Marvell Technology cai mais de 3%: SemiAnalysis diz que produção em massa de Co-Packaged Optics (CPO) pode ser adiada para 2029, Nvidia Rubin ainda usará solução totalmente de cobre

TradingKey - Em 10 de julho, horário do leste, a Marvell Technology ( MRVL ) teve o preço de suas ações impactado, registrando queda de 3,38%, para US$ 235, até o momento desta publicação. Relata-se que o fundador da SemiAnalysis, Dylan Patel, afirmou que a implementação em larga escala de co-packaged optics (CPO) pode ser adiada para o final de 2028 ou 2029.

[Fonte: TradingView]

Dylan Patel apontou que os rendimentos de fabricação atuais, os designs de chips e a maturidade da cadeia de suprimentos ainda não atenderam aos padrões para implementação em larga escala. Enquanto isso, a arquitetura Rubin da Nvidia e sua sucessora Feynman ainda utilizarão uma solução totalmente de cobre, o que significa que o CPO no lado da GPU terá que esperar por várias gerações de iterações de chips.

Ele acredita que o final de 2028 a 2029 é quando a produção em massa em larga escala de CPO realmente começará.

Ele afirmou que a SemiAnalysis acabou de lançar um relatório para assinantes institucionais na semana passada, expressando uma perspectiva mais otimista para cabos de cobre e soluções ópticas sem CPO no médio prazo. Mudanças de design em alguns chips downstream (como a remoção do design de 800V no Kyber da Rubin Ultra) adiaram ainda mais o lançamento do CPO. Como resultado, empresas de conectores de cabos de cobre como a Amphenol se beneficiarão mais do que o esperado.

Embora o CPO represente uma tendência de longo prazo e os cabos de cobre eventualmente sejam substituídos no longo prazo, o cronograma para esse processo foi adiado. Portanto, os cabos de cobre ainda apresentam oportunidades significativas de crescimento no curto e médio prazo.

Há apenas um mês, as ações da Marvell Technology dispararam mais de 32% em um único dia, impulsionadas pelo endosso do CEO da Nvidia, Jensen Huang. Na Computex Taipei, Huang afirmou que a Marvell cresceria até se tornar a próxima empresa com valor de mercado de um trilhão de dólares.

Ele observou que, sob a arquitetura de poder computacional para treinamento de grandes modelos, um único chip não consegue mais suportar as massivas demandas de computação, e as tarefas devem ser divididas para execução distribuída em clusters compostos por milhares de chips. A capacidade de compartilhamento de dados em alta velocidade entre os chips determina diretamente a eficiência computacional geral do cluster, representando um gargalo central que limita a expansão do poder computacional.