核心观点 - Marvell作为AI定制芯片（ASIC）领域的重要厂商 因数据中心业务增长不及预期和客户订单波动 遭遇股价暴跌和市值缩水 凸显其过度依赖大客户和单一业务的结构性风险 但公司在高速互连技术和ASIC长期需求中仍存突围机会 [2][3][5][9][13][15][19][24][25] 业务表现与财务数据 - 第二季度营收达20.1亿美元 同比增长58% 但第三季度营收预期中值20.6亿美元低于分析师预期的21.1亿美元 [6] - 数据中心业务第二季度营收14.9亿美元（同比增长69%） 占总营收74% 但未达市场预期的15.1亿美元 其中AI业务收入约8.6亿美元 环比仅增长0.3亿美元 [7][9] - 非核心业务表现疲软：运营商基础设施业务2023年销售额暴跌68%至3.38亿美元 收入占比降至不足6% 企业网络和消费电子业务合计占比不足20% 汽车/工业业务季度营收仅0.76亿美元 [16][17] 市场竞争与行业格局 - 博通以55%-60%市场份额主导ASIC市场 为谷歌TPU和Meta MTIA供货 而Marvell份额仅13%-15% 且过度依赖亚马逊订单 [19] - 英伟达宣布成立ASIC部门并招募上千名人员 其创始人黄仁勋强调GPU全栈生态优势 直接质疑定制ASIC的竞争力 [5][19] - 全球ASIC加速服务器市场预计到2028年中国占比接近40% 但行业竞争加剧挤压利润空间 [5][19] 客户依赖与订单风险 - 数据中心业务75%收入依赖亚马逊、微软等少数云厂商 微软Maia 200芯片延迟至2026年量产 打乱Marvell业务节奏 [10][11] - 亚马逊AWS市场份额被微软Azure（增长39%）和谷歌云（增长32%）蚕食 其下一代Trainium 3芯片订单可能被AIChip分流 [11][12] - 公司面临大客户多供应商策略风险 若失去亚马逊Trainium系列订单 增长将面临巨大不确定性 [11][12] 技术布局与未来机会 - 高速互连业务成为关键优势：800G光模块需求推动增长 1.6T光模块即将样品阶段 PCS技术实现1000公里传输突破 [24][25] - ASIC长期需求仍存：18个定制芯片项目在开发中 超50个潜在项目预计带来750亿美元收入 目标2028年市场份额提升至20% [25] - 公司需突破客户多元化（目前与AWS签五年协议）、推进3nm工艺和先进封装技术 并利用60%毛利率优势优化盈利 [25][26]

OpenAI自研芯片计划 - OpenAI与博通合作启动自研AI芯片量产 计划于明年交付[1] - 博通首席执行官披露一家神秘新客户下单100亿美元订单 消息人士确认为OpenAI[1] - 博通股价因订单消息飙升近11%[1] 行业定制化芯片趋势 - 行业开始寻求定制化英伟达芯片替代方案 谷歌、亚马逊和Meta等科技巨头均已设计专有芯片用于运行AI[1][2] - 博通专精于"XPU"半导体 专为特定应用场景（例如训练ChatGPT）设计[2] - 汇丰银行分析预计2026年博通定制芯片业务增速将远超英伟达芯片业务[2] 芯片需求背景 - OpenAI高度依赖英伟达现成GPU 但GPU短缺拖慢了ChatGPT新版本发布进度[1] - 各大AI公司对训练复杂模型需求激增 芯片制造商与数据中心运营商难以满足市场需求[1] - 定制芯片能增强特定性能 可起到突破瓶颈作用[2] 公司财务状况 - OpenAI大幅上调未来现金流消耗预测 到2029年将消耗1150亿美元现金 较此前预测高出800亿美元[3] - 2024年现金流消耗将超80亿美元 较此前预测高出15亿美元[3] - 为控制飙升成本 OpenAI将尝试研发部署自己的数据中心服务器芯片[3]

财务表现 - 2025年上半年实现营业收入9.74亿元 同比增长4.49% [1] - 归母净利润亏损3.2亿元 [1] - 2025年第二季度单季度收入5.84亿元 环比增长49.90% [2] - 亏损环比大幅收窄 [2] 收入驱动因素 - 收入增长主要由知识产权授权使用费收入及量产业务收入增长带动 [2] - 云侧业务中VPU、NPU和GPGPU IP被广泛应用于数据中心/服务器市场 [2] - 推出可扩展的高性能GPGPU-AI计算IP与多家领先AI计算客户深度合作 [2] - 端侧业务开拓增量市场 [2] 战略布局 - 基于行业周期判断进行逆势人才扩张 [2] - 通过人才储备增强企业竞争力并在行业复苏时抢占先机 [2] - 在ASIC业务上具备扎实的技术积累和客户基础 [2] 业务展望 - 预计2025年营业收入33.24亿元 对应现价PS 25.0倍 [2] - 预计2026年营业收入43.15亿元 对应现价PS 19.2倍 [2] - 预计2027年营业收入55.35亿元 对应现价PS 15.0倍 [2] - AI与定制芯片浪潮持续为公司带来发展机遇 [2]

报告行业投资评级 - 强于大市(维持评级) [6] 报告的核心观点 - GB300启动出货，看好推理侧需求攀升及AI市场扩容 [1][2][10] 根据相关目录分别进行总结 折叠iPhone入局开启供应链新周期，蓝思港股上市演绎"极速IPO" - 折叠iPhone进入P1阶段，有望2026年上市，早期出货预计700万部，利好折叠屏产业链增长，2026年全球折叠屏手机市场将迎来反弹 [13][14] - 蓝思科技7月9日登陆港交所主板，发行价18.18港元，首日收盘涨9.13%至19.84港元，全球发售2.62亿股，募资净额约46.94亿港元，从递表到挂牌仅耗时100天，远快于2024年港股平均上市周期 [15] GB300启动出货，看好推理侧需求攀升及AI市场扩容 - 7月11日英伟达市值突破4万亿美元，GB300由戴尔率先出货，GB200已规模化放量，美系四大CSP需求占比超6成驱动GB200/GB300放量，GB300预计四季度上量，带动1.6T光模块2025年需求达百万只级 [2][18][21] - Marvell预测2028年约5000亿美元的数据中心芯片支出中，超一半用于AI加速计算，其覆盖的定制ASIC、交换等市场达940亿美元（CAGR 35%），定制XPU及附件市场分别达400亿、150亿美元（CAGR 47%、90%），凭借端到端定制模式及技术优势获18个订单，潜在终身收入市场750亿美元 [2][24][27] AI - PCB受英伟达AI服务器需求以及ASIC需求的拉动持续增长 - AI - PCB受英伟达AI服务器及ASIC需求增加推动，下一代AI GPU GB300硬件规格变化及ASIC设计方案使PCB需求增长，国产算力也迎来爆发 [32][34] - 英伟达GB200 NVL72架构对PCB层数和材料提出更高要求，推动PCB增长，HDI将是未来5年增速最快的PCB，2023 - 2028年CAGR将达16.3%，建议关注胜宏、沪电以及生益电子 [35][36] - ASIC发展推动PCB需求增长，促进AI PCB产业产值快速增长，高端AI芯片服务器的PCB价值是传统服务器的5 - 8倍，ASIC使AI PCB产业产值25 - 26年接近翻4倍 [39] 面板整体需求放缓，价格温和下跌，TCL科技半年度预报表现亮眼 - 7月电视面板需求疲弱，各尺寸价格小幅下跌；Q3显示器面板需求放缓，7月整体持平；部分品牌笔电面板需求转乐观，价格预估持平，后续取决于商谈情况 [41][42] - TCL科技半导体显示业务上半年净利润超46亿元（同比 + 70%），新能源光伏业务上半年亏损12.0 - 13.5亿元，其他业务稳健，公司整体营收同比增长3% - 13%，归母净利润同比增长81% - 101% [4][46] 本周（7/7~7/11）消费电子行情回顾 - 7月11日申万电子行业指数涨幅为0.93%，沪深300指数涨幅为0.82%，电子行业跑赢大盘 [48] - 本周消费电子行业表现部分跑输主要指数，电子板块细分行业部分上涨，消费电子板块涨幅前10和跌幅前10的个股分别列出 [57][62][63]

行业趋势 - 2025年上海世界移动通信大会指出云计算、大数据等新兴业务收入占比已达25%，低空经济、AI智能体等场景成为重要增量 [1] - AI芯片进入"系统定制"阶段，定制化芯片是满足新型工作负载需求的关键，正在多个云端场景中运用 [1] - 工作负载呈现多样化趋势，专用芯片在成本和性能方面具有优势，XPU在AI计算市场占比约为25%，预计份额将随ASIC技术演进扩大 [1] - 2nm定制SRAM带宽密度为市售IP的17倍，待机功耗降低66%，自研HBM方案通过Die-to-Die互联增加1.7倍可用核心面积，功耗降低75% [1] 市场需求 - 多元客户结构推动定制芯片需求扩张，除传统云计算企业外，新型大型AI算力自建者开始自建AI集群并推动定制芯片开发 [2] - 本地AI基础设施Sovereign AI成为新增应用方向 [2] - 2028年数据中心潜在市场规模（TAM）预期从750亿美元上调至940亿美元，年复合增速达35% [2] - 定制计算（XPU）市场规模为400亿美元，复合增长率为47%，XPU配套组件市场规模为150亿美元，复合增长率为90% [2] 公司动态 - 吉大通信（300597）和唐源电气（300789）分别于7月3日和2日发布新版重大信息内部报告制度，强化公司治理和信息披露规范 [1] 产业链发展 - 海外算力产业链已形成相对完整的闭环，北美头部科技巨头在AI领域的投资持续加码 [2] - 通信ETF跟踪通信设备指数，该指数聚焦于通信技术、设备及解决方案提供商，反映通信设备行业的整体表现 [2]

博通AI业务增长 - 得益于GenAI发展，AI业务占据全球系统收入一半，定制ASIC设计和AI网络业务将主导博通半导体业务[1] - 2025财年Q2博通AI相关半导体份额连续第二次超50%，未来可能突破75%[3] - 5月当季销售额150亿美元同比增20.2%，营业利润58.3亿美元同比翻倍，主要受益于VMware成本削减和VCF产品线调整[3] 财务表现与业务结构 - 基础设施软件部门营业利润率达76%，芯片业务营业利润率57%，后者规模为前者的三分之一[3] - 净利润增长2.3倍至49.7亿美元占营收33.1%，接近收购VMware前水平[5] - VMware贡献217.1亿美元营收和145.9亿美元利润，相当于芯片业务一半，预计三年内收回610亿美元收购成本[6] 半导体业务细分 - 芯片业务销售额84.1亿美元同比增16.7%，AI芯片收入增46.7%至44.2亿美元，非AI芯片下滑4.8%至39.9亿美元[8] - AI计算销售额26.5亿美元同比增34.5%，AI网络销售额17.7亿美元同比增67.7%[10] - 2023财年AI芯片销售额38亿美元，2024财年增长3.2倍至122亿美元[11] 未来展望 - Q3预计销售额158亿美元同比增21%，芯片销售额91亿美元同比增25%，AI计算和网络业务分别增42%和近100%[14] - 2025财年AI总收入预计190亿美元，2026财年或再增60%至300亿美元[14] - 科技巨头加速研发定制AI训练/推理ASIC，通过硬件软件协同优化实现性能超越商用芯片[14][15] 客户与市场动态 - 博通拥有谷歌、Meta、OpenAI三家定制计算引擎客户，另有四家潜在客户包括苹果和字节跳动[8] - 网络销售额51.21亿美元增337%，服务器存储连接销售额10.1亿美元增22.6%[14]

财报表现 - FY26Q1营收18.95亿美元，同比+63%/环比+4%，超指引中值，数据中心终端市场贡献显著 [1][8] - 非GAAP毛利率59.8%，同比-2.6pcts/环比-0.3pct，略低于指引中值，主要受定制芯片业务占比提升影响 [1][26] - 库存环比增加4200万美元至10.7亿美元，主要用于支持业务增长 [1][19] - 数据中心营收14.4亿美元创单季新高，同比+76%/环比+5%，占总营收76% [2][9] - 企业网络与运营商基础设施合计营收环比+14%，显示终端市场持续复苏 [2][15] - 汽车和工业营收7600万美元环比-12%，消费电子营收6300万美元环比-29% [2][15] 业务分项 - 数据中心：定制AI芯片快速量产推动增长，光电产品出货强劲，预计FY26Q2中个位数环比增长 [2][9][10] - 企业网络与运营商基础设施：预计FY26Q2中个位数环比增长，连续第五季度复苏 [15][19] - 汽车和工业：FY26Q2预计与上季持平，汽车以太网业务25亿美元出售给英飞凌 [3][4] - 消费电子：游戏需求推动，预计FY26Q2环比+50% [3][15] 技术进展 - 与NVIDIA合作整合NVLink Fusion技术，增强定制平台灵活性 [4][11][24] - 多芯片封装平台进入量产，采用中介层设计技术降低30%功耗 [4][11] - 为北美大型CSP独家供应AI XPU，锁定3纳米晶圆产能，预计2026年投产 [4][13] - 光电产品推出400G/通道PAM技术，1.6T DSP功耗降低20% [14][30] 财务与资本 - FY26Q1运营现金流3.33亿美元，回购股票3.4亿美元，环比提升70% [8][19] - FY26Q2营收指引20亿美元(±5%)，非GAAP毛利率指引59.5%，EPS 0.62-0.72美元 [3][20] - 债务比率持续改善，净债务与EBITDA比率为1.42倍 [20] 战略展望 - AI相关收入预计未来几年占比超50%，定制业务成增长核心 [16][25][28] - 6月17日将举办定制AI投资者活动，展示技术路线图与市场机会 [17] - 观察到新兴超大规模客户群体涌现，扩展合作项目能力充足 [22]

半导体产业变革 - 半导体产业正经历前所未有的变革，摩尔定律渐趋极限，AI爆发式增长对计算架构带来全新机遇与挑战 [1] - 传统通过摩尔定律实现半导体缩放的方法已达物理与经济极限，产业转向定制芯片、计算子系统(CSS)及芯粒(chiplets)等创新方案 [3] - 芯片技术演进路径：从超大规模集成电路(VLSI)到移动SoC，再到AI定制芯片，每次跃迁均深刻影响设计逻辑与产业策略 [2][6] AI计算底层逻辑质变 - AI工作负载需求推动能效成为首要考量，芯片设计整合优化内存结构、先进封装及电源管理技术以降低能耗 [3] - 安全威胁随AI技术演进，行业构建多层次防护体系，包括嵌入式芯片加密和AI强化安全监测系统 [3] - 芯片设计与制造关联更紧密，先进封装技术成为未来创新关键驱动力 [3] 定制芯片趋势 - 全球四大云服务商占2024年云服务器采购支出近半数份额，定制芯片成为满足多样化场景需求的核心解法 [8] - 微软Azure Cobalt和Google Cloud Axion均基于Arm Neoverse平台打造，体现定制芯片与Arm架构的紧密关联 [10] - 定制芯片设计关键在可复用性，Arm Neoverse CSS提供已验证核心功能与灵活接口配置，加速产品上市 [10] Chiplet技术发展 - Chiplet技术通过模块化设计提升定制芯片灵活性，可快速增加算力或升级现有芯粒，提高良率并减少浪费 [11] - Chiplet优势包括设计灵活性、功能优化能力、生产良率提升及产品复用潜力 [12] - 标准化是Chiplet关键挑战，Arm推动芯粒系统架构(CSA)和AMBA CHI协议实现互操作性 [12][13] 算力与能效平衡 - AI工作负载需大量电力资源，主要能耗来自计算和数据传输，需优化热量冷却处理 [15] - 行业转向"全栈式优化路径"，从晶体管层到软件层实现智能负载均衡，减少数据传输 [18] 未来芯片设计要素 - 成功要素包括产业链紧密合作、系统级优化、接口标准化、专用架构及强大安全框架 [20] - 软硬件生态需整合各方专长，基于标准与复用建立正循环，AI技术成为抵御安全攻击的新工具 [20] Arm行业定位 - Arm以SoC设计能力、标准化生态及开放合作策略，引领下一代AI计算架构演进 [22] - 从移动芯片到数据中心，Arm平台化姿态推动智能计算普及与创新 [23]