留给传统云计算巨头的时间不多了

CoreWeave 的大火被看作是 AI 云注定颠覆传统云计算的一个开端。

从七年前的挖矿公司，长成一家 AI 云厂商，这被外界看来符合自身技术路线的转型，加上与英伟达的暧昧关系，助推 CoreWeave ——一家规模不算庞大的公司，在短时间内估值达到 190 亿美元，就在 5 个月前，它的估值才刚刚 70 亿美元。

短时间内估值翻倍的背后，是全球 GPU 加速云基础设施的爆炸性需求，以及当前的 AI 融资狂潮。和传统云计算厂商卖计算资源、存储空间和各种云服务不同，CoreWeave 专注 GPU 云计算，特别是与 AI 领域的紧密联系。

简单来说，现在因为生成式 AI（如聊天机器人、图像生成等）越来越火，训练和运行这些 AI 模型需要大量的计算能力。GPU（图形处理器）因为能同时处理很多任务，成为了这类计算的优选硬件。

但事实上，买 GPU 和维护它并不便宜，所以很多人会选择使用云计算服务。像亚马逊 AWS、谷歌云和微软 Azure 这样的主流公司都提供了特别为 AI 工作准备的 GPU。但人们发现，有些专门提供 GPU 服务的小公司，比如 CoreWeave，比那些大公司更便宜。

举个例子，据媒体报道，在 CoreWeave 上租用一款流行的 GPU，每小时不到 2.4 美元，但在 AWS 和谷歌云上都要花费 3.5 美元左右。换句话说，细微的价差和庞大的市场需求，正在将 Gartner 提到的 "GPU 即服务（GAAS）" 这样一个新的概念，日渐催化成了一个庞大的市场。

2024 年，CoreWeave 公司官方预测年度营收约 24 亿美元，前两年分别是 3000 万和 5 亿，虽然体量上和 AWS 这些巨头相去甚远，但夸张的增长态势，已经不得不让所有人对这个新兴的行业侧目。

颠覆传统云厂商的铲子从哪来？

CoreWeave 之所以能被称为算力黄牛，是因为此前靠挖矿积累了大量的 GPU。

简单来说，挖以太坊就像是一个巨大的数学竞赛，矿工使用计算机（特别是像英伟达这样的高性能 GPU）来解一个叫 " 哈希函数 " 的难题。当他们用自己的 GPU 找到答案时，就赢得了一次挖矿的胜利，奖励就是以太币。

挖矿是一门技术活，更是体力活，为了获得更多的以太币，要挖更多的矿，与传统的 CPU 相比，GPU 具有更高的并行处理能力和更强的计算性能，能够更快地执行复杂的加密算法。英伟达的 GPU 因卓越的性能和效率，成为了矿工们的首选铲子。

CoreWeave 的三名创始人 Michael Intrator、Brian Venturo 和 Brannin McBee 都是华尔街背景，关注金融和科技领域，五年的挖矿经历，让他们通过各种方式获得了数万张高性能显卡，建立了不少数据中心。截至 2018 年末，CoreWeave 部署超过 5 万张 GPU，并且在挖矿逐渐没落的同时，借助算力资源转型做起了云计算的生意。

将 CoreWeave 和英伟达推向高峰的 chatgpt，更准确地说是预训练大模型，因为训练这些大模型的数据量极其庞大，过程可以被拆解成不同的小任务，这就非常适合 GPU 做。产量有限，一个成本约 3000 美元的 H100 显卡可以卖到十倍价格。

据媒体报道，从宣布加入英伟达合作伙伴网络计划，到拿到首批英伟达 HGX H100 高性能计算平台，再到掌握将英伟达 H100 作为抵押品获得融资，CoreWeave 只用了不到三年。

之所以被英伟达青睐，外界普遍认为的核心是：在面对来自英特尔、AMD 等半导体巨头以及 OpenAI、微软等下游客户自研芯片的压力下，英伟达不得不既要抵御云厂商造芯片，又要进一步扩大 GPU 市场份额。所以芯片厂通过扶持不造芯片的 CoreWeave、Lambda Labs 等较小的云服务商，从而与微软等巨头能够形成间接竞争。

按照这样的逻辑，巨头在寻求 GPU 资源时，如果只能通过 CoreWeave 等公司间接获取，那么将需要支付更多的费用，包括购买 GPU 的费用以及使用 CoreWeave 等公司的服务费用。典型的例子就像刚与 CoreWeave 签订长期合作协议的微软，这样一来，作为最上游的英伟达仍然掌握最高的议价权。

CoreWeave 依赖英伟达发财，就连它的创始人也坦然承认：" 世界都在依赖英伟达，虽然我们也在了解不同的芯片和解决方案，但事实上，客户明确表示，目前他们需要构建产品和 AI 芯片类型，很大程度上是由英伟达基础设施推动的。"

但回过头来，这些其实还不足以论证 CoreWeave 被市场看好的根本原因。

本质上，押注 CoreWeave 的英伟达、前苹果高管、黑石等大量的资本，他们笃定另一个预判，传统的云服务商将被更新兴的 AI 云替代。

AI 软件的发展速度非常迅猛，开发的训练过程需要更强大的计算资源，和更高效的云基础设施来支持不断增长，就连被定义为 AI 超大规模计算提供商的 CoreWeave，有大量的 GPU 等设施，仍然供不应求。

就当前来看，现有的云基础设施大多是为可序列化工作负载设计的，它们更适合处理那些可以分解成一系列独立步骤并依次执行的任务；但 AI 工作负载的特性并不一样：它们通常需要进行大量的并行计算，并且需要实时地处理大量的数据。

在 CoreWeave 的 CTO 看来，他们不仅拥有大量的 GPU 作为生产力工具，更重要的是其软件技术非常先进，这是它能够比其他公司更好地利用 GPU 服务器，确保客户获得最佳性能的原因。

更灵活、更划算，CoreWeave 能满足什么？

为什么选择 CoreWeave，它的官网上有很直接地回答：

CoreWeave 是一家专门为企业级 GPU 加速工作负载提供云服务商。他们的 Kubernetes 原生基础设施专为机器学习、VFX 渲染、像素流和批处理等计算密集型用例而构建，与传统云厂商相比，速度最高可提高 35 倍，成本降低 80%。

用创始人的 Brannin 的话简单来说，CoreWeave 的云不是简单地加上 GPU 然后让用户能够使用它。它其实是一个复杂的系统，像是一个大舞台的导演，管理着所有的资源和设备，让用户可以方便地访问和使用这些资源。

这和那些大公司的云不同，因为传统云主要是为了托管网站和存储数据，而 CoreWeave 是从头开始打造的，专注于运行 AI 和其他需要大量并行计算的任务。这是它的核心优势之一，对以前不能参与的决策，客户有更自由，" 严格的资源配额和等待数小时才能启动 GPU 已经成为过去，现在你可以在几秒钟内调用、扩大和缩小数千个 GPU。"

Brannin 喜欢打一个比喻，CoreWeave 和传统云厂的区别，就像特斯拉和福特汽车。福特当然可以造出像特斯拉一样的汽车，但这意味着他们需要经历范式转变，因为涉及的是整个供应链和整体业务，需要推翻过去重新开始，且容易陷入创新者困境，大公司往往不愿这么做。

当然，这种对 AI 的专一性，也直接造就了 CoreWeave 在给 AI 公司服务时的专业性。

CoreWeave 的主要产品有 7 类，除了提供高性能计算平台 H100 和最齐全的 GPU，也提供 CPU 来满足不同负载需求，还有完全托管的 Kubernetes 服务，消除了客户管理 Kubernetes 集群的负担，使他们能够专注于应用程序的开发和部署；以及 NVMe 文件系统卷，这种高性能存储适用于分布式机器学习训练、VFX 渲染、生命科学批处理和元宇宙像素流等工作负载。

除此以外，CoreWeave 使用 InfiniBand 技术建立了高性能的网络，相当于给每一辆车（GPU）搭建高速公路，能够满足大规模数据处理和传输的需求，从而有助于 AI 产品更快速地发展和规模化。

客观来讲，CoreWeave 的产品体系覆盖了高性能计算的各个方面，从硬件资源到软件服务，让模型训练、托管、微调以及推理服务变得简单。

至于具体的效果，对比 A100，H100 能将大型模型的 AI 训练速度提高 9 倍，推理速度提高三十倍。H100 的性能目前维持在行业第一，这种速度，加上 NVIDIA Quantum-2InfiniBand 平台在市场上最低的网络延迟，将 AI 模型的训练时间缩短至几天或几小时，而不是几个月。

以做 NFT 的 Procedural Space 为例，这是数万个独特的、程序生成的行星 NFT 的集合。每个行星都是使用独特的算法生成的，这些算法控制着行星的颜色、地形构造、海洋、文明等，所有 Procedural Space 行星均制作为一分钟的 4K 视频，展示行星的完整旋转。由于负载量大，帧速率为每秒 30 帧，因此需要 1800 万个高分辨率帧。

以往他们用过其他的渲染引擎，但效果并不大好，但通过与 CoreWeave 合作，Procedural Space 能够在短短一周内渲染、存储、压缩、编码和制作 100GB 的 4K 高分辨率图像，而成本仅为原来的六分之一。

那为什么说 CoreWeave 是当下 AI 公司最具性价比的选择？

一方面，CoreWeave 提供了业内价格最低、最广泛的 NVIDIA GPU 系列选择，客户可以根据自己的工作负载选择合适的 GPU，从而确保性能和成本的最优化。并且与其他云提供商不同，CoreWeave 在绝大多数用例中不收取区域间传输、工作站数据或出口等费用，这样客户就不用担心数据传输会花很多钱。

另一方面，CoreWeave 提供了按需定价模式，意味着客户只需支付他们实际使用的资源费用，无需签订长期合同或做出任何承诺。这种灵活性使得客户能够根据自己的实际需求进行扩展或缩减，从而节省成本。如果客户需要长期或大量使用，他们还有折扣。这也就不难解释，CoreWeave 的云基础设施的速度会比通用公共云快 35 倍，成本却低了 80%。

留给传统云厂商的时间不多了

Brian Venturo 作为 CoreWeave 的 CTO，提到如果有一种新的芯片性能与英伟达相当或更好，那意味着市场上出现了一个强有力的竞争对手。

想象一下，如果你家附近新开了一家和沃尔玛一样大的超市，那么沃尔玛的生意可能会受到一些影响，因为消费者现在有了更多的选择。对于 CoreWeave 来说，这个新的芯片就像那家新开的超市，可能会吸引一些原本使用英伟达芯片的客户。

但 Brannin McBee 提到的一个观点是，一种芯片的前两到三年主要用于模型训练，然后四到五年用于推理执行。这意味着即使有了新芯片，现有的英伟达芯片在一段时间内仍然会很有用，因为很多公司可能还在使用它们进行推理执行。

除此以外，英伟达不仅仅提供芯片，它还努力建立一个围绕其硬件的开放生态系统。这意味着很多软件、工具和服务都是与英伟达芯片紧密集成的。其他制造商虽然可以制造性能相近的芯片，但要建立一个像英伟达那样的生态系统非常困难。

相比大型云厂商（如谷歌、微软和 AWS）需要投入大量的资金来建设和维护庞大的数据中心，还要提供一些低利润的服务来吸引和保持客户。CoreWeave 这样的公司，由于它们更专注于提供优质的 AI 服务，所以在基础设施方面的投入相对较小，这使得它们更容易取得成功。

就像前面说的那样，传统云厂商是有 " 基础设施包袱 " 的。

不过现实情况里，随着谷歌、微软和 AWS 等传统云厂商开始加大对定制硬件的投资，CoreWeave 也在经历挑战，这里的关键就在于，后者能否持续提供大量的 GPU 并保持价格上的竞争力。

对于一家 AI 公司的一个模型而言，退出训练阶段后，在产品上市的前两年内，商业化阶段的推理执行仍然至少需要百万个 GPU，但目前市场的供给远不足够，这将是一个长期的挑战。换句话说，未来不排除越来越多像 CoreWeave 的公司出现，毕竟 AI 这股洪流的到来已经是个确定性的话题。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com