CoreWeave 执行长 Michael Intrator 于 NVIDIA GTC 大会期间接受 All-in Podcast 访谈，分享从演算对冲基金公司转型为专业基础设施供应商的历程，剖析早年如何用 GPU 杠杆融资起步，转向专业 AI 模型开发，以及当前人工智能发展面临的能源供应挑战与 AI 在资本效应下的前景未来。
为何 CoreWeave 从矿商转型成专业基础设施供应商？
CoreWeave 的起源并非传统云端服务，而是一间专注于天然气的演算对冲基金，早期团队利用 GPU 挖采比特币、以太币，经历加密货币寒冬后，逐渐转向为 GPU 基础设施商，CoreWeave 开发了一些 CGI 渲染模型开发项目，让那些尝试制作动画的人能够渲染影像，然后转向了批量计算。最终大概从 2020 年到 2021 年，开始真正尝试弄清楚如何利用 GPU 进行神经网络开发模型。
Intrator 表示公司的竞争力在于提供专业化解决方案，其服务层级介于 NVIDIA GPU 硬件与人工智能模型之间。相较于 AWS 等通用型超大规模数据中心，CoreWeave 选择不与其直接竞争，而是专注于高效率、专用型的运算资源供给，以此满足人工智能开发者对硬件性能的要求。
如何通过融资创新应对庞大的资本支出？
面对硬件采购的高昂成本，CoreWeave 首创以 GPU 作为抵押品的贷款模式，将债务结构与长期客户合约直接挂钩。Intrator 解释这种机制能确保现金流优先支应数据中心营运成本、电费及债务利息，剩余资金最后才回流至公司，这种创新的资本运作使 CoreWeave 能在 18 个月内迅速筹集约 350 亿美元，展现了强大的资金调度能力。
CoreWeave 如何应对 GPU 短缺？
CoreWeave 利用作为 NVIDIA 长期策略合作伙伴的地位来应对 GPU 短缺问题，CoreWeave 能够抢先一步，将最新的架构（例如 H 100、H 200 和 GB 200）大规模投入商业生产。此外，该公司还获得了巨额长期合约，建立了专门的融资机制，使其能够以前所未有的速度获得资金采购硬件。
GPU 能源消耗成为人工智能扩张的主要限制
Intrator 提出一项关键观察，目前扩展人工智能基础设施的主要限制已非芯片产能，而是电力供应。高性能 GPU 显著提升了数据中心的能源消耗，CoreWeave 报告其电力消耗量已达 4.5 吉瓦，相当于整个旧金山湾区的年用电量。由于 GPU 叢集需要极高的功率密度，传统基础架构难以承载，业界正寻求新的能源解决方案。为了维持成长，未来数据中心将日益倾向建设于靠近核能等清洁能源的地区，以支应人工智能与机器人技术不可逆的能源需求增长。
AI 的资本效应带来光明的未来
Intrator 表示 AI 降低了公司营运的资本门槛，一百万个代币的价格，刚推出时售价 32 美元多一点，现在一百万个代币只要 9 分，如果有一个绝妙的主意，可以打开模型，告诉你的模型，可以用程式码模拟它，可以做各种各样不同的事情，创造出以前从未存在过的东西，AI 开启了一个全新的领域，突破许多从前做不到的事。
这篇文章 CoreWeave 执行长分享 GPU 杠杆策略、AI 资本效应下的理想未来 最早出现在 链新闻 ABMedia。
相关文章
