CoreWeave：執行力即護城河——1,000億美元積壓訂單、DDTL 5.0 完成募集，以及為何「簽署電力」不等於營收
摩根大通第 54 屆全球科技大會，2026 年 5 月 19 日
CoreWeave 共同創辦人兼首席發展長 Brannin McBee 在摩根大通科技大會上登台時，現場座無虛席。這是一個恰如其分的隱喻，象徵這家公司已從利基型 GPU 雲端營運商，轉變為全球最受矚目的基礎設施企業之一。在約 30 分鐘的演講中，McBee 涵蓋了新的融資里程碑、對 Blackstone 與 Google TPU 交易的精準回應、積壓訂單中規模驚人的金融服務業占比，並向那些認為構建 AI 基礎設施僅需簽署電力租約的投資人傳達了直率的訊息。
DDTL 5.0 以破紀錄需求完成募集——並創下結構性先例
此次會議最明確的消息是 DDTL 5.0 的正式完成募集。這是一筆規模在 31 億至 35 億美元之間的公開聯貸定期貸款，吸引了 190 億美元的需求——McBee 將其形容為「史上規模最大的 TLB（定期貸款 B）需求帳簿」。該融資工具以 SOFR 加 450 個基點定價，貸款成本比（LTC）約為 70%，涵蓋了包括 OpenAI 和 Cohere 在內的非投資等級交易對手。更具結構性意義的是，這是 CoreWeave 首次將此類資產層級工具證券化為公開交易證券，標誌著該公司進入資本市場方式的重大演進。「當市場出現 200 億美元的信用工具需求時，這就是現實，」McBee 強調，以此反駁市場上關於 AI 基礎設施信用胃納量已減弱的論調。
上一項里程碑 DDTL 4.0 是 CoreWeave 首個獲得投資等級評級的工具，並引入了 ABS（資產抵押證券）風格的融資模式，使該工具在營收階段的 LTC 達到 104%——意味著資產本質上可以實現自我融資，甚至還有盈餘。McBee 指出，對於投資等級的承購合約，該公司 LTC 可達到 90% 至 100%，相比之下非投資等級則在 70% 左右。他將整體融資架構圍繞「雙層結構」設計：AssetCo（資產公司）持有個別 GPU 叢集及其長期「照付不議」（take-or-pay）合約；ParentCo（母公司）則透過可轉換債券、高收益債與股權處理剩餘資本需求。其明確目標是讓 AssetCo 逐漸實現自我融資，減少母公司進入資本市場的需求。「AssetCo 正在向母公司提供淨收益，」McBee 表示。「母公司將從 AssetCo 獲得越來越多且穩定的淨現金流，並將其重新投入到 AssetCo 中。」
資本成本的變化軌跡令人震驚。McBee 指出，兩三年前，針對 Microsoft 承購合約的首批 DDTL 定價為 SOFR 加 850 個基點。如今在相同條件下，交易定價已降至 SOFR 加 200 至 225 個基點。這 625 個基點的壓縮完全歸功於執行紀錄，而非市場環境。
Blackstone 與 Google 的 TPU 交易對 CoreWeave 核心業務影響微乎其微
McBee 直接且冷靜地回應了廣受關注的 Blackstone 與 Google TPU 雲端交易。他的論點很簡單：CoreWeave 的客戶明確是為了 NVIDIA GPU 而來，而非 TPU，兩者架構並不具備互換性。「我們的客戶名單中，沒有人會拿 TPU 的報價來要求我們在 GPU 上進行比價。沒人會這樣問。」他同時指出，Blackstone 和 Google 仍是 CoreWeave 的活躍合作夥伴——Blackstone 參與了該公司每一筆融資交易，並將參與 DDTL 5.0 的募集，而 Google 則被視為擁有數十億美元規模的 GPU 客戶。McBee 的觀點是，這筆交易僅是需求飽和市場中的另一個需求訊號，而非競爭威脅。
推論運算現已占電力消耗的一半以上——且組合正在快速轉變
在第一季財報電話會議上，CoreWeave 透露推論（Inference）工作負載目前占其平台電力消耗的比例已顯著超過 50%。McBee 補充了重要細節。他將這種轉變部分歸因於 Hopper 架構硬體已度過初期訓練階段，部分歸因於新客戶——特別是金融服務業——僅為了推論運算而來到該平台，對訓練基礎模型毫無興趣。實際影響在於，相同的實體基礎設施被用於更廣泛的工作負載，且轉換往往發生在數小時內。「他們可以在幾小時內用相同的基礎設施，透過數十萬顆 GPU 進行下一代基礎模型的訓練，下一小時就轉而執行推論。」目前沒有專門的推論基礎設施擴建計畫，因為客戶並未提出此類需求，且目前的延遲敏感度尚未達到必須專門配置的程度。
推論趨勢對 GPU 資產壽命也有正面影響。較舊的 Hopper 和 Ampere 架構晶片——即批評者擔心會快速折舊的資產——目前的現貨價格與合約續約需求反而正在上升。McBee 指出，CoreWeave 原本計畫讓這些舊款 GPU 在合約期滿後進入隨選（on-demand）資源池，但客戶反而選擇簽署新的 1 至 3 年全額使用合約。「面對 100% 的利用率和多年期的穩定經濟效益，真的很難拒絕。」他謹慎地未預告任何折舊政策的改變——公司目前採用與同業一致的 6 年折舊年限——但暗示考慮到實際市場行為，該假設可能過於保守。
金融服務業貢獻了 100 億美元的積壓訂單——這是市場忽視的數據
McBee 拋出的一個最被低估的數據點，或許是金融服務業在 CoreWeave 1,000 億美元積壓訂單中的規模。「在我的筆記中，金融服務業目前占我們積壓訂單超過 100 億美元。我想現場很多人都沒想到我們的積壓訂單中竟有如此高比例與金融服務相關。」該群體被描述為主要運行在 Hopper、Blackwell 甚至 Ampere 架構上的重度推論用戶。這也成為反駁投資人關於「企業需求是否真實」這一持續性疑慮的有力證據——100 億美元的規模證明了需求是真實的、已簽約的，且正在增長。
更廣泛地說，McBee 表示 CoreWeave 在第四季新增的客戶數量創下歷史新高，增長幾乎全數來自企業客戶。這些合約規模雖為 8 到 9 位數，而非推動積壓訂單總額的 10 到 11 位數合約，但其數量與加速成長的態勢意義重大。企業客戶正在簽署 4 到 6 年的合約，其利潤結構與 AI 實驗室及超大規模雲端供應商（hyperscalers）一致。McBee 預計，這些企業將會系統性地低估自身需求——正如該公司早期的 AI 實驗室客戶一樣。「這與我們在 AI 實驗室客戶、超大規模客戶身上看到的成長節奏完全一致。」
年底前的利潤率路徑：機械性而非投機性
McBee 直接重申了 CoreWeave 的指引：第一季是利潤率谷底，公司將在年底實現低雙位數的預估營業利潤率，長期目標為 25% 至 30%。他的信心源於對第二季和第三季特定部署的能見度，這些部署皆與已知的合約承諾及經濟效益掛鉤。「我們了解所有這些部署的基礎設施成本，因此我們知道它們的利潤率狀況。」他將早前的利潤率壓縮歸因於時間差——在基礎設施領域，投資總是先於營收——並指出去年第四季的部署集中度屬於異常情況，導致成本提前發生，但營收效益尚未顯現。
McBee 希望市場內化的唯一洞見
當被問及一年後的投資人將會領悟到什麼現在尚未察覺的事實時，McBee 回到了他「強調多次」的主題：簽署電力並不等於營收。「市場存在一種過度簡化，認為某家公司擁有 500 兆瓦（MW）的簽署電力，就意味著能輕易將其轉化為 500 兆瓦的 GPU 相關營收。事實並非如此。」他指出目前最嚴峻的瓶頸並非電力供應，而是「已供電外殼」（powered shell）的容量——即在機架層級實際消耗電力的能力——這受到電工、變壓器以及備用電池供應鏈的限制，而這些供應鏈的擴張速度並未跟上 AI 需求。他預計，市場供需平衡在 2030 年之前不會出現。
CoreWeave 對此限制的回應是其遍布 43 個以上站點的營運紀錄，以及 McBee 所稱的專有軟體堆疊——「Mission Control」，該系統架起了簽署電力與可計費 GPU 時數之間的橋樑。他認為，正是這種執行能力（而非硬體本身）讓公司獲得了 NVIDIA GPU 供應的優先權，並擁有比任何試圖模仿該模式卻缺乏相同歷史積累的同業更低的結構性資本成本。隨著更多資本進入該領域，這種競爭優勢是否能持續，是本次大會未能完全定論的問題，但就目前呈現的證據來看，CoreWeave 在關鍵指標上的表現已大幅領先同業。
CoreWeave 深度解析
商業模式與獲利能力
在人工智慧（AI）基礎設施瞬息萬變的格局中，鮮少有公司能像 CoreWeave 這樣完成如此有利可圖、卻又結構脆弱的轉型。該公司最初是作為以太坊（Ethereum）挖礦運作而成立，隨後積極將自身定位為首屈一指的專業雲端供應商，成功利用了加速運算領域嚴重的供需失衡。如今，CoreWeave 營運著一個專業的裸機（bare-metal）GPU-as-a-Service 平台。透過剔除傳統公有雲固有的虛擬化層與技術債，該公司為大型語言模型的訓練、微調及大規模推論提供了量身打造的高密度運算架構。其商業模式本質上是將運算能力視為一種高利潤的公用事業，透過長期「照付不議」（take-or-pay）的容量預留，以及旨在優化伺服器利用率、高度動態的隨需定價（spot pricing）與彈性預留方案來創造營收。
主要客戶、競爭對手與供應商
CoreWeave 的客戶群起初集中在資本雄厚、由創投支持的生成式 AI 實驗室，例如 Anthropic、OpenAI 和 Mistral。然而，其商業管道已顯著成熟，擴展至傳統企業與量化金融領域。Meta 近期簽署了一份價值 140 億至 210 億美元的龐大多年期容量協議，而 Hudson River Trading 和 Jane Street 等高頻交易公司目前貢獻的金融服務訂單積壓量已接近 100 億美元。此外，機器人與空間運算等新興垂直領域已產生超過 10 億美元的承諾支出，使營收基礎不再僅限於純粹投機性的基礎模型開發商。
競爭領域呈現明顯的兩極分化。一端是廣泛佈局的超大規模雲端供應商（hyperscalers），主要是 Amazon Web Services (AWS)、Microsoft Azure 和 Google Cloud Platform。這些科技巨頭對 CoreWeave 構成了最嚴峻的結構性威脅，但同時也是關鍵的合作夥伴；當微軟內部的 GPU 額度飽和時，CoreWeave 經常擔任 Azure 的突發容量供應商。光譜的另一端則是 Lambda Labs、Together AI 和 RunPod 等專業的二線雲端替代方案。雖然這些小型業者在中階推論工作負載上進行激烈的價格競爭，但它們缺乏服務超大規模等級部署所需的數十億瓦（multi-gigawatt）規模與深厚的資本結構。
供應鏈動態完全取決於對 Nvidia 的單一且壟斷性的依賴。CoreWeave 與 Nvidia 之間的關係超越了傳統的買賣界線。Nvidia 不僅是先進晶片的主要供應商，還提供關鍵的 InfiniBand 網路與 BlueField 儲存系統。同時，Nvidia 也是主要的股權投資者，曾於 2026 年初向 CoreWeave 注資 20 億美元，並將該平台作為其最新硬體架構的早期部署展示場。這種共生關係確保了 CoreWeave 在供應受限的市場中能獲得優先的晶片配額，但也帶來了極端的單點故障風險。
市場份額與定位
在規模達數兆美元的全球雲端基礎設施市場中，CoreWeave 的市佔率在統計上微不足道，完全無法與 AWS 和 Azure 相提並論。然而，若將視角縮小至專用的「人工智慧基礎設施即服務」（AI infrastructure-as-a-service）領域，便能發現其在利基市場的統治地位。CoreWeave 目前約佔據二線專業 AI 訓練與高效能運算（HPC）GPU 市場 15% 至 20% 的份額。這種在高利潤子領域的支配地位，反映在 2026 年第一季突破 990 億美元的累計營收積壓量上。透過專注於高密度運算而非廣泛的企業軟體套件，該公司開闢了獨特的類別領導地位，這是超大規模供應商在不犧牲自身標準雲端利潤率的情況下難以複製的。
競爭優勢
CoreWeave 的主要經濟護城河源自其專用基礎設施與無與倫比的上市時間優勢。傳統超大規模雲端環境針對標準企業軟體進行優化，依賴沉重的 Hypervisor 虛擬化，這會降低 GPU 的原始效能。CoreWeave 部署了 Kubernetes 原生的裸機架構，實現了效能與成本的最佳化，為運算密集型工作負載提供了顯著更低的延遲與更高的傳輸量。這種架構的純粹性使開發人員能更貼近晶片運作，這對於 AI 訓練中龐大的叢集同步至關重要。
此外，該公司與 Nvidia 深度整合的合作關係，對潛在競爭對手構成了人為的進入壁壘。透過始終能率先大規模採用 Nvidia 的旗艦晶片，CoreWeave 在硬體商品化發生前，便能從運算市場的高階層級獲利。Nvidia 也正式認可了 CoreWeave 的專有編排軟體堆疊作為參考架構。此軟體層負責管理叢集編排、網路拓撲與機隊生命週期管理，正日益成為一種高黏著度的留存機制，將 CoreWeave 的價值主張從單純的硬體租賃轉向全面的平台整合。
產業動態：機會與威脅
人工智慧產業目前正經歷從「訓練主導」到「推論密集」的工作負載結構性轉型。這種轉變代表了巨大的商業機會。隨著基礎模型投入商業生產，推論需求需要持續、全球分佈且靈活的運算能力。CoreWeave 正透過引入彈性容量模型來把握這一點，使企業客戶能根據終端用戶波動的需求，動態匹配運算成本。AI 在物理科學、計算生物學與演算法交易中的應用擴大，為利用率的成長提供了超越初期聊天機器人開發週期的長期發展空間。
反之，CoreWeave 面臨的威脅是生存性的，且與其資本結構密不可分。該公司正在執行現代企業史上最激進、以債務驅動的容量擴張計畫之一。截至 2026 年初，總債務義務接近 250 億美元，導致每季利息支出高達驚人的 5.36 億美元。儘管營收成長爆發，在 2026 年第一季超過 20 億美元，但 GAAP 營業利潤率仍維持在危險的 1% 左右，導致每季淨損 740 萬美元。這造成了嚴重的結構性脆弱，其特徵是巨大的容量融資風險。CoreWeave 利用長期客戶合約來擔保債務，再將資金用於購買折舊迅速的硬體。若超大規模供應商的外溢需求消失，或補貼 AI 實驗室支出的創投資金萎縮，隨著其主要抵押品逐漸過時，CoreWeave 可能面臨巨大的再融資壓力。
新產品與成長驅動力
為了使業務免受硬體商品化的影響，管理層正積極擴展其專有軟體與先進網路產品。CoreWeave Mission Control 平台的推出，以及旨在直接架設於硬體層之上的編排框架，具有高度策略意義，旨在將公司更深入地嵌入客戶的工程工作流程中。這些平台實現了數萬個 GPU 編排的自動化，並能無縫處理容錯與節點故障，這在生成式 AI 訓練中是眾所周知的難題。
在硬體方面，CoreWeave 將自身定位為全方位 AI 工廠的首選發射台，超越了單純的 GPU 叢集。對獨立處理單元與先進資料處理單元（DPU）的早期採用與整合，標誌著其向全面系統級架構的轉變。透過提供能加速運算節點與儲存陣列間資料傳輸的端到端專有基礎設施，該公司正鎖定對延遲高度敏感、且要求即時應用程式服務水準保證的高利潤企業市場。
顛覆性參與者與替代架構
流入生成式 AI 的巨額資本不可避免地催生了一波顛覆性的晶片與基礎設施新創公司，試圖打破現有的硬體壟斷。Groq 已成為純推論市場中強大的挑戰者，利用其專有的語言處理單元（LPU）繞過傳統記憶體頻寬瓶頸，實現了原生超越傳統 GPU 陣列的推論速度。Cerebras 則以晶圓級引擎技術進攻訓練市場，提供龐大的整合晶片，消除了分散式運算叢集中複雜的網路需求。
在雲端供應商層面，TensorWave 等新興基礎設施新創公司正刻意完全避開現有的硬體壟斷，選擇建立以 AMD 加速器晶片為核心的龐大環境，為精打細算的開發人員提供替代生態系統。此外，最終的長期顛覆來自超大規模供應商本身。Google 持續迭代其張量處理單元（TPU），加上 AWS 與微軟的客製化晶片計畫，顯示出將內部與一線客戶工作負載從商用晶片轉移的明確策略意圖，這可能在未來多年內嚴重限制 CoreWeave 的潛在市場規模（TAM）。
管理層業績紀錄
執行長 Michael Intrator 及其創業團隊擁有深厚的商品與天然氣期貨交易背景，這種資歷明確地塑造了 CoreWeave 激進且高度金融化的營運節奏。管理團隊展現了卓越的戰術敏捷性，最顯著的是在市場共識形成前，便成功策劃了公司從加密貨幣挖礦向新興 AI 基礎設施領域的轉型。他們駕馭機構資本市場的能力無庸置疑；該團隊在 2026 年內成功籌集了超過 200 億美元的複雜債務與股權融資以資助資本支出，並於 2025 年 3 月成功完成公開上市。
然而，這種高風險的資本配置行為需要臨床般的審慎檢視。管理層經營業務的方式類似於商品基差交易（basis trade），利用巨額債務來獲取基礎設施融資成本與高昂運算現貨價格之間的利差。儘管營收執行面堪稱完美，運作電力容量已超過 10 億瓦，且預計 2030 年可達 80 億瓦，但其財務治理狀況令人擔憂。在歷史性的現金消耗與因利息支出膨脹導致的淨損擴大背景下，內部人士的流動性事件正在加速。2026 年 4 月，執行長拋售了近 3,300 萬美元的直接持股。雖然大規模的資本募集展現了機構市場的信心，但在高槓桿資產負債表的背景下，內部人士的積極變現行為，對於長期利益一致性與週期性時機點提出了合理的質疑。
評分卡
CoreWeave 代表了一種純粹、高槓桿的工具，旨在獲取定義人工智慧軍備競賽的龐大資本支出。該公司已在專業高效能雲端領域建立了難以逾越的領先優勢，並由與全球主導晶片設計商的共生夥伴關係，以及涵蓋頂級 AI 實驗室、主要科技平台與量化金融巨頭的數十億美元訂單積壓所鞏固。其裸機、Kubernetes 原生架構在效能上優於傳統超大規模雲端環境，使其能完美捕捉市場中最嚴苛、利潤最高的工作負載。
反之，該企業底層的財務架構要求近乎完美的宏觀經濟與產業特定執行力。近 250 億美元的債務規模與超過 20 億美元的年化利息負擔，幾乎不留任何犯錯空間。若從 AI 訓練到商業推論的轉型導致運算強度低於預期，或者超大規模供應商成功將工作負載轉移至其專有晶片，CoreWeave 硬體抵押品的快速折舊可能引發嚴重的資產負債表危機。其投資論點最終取決於二元結果：該公司要麼鞏固其作為 AI 時代基礎公用事業的地位，要麼在自身債務融資擴張的沉重負擔下崩潰。