尽管得到了市场宠儿科技巨头 Nvidia (NVDA-0.22%) 的支持,并在最后时刻以 2.5 亿美元的订单支撑 IPO,但事情并未如预期发展。
该公司最初目标是融资 27 亿美元,但最终只达到了 15 亿美元。股票定价为 40 美元,远低于此前预期的 47 至 50 美元区间,并在周五以 39 美元开始交易。周一,在交易的第二天,该股票在午盘交易时下跌近 10%。
CoreWeave 是一家云计算公司,为 Microsoft (MSFT+0.21%) 和 Meta (META-0.38%) 等主要科技公司提供 GPU 基础设施。该公司主要使用 Nvidia 的 GPU 来运营这些数据中心。由于业务成本高昂,CoreWeave 依靠积累债务来扩建其产能,押注未来对 AI 计算能力的需求。
CoreWeave 被视为纯 AI 公司,因为公司的成功直接押注于 AI 需求增长的未来。大多数纯 AI 公司——如在 2022 年通过 ChatGPT 掀起 AI 热潮的 OpenAI——都是私人持有,不公开财务状况,这使投资者难以衡量整个行业的状况。CoreWeave 的市场首秀被许多人视为了解 AI 交易在 AI 泡沫担忧升温之际的发展情况的一种方式。
一些行业专家认为,这次令人失望的 IPO 应该被视为炒作热度正在消退的指标。
纽约大学斯特恩商学院金融学教授 Aswath Damodaran 上周对 CNBC 表示:"如果一年前 CoreWeave 上市,'AI' 和 'Nvidia' 这两个词就足以让它成功。现在做不到这一点表明,仅仅基于 AI 或 Nvidia 这些词进行交易的势头已经不再有效了。"他补充说,他认为这是健康的,因为 AI 被过度炒作了。
"AI 产品和服务业务,也就是最终必须为所有这些付费的业务,并没有实质性起飞。我很难想到有任何公司在 AI 产品和服务业务中赚到大钱,"Damodaran 说。
根据 Bloomberg 上周报道的收入预期,OpenAI 预计到今年年底收入将增长两倍多,但该公司预计要到 2029 年才能实现现金流为正。
Damodaran 表示,市场对 AI 交易的怀疑始于去年年底,当中国 AI 初创公司 DeepSeek 今年早些时候推出了一个与 OpenAI 相媲美但成本和能耗更低的推理模型时,这种怀疑情绪进一步加剧。
Damodaran 说,上周 CoreWeave IPO 发生的事情表明,市场认识到"在实际市场存在的证据出现之前投入了太多资金"。
"我认为我们现在正处于 AI 业务的一个时刻,我们在寻找一些证据,证明 AI 产品和服务业务将是万亿美元级别,而不是数亿美元级别,"他说。
然而,并非所有专家都认为 IPO 的失望与 AI 交易的力量直接相关。
"虽然 CoreWeave 的 IPO 显然不太成功,但这不应被视为 AI 市场实力的指标,"D.A. Davidson 分析师 Gil Luria 告诉 Quartz。
Luria 认为 CoreWeave "有点像是 Nvidia 的一个高杠杆表外安排",他指出了 Nvidia 决定挽救该公司 IPO 的行为。CoreWeave 的杠杆支出有助于推动 Nvidia 的 GPU 销售,而不会给 Nvidia 带来任何直接财务风险。
在上周的初始评级报告中,Luria 表示,CoreWeave 的债务型商业模式只有在 AI 需求增长"快于超大规模数据中心建设速度"的情况下才能持续,这使得 CoreWeave 目前是一个有风险的投资。
关于 AI 是否处于泡沫中的猜测,Luria 将其类比于 2008 年金融危机,其中抵押债务债券 (CDO)——特别是次级抵押贷款——在制造房地产泡沫中发挥了重要作用。
"如果 AI 是一个 CDO,我们将 CoreWeave 视为次级部分,"Luria 写道。D.A. Davidson 目前对该股票持中性评级。
"AI 对技术未来发展道路的重要性超越了任何一家公司,当然也比 CoreWeave 更大,"Luria 告诉 Quartz。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。