猜你想问
CoreWeave最新人工智能平台有哪些核心功能？
CoreWeave全新平台整合了训练、推理、评估、可观测性及智能体开发，通过Forge产品打通人工智能连续反馈闭环，减少工具链碎片化问题。训练模块整合Weights & Biases等能力支持数据集管理、实验追踪、模型微调；推理模块打通线上业务服务与可观测性、模型迭代工作流；智能体开发模块支持采集运行轨迹、决策、工具调用等数据，帮助开发者理解智能体行为逻辑。
当前人工智能算力市场供需情况如何？
当前人工智能算力市场需求显著高于供给，价格保持坚挺并有所改善。新增产能上线周期约14-18个月，电力供给、审批流程、场地开发是核心瓶颈。政治监管环境有所缓和但仍是制约因素。CoreWeave自身需求远超现有算力，储备管线需求规模数倍于现有基础设施，待交付订单持续增长。公司签约电力规模4.2吉瓦，目标2030年达到8吉瓦，定价水平与大型云厂商持平，近期价格上调约25%。
老一代GPU为何仍被部分客户续约使用？
部分客户续约使用A100、H200等老一代GPU，续约周期延长至3年，定价与常规合约接近。主要原因包括产能紧缺，以及新一代硬件性能优势无法完全抵消迁移成本与业务中断风险。例如，原生AI科学发现公司续约A100至2029年，早期研究实验室溢价续约H200至2026年。这部分续约反映了市场在算力供给紧张时对成熟硬件的依赖。
物理人工智能工作负载与传统大语言模型有何区别？
物理AI工作负载与传统大语言模型存在显著区别，需要大规模对象存储、高带宽网络、数据迁移能力。物理AI客户同时使用GPU进行数据处理及模型运算，基础设施消耗结构差异明显。例如，卡特彼勒自主建造业务通过实时迭代缩短开发周期，多模态系统整合视频、激光雷达、物理引擎等数据。这要求算力平台具备更强的异构计算与数据协同能力。
研报提示的主要风险有哪些？
研报指出，电力供给、审批流程、场地开发是算力供给端的瓶颈，政治监管环境仍可能制约发展。此外，企业客户落地逻辑复杂，安全、合规、数据治理是主要阻碍，销售周期约1年。风投生态影响算力分配，可能导致资源错配。物理AI工作负载的特殊需求也对算力平台提出了更高要求，需要持续投入研发以适应差异化应用场景。