最近，AI领域的媒体头条几乎被DeepSeek和Manus占据，投资人和业内意见领袖忙着为这两家公司勾画“从芯片到终端”的上下游蓝图。而在大洋彼岸，另一场风暴正在酝酿——一家之前鲜少被中文媒体提及的新兴公司，悄然在国际巨头的夹缝中撕开一道口子。它既不做大模型，也不造机器人，甚至三个创始人都不是技术背景，然而这家公司在短短三年内让微软、OpenAI和英伟达同时成为自己的客户、盟友与赌注。
这家公司名为CoreWeave。本月它正式向纳斯达克递交招股书，计划募资40亿美元，估值或超350亿美元。而在此之前，其与OpenAI 签订了为期五年、价值 119 亿美元的协议，根据该协议，CoreWeave 将为 OpenAI 提供人工智能基础设施，成为后者逐渐摆脱微软控制的关键一环。此外，CoreWeave手握超过25万张英伟达的GPU，英伟达不仅是其核心供应商，更是其战略股东之一。据CoreWeave招股说明书披露，2024年其营收达19.15亿美元，同比激增736.6%，未履约合同金额高达151亿美元。
如果成功上市，CoreWeave将成为首个以“颠覆者”身份挑战传统云计算巨头的GPU云计算提供商，并自我定位为AI Hyperscaler（超大规模AI算力供应商）。
然而，高速增长的背后，是对英伟达GPU的高度依赖、被大客户微软的业绩绑架，以及沉重的债务压力。如今，AWS、Google、Microsoft等云计算巨头纷纷自研芯片，削弱对英伟达的依赖，而DeepSeek等低成本算力方案的崛起，正在重塑AI算力市场格局。在这样的大环境下，CoreWeave能否借助英伟达的优势构建自己的AI算力帝国，还是会在市场竞争、客户流失、供应链风险和债务重压下轰然倒地？
这不仅关乎CoreWeave的未来，也将深刻影响全球AI算力市场乃至整个AI行业的走向。在微软、OpenAI与英伟达越发复杂的三角关系中，CoreWeave究竟能否颠覆算力格局，实现逆袭，还是最终沦为大厂博弈和资本运作的牺牲品？
出身草莽
从挖矿玩家到AI基建狂人
与光鲜的AI研发背景公司不同，CoreWeave的故事则充满草莽色彩。前面提到CoreWeave的三个创始人Michael Intrator、Brian Venturo和Brannin McBee都不是技术出身，他们对什么比较熟——金融，具体来说，大宗商品交易。众所周知，比特币的热潮如同当年加州的淘金热，掀起了全球范围的逐利狂潮，2017年，比特币从1000美元涨到接近20000美元。
CoreWeave“三兄弟”也是当年比特币狂热大军中的一员。据Brian Venturo回忆，2016年他们购入了第一块GPU，并在以太坊网络上成功挖出第一个区块，这一经历让他们踏入了区块链挖矿领域。随着挖矿业务的逐步发展，他们在2017年正式将这一副业转型为公司运营，创立了Atlantic Crypto公司，两年后将其改名为CoreWeave。
CoreWeave的三个创始人：Michael Intrator、Brian Venturo和Brannin McBee
来源：CoreWeave
彼时，以太坊等数字货币的挖矿市场处于高速增长期，GPU矿机需求旺盛，CoreWeave凭借其大规模的GPU集群积累了大量的计算资源，很快就发展成为以太坊一哥，拥有50000个GPU，占据了以太坊网络算力的1%以上。
然而，2018年的币价崩盘让无数矿场破产，也让当时的CoreWeave收入暴跌七成，生死存亡之际，他们嗅到另一条生路——AI训练所需的GPU与矿机硬件高度重合，还有娱乐和生命科学等几个计算量要求比较大的领域可以做备选，当时的AI刚刚起步，算力争夺并不激烈，这时候市场上堆积了大量破产矿工的GPU，收购这些GPU并不贵。
2019年，CoreWeave果断砍掉挖矿业务，将其原本用于挖矿的GPU集群重新配置，主要投向AI云计算和高性能计算，并开始向企业客户提供云端算力租赁服务。这时候不得不提促成CoreWeave这次转型的关键筹码英伟达，后者正急于扩大CUDA生态的商业版图，而CoreWeave承诺批量采购GPU并专注AI任务，双方迅速结成同盟。
原本是“雪中送炭”的合作在ChatGPT爆发后迎来质变，2022年11月ChatGPT的横空出世彻底改变了CoreWeave，也是英伟达的命运爆发。2023年起，全球AI实验室陷入算力饥渴，而传统云厂商的通用服务器难以满足需求——AWS的GPU实例需要多层虚拟化调度，性能损耗高达15%；Azure的自研芯片Maia尚在襁褓。对算力的需求一下将英伟达推到风口浪尖上，也包括CoreWeave，到处是要买他们服务的人。
CoreWeave顺势推出“裸金属GPU（Bare Metal GPU）”服务，绕过虚拟化层，直接将物理GPU服务器租赁给客户。相较传统的云端虚拟GPU实例，该模式不仅提供更强大的计算性能和更低的延迟，还赋予用户对硬件资源的完整掌控。2023年，CoreWeave与英伟达建立深度合作关系，成为A100、H100等高端GPU的核心云端供应商之一。
CoreWeave此时则研制出自己的杀手锏，通过GPU集群和自研软件栈构建，优化AI训练与推理效率，将英伟达GPU的算力利用率榨取到极致，2023年MLPerf基准测试显示，CoreWeave联合英伟达和Inflection AI，利用3,584块H100，用时不到11分钟就能训练出GPT-3 175B模型，训练速度领先第2名29倍。
传统与CoreWeave 基础设施比较
来源：CoreWeave官网
CoreWeave认为，运行AI工作负载的典型GPU的计算效率在峰值理论性能的35%到45%之间，这也是大部分云计算大厂的平均水平，若能将效率缺口从约35%缩小至理论上的100%，将大幅释放AI基础设施的性能潜力，从而推动AI整体质量的蝶变。所以后来CoreWeave在技术上的一系列举措，无论其自研的SUNK 协调系统还是 Tensorizer 优化工具，都围绕着最大限度地提高客户的 GPU 利用率进行，CoreWeave招股书表明，已经比大厂的GPU 利用率提升了20%。
来源：CoreWeave招股说明书
在商业模式上，CoreWeave则以“GPU即服务”（GPUaaS）模式或“人工智能即服务”（AIaaS）模式为核心，结合按需计费和预付款机制，为客户提供灵活性与长期算力保障。前者客户按小时或实例使用时长付费，适用于短期需求，后者收取客户的15%-25%作为预付款，面对需要长期算力保障的大型用户。
目前CoreWeave的大型客户包括微软（一家贡献62%）、英伟达、Meta、IBM、Mistral和Cohere等，此外，CoreWeave的算力服务也逐步渗透到金融、制药等高性能计算需求较高的行业。例如，华尔街量化交易公司Jane Street，以及多个生物制药企业，均依赖CoreWeave的算力支持其模型训练和数据分析。
2024年，CoreWeave营收达到19.15亿美元，同比增长736.6%，显示出极强的市场需求。同年，CoreWeave运营的GPU数量超过25万张，并管理着32座数据中心，覆盖全球多个区域，以提供低延迟、高吞吐的算力支持。
在2025年，CoreWeave计划进一步扩大数据中心网络，新增10座数据中心，对于AI算力供应商而言，数据中心的扩张不仅代表着计算能力的提升，也直接影响客户的服务质量和算力成本，随着全球AI训练任务的规模不断增长，数据中心的算力密度成为企业竞争的关键要素。此外CoreWeave总签约电力达1.3GW，将提供长期可持续的能源支持。
Coreweave从数字基础设施提供商Core Scientific租用了16兆瓦的数据中心空间
来源：https://www.datacenterdynamics.com/en/news/coreweave-to-lease-16mw-of-data-center-space-from-cryptominer-core-scientific/
时势造英雄
从幕后角色被推向AI算力革命前线
CoreWeave从“闷声发大财”到备受市场瞩目，表面是一个新兴GPU云计算供应商的出圈案例，实质则折射出近半年来AI算力市场格局的动荡与变革。
过去十多年，云计算市场由几大巨头主导，它们掌控全球大部分算力资源，并依托强大的基础设施优势建立竞争壁垒。AI兴起后，这些巨头与英伟达及大模型企业紧密合作，共同推动产业发展，使市场规模迅速扩大，企业市值也屡创新高。
然而，随着AI算力需求从爆发式增长转向长期化，传统云厂商开始加速构建自有AI生态，削弱对英伟达的依赖。AWS推出Bedrock平台，并自研Inferentia和Trainium芯片；Google则从Gemini大模型到Trillium TPU芯片全面走向自研。该趋势不仅挑战了英伟达与头部AI企业的原有生态关系，也让算力市场的竞争进一步加剧。
Google Trillium TPU芯片：Google Cloud TPU V6e Trillium 3
来源：Servethehome，Google
微软与OpenAI从紧密合作走向竞争的转变更为典型。微软持有OpenAI约49%的股权，并享有高达75%的利润分成，原本在技术和资本层面深度绑定，关系看似稳固。然而，如今双方正在逐步疏远，并彼此加大防备力度。据报道，OpenAI拒绝向微软透露核心技术，而微软则在2024年启动自研大模型项目“MAI”，并从著名独角兽公司Inflection AI大规模挖角，包括联合创始人Mustafa Suleyman，他随后出任微软AI总负责人，直接向微软CEO汇报。
进入2025年，随着特朗普上任启动“星际之门计划”（Stargate Project），OpenAI加速推动自身算力独立化，比如与Oracle和Crusoe合作，在得克萨斯州阿比林市建设新的计算中心，预计到2030年，该项目或将满足OpenAI 75%的算力需求。
位于得克萨斯州的阿比林数据中心
来源：Crusoe
CoreWeave正是利用这一点，将自己定位为“中立”的算力提供商，专注于基础设施层面的GPU算力，既不倾向微软，也不倾向于像OpenAI这样的AI模型公司。理论上，它可以成为所有AI公司值得信赖的算力合作伙伴，而无需担心被云厂商兼竞争对手挖走市场。
这种中立性，让CoreWeave可以“两头做生意”，一方面，它在去年与微软达成了一份高达170亿美元的长期合同，为其提供2023年至2030年的GPU服务器租赁服务；另一方面，今年CoreWeave又与OpenAI达成近119亿美元的五年期合作协议，并计划进一步入股。类似的大厂客户还有Meta和Mistral，在竞争激烈的AI算力市场，CoreWeave反倒左右逢源起来。
我们知道，CoreWeave能够快速崛起，更离不开与英伟达的深度合作。由于CoreWeave作为英伟达战略上深度绑定的合作伙伴，包括约6%的股权，可以优先获得最新的GPU资源，如Blackwell架构的GPU，不仅如此，双方还在技术支持和资源整合方面进行深度协作，这种合作包括英伟达为CoreWeave提供定制版CUDA、专用优化芯片，甚至专属的软件堆栈，确保终端客户能够充分发挥每个GPU的最大效能。
众所周知，英伟达的A100、H100 GPU是训练大模型的关键硬件资源，至今仍面临供不应求的问题，客户往往需要等待很长时间。微软CEO Satya Nadella就曾坦言，之所以使用CoreWeave的产品，实则是因为“来不及了”，需要“紧急获取足够的数据中心资源”。平心而论，租用服务确实要比购买硬件要划算得多，利用CoreWeave提供的云基础设施，可以比自行购买、部署和管理GPU更具成本效益，特别是应对短期或波动性需求。
值得一提的是，GPU云服务提供商这个角色不只是CoreWeave独有的，它的直接竞争对手Lambda Labs亦与英伟达保持密切合作关系，英伟达也投资了这家公司，另外像Cerebras Systems、Nebius Group、Vultr、Paperspace、Vast.ai等公司都是这个赛道的知名玩家。
CoreWeave创始人Brannin将GPU云服务比作一个精心编排的大型舞台表演。他强调，CoreWeave的云平台远非简单地提供GPU访问，而是一个复杂而精密的系统，这个系统就像一位经验丰富的舞台导演，协调和管理着庞大的资源和设备网络。
CoreWeave提供接入GPU服务完整的云平台架构
来源：CoreWeave招股说明书
高歌猛进的背后
被埋藏了多颗“不定时炸弹”
细心的读者可能会发现，我们在讲述CoreWeave上下游链条的时候，提到上游供应几乎全部受到英伟达的影响，而下游卖给微软的销售则占其总收入62%，还有一个它未提及名字的客户，两个客户加起来占总收入的77%，很明显，依赖性非常强。
2022-2024年CoreWeave收入占比超过10%的主要客户列表
来源：CoreWeave招股说明书
让所有人担心的事还是发生了。就在CoreWeave向SEC递交s1文件（招股书）的同一时间，CoreWeave最大客户微软，已撤回部分合作承诺。据英国《金融时报》3月6日报道，由于交货问题和错过最后期限，微软已撤回了（withdraw）部分协议，“这些问题影响了微软对CoreWeave的信心。”
知情人士最近则表示，微软将选择不行使近120亿美元的选择权，拒绝从CoreWeave那里购买更多的数据中心容量，此举为CoreWeave顺利上市蒙上了一层阴影。客观说，CoreWeave交货问题并非仅仅是它自己控制供应链不佳造成的，今年10月，英伟达创始人兼首席执行官黄仁勋承认，其Blackwell芯片存在“设计缺陷”，导致延迟向客户发货。
另据《金融时报》报道，这与微软今年的战略调整有关。Satya Nadella最近表示，微软人工智能基础设施存在“过度建设（overbuild）”。我们看到CoreWeave与OpenAI签订了119亿美元的协议，如果微软过去是给OpenAI下单，而现在OpenAI直接进货，微软本身的MAI实际不需要那么多算力，况且微软现在本身还是OpenAI的股东，意味着OpenAI的采购也会影响到资本回报，这可能就是Satya Nadella所说的“过度建设”，也就是重复下单。
我们再回过来看CoreWeave，一旦影响到营收占比62%-77%的大客户变动，都会对CoreWeave构成重大冲击。CoreWeave已与英伟达达成明确的采购协议，当前库存已超25万张GPU，并计划今年进一步扩充。如果大客户出现风吹草动，而其他客户的租赁需求无法填补这一缺口，那么这些高端GPU将面临与传统商品相同的困境——库存积压，进而影响资金回流与运营效率。
这里蕴藏着更严重的危机在于，CoreWeave的GPU储备、基础设施包括数据中心建设所需的资金大部分都来自借贷。据美国科技媒体information报道，在招股说明书中没有显名的第二大客户正是英伟达，去年贡献了15%的营收，约合2.87亿美元。
目前英伟达与CoreWeave正在进行代号为“鱼鹰计划”的合作，2023年初，英伟达向CoreWeave股权投资1亿美元，并承诺在四年内向CoreWeave支付13亿美元，租回自己生产的芯片，那么2.87亿美元收入可以算这13亿美元的一部分，而CoreWeave在2023年当年就花费了3.8亿美元来购置英伟达的硬件和设备，换句话说，单就这笔交易而言，CoreWeave显然是买亏了，2024年之后虽没有公开信息，我们推测只多不少，那么CoreWeave在这方面的综合成本很可能大于收入。我们不禁要问，CoreWeave为什么要和英伟达绕这么大一圈却做亏本买卖？
英伟达是怎么投资CoreWeave增长的，来源：The Information
说到底，英伟达以至微软、OpenAI最终还是会买单的，也许它们认为巨大的资金成本和不确定性结果，短期很难向股东交代，而是让CoreWeave这样深度绑定的合作伙伴先冲在前面。
我们看到，要实现CoreWeave规划的核心竞争力，需要巨大的重资产投入。据公开媒体报道，CoreWeave在数据中心承诺做出很多投资计划，如它计划投资超过10亿美元，将美国新泽西的一座实验室大楼改造成数据中心；与Blue Owl、Chirisa和PowerHouse合作的50亿美元项目的一部分；承诺在英国的数据中心投资超过10亿英镑；承诺在欧洲的数据中心再投资22亿美元；承诺在美国弗吉尼亚州投资6亿美元的数据中心项目等等。
CoreWeave全球数据中心网络，来源：CoreWeave招股说明书
且不说这样布局是否合理，CoreWeave重资产投入从哪里来？我们从损益表可以看出，2024年营收约为19.15亿美元，运营成本（Operating expenses）则高达15.9亿美元，收入增长736.36%的背后，成本也增长了654%，最后导致去年净亏损（Net loss）8.63亿美元。
来源：CoreWeave招股说明书
Coreweave2024财年收入情况
来源：App Economy Insight
CoreWeave招股说明书表明，2024年其已签约1.3千兆瓦（GW）的运算容量，并转化为大约360兆瓦的运算能力。据美国科技媒体下一代平台（The Next Platform）主编Timothy Prickett Morgan估算，CoreWeave中GPU的估计价值约为75亿美元，将这些GPU转化为系统需要大约150亿美元的资本支出。
随着GPU数量的持续增长，并承诺达到签约的总计算能力，150亿美元只是当前的资本支出，并未涵盖未来几年可能持续攀升的成本。这意味着，CoreWeave每年仍需不断追加投资，以满足算力扩张需求并履行长期承诺。
而这150亿美元恰好与CoreWeave历次融资总金额145亿美元基本能够对应，CoreWeave招股说明书表示，“我们通过12轮股权和债权融资筹集了145亿美元”，实际上这145亿美元大部分都是债权融资，CoreWeave将其整合进入两个DDTL（递延税项贷款，Delayed Draw Term Loan facilities），我们分别来看：
DDTL1.0主要来自私密股权资产管理公司黑石集团和对冲基金Magnetar Capital在2023年的借贷，总共23亿美元，2023和2024年平均年利率分别为14.12%、14.11%，再加上其它成本，根据科技博主Edward Zitron的推测，每年至少支付8.92亿美元的利息，预计到2028年3月还完。
很快又来了DDTL2.0，这次是在2024年，由黑石和Magnetar Capital牵头，完成了76亿美元的贷款，后面高盛（Goldman Sachs）、摩根大通（JP Morgan Chase）和摩根斯坦利（Morgan Stanley）等顶级投行也有参与，又借出了6.5亿，作为DDTL的补充，总共达到82.5亿美元的债务。DDTL2.0的年利率稍低一些，为10.53%，根据Edward Zitron的推测，每年则至少支付7.6亿美元的利息。
我们将这两个债务相加，每年至少要有16.52亿美元用于还债，去年的总收入不过19.15亿美元。比较残酷的是，这几家投行之所以把利率订到那么高，或许他们并不指望CoreWeave能够还到2028年或者更久，而是以更快速度在AI算力爆发之际收回一部分本金。
CoreWeave融资历史（不完全统计）
来源：华泰证券、CoreWeave招股书、Crunchbase
而英伟达并没有参与到发债的阵营中，它应该有过类似的计算，比较有意思的是，在2023年DDTL1.0的时候，英伟达曾提出用H100 GPU作为借贷的抵押品，因为在当时GPU是硬通货，获得较高的市场价值。然而今天英伟达H100 GPU的价格从2023年的8美元/小时一路下跌，最低到1美元/小时，摩尔定律仍然起作用。
然而，CoreWeave借贷是真金白银，并没有摩尔定律，除非美联储降息。
这还没有提及DeepSeek。上个月被世人有更多了解的DeepSeek通过算法创新和工程优化显著降低了大模型的算力成本，其核心技术包括混合专家（MoE）架构、定制化AI芯片设计（如稀疏计算单元和高带宽内存架构）、FP8混合精度计算、稀疏化技术以及数据蒸馏等，有效减少了训练和推理所需的计算资源，同时优化了模型效率。
我们看到，DeepSeek的低算力成本模式可能进一步削弱CoreWeave的市场竞争力。目前，在英伟达与CoreWeave体系下，无论是OpenAI、Mistral等大客户，还是中小客户，主要仍依赖GPU云供应商以高价租赁英伟达的算力服务。若DeepSeek的低成本方案进一步普及，可能促使全球中小客户转向DeepSeek主导的开源生态，又占据CoreWeave的一部分市场发展空间，迫使其调整定价策略或拓展增值服务，以维持竞争力，如此则进一步推高成本或减少收入。
若行业转向轻量化AI架构，将引发GPU估值重估—抵押品减值—融资能力下降的连锁反应，直接冲击微软、Meta等依赖英伟达GPU算力的企业，除非它们能及时调整方向，而CoreWeave这类高度依赖GPU的公司则更难找到生存空间。
一旦危机爆发，庞大的债务积压与产业连锁反应，或将导致估值数百亿美元的CoreWeave轰然倒塌，并波及整个上下游生态。因此，CoreWeave如今的赌注在于，既然自己已深度捆绑大厂生态，现实大厂也会豪赌其未来，后者的资产毕竟比几十亿负债的规模要大得多——这里不是Web3的世界。
CoreWeave
能否从“鱿鱼游戏”中全身而退？
2025年3月4日，在上市前敏感时期以及资金紧张情况下，CoreWeave仍拟斥资17亿美元收购AI开发平台Weights & Biases（W&B）。
W&B成立于2018年，专注于 MLOps 和 LLMOps，为 AI 模型的构建、训练和部署提供工具支持。核心产品是一整套AI模型开发与管理工具，帮助科研人员和工程师更高效地进行模型训练、监控性能，并优化工作流程。
我们看到，一方面，这笔交易有助于CoreWeave整合自身的硬件优势与W&B的软件能力，从单一的GPU供应商转型为全栈式AI云平台提供商，超越单纯的GPU云服务；另一方面，CoreWeave即刻获得接触W&B庞大的百万级AI工程师用户生态系统的机会，在市场上产生更强的影响力和更正面的评价，两方面都可能给CoreWeave带来更多的想象空间。
W&B For TWIML Listeners
来源：Weights & Biases（W&B）网站
目前CoreWeave的未来，仍掌握在自己手中，未来既取决于自己，也取决于整个AI算力市场的持续演变。未来，无论是英伟达与大厂的竞争格局，以DeepSeek为代表的轻量化AI的攻城略池，CoreWeave自身成本压力的加剧、GPU价格的骤降，以及资本市场的信心波动，都可能让这场豪赌变得极端危险。在AI算力演进的新时代，CoreWeave能否成功从生存游戏中突围，还是成为科技变革的牺牲品，或许很快就会有答案。