AI云服务提供商CoreWeave于周四宣布,已与Meta扩展现有合作关系,双方达成一项总额210亿美元、合作期延伸至2032年的协议。此次合作旨在为Meta不断增长的AI部署需求提供更充足的云计算能力。
根据协议,新增算力将分布在多个地点,并包含英伟达Vera Rubin AI计算平台的初期部署。公告指出,分布式算力部署有助于提升Meta AI业务的韧性与可扩展性。
此次CoreWeave合作扩展,是专业AI云服务提供商近期一系列重磅交易中的最新一例。今年3月,Meta已与AI云平台Nebius签署长期算力协议,显示出该公司对算力的需求正持续攀升。上个月,CoreWeave还与AI搜索引擎Perplexity达成多年期战略合作。
大型科技公司正大力推进AI基础设施建设,以支持Muse Spark等新兴项目——这是Meta专为自身产品打造的首个大语言模型系列——这一趋势也推动了专业AI云服务提供商(又称"新云服务商")的爆发式增长。
据Synergy Research Group的报告显示,受AI基础设施需求激增驱动,新云服务商市场预计将在2031年实现4000亿美元的营收规模,复合年增长率高达58%。2025年新云服务商营收已超过250亿美元,仅第四季度便达到90亿美元,同比增长223%。
新云服务商专为AI工作负载提供高性能计算能力,这使其对超大规模云服务商及其他渴望算力的科技巨头颇具吸引力。Synergy Research Group报告指出,市场领先企业包括CoreWeave、Crusoe、Core Scientific、Lambda、Nebius和Nscale。
根据Meta与Nebius签订的五年协议,该新云服务商将从2027年起提供价值120亿美元的算力资源。与CoreWeave协议类似,新增算力同样将分布于多个地点,并基于Vera Rubin平台进行大规模部署。此外,Meta还承诺在五年期间额外采购最多150亿美元的算力资源,合同总价值达270亿美元。
Synergy Research Group创始人兼首席分析师杰里米·杜克表示,随着AI工作负载持续对企业的算力交付能力形成压力,新云服务商有望推动算力系统的结构性重组。
"传统超大规模系统是围绕一种通用弹性架构设计的,而AI工作负载则施加了更为严格的约束——尤其体现在并行性、数据局部性以及算力集中度等方面,"杜克在报告中表示,"新云服务商从本质上而言,正是对上述约束的一种架构层面的回应。"
Q&A
Q1:CoreWeave与Meta签署的210亿美元协议具体包含哪些内容?
A:根据协议,CoreWeave将为Meta提供更大规模的云计算能力,合作期延伸至2032年,总金额达210亿美元。新增算力将分布在多个地点,并包含英伟达Vera Rubin AI计算平台的初期部署,旨在提升Meta AI业务的韧性与可扩展性。
Q2:新云服务商与传统超大规模云服务商有什么区别?
A:新云服务商专为AI工作负载设计,提供高性能计算能力,能够满足AI在并行性、数据局部性和算力集中度方面的严格要求。而传统超大规模云服务商则围绕通用弹性架构构建,并非针对AI工作负载进行专项优化。新云服务商本质上是对AI算力约束的一种架构层面的解决方案。
Q3:新云服务商市场未来的增长预期如何?
A:据Synergy Research Group报告预测,受AI基础设施需求持续激增驱动,新云服务商市场预计到2031年营收将达4000亿美元,复合年增长率为58%。2025年该市场营收已超过250亿美元,仅第四季度便录得90亿美元,同比增长高达223%。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。