今年对 CoreWeave 来说是不平凡的一年。3月份,这家 AI 云基础设施提供商进行了年度最大且最受期待的 IPO 之一,但并未达到预期效果。
另一个挫折发生在10月,由于收购目标股东的质疑,该云服务提供商计划收购其业务合作伙伴 Core Scientific 的交易告吹。
与此同时,该公司收购了多家不同的公司,股价起伏不定,在蓬勃发展的 AI 数据中心市场中既受到批评也获得赞誉。
在周二于旧金山举行的《财富》AI 头脑风暴峰会的采访中,CoreWeave 联合创始人兼 CEO 迈克尔·英特拉托为公司的表现进行了辩护,指出公司正在创造云计算构建和运行的"新商业模式"。他们收集的英伟达 GPU 价值如此之高,以至于可以用它们作为抵押来帮助为业务融资。这位高管似乎在暗示:如果你在开辟新道路,注定会遇到一些颠簸。
"我认为人们很多时候都很短视,"英特拉托在被问及公司偶尔不稳定的股价时说道。"是的,它确实在波动,"他承认,同时指出 CoreWeave 的 IPO 是在特朗普总统的关税生效前不久进行的——这对整体经济来说是一个非常不确定的时刻。
"我们在最具挑战性的环境之一中上市,就在解放日前后,尽管面临巨大逆风,仍能成功进行 IPO,"这位 CEO 对《头脑风暴》编辑总监安德鲁·努斯卡说道。"我为公司取得的成就感到无比自豪,"他补充道。
CoreWeave 的股票可能在3月经济低迷时期首次亮相,但此后其价格经历了相当的起伏。它以40美元的价格首次亮相,在过去八个月中攀升至超过150美元,但目前约为90美元。一些谨慎的批评者将其比作模因股票,因为它有涨跌的倾向。
围绕 CoreWeave 股票的一些不确定性被归因于公司的高负债水平。在 CoreWeave 周一宣布一项发行更多债券为数据中心建设融资的交易后不久,其股价下跌了约8%。
英特拉托似乎将自己的公司视为颠覆者,其非常规策略可能需要一些时间来适应。"当你引入一种新模式,当你引入一种新的经营方式,当你颠覆了一个静态环境时,人们需要一些时间,"他在周二的露面中说道。
CoreWeave 实际上是以加密货币挖矿公司的身份开始其企业生涯的,但很快就将自己打造成科技行业一些主要参与者的"AI 基础设施"关键提供商。在这个角色中,它向 AI 开发者提供 GPU,并与微软、OpenAI、英伟达、Meta 和其他科技巨头建立了重要合作伙伴关系。
周二讨论的另一个话题是 AI 行业内的"循环性"概念。"循环"商业交易,即少数强大的 AI 公司相互投资,经常受到批评,并引发了对行业长期经济稳定性的质疑。或许不足为奇的是,由于英伟达既是其投资者又是其 GPU 供应商,英特拉托对此类担忧不屑一顾。"公司正试图应对供需的剧烈变化,"他说。"你通过协作来做到这一点。"
自 IPO 以来,CoreWeave 继续努力扩展其业务。在3月收购了 AI 开发者平台 Weights and Balances 之后,它继续收购了 OpenPipe,这是一家帮助公司通过强化学习创建和部署智能体的初创公司。10月,它还达成了收购 Marimo(开源笔记本创建者)和 Monolith(另一家 AI 公司)的交易。它还最近宣布扩展与 OpenAI 的云合作伙伴关系,并表示计划进入联邦市场,希望向美国政府机构和国防工业基地提供云基础设施。
Q&A
Q1:CoreWeave 的"新商业模式"是什么?
A:CoreWeave 创造了云计算构建和运行的新商业模式,其核心特点是将收集的英伟达 GPU 作为有价值的资产,甚至可以用它们作为抵押来帮助为业务融资。这种模式颠覆了传统的静态云计算环境。
Q2:为什么 CoreWeave 的股价波动这么大?
A:CoreWeave 股价波动较大主要有几个原因:首先,IPO 时机正值特朗普关税生效前的经济不确定期;其次,公司负债水平较高,最近发行更多债券后股价下跌8%;最后,作为新商业模式的颠覆者,市场需要时间适应。
Q3:什么是 AI 行业的"循环交易"?CoreWeave 如何看待这个问题?
A:AI 行业的"循环交易"指少数强大 AI 公司相互投资的商业模式,这种做法经常受到批评并引发经济稳定性担忧。CoreWeave CEO 英特拉托为此辩护,认为这是公司应对供需剧烈变化的协作方式,是"协作共赢"而非问题。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。