与「CoreWeave」相关的搜索结果

The story of AI in the next few years is going to be compute: an essay on the future of AI. K3 in 2 days is already #10# on OpenRouter with ~140B tok/day, and it’s infra is crumbling. Throughput is down from 30tok/s to 13tok/s, E2E latency is up to 72s and time to first token is >20s! It would cost a minimum of $500k to buy the 8 B300s it would take to serve even quantized Kimi K3 and ~$4M for the more recommended GB300 NVL72 rack. I don’t think Moonshot has the compute available to scale to their demand! In fact, even the US based inference providers will likely not be able to scale capacity as much as they’d like even if they were to host it: a 2.8T model is no joke. GPU providers (neoclouds etc) are doing 3yr and I recently hear 5yr commits with an ungodly 30% down, and customers are chomping it up. Prices continue to go to the moon. The two big labs, hyperscaler clouds, Grok and Meta have compute deals locked in prior, and the rest are fighting for scraps. Tier 1 neoclouds (coreweave/nebius etc) are rumored to not even small “smaller” customers. Meta is the biggest wildcard here. With ~7GW of compute by eoy 2026 and no clear big model ties, they either get to frontier on their own or can host the most Kimi K3 capacity (unless they sell it to the labs). Even though the price of models has fallen over time, it’s worth noting that the price of frontier has not. 3yrs ago, GPT-4 released at $60/M, o1 at $60/M, Opus 4 at $75/M, GPT5 at $10/M, Fable at $50/M and now Sol at $30/M and K3 at $15/M. Even if you consider K3 frontier, that’s only a 4-5x flux in 3yrs. In that time, frontier demand has increased at least 3+ ooms and frontier intelligence performance has gone 32x at least by task time by METR. Essentially, so long as a) the demand for frontier intelligence continues to grow to near infinity, b) the frontier continues to grow in performance, even as c) if the price of frontier declines a little, the value accrued to frontier grows significantly! And there’s a tremendous bull case for those who have locked up compute if you’re bitter lesson pilled and believe larger models will always be smarter models.

@jiamigou 你把荷属东印度、英属东印度和OpenAI放在同一个结构里分析，这个视角太厉害了——「只许成功、不能出清」正是循环融资的本质。英伟达→CoreWeave→OpenAI这个三角结构达数百亿美元，任何一环断裂，传导机制就开始了。完整框架：

一篇不错的解读：《META出租H100与购买先进算力并不矛盾》 Meta 做 NeoCloud 与继续租 Crusoe 1.6GW，并不矛盾 昨天盘前，Meta 被报道正在考虑把多余 AI 算力对外商业化，甚至做成类似 NeoCloud 的业务。市场第一反应非常剧烈：Meta 盘前上涨接近 6%，但 AI算力和 neocloud 相关股票则受到负面 Narrative 影响, 市场担心的是：如果 Meta 也开始把 GPU 算力对外卖，是否会直接导致算力过剩？ 这个反应可以理解，但我们认为市场把问题想简单了。 首先，Meta 这件事本质上不是“AI 算力需求见顶”，也不是“Meta 不需要继续买算力”。相反，Meta 同时还在继续锁定非常大规模的新算力。根据 Bloomberg/Reuters 报道，Meta 最近与 Crusoe 签署了新的 AI computing capacity 协议，将从 Crusoe 位于 Texas Childress 和 Missouri Warrenton 的两个数据中心获得合计约 1.6GW 的容量。 同时，Meta还在向其他Neocloud购买算力。我们在去年3Q25 META Preview中就提到过META正在向NeoCloud寻求购买3GW算力。 所以表面上看，这里确实有一个矛盾：如果 Meta 自己已经有多余算力，为什么还要继续向 Crusoe 租 1.6GW？ 我们的理解是，这不是矛盾，而是算力代际切换。 过去两年，Meta 已经采购和部署了大量 H100/H200。这些 GPU 不是没价值，恰恰相反，它们对 inference、fine-tuning、企业模型服务、图像/视频生成、传统 ML workload 仍然非常有价值。但对于下一代 frontier model training，尤其是 3T+ 参数规模的 MoE、长上下文、多模态和 RL-heavy post-training，H100/H200 的训练经济性会明显下降。 关键不是 H100 不能训练，而是单位有效 token 成本变差。 当模型进入 3T+ 规模后，瓶颈不再只是单卡 FLOPS，而是 HBM 容量/带宽、GPU 间通信、scale-up 网络、checkpoint/restart、expert routing、sequence parallel、pipeline bubble、以及大规模 collective communication。H100 集群当然还能跑，但训练 wall-clock 更长，通信开销更高，集群利用率更难维持，最终表现为同样训练一个 frontier model，成本和时间都不如 GB200/GB300，未来更不如 Vera Rubin。 因此，Meta 现在面对的是一个很典型的资产配置问题： 最先进的 GB200/GB300/Rubin，要优先留给下一代模型训练；上一代 H100/H200，则应该尽量转成 inference 或外部商业化收入。 这也是为什么“做 NeoCloud”和“继续租 Crusoe 1.6GW”可以同时成立。 Meta 继续向 Crusoe 锁定 1.6GW，本质上是在为更长期、更先进、更大规模的 AI infrastructure 做准备。这种资源对于 Meta 来说，更多是未来 GB200/GB300/Rubin 时代的战略性产能，而不是简单补 H100 的缺口。 另一方面，Meta 既然已经买了大量 H100/H200，就不可能让这些资产在 frontier training 代际切换后闲置。Meta 内部当然有广告、推荐、内容排序等大量推理 workload，但这和 OpenAI/Anthropic 那种直接面向外部客户卖 token 的 LLM inference 业务并不完全一样。Meta 如果没有足够多可以直接 monetization 的外部 token demand，把 H100/H200 做成 cloud capacity 或 hosted model API 对外销售，是非常合理的资本回收方式。 这其实和 xAI / SpaceX 的思路有相似之处。xAI 今年公开宣布与 Anthropic 达成 compute partnership，向 Anthropic 提供 Colossus 1 算力；xAI 官方称 Colossus 1 包含超过 22 万张 NVIDIA GPU，包括 H100、H200 和 GB200，并可支持 training、fine-tuning、inference 和 HPC workload。(xAI) 这说明即使是 frontier AI 公司，也可能把一部分已有 GPU fleet 对外出租，同时把最新、最稀缺、训练效率最高的下一代集群保留给自己的 frontier model。 所以今天市场担心“Meta 进入 NeoCloud 会打垮所有 NeoCloud”，我们觉得有些过度。 更准确的判断应该是： AI 算力市场正在从单一的 GPU shortage，进入多代 GPU 分层定价和分层使用阶段。 第一层是最新训练算力：GB300、Rubin，以及后续更大 scale-up domain 的系统，主要服务 frontier model training。这部分供给仍然稀缺，客户仍然会向 Crusoe、CoreWeave、Nebius、Oracle、Microsoft 等各类供应商锁产能。 第二层是上一代高端算力：H100/H200/部分 GB200，更适合 inference、fine-tuning、enterprise AI、hosted model、agent workload 和中小模型训练。这部分不是没有需求，而是从“最稀缺的训练资源”变成“可以规模化商业化的推理资源”。 第三层是更通用的 GPU cloud 和 long-tail enterprise workload，对价格更敏感，但需求弹性也更大。 在这个框架下，Meta 的行为其实很合理：它不是停止建设 AI infrastructure，而是在把不同代际的 GPU 放到最适合的经济用途上。 因此，我们不认为这是 AI infrastructure 的大问题。真正重要的判断是：下一代 frontier model training 对 GB200/GB300/Rubin 的需求仍然非常强；同时，H100/H200 这类上一代 GPU 也不会被废弃，而会进入 inference monetization 和外部算力销售阶段。 这对整个 AI supply chain 的含义反而是： GPU fleet 开始变成多代际资产，而不是一次性训练工具。旧 GPU 不归零，新 GPU 继续稀缺。Meta 做 NeoCloud，不是需求崩了，而是算力资产终于开始金融化和商业化。

Meta 宣布加入 NeoCloud 大军，很明显受了 SpaceX 的启发，个人感觉这只不过是市值预期管理，最近股价太颓！三月才和 3月 Nebius & CoreWeave 分别签了 200 多亿美元的协议；就在两周前从 Crusoe 租用了 1.6GW 数据中心容量；然后由于容量限制，谷歌都限制 Meta 对 Gemini 的使用，哪里来的多余的算力租给第三方？分明是自己模型能力不行，给超额的 Capex 投入预算找个合理的盈利点😆

关于Meta出售多余算力的信息、第一时间想到的是扎克伯格是不是看到了之前SpaceX出售多余算力给Authropic和谷歌获得大量现金流，认为Meta可以照搬，还能提振股价。对于Meta算力剩余这事，个人也略有疑问： 1）毕竟3月、Meta与Nebius 签署了一项价值270亿美元的云服务协议。 2）4月，Meta 与 CoreWeave 签署了一项价值210亿美元的云服务协议扩展。 3）两周前，Meta 签署协议租用 Crusoe 的 1.6GW 数据中心容量。 4）3天前《金融时报》还报道称，由于容量限制，谷歌已限制 Meta 对 Gemini 的使用。 然后这才过了几天，Meta算力一下子就很剩余了，这也有点说不过去。 但这是提升股价的好办法

$META is reportedly developing a cloud business to sell access to excess AI compute, per Bloomberg. The internal initiative is called Meta Compute. The plans being considered: AI model access hosted on Meta infrastructure, similar to AWS Bedrock Raw AI compute capacity, closer to CoreWeave Developer access to Meta’s data centers, chips, and models

I’m 60 years old and retired from JPMorgan. My monthly income is $105,000. My June advice 22th: $PLTR (Palantir) — Don’t buy $SNDK (SanDisk) — Don’t buy $CRWV (CoreWeave) — Don’t buy $AXTI (AXT Inc) — Buy at $70–77 $INTC (Intel) — Buy at $122–$128 $SPCX (SpaceX) — Buy at $160–$165 $MU (Micron Technologys) — Buy at $1,060–$1,080 People ask, Why don’t you charge? I’ve made enough. Sharing is my passion ,that’s why I post for fre.

加密矿工到 NeoCloud：币圈转型 AI 最成功的一批企业 当币圈人还在惊叹 AI 的发展和股价的暴涨时，已经有一批企业悄然完成了从 Crypto 到 AI 的转型。 曾经它们是加密矿工，靠挖 BTC 和 ETH 赚钱； 现在它们已经或正在转型 NeoCloud，靠给 OpenAI 和 Anthropic 提供 AI 算力赚钱。 1. 什么是 NeoCloud? 2022年 ChatGPT 推出后爆火，出现了历史级别的 GPU 算力短缺，NeoCloud 应运而生。 Neocloud 可以理解为新一代 AI 云服务商，他们为客户提供大规模AI算力，不像 AWS/Azure 做通用云，代表公司有 CoreWeave，Nebius 等。 2. 为什么是加密矿工? 加密挖矿和NeoCloud，本质上做的是同一件事：把电力转换成算力赚钱。 矿工的商业模式： 电 -> GPU/矿机 -> BTC/ETH 算力 -> 区块奖励 NeoCloud的商业模式： 电 -> GPU -> AI 算力 -> OpenAI/Anthropic 合同 如果从零开始做 NeoCloud，你需要：买电，买地，买GPU，建变电站，建冷却系统，建数据中心，组运营团队。 而这些，矿工恰好都有！ 3. 龙头 CoreWeave $CRWV 的故事 目前 NeoCloud 的龙头之一 CoreWeave $CRWV 的前身叫 Atlantic Crypto，是一家创立于 2017 年的 GPU 挖矿公司。 2019 年加密熊市，公司更名为 CoreWeave，并用筹集的 300万美元从破产的矿工手上买了4万张GPU（矿卡），一边挖矿，一边组建GPU云服务。 2021 年加密牛市到来，CoreWeave 没有选择继续挖 ETH，而是将手上的显卡以 10x 的价格全部变现。他们用赚来的钱 + $50M 融资，从英伟达购买数据中心级的显卡（A100 等），开始建立AI数据中心。 2023 年是改变命运的一年，ChatGPT 爆发，AI 公司疯狂缺 GPU，CoreWeave 知道 NeoCloud 东风以来。这一年，CoreWeave 获得英伟达战略投资成为“亲儿子”，拿到微软的大合同，开始迅速飞速扩张。 2025 年，CoreWeave 上市，ticker 是 $CRWV，成为美股 AI Neocloud 龙头之一。 今天的 CoreWeave 已经从 ETH 矿工完美转换为 AI infra 公司，价值得到了重估：目前 $CRWV 市值 $64B，而 ETH 市值仅为 $216B，接近 1:3。 4. “一人得道，鸡犬升天” CoreWeave 的成功也重新定价了整个矿工行业，市场意识到，既然 CoreWeave 可以从 ETH 矿工变成 NeoCloud，那其他公司是不是也可以？ 于是，一批矿工迎来重新估值。 目前美股 NeoCloud 赛道除了 Nebius 之外，基本都是正在或者已经转型的矿工。我们按照以下3个指标，可以把他们进行分级： - 电力储备：GPU可以从英伟达买，但是大规模电力的审批/购买/建设周期较长。 - AI数据中心数量：BTC/ETH矿场转型AI数据中心有门槛 - AI大合同数量：产品被市场认可，现金流健康，才能纳入 NeoCloud 估值体系 S CoreWeave $CRWV 拿到 OpenAI、Anthropic、Meta、Microsoft 等大客户合同 Nebius $NBIS 前身 Yandex，俄罗斯版谷歌，非矿工转型，拿到 Microsoft、Meta 合同 A IREN $IREN 拿到 Microsoft 合同 Applied Digital $APLD 前身 Applied Blockchain，拿到 CoreWeave 合同 TeraWulf $WULF 拿到 Fluidstack 合同（Google 背书） Cipher $CIFR 拿到 Fluidstack 合同（Google 背书） HUT 8 $HUT 拿到 Fluidstack 合同（Google 背书） Core Scientific $CORZ 拿到 CoreWeave 合同 B Galaxy Digital $GLXY 其中的 Helios 正在从矿工转型 NeoCloud，拿到 CoreWeave 合同 MARA $MARA Riot Platforms $RIOT 前身 Riot Blockchain CleanSpark $CLSK Bitdeer $BTDR 分拆自比特大陆体系的矿工 C Bit Digital $BTBT Hive Digital $HIVE.NE 前身 HIVE Blockchain Keel Infrastructure $KEEL 前身 BitFarms Greenidge Generation $GREE 加密矿工：“谢谢你中本聪，谢谢你 Vitalik，但是 AI 更需要我。” 本文仅作科普，没有投资建议

也是时候调整自己了，生活还是要向前看，让时间消化一切吧☀️ 今天偶然间在 pyq 看见这张图，提供了一个跟目前的主流声音截然不同，却更能精准对标现在 AI 周期所处的位置，有点启发 确实越想越觉得，AI 产业里很多我们原本「看不懂」的东西，一旦套到房地产的商业模式上，反而会变得异常清晰 🟨融资工具的进化，是 AI 周期能否持续的关键 房地产行业之所以能延续二十年长周期，本质上并不是因为开发商们自己多有钱，而是因为围绕着房地产，长出了一整套多层次、多期限、低成本的融资体系 ➡️通过银行贷款支持拿地 ➡️通过开发贷支持建设 ➡️信托和地产基金参与股权投资 ➡️商业地产可以做 REITs 退出 ➡️最后，甚至连购房按揭都可以变成一个长达三十年的金融工具 如果没有这整套的融资体系，再厉害的开发商也撑不过一轮周期 而现在的 AI 产业，最缺的就是这套体系 今天的大科技公司，本质上都是在用自己的信用、自己的现金流、自己的股票做融资担保 谷歌、Meta、亚马逊、微软这些巨头，即便账上现金再多，也不可能实现无限扩张 他们迟早需要把手里那几千亿美元的 AI 基础设施，打包成可以被外部资金持有的资产 这条路其实已经开始出现苗头了 CoreWeave、Lambda、Nebius 这些独立算力供应商的兴起，本质上就是「专业开发商」在崛起 他们用私募基金的钱建设数据中心，签长期租约给大模型公司，再把这些数据中心打包融资 相信未来几年里，我们将一定会看到： AI 数据中心 REITs、AI 算力基金、GPU 租赁资产证券化、算力收益权凭证这些金融工具的陆续出现 甚至，主权基金、养老金、保险资金这些长期资本，也会慢慢成为 AI 基建最重要的资金来源，就像当年的保险公司就是地产行业最大的长期资金一样 可以预见，谁能先把 AI 资产的证券化、标准化、可交易化这条路打通，谁就掌握了下一个十年的金融话语权 这也是为什么英伟达已经开始自己下场做投资、做生态、做长期客户绑定 GPU 厂商正在变成「卖地+放贷+做物业」的三合一角色 🟨AI 时代的「土地」，是电力、是冷却、是不动产 曾经，房地产开发商最关心的是什么来着？ 不是房价，是地段 而地段的核心是什么？是稀缺资源 AI 时代的稀缺资源并不是硅片 真正的稀缺资源是电力、冷却水源、网络枢纽位置、政府的审批牌照，是当地电网的承载能力 GPU 可以每年迭代，而变电站的审批和建设周期是 5-7 年，核电就更狠了，一座新核电站从规划到投产要 10-15 年 将来谁手里有电力指标，谁就是手里有未出让土地的开发商 马斯克把 xAI 的最大数据中心放在孟菲斯，是因为那里有田纳西河流域管理局提供的廉价电力 亚马逊 AWS 在弗吉尼亚北部的疯狂扩张，是因为那里既有便宜的水电，又有美国东海岸最大的人口聚集区 微软重启三里岛核电站，是因为这将提供稳定、低碳、24 小时运转的基载电力，而这，才是数据中心最稀缺的「土地」 未来十年里，AI 产业的「拿地」大战，本质上是一场关于电力、冷却资源、网络时延的战争 甚至，连地理位置都会分层： 一线数据中心会建在能源富集区 二线数据中心会建在用户密集区 边缘计算节点嵌入到每一座城市 这种分层结构，是不是有熟悉的感觉了，几乎和城市核心区、郊区、卫星城的房地产分层逻辑一模一样 🟨周期是逃不掉的，房地产的教训 AI 行业必须早学 房地产行业最伟大的智慧 —— 是周期 涨多了会跌，跌多了会救，救完又会涨，涨完又会跌 二十年来，央行、政府、开发商、购房者都在与这个周期共舞 如今的 AI 产业也不能例外 现在很多人以为 AI 是没有周期的，会一直涨下去，这是一个非常危险的错觉 GPU 会换代，大模型会过时，数据中心会折旧，客户会流失，利率会上升，资本开支会放缓 当全球大科技公司的资本开支增速开始见顶的那一天，AI 产业链的上游会最先感受到寒意 就像房地产周期里，工程机械、水泥、玻璃这些上游周期股，永远是周期最敏感的方向 未来几年里，AI 产业链里最大的风险不是模型的能力不够强，而会是产能的过剩 当所有大科技公司都建好了足够多的数据中心 当所有大模型公司都签了足够多的算力合约 当英伟达一年能卖出几千万颗 GPU 需求端只要稍微放缓一个季度，整个产业链就会进入库存调整期 这个时候，能活下来的公司只会有两类： 一类是成本最低的全产业链龙头 一类是绑定了长期需求的服务商 这就是为什么众多云计算厂商（AWS、Azure、GCP）一旦建成，就是他们自身最强的护城河 就像真正穿越房地产周期的，不是开发商，而是那些采取收租模式的物业公司 🟨折旧与「拆迁」，是这个 AI 时代最被低估的风险 房地产行业有着一个很重要的特征：房子很难过时 一栋楼一旦盖好，可以用 50 年、70 年，即使户型过时了，只要地段还在，主结构还在，折旧相对都是可控的 但反观 AI 基础设施的折旧速度，会比房地产快上几十倍 H100 还没大规模铺开的时候，H200 就来了，Blackwell 还没交付多久，Rubin 又在路上了 每一代 GPU 的性能提升，都是对上一代资产的「功能性报废」 这就相当于在地产周期里，房子盖好两年就要被强制拆迁 这种「技术性折旧」才是 AI 时代最大的资本风险，投出去的成本还没收回来就不能用了 英伟达之所以能一直维持这么高的估值，本质上不是因为它卖了多少 GPU 给众多 AI 公司，而是因为通过 CUDA 生态，能把所有客户都锁死在它的折旧节奏上 客户用得越深，迁移成本就越高，英伟达的护城河也就越深 这就是为什么英伟达毛利率可以维持在 75% 以上，本质上，这已经不是一家卖产品的芯片公司了，而是一家「AI 时代的房地产收租公司」 同理，AMD、博通、Marvell 这些公司如果想挑战英伟达，核心也不是堆算力，而是要建立自己的生态 没有生态的算力，就相当于过去空置的写字楼 🟨需求侧：AI 不是为了「住人」，是为了「生产」 「房地产满足的是居住需求，AI 满足的是生产力需求」 这是 AI 和地产最大的区别，同样也是 AI 最大的希望 居住需求是有上限的，毕竟一个人只能住一套房子，而生产力的需求没有上限，只要有真实的效率提升，一个企业可以无限叠加 AI 能力 如果 AI 能持续提升企业的利润率，提升整个社会的产出效率，那么这场算力建设周期的天花板，就会比房地产高得多 这也是为什么我虽然对短期 AI 资本开支的泡沫保持着高度警惕，但对 AI 产业的中长期需求充满信心 关键变量是 —— AI 创造的价值，能不能持续大于 AI 消耗的算力成本 如果答案是肯定的，那么这场建设周期还可以持续 20 年，甚至 30 年 如果答案是 no，那么今天所有的数据中心、所有的 GPU、所有的资本开支，都会变成明天的折旧负担 应用层跟得上，就是又一个黄金十年，应用层跟不上，就是下一个日本 90 年代拉开序幕 这个问题的答案，就不是任何一家公司能单独回答的了，它需要整个产业去回答 🟨回到投资：谁是这个时代的「卖铲子的人」？ 如果整个 AI 周期是真实存在的 如果「卖铲子」的逻辑是持续成立的 如果应用层真的是会爆发的 那么未来十年，最值得长期持有的标的，就不一定是模型公司和云厂商了 而是那些在产业链中游、无法被绕开的「材料和工具」供应商 GPU 厂商们是显而易见的，但真正被低估的，会是那些不起眼的基础设施供应商： 电力设备公司、冷却系统公司、光模块公司、高速互联公司、机柜结构件公司、电源管理公司 这些公司会像房地产周期里卖水泥、卖钢筋、卖防水材料的公司 他们的题材不性感，上不了台面儿，不会轻易被媒体讨论 但他们的现金流稳定，毛利率可控，订单可见性极强 每一次新的数据中心开工，他们都会是最先拿到订单的 每一次数据中心的交付，他们都是最先收到回款的 他们才是这个 AI 时代的「隐形收租人」 如同上个房地产周期里一样 🟨最后 —— 一个或许不一样的结尾 相比一个互联网行业故事的重复，这次的 AI 或许是更贴近地产行业的故事 如果用互联网的思维去理解 AI，会持续高估软件、低估基建 而用房地产的思维理解 AI，相信至少在未来 3-5 年的时间维度下，会更接近真相 但也要指出，不同的是，AI 的需求侧可能会是下一场工业革命级别的叙事 这就意味着，AI 产业既会有房地产式的周期波动，同时也会有工业革命式的长期红利 作为聪明的投资者，我们应该做的是： 在房地产式的周期里，找到工业革命式的长期赢家 周期是逃不掉的，但长期趋势，更是挡不住的 我们这代人，正在见证的，可能就是人类有史以来最大的一次算力建设周期，也是最大的一次生产工具革命 潮水最终会退去 但这次 潮水退去之后留下的 会是一个完全不同的世界吧 #AI#

JENSEN HUANG, CEO OF NVIDIA, IS TELLING YOU WHERE THE AI MONEY IS FLOWING. NVIDIA HAS DEPLOYED OVER $45 BILLION INTO JUST 8 COMPANIES. HERE'S WHERE THE MOST IMPORTANT COMPANY IN AI IS PLACING ITS BETS: • OPENAI — $30 BILLION • CORNING (GLW) — $3.2 BILLION • IREN — $2.1 BILLION • MARVELL (MRVL) — $2 BILLION • LUMENTUM (LITE) — $2 BILLION • COHERENT (COHR) — $2 BILLION • COREWEAVE (CRWV) — $2 BILLION • NEBIUS (NBIS) — $2 BILLION FOLLOW THE CAPITAL.