Meta Platforms今日宣布,将向云端AI基础设施提供商CoreWeave追加210亿美元投资,以在激烈的AI竞争中保持领先地位。
此次投资是Meta与CoreWeave合作关系的进一步深化。去年9月,Meta曾宣布斥资142亿美元采购CoreWeave的AI算力基础设施,合同原定执行至2031年。而新签订的合同将覆盖2027年至2032年,为Meta在未来数年内锁定CoreWeave的关键资源提供了保障。
CoreWeave运营着一张覆盖多地的数据中心网络,其中部署了数十万块英伟达GPU——这是目前运行AI模型最主流的芯片。尽管Meta在全球范围内运营着数十座自有数据中心,但面对AI服务的爆发式需求,其仍需从CoreWeave等第三方服务商处租用额外算力。CoreWeave的客户还包括微软、OpenAI等AI领域的重量级企业。
今年1月,Meta曾表示,2025年全年AI基础设施投入将达到1150亿至1350亿美元,几乎是2024年的两倍。
Meta目前拥有众多AI项目:一方面利用AI算法强化其核心广告业务,另一方面为Facebook、Instagram、Threads等平台上的创作者提供AI工具。与此同时,Meta也在努力与OpenAI、谷歌、Anthropic等前沿模型开发商展开竞争,但成效尚不及对手显著。
由于此前发布的几款Llama系列模型反响平平,Meta随即调整战略,大举投入组建"超级智能实验室",由Alexandr Wang挂帅,专注于开发更先进的模型。本周三,该团队的阶段性成果正式落地——Meta发布了全新模型Muse Spark。
面对如此庞大的AI项目体量,Meta对算力资源的需求极为旺盛。自2023年起,Meta便与CoreWeave建立了合作关系。CoreWeave首席执行官Mike Intrator在接受CNBC采访时表示,CoreWeave的AI基础设施能够帮助Meta充分发挥其在超级智能实验室招募的顶尖人才的实力。"他们从各个领域广纳精英,这些人用过各种不同的基础设施,但最终都回到了我们这里。"他如此说道。
Meta表示,此次对CoreWeave的最新投资,是公司"多元化组合策略"的重要组成部分,旨在确保自身能够获取多类型的资源和供应商支持。与此同时,这笔交易也有助于CoreWeave降低对微软的过度依赖——微软目前仍是CoreWeave最大的客户。Intrator透露,2024年微软一度占据CoreWeave总营收的62%,而如今这一比例已降至35%。
CoreWeave今日还宣布,将额外融资30亿美元,用于推进自身数据中心的扩建。为在AI芯片市场站稳脚跟,CoreWeave已承担起巨额贷款,截至2025财年末,其资产负债表上的债务总额超过210亿美元。今年3月,公司又新增借款85亿美元,以扩充数据中心产能、履行新签合同的交付承诺。受此系列举措提振,CoreWeave股价年内已累计上涨24%。
Intrator表示,期待未来与Meta的合作关系进一步加深,因为双方的AI基础设施建设远未到达终点。"他们会继续自建,也会继续与我们携手同行。"他说道。
Q&A
Q1:Meta为什么要向CoreWeave追加210亿美元投资?
A:Meta旗下拥有大量AI项目,包括广告算法优化、创作者工具以及前沿模型研发等,对算力需求极高。尽管Meta在全球运营着数十座自有数据中心,但仍无法满足爆发式增长的AI服务需求。CoreWeave拥有数十万块英伟达GPU,能够为Meta提供关键的算力补充,此次追加投资旨在锁定未来数年的资源供给,支撑其超级智能实验室等重点项目的推进。
Q2:CoreWeave是一家什么样的公司?主要客户有哪些?
A:CoreWeave是一家专注于AI算力的云基础设施服务商,运营着部署大量英伟达GPU的数据中心网络,为AI模型的训练与推理提供算力支持。其主要客户包括Meta、微软和OpenAI等科技巨头。此前微软曾占CoreWeave总营收的62%,但随着客户结构多元化,这一比例已降至35%。CoreWeave还在持续扩建数据中心,并通过大规模融资支撑其基础设施建设。
Q3:Meta发布的新模型Muse Spark有什么背景?
A:Muse Spark是Meta超级智能实验室推出的首款重量级模型。此前,Meta因Llama系列模型反响不佳,决定战略转型,重金投入组建超级智能实验室,聘请Alexandr Wang担任负责人,专注于研发更先进的AI模型。Muse Spark正是这一战略调整的阶段性成果,标志着Meta在与OpenAI、谷歌、Anthropic等前沿模型开发商竞争中迈出了重要一步。
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。