。

AVGO 不是基本面坏了，而是市场预期太高了。AI 硬件赛道已经从“有故事就能涨”，进入“必须每次都大超预期”的阶段。

这对整个 AI 半导体板块都很重要，因为它不只是 AVGO 一家公司问题，也会影响 $NVDA、$MRVL、$AMD、$ARM、$MU、$TSM 等 AI 基建链条的定价逻辑。

一、Broadcom 财报其实并不差

先看数据。

Broadcom FY2026 Q2 营收 221.87 亿美元，同比增长 48%；Non-GAAP EPS 为 2.44 美元；调整后 EBITDA 为 152.44 亿美元，占营收 69%；自由现金流达到 102.62 亿美元，占营收 46%。公司还给出 FY2026 Q3 营收指引约 294 亿美元，同比增长 84%。

更关键的是 AI 半导体业务。

Broadcom CEO Hock Tan 表示，Q2 AI 半导体收入达到 108 亿美元，同比增长 143%，高于公司此前预期；Q3 AI 半导体收入预计达到 160 亿美元，同比增长超过 200%。

单看这些数据，很难说 AVGO 差。

真正的问题是：
市场要的不是“好”，而是“比想象中更好”。

二、股价为什么跌？核心是“预期过高 + 长期指引没上修”

过去 AI 硬件赛道是“概念驱动”。
只要你沾上 AI 算力、AI ASIC、AI 网络，就容易上涨。

但现在变了。
市场进入“极致兑现”阶段。

以前是：
有概念即涨。

现在是：
必须超预期，而且最好每次都超预期。

博通这次最大的问题，不是 AI 收入不增长，而是它没有把长期 AI 收入目标继续上调。

Reuters 报道称，Broadcom Q2 营收 221.9 亿美元，略低于市场预期的 222.7 亿美元；Q3 AI 芯片收入指引 160 亿美元，也略低于 Visible Alpha 统计的市场预期 163.6 亿美元。更重要的是，公司维持此前 2027 财年 AI 芯片销售 1000 亿美元的长期目标，没有继续上修，这让已经提前买入的资金失望。

所以市场这次不是在否定 Broadcom 的 AI 逻辑，而是在说：

你已经涨太多了，大家等的是更大的上修，而不是“符合长期目标”。

Reuters 另一篇报道也提到，AVGO 股价下跌超过 14%，可能抹去超过 3150 亿美元市值，并拖累 Marvell、AMD、Intel、Micron、Qualcomm 等芯片股一起下跌。

三、最重要的判断：AI 硬件赛道正在“规则换轨”

AI 硬件赛道已经换规则了。

过去市场看 AI 半导体，主要看：

有没有 AI 故事

有没有大客户

有没有 OpenAI / Meta / Google 订单

有没有自研 ASIC 概念

有没有替代 NVIDIA 的想象空间。

现在市场开始看：

当季收入是否大幅 beat
下一季指引是否明显高于预期
长期目标是否继续上调
毛利率和现金流是否同步改善
供应链是否锁定

客户项目是否按时量产

估值是否已经透支未来增长。
这就是为什么 AVGO 财报看起来很强，股价却跌。
市场不是不相信 AI ASIC，而是不再愿意只为“未来故事”付无限价格。

四、博通的核心逻辑仍然很强：它不是跟 NVIDIA 拼 GPU，而是做定制 AI 芯片

博通不是在和 NVIDIA 正面拼通用 GPU，它的核心是 custom AI ASIC。

NVIDIA 的优势是通用 GPU + CUDA + 生态。
博通的优势是帮超大云厂商做定制 AI 芯片和 AI 网络。

这两条路线不完全一样。

NVIDIA 是：
通用算力平台。

Broadcom 是：
为大客户优化的定制化芯片方案。

为什么云厂商要做定制 AI 芯片？

原因很简单：
当 AI 推理规模越来越大，成本会变成核心问题。通用 GPU 灵活，但成本高。大云厂商如果有稳定、重复、高规模的工作负载，就有动力做自己的 ASIC，以降低单位 token 成本、功耗和硬件成本。

Reuters 报道也提到，AI 推理需求的爆发，让定制芯片变得更加关键；大型云厂商会开发自己的处理器来削减成本，并针对自身工作负载定制化。

这就是 Broadcom 的长期价值。

它不是要完全取代 NVIDIA，而是在 AI 基建里面切走一块越来越大的 custom silicon 蛋糕。

五、但市场担心什么？
1. 估值已经提前反映太多

AVGO 财报前已经涨了很多。

Reuters 数据显示，Broadcom 股价今年截至财报前已上涨 38%，并且在财报前两周因为 Marvell 强劲业绩带动，已经涨了 15%。

这意味着：
财报出来之前，市场已经把很多好消息提前算进股价里了。

所以财报只要不是“大幅超预期 + 长期目标上修”，就容易触发获利兑现。

2. 2027 年 1000 亿美元 AI 收入目标没有再上修

Broadcom 之前给出 2027 年 AI 芯片收入超过 1000 亿美元的长期目标，这本身已经非常激进。

但问题是市场更贪心。
当股价已经涨成“完美剧本”时，投资者希望管理层继续上调这个目标。

结果 Hock Tan 只是维持此前目标，市场就觉得“不够惊喜”。

Reuters 也引用分析师观点称，这次是“非常高的预期遇到了要求完美的市场”。

3. 竞争变强，尤其是 Marvell

这条视频虽然主要讲 AVGO，但其实也牵出了 $MRVL。

Reuters 报道提到，Broadcom 的 custom chip 业务正在面临来自 Marvell 等对手的竞争；Marvell 近期也表示其 custom chip business 到 FY2029 有望超过 100 亿美元收入。

这意味着 AI custom silicon 市场正在从 Broadcom 一家独大，变成多玩家竞争：
$AVGO：custom AI ASIC + networking 龙头；

$MRVL：custom XPU + interconnect + optical / copper connectivity；

$NVDA：GPU + NVLink + Spectrum-X + CUDA 生态；

$AMD：GPU + CPU + custom silicon 机会；

$TSM：先进制程和封装核心；
$MU
/ SK hynix / Samsung：HBM；

$ALAB
/ $CRDO：高速互联与信号链。

博通 仍然强，但市场开始重新评估：
未来 custom AI 芯片的大蛋糕，会不会被更多公司分走？

六、这件事对 AI 半导体板块意味着什么？

这次 AVGO 财报后大跌，我认为对 AI 板块有三个信号。

第一，AI 股进入“高标准考试”阶段

现在市场不再满足于“AI 收入很强”。

因为 AI 赛道已经涨太多，大家对龙头公司的要求变成：
必须 beat，必须 raise，必须证明 2027 / 2028 还能继续加速。

这会影响所有高估值 AI 半导体公司。

特别是 $NVDA、 $MRVL、 $AVGO、 $ARM、 $ALAB、
$CRDO
这种已经被市场放进 AI 主线的股票，未来每次财报都会是压力测试。

第二，custom ASIC 逻辑没有坏，反而还在变强
AVGO 跌，不等于 custom ASIC 逻辑坏。

相反，Broadcom Q2 AI 半导体收入 108 亿美元，Q3 预计 160 亿美元，说明客户对 custom AI accelerator 和 AI networking 的需求仍然非常强。

问题只是：
股票涨得太快，市场预期跑在业绩前面。
这对 MRVL 也有参考意义。

MRVL 的 custom XPU、NVLink Fusion、1.6T 光互联、AEC / retimer 和 CXL 逻辑都很强，但如果短期股价涨太猛，后续同样要面对“必须持续超预期”的压力。

第三，AI 基建竞争会从“算力巨头”走向“性能 / 成本 / 交付能力”综合竞争

我觉得关键不在于谁故事更大，而在于谁能做到三件事：

第一，性能要够强。
第二，成本要降下来。
第三，客户项目要准时量产。

这也是为什么未来 AI 半导体真正的竞争，不只是 GPU vs ASIC，而是：

通用 GPU、定制 ASIC、HBM、先进封装、网络互联、软件生态、供应链交付能力的综合竞争。

七、未来展望：AVGO 后面看什么？

1. 看 Q3 AI 收入能不能超过 160 亿美元

公司现在给的 Q3 AI 半导体收入目标是 160 亿美元。
如果后续超过这个水平，并且给出更强 Q4 / 2027 指引，市场信心可能恢复。

2. 看 2027 年 1000 亿美元目标是否继续上修

这是最重要的长期锚。

如果博通未来把 2027 年 AI 芯片收入目标从 1000 亿美元继续上修，股价叙事会重新打开。

如果只是维持不变，市场可能会进入几个月的“消化估值”阶段。

3. 看 OpenAI、Meta、Google 等客户项目进度

OpenAI、Meta 等订单，这是 AVGO 的核心故事之一。
接下来市场会继续跟踪这些 hyperscaler custom ASIC 项目的 tape-out、量产、供应链锁定和部署节奏。

4. 看供应链：HBM、CoWoS、先进封装能否匹配

AI ASIC 放量不是设计出来就结束。
真正大规模出货，需要 HBM、先进封装、基板、测试、系统整机一起配合。

Broadcom 管理层表示对 2026 和 2027 年供应链已经比较有信心，但市场仍会持续验证。Reuters 报道也提到，管理层表示已锁定 2026 和 2027 年供应。

5. 看竞争：MRVL 会不会继续抢 custom silicon 叙事

最近 MRVL 被市场重新定价，核心就在 custom XPU + interconnect。

如果 MRVL 后续继续拿到大客户订单，市场可能会把 AI custom silicon 的估值从 AVGO 一家，重新分配到 MRVL、ALAB、CRDO 等更多互联链公司。

记住，在2028年之前，每一次Ai板块回调都是你加仓的时机！

network

我已将美光 $MU 的目标价上调至 2027 年第一季度 1,925 美元

然而，我们正接近内存行业公认的最糟糕的未来 4-6 周

我会让这篇帖子比我四月份发的那个短得多：

今天是六月的第一周，自从我发了那篇帖子后，我一直坚持我非保守的五月底 1,000 美元目标

所以我们在价格和时间窗口上都精确达到了目标。从这里接下来会怎样？

如果你关注了四月份的那篇帖子，它特别解释了为什么六月初是美光达到峰值前的时间窗口。
在财报前 3-4 周，美光往往会完全疲软。只有在财报后，它才会重新拾起势头

如果同样的周期继续发生，美光有可能在十月达到 1,925 美元，然而，我认为内存的步伐可能不像过去三个季度那么陡峭。
因此，在 2027 年第一季度前多加一个季度

我不会再深入探讨了，只需知道，我仍然看好内存翻倍，但机会成本让我在本周早些时候首次减持美光，这是自去年股价 90-110 美元时将其作为最大持仓以来的首次

虽然焦点仍然在内存上，但我最近的优先事项已转向关注新兴的副产品行业，该行业正在解决内存短缺及其基础设施

network

$AVGO
  跌的不是財報，是市場突然開始懷疑：這條 AI connectivity 鏈，到底誰是真的卡脖子，誰只是喊最大聲

Broadcom 這次如果你只看財報，其實根本沒什麼好嫌。Q2 FY26 營收 221.9 億美元，年增 48%。AI 半導體收入 108 億美元，年增 143%。Q3 AI 半導體收入指引拉到 160 億美元，年增超過 200%。FY26 AI semiconductor guidance 大概 560 億美元，年增接近 180%。這種數字放在別家公司身上，照理說應該直接噴到上頭。

但它盤後還是被砍。

所以問題不是「Broadcom 爛不爛」。問題是市場測量突然換了。以前只要你沾到 AI networking、AI optical、AI fabric，資金先買再說。現在不一樣了，市場開始問：你說你是 bottleneck，那你到底是真的不能替代，還是只是站在瓶頸旁邊收過路費？

這差很多。

AI 基建第一階段很簡單，就是缺什麼買什麼。缺 GPU，買。缺 HBM，買。缺 CoWoS，買。缺交換器、retimer、DSP、光模組、laser，也買。那時候大家不太分層，反正只要你在 AI cluster 裡面有一個位置，市場就先給你 premium。

但第二階段就麻煩了。

因為突然每家公司都在說自己是關鍵瓶頸。Broadcom 說我是 switch、fabric、DSP、CPO、ASIC 的核心。Marvell 說我也有 ASIC，也有 optical，也有 PAM4 DSP，也有 Ethernet，也有 DCI。Credo 說我的低功耗 SerDes、DSP、AEC 才是高速傳輸的關鍵。Astera 說你們 GPU cluster 裡面的 PCIe/CXL 交通沒有我會亂掉。Coherent、Lumentum 說你光沒有我，訊號根本送不出去。

欸，全部都對。問題是全部都對，不代表全部都值同樣的估值。

這就像一間餐廳突然外送單爆掉。廚房說沒有我你沒菜，外場說沒有我你出不了餐，外送平台說沒有我你送不到，包材廠說沒有我你會漏湯，機車行說沒有我你車會壞。每個人都重要，但最後老闆會付最高價給誰？不是聲音最大的人，是那個你真的換不掉的人。

Broadcom 最強的地方，是它想把這整包 AI fabric 盡量吃下來。Tomahawk、Jericho、custom ASIC、1.6T DSP、CPO、silicon photonics，全部往一個完整 AI networking 解決方案包。這很猛，因為它不是只賣一顆零件，它想賣的是整個 cluster scaling 的交通系統。

但這也正是市場開始緊張的地方。

因為只要你把自己包成「完整贏家」，市場就會給你完整贏家的 premium。可是反過來，只要裡面某一段 monetization 變慢，或某一層開始出現替代方案，這個 premium 就會被拆。

你說你是 AI fabric 的主幹，好，那市場現在問你：這個主幹到底是唯一高速公路，還是旁邊其實還有幾條替代道路只是現在還沒開通？

這就是 Broadcom 這根黑棒真正有意思的地方。它不是市場不信 AI。剛好相反，是市場太信 AI 了，信到開始不想把錢亂撒給每一個說自己在 AI connectivity 的公司。

以前是：有瓶頸就買。
現在是：你這個瓶頸是真的 bottleneck，還是可替代瓶頸？

真卡脖子 是什麼？像 TSMC CoWoS、高階 HBM、EUV、高良率矽光子整合。你沒有它，貨真的出不來。這種東西接近物理層卡死，不是故事，是產能、良率、材料、封裝、熱、電，全部卡在那邊。

可替代瓶頸就不一樣。Retimer、DSP、AEC cable、switch ASIC、optical module，很多時候不是不重要，而是客戶可以在 A、B、C 之間換。功耗不同、成本不同、效能不同、整合難度不同，但不是完全沒得選。

這種東西很重要，可是不能全部都給 monopoly premium。不然就搞笑了。每個人都說自己是水管的最後一公尺，結果最後發現整棟樓有五組水電師傅都能接，你說誰可以爽到拿獨佔價？

Astera 比較像機櫃裡面 PCIe/CXL 的交通管理。GPU、CPU、memory pool 之間訊號不要打架，要有人控流、重整、管理。它不是單純一顆小晶片，而是在 scale-up fabric 裡面當交警。

Credo 也不是「高速線公司」這麼簡單。它真正的底層是低功耗高速 PHY，SerDes、DSP、AEC。線只是表面，背後是高速訊號在短距離裡怎麼省電、怎麼穩、怎麼不要炸掉。

Marvell 更貪心，它幾乎什麼都想碰。XPU ASIC、PAM4 DSP、Ethernet、DCI optical、CXL、storage。市場有時候把它當小一號 Broadcom 不是沒道理，因為它也在講一個「我可以幫 hyperscaler 客製整包」的故事。

Coherent、Lumentum 則更偏光元件、laser、photonic supply chain。它們不是 cluster fabric 的總控，但光要出去，很多關鍵零件還是要靠這些人。

然後 Broadcom 站在中間說：我不只做其中一段，我要把 switch、fabric、DSP、CPO、custom ASIC 全部串起來。

很猛。也很危險。

因為市場現在開始問一個更狠的問題：AI cluster 到底需要多少 networking？

以前大家很直覺地想：GPU 變兩倍，networking 也差不多變兩倍。算力越多，交換器越多，光模組越多，DSP 越多，線越多。這個推論很爽，很線性，很適合拿來拉估值。

但等一下，事情可能沒那麼直。

如果 NVLink domain 越做越大，如果 rack-scale architecture 開始吃掉部分外部連接需求，如果 CPO 真的降低某些光模組需求，如果 hyperscaler 開始把 scale-up 跟 scale-out 架構重新切，那 networking 的成長速度，會不會低於 compute？

這才是 connectivity trade 現在最麻煩的地方。

不是沒有需求。需求一定有，而且很大。問題是估值買的不是「有需求」，估值買的是「需求會爆炸，而且你吃得到，而且別人搶不走」。

這三件事少一件，premium 就會縮。

Broadcom 財報好還跌，其實就是市場在做這個動作。不是說 Broadcom 不強，而是市場不想再讓整個 connectivity 全家桶一起爽同一個 AI premium。以前大家一起上車，現在開始查票。你是真 bottleneck，還是故事 bottleneck？你是缺你不可，還是目前剛好大家都很缺線所以你也被捧上來？

AI 基建的第一階段，是尋找瓶頸。
第二階段，是辨認哪些瓶頸真的不可替代。

Broadcom 這次下跌，比較像市場從第一階段進入第二階段。

這也是為什麼我覺得這根黑棒不是 Broadcom 的問題而已，而是整條 L5 connectivity 鏈的重新定價。市場不是在問「AI 還會不會成長」，那個問題已經太 old 了。

它現在問的是：
當 everyone says my connectivity is the best，到底誰真的在解 cluster scaling 的最後一公里？誰只是剛好站在路邊，趁大家塞車的時候收過路費？

更狠的是，這個問題現在才剛開始。

Broadcom Inc
AVGO
$418.91
-12.59%

network

network 发表于 2026-6-5 11:16
$AVGO
  跌的不是財報，是市場突然開始懷疑：這條 AI connectivity 鏈，到底誰是真的卡脖子，誰只是喊最大 ...