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
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。