--- title: "📑 🤓我们参与了 CoreWeave 公司于 9 月 29 日‑10 月 1 日举办的首届 Fully Connected 大会。 📈。 🚀与此同时，CoreW" topic_id: 45548554411255488 created_at: 2026-10-06T14:39:30.574+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # 📑 🤓我们参与了 CoreWeave 公司于 9 月 29 日‑10 月 1 日举办的首届 Fully Connected 大会。 📈。 🚀与此同时，CoreW - 序号：187 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/45548554411255488) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 📑 🤓我们参与了 CoreWeave 公司于 9 月 29 日‑10 月 1 日举办的首届 Fully Connected 大会。 📈。 🚀与此同时，CoreWeave 公司推出了更加宏大的平台战略，发布全新开发层产品 Forge，该产品将训练、推理、评估、可观测性以及智能体开发整合至同一个平台当中。 🔗随着基础设施、推理以及软件品类不断走向融合，CoreWeave 公司正尝试在客户整体云环境当中，打造自身的专业化人工智能平台定位。 ⚠️虽然公司战略方向已经变得更加清晰，但我们认为，该故事的下一发展阶段还需要更多验证证据，证明这些投入能够转化为可持续的产品采纳，尤其是面向大型企业、强监管行业，以及物理人工智能这类新兴工作负载。 📌核心要点 🔥。 💬行业交流持续反映人工智能需求景气度良好，训练与推理类工作负载规模均在扩张。 📝后训练是支出增长速度较快的领域之一。 🤖机器人仿真与模型开发需要庞大算力以及数据准备工作，机器人业务成为又一个新兴需求驱动因素。 🧑‍💻参会业内人士同时提到，客户选择云服务商，往往优先看是否能够拿到可用算力资源，而不是平台本身差异化能力；客户会在任何可以获取增量算力的地方进行采购。 🏗️供给端行业现状 🏭围绕基础设施、数据中心建设的行业交流显示，人工智能算力容量需求持续超过可供给能力。 ⏱️业内参与者指出，从审批到数据中心交付，整体周期大约需要 14‑18 个月，该周期限制新增产能上线速度。 ⚖️虽然围绕数据中心建设的政治监管环境相比今年早些时候冲突有所缓和，。 📈就 CoreWeave 公司自身情况，需求持续显著高于可用算力，经过资质审核的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，同时根据客户需求持续进行地域扩张。 📢公司重申当前签约电力规模 4.2 吉瓦，正在向 2030 年 8 吉瓦的目标推进。 👥我们的行业访谈表明，算力供给可得性是很多人工智能客户的首要决策因素，客户同时也会关注 CoreWeave 公司的性能、稳定性以及运营实操经验。 💱公司的定价水平整体与大型云厂商大体持平。 👍市场反馈说明当前的定价环境保持向好。 📢管理层提到，2026 年贡献利润率提升 5‑10 个百分点；7 月公布 SKU 价格上调约 25%，7 月之后又有额外接近 10% 的涨价；签署的 3‑6 个月短期合约，价格大约为每兆瓦 4000 万美元。 📋二季度大约 70% 的交易包含客户预付款条款。 💡关于单项目经济效益，行业交流支持这样的观点：老一代 GPU 的有效使用周期，相比市场最初预期会更长。 🤔该部分需求一部分来自行业整体产能紧缺，同时也和工作负载连续性、软件优化、沿用已经嵌入研发工作流的成熟架构带来的好处相关。 ❓核心争议点在于，当前观测到的需求，多少来自老架构真实生命周期延长，多少只是客户有什么算力就用什么算力。 ⚖️我们的观点是实际情况介于两者之间。产能稀缺确实拉长老一代 GPU 的经济使用周期，但这些续约也说明，对于部分工作负载，新一代硬件的性能优势，无法抵消迁移现有基础设施、工作流带来的成本与业务中断风险。 📝CoreWeave 公司的客户案例举例： 🧪A100（2020 年发布）：一家原生人工智能科学发现公司完成续约，合约延续至 2029 年。这份 3 年期合约的定价和常规 1 年期合约水平接近。该客户利用 A100 生成、精炼数据集，做模型微调，以此加速科学发现工作。 🔬H200（2023 年发布）：一家早期研究实验室签署溢价续约 3 年。该客户使用 H200 开发、部署基于特定架构的小规模模型系列。 🚀Forge 产品：CoreWeave 跳出单纯 GPU 基础设施业务的最明确信号 📢Fully Connected 大会最重要发布内容就是 CoreWeave Forge 正式推出。 💻这是一套全新开发层，整合训练、推理、评估、可观测性、智能体开发到同一个平台。 ✨产品的核心逻辑是，人工智能越来越属于一套连续反馈闭环，而不是线性工作流。 🔁模型、智能体会产出生产数据；这些数据用于评估、后训练；完成优化迭代之后，再重新部署到生产环境。 🔗Forge 的设计目标就是打通各个阶段，推理环节产生的信号可以直接用于后续模型迭代优化，减少当前人工智能工具链当中存在的碎片化问题。 🧩训练与后训练 📚Forge 整合来自 Weights & Biases、OpenPipe、marimo 笔记本的相关能力。 👨‍💻客户可以在统一环境下管理数据集、实验、模型检查点、微调、强化学习、模型蒸馏以及模型评估。 🔄平台不再将训练当做独立环节，而是围绕持续迭代优化进行设计；生产链路轨迹、用户交互数据，能够回输到模型开发工作流当中。 ⚡推理模块 🏗️Forge 构建在 CoreWeave 现有基础设施栈之上，直接把线上业务服务与可观测性、模型迭代工作流打通。 🧑‍🔬研发团队可以线上运行模型，监控模型行为，识别故障、性能瓶颈，将输出内容整理成数据集，并且立刻回输至训练、评估循环。 🤖智能体开发 🎯CoreWeave 围绕「运行、观测、整理、优化、评估」这套人工智能闭环打造平台，配套工具用于采集智能体运行轨迹、决策、工具调用、执行路径。 🔧Agent Lens、ARIA 这类新增能力，重点帮助开发者理解智能体行为逻辑，识别失效模式，评估修改方案，在正式部署之前判断调整是否可以改善最终结果。 💡Forge 直面市场的一大核心争议：CoreWeave 究竟只做基础设施供应商，还是转型成为人工智能平台。 📈该产品将公司定位提升至人工智能栈更高层级，更多接触开发者工作流、软件工具链、模型全生命周期管理。 👥客户拓展：不再局限于前沿实验室 📢管理层介绍，金融服务、工业、医疗、政府部署、机器人领域的业务增长势头向好。 🔐想要落地这类业务，企业级能力与治理体系是关键，公司持续投入生产级人工智能部署所必备的各类企业级基础能力。 🤝企业客户的落地逻辑，和原生人工智能客户不一样。 🏢企业客户普遍已经和大型云厂商建立合作，CoreWeave 公司需要证明足够的业务价值，才能在已有平台之外拿下 workload，而不是从零开始建设业务。 ⌛对比原生人工智能客户 5 周就可以完成签约，面向企业的销售周期通常接近 1 年。 🔒安全、合规、数据治理依旧是企业落地人工智能最大阻碍。 🛡️CoreWeave 持续加大企业向能力投入，包含远程密钥加密 RKE、Private Connect、身份联合认证、存储治理功能。 📑方便客户把自身已有的安全合规框架，套用到人工智能工作负载之上。 🔐举例：2026 年 9 月推出的远程密钥加密 RKE，客户可以将密钥保存在自己的密钥管理系统或者硬件安全模块，而不是交由 CoreWeave 存储、管理。 🏥对于企业来说，模型权重、训练数据集、推理输出这类敏感资产，可以持续受客户现有安全框架、治理策略保护。 📋这一点对于金融、医疗、政府这类强监管行业尤其重要，这类机构往往需要对加密密钥、数据访问保持高度管控。 📈受监管行业正在成为持续扩张的客户群体，金融服务已经成为有实际规模的垂直领域，截至 9 月，待交付订单当中大约 10% 来自金融行业。 💼业务落地已经从原生人工智能公司，延伸到更多受监管终端市场，量化交易公司 Hudson River Trading、Jane Street 均属于相关客户案例。 🤖。 👷卡特彼勒自主建造业务负责人 Brandon Hootman 提到，过去和新设备发布绑定、以年为单位的开发周期，现在通过实地直接迭代，缩短到以月为单位。 🎥他介绍多模态系统整合视频、激光雷达、物理引擎、真实运行业务数据；设备一小时真实运行数据，能够生成 100‑1000 小时仿真数据，大幅加速开发、训练流程。 📊物理人工智能基础设施需求和传统大语言模型工作负载存在区别。 💾世界模型、机器人客户会产生海量视频、传感器、仿真数据，更加看重大规模对象存储、高带宽网络、数据迁移能力。 ⚙️这类工作负载会极大受益于人工智能对象存储、InfiniBand 网络架构、零数据外迁架构。 ⚠️重要一点，物理人工智能工作负载会同时使用 GPU 做数据处理以及模型运算，因此基础设施消耗结构会和传统大语言模型 workload 存在明显差异。 🛒市场落地模式正在演变 ✨Weights & Biases 是一项容易被低估的市场拓展优势。 📢管理层表示，该资产能够在做基础设施采购决策之前，就和研究员、开发者、初创人工智能公司建立直接联系。 🤝这会给销售环节带来竞争优势，企业客户拓展阶段战略意义重大。 💡公司不用单纯靠基础设施招标参与竞争，可以从开发者工作流、模型开发切入业务沟通。 📚和行业访谈反馈一致，Weights & Biases 已经成为学术界、人工智能开发领域事实上的实验追踪标准，由此打开后续合作空间。 👨‍🔬直接对接专家支持，是又一项潜在差异化优势。 🛠️客户可以直接对接熟悉人工智能 workload 的工程师、技术专家，而不是走传统企业支持工单通道。 ⚡复杂训练、推理任务运行时，直接和技术专家沟通可以加快问题定位、故障解决速度，带来运营层面实际收益。 💡风投生态会影响算力分配。供给紧张环境之下，算力分配不单单看短期需求、报价。 🤝CoreWeave 提到，会和风投机构、基础模型公司、新兴人工智能初创公司建立合作，识别未来有潜力消耗大量基础设施资源的客户。 🎯算力会分配给战略意义重大，或者未来会产生巨大长期需求的客户，而不是单纯给到当下算力消耗出价最高的客户。 🤝合作伙伴生态降低落地门槛。 🚀CoreWeave 推出合作伙伴网络，代表业务进一步向外延伸，跳出单纯基础设施，覆盖完整人工智能生命周期。 🔗该网络覆盖模型服务、可观测性、安全、存储、开发者工具，方便客户在自有技术栈之上使用。 🧩客户原有服务层、监控工具、安全工作流可以跟随业务负载迁移，降低集成复杂度。 💡在我们看来，该策略代表 CoreWeave 会继续聚焦专业化人工智能基础设施，依靠合作伙伴补齐自身核心产品之外的能力。 ⚠️重点：合作伙伴网络并不是分销渠道，目标是让基础设施更容易嵌入企业已有的人工智能工作流。 🔄赛道走向：从单点方案走向全栈 🏗️CoreWeave 目标打造一套差异化人工智能操作体验，覆盖训练、推理、技术支持、安全、开发者工作流。 ❓市场核心争议点：这套能力能不能打造出持续稳固的人工智能差异化壁垒，还是说大型云厂商 GPU 供给改善之后，业务负载会向传统云厂商集中。 ☁️虽然大型云厂商同样具备训练、推理、可观测、评估、智能体开发相关能力，但是 CoreWeave 的 Forge 代表更宏大战略：围绕模型开发、部署、评估、迭代搭建一体化闭环。 🎯整套平台专门面向人工智能 workload 做优化，而不是把人工智能功能嵌入一套通用云操作系统。 🔍基础设施供应商、推理平台、模型公司的边界越来越模糊。 ☁️大型云厂商持续向托管推理、人工智能服务延伸；Baseten、Fireworks 这类推理专业公司向下拓展，触碰基础设施层；模型公司也在搭建类云能力。 📈最终市场趋势，基础设施、推理、软件不再是泾渭分明的品类，而是走向一体化平台。 ✨差异化竞争的重心，逐步转向完整人工智能全栈能力。 👥客户希望拿到统一环境，同时获得基础设施、托管推理、编排调度、容器管理、开发者工具，同时可以调用 GPU、CPU 资源。 💎估值与主要风险 ⚠️我们维持中性评级，12 个月目标价 139 美元。 🧮估值逻辑：采用 22 倍 EV/EBIT 倍数对标 CoreWeave 过去十二个月非 GAAP 口径 EBIT，该假设维持不变；对应 2028 年 EBIT 倍数为 17 倍，同样维持不变。 ## 总体总结 主题正文 1. ⚠️虽然公司战略方向已经变得更加清晰，但我们认为，该故事的下一发展阶段还需要更多验证证据，证明这些投入能够转化为可持续的产品采纳，尤其是面向大型企业、强监管行业，以及物理人工智能这类新兴工作负载。 2. 📈就 CoreWeave 公司自身情况，需求持续显著高于可用算力，经过资质审核的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，同时根据客户需求持续进行地域扩张。 3. 👥我们的行业访谈表明，算力供给可得性是很多人工智能客户的首要决策因素，客户同时也会关注 CoreWeave 公司的性能、稳定性以及运营实操经验。 4. 产能稀缺确实拉长老一代 GPU 的经济使用周期，但这些续约也说明，对于部分工作负载，新一代硬件的性能优势，无法抵消迁移现有基础设施、工作流带来的成本与业务中断风险。 5. 🔧Agent Lens、ARIA 这类新增能力，重点帮助开发者理解智能体行为逻辑，识别失效模式，评估修改方案，在正式部署之前判断调整是否可以改善最终结果。 6. 🔐举例：2026 年 9 月推出的远程密钥加密 RKE，客户可以将密钥保存在自己的密钥管理系统或者硬件安全模块，而不是交由 CoreWeave 存储、管理。 7. 📈受监管行业正在成为持续扩张的客户群体，金融服务已经成为有实际规模的垂直领域，截至 9 月，待交付订单当中大约 10% 来自金融行业。 8. ❓市场核心争议点：这套能力能不能打造出持续稳固的人工智能差异化壁垒，还是说大型云厂商 GPU 供给改善之后，业务负载会向传统云厂商集中。