文|新眸 李小東
CoreWeave的大火被看作是AI云注定顛覆傳統云計算的一個開端。
從七年前的挖礦公司，長成一家AI云廠商，這被外界看來符合自身技術路線的轉型，加上與英偉達的曖昧關系，助推CoreWeave——一家規模不算龐大的公司，在短時間內估值達到190億美元，就在5個月前，它的估值才剛剛70億美元。
短時間內估值翻倍的背后，是全球 GPU 加速云基礎設施的爆炸性需求，以及當前的AI融資狂潮。和傳統云計算廠商賣計算資源、存儲空間和各種云服務不同，CoreWeave專注GPU云計算，特別是與AI領域的緊密聯系。
簡單來說，現在因為生成式AI（如聊天機器人、圖像生成等）越來越火，訓練和運行這些AI模型需要大量的計算能力。GPU（圖形處理器）因為能同時處理很多任務，成為了這類計算的優選硬件。
但事實上，買GPU和維護它并不便宜，所以很多人會選擇使用云計算服務。像亞馬遜AWS、谷歌云和微軟Azure這樣的主流公司都提供了特別為AI工作準備的GPU。但人們發現，有些專門提供GPU服務的小公司，比如CoreWeave，比那些大公司更便宜。
舉個例子，據媒體報道，在CoreWeave上租用一款流行的GPU，每小時不到2.4美元，但在AWS和谷歌云上都要花費3.5美元左右。換句話說，細微的價差和龐大的市場需求，正在將Gartner提到的“GPU即服務（GAAS）”這樣一個新的概念，日漸催化成了一個龐大的市場。
2024年，CoreWeave公司官方預測年度營收約24億美元，前兩年分別是3000萬和5億，雖然體量上和AWS這些巨頭相去甚遠，但夸張的增長態勢，已經不得不讓所有人對這個新興的行業側目。
01 顛覆傳統云廠商的鏟子從哪來？
CoreWeave之所以能被稱為算力黃牛，是因為此前靠挖礦積累了大量的GPU。
簡單來說，挖以太坊就像是一個巨大的數學競賽，礦工使用計算機（特別是像英偉達這樣的高性能GPU）來解一個叫“哈希函數”的難題。當他們用自己的GPU找到答案時，就贏得了一次挖礦的勝利，獎勵就是以太幣。
挖礦是一門技術活，更是體力活，為了獲得更多的以太幣，要挖更多的礦，與傳統的CPU相比，GPU具有更高的并行處理能力和更強的計算性能，能夠更快地執行復雜的加密算法。英偉達的GPU因卓越的性能和效率，成為了礦工們的首選鏟子。
CoreWeave的三名創始人Michael Intrator、Brian Venturo和Brannin McBee都是華爾街背景，關注金融和科技領域，五年的挖礦經歷，讓他們通過各種方式獲得了數萬張高性能顯卡，建立了不少數據中心。截至2018年末，CoreWeave部署超過5萬張GPU，并且在挖礦逐漸沒落的同時，借助算力資源轉型做起了云計算的生意。
將CoreWeave和英偉達推向高峰的chatgpt，更準確地說是預訓練大模型，因為訓練這些大模型的數據量極其龐大，過程可以被拆解成不同的小任務，這就非常適合GPU做。產量有限，一個成本約3000美元的H100顯卡可以賣到十倍價格。
據媒體報道，從宣布加入英偉達合作伙伴網絡計劃，到拿到首批英偉達HGX H100高性能計算平臺，再到掌握將英偉達 H100作為抵押品獲得融資，CoreWeave只用了不到三年。
之所以被英偉達青睞，外界普遍認為的核心是：在面對來自英特爾、AMD等半導體巨頭以及OpenAI、微軟等下游客戶自研芯片的壓力下，英偉達不得不既要抵御云廠商造芯片，又要進一步擴大GPU市場份額。所以芯片廠通過扶持不造芯片的CoreWeave、Lambda Labs等較小的云服務商，從而與微軟等巨頭能夠形成間接競爭。
按照這樣的邏輯，巨頭在尋求GPU資源時，如果只能通過CoreWeave等公司間接獲取，那么將需要支付更多的費用，包括購買GPU的費用以及使用CoreWeave等公司的服務費用。典型的例子就像剛與CoreWeave簽訂長期合作協議的微軟，這樣一來，作為最上游的英偉達仍然掌握最高的議價權。
CoreWeave依賴英偉達發財，就連它的創始人也坦然承認：“世界都在依賴英偉達，雖然我們也在了解不同的芯片和解決方案，但事實上，客戶明確表示，目前他們需要構建產品和AI芯片類型，很大程度上是由英偉達基礎設施推動的。”
但回過頭來，這些其實還不足以論證CoreWeave被市場看好的根本原因。
本質上，押注CoreWeave的英偉達、前蘋果高管、黑石等大量的資本，他們篤定另一個預判，傳統的云服務商將被更新興的AI云替代。
AI軟件的發展速度非常迅猛，開發的訓練過程需要更強大的計算資源，和更高效的云基礎設施來支持不斷增長，就連被定義為AI超大規模計算提供商的CoreWeave，有大量的GPU等設施，仍然供不應求。
就當前來看，現有的云基礎設施大多是為可序列化工作負載設計的，它們更適合處理那些可以分解成一系列獨立步驟并依次執行的任務；但AI工作負載的特性并不一樣：它們通常需要進行大量的并行計算，并且需要實時地處理大量的數據。
在CoreWeave的CTO看來，他們不僅擁有大量的GPU作為生產力工具，更重要的是其軟件技術非常先進，這是它能夠比其他公司更好地利用GPU服務器，確保客戶獲得最佳性能的原因。
02 更靈活、更劃算，CoreWeave能滿足什么？
為什么選擇CoreWeave，它的官網上有很直接地回答：
CoreWeave是一家專門為企業級GPU加速工作負載提供云服務商。他們的Kubernetes原生基礎設施專為機器學習、VFX渲染、像素流和批處理等計算密集型用例而構建，與傳統云廠商相比，速度最高可提高35倍，成本降低80%。
用創始人的Brannin的話簡單來說，CoreWeave的云不是簡單地加上GPU然后讓用戶能夠使用它。它其實是一個復雜的系統，像是一個大舞臺的導演，管理著所有的資源和設備，讓用戶可以方便地訪問和使用這些資源。
這和那些大公司的云不同，因為傳統云主要是為了托管網站和存儲數據，而CoreWeave是從頭開始打造的，專注于運行AI和其他需要大量并行計算的任務。這是它的核心優勢之一，對以前不能參與的決策，客戶有更自由，“嚴格的資源配額和等待數小時才能啟動GPU已經成為過去，現在你可以在幾秒鐘內調用、擴大和縮小數千個GPU。”
Brannin喜歡打一個比喻，CoreWeave和傳統云廠的區別，就像特斯拉和福特汽車。福特當然可以造出像特斯拉一樣的汽車，但這意味著他們需要經歷范式轉變，因為涉及的是整個供應鏈和整體業務，需要推翻過去重新開始，且容易陷入創新者困境，大公司往往不愿這么做。
當然，這種對AI的專一性，也直接造就了CoreWeave在給AI公司服務時的專業性。
CoreWeave的主要產品有7類，除了提供高性能計算平臺H100和最齊全的GPU，也提供CPU來滿足不同負載需求，還有完全托管的Kubernetes服務，消除了客戶管理Kubernetes集群的負擔，使他們能夠專注于應用程序的開發和部署；以及NVMe文件系統卷，這種高性能存儲適用于分布式機器學習訓練、VFX渲染、生命科學批處理和元宇宙像素流等工作負載。
除此以外，CoreWeave使用InfiniBand技術建立了高性能的網絡，相當于給每一輛車（GPU）搭建高速公路，能夠滿足大規模數據處理和傳輸的需求，從而有助于AI產品更快速地發展和規模化。
客觀來講，CoreWeave的產品體系覆蓋了高性能計算的各個方面，從硬件資源到軟件服務，讓模型訓練、托管、微調以及推理服務變得簡單。
至于具體的效果，對比A100，H100能將大型模型的AI訓練速度提高9倍，推理速度提高三十倍。H100的性能目前維持在行業第一，這種速度，加上NVIDIA Quantum-2InfiniBand平臺在市場上最低的網絡延遲，將AI模型的訓練時間縮短至幾天或幾小時，而不是幾個月。
以做NFT的Procedural Space為例，這是數萬個獨特的、程序生成的行星NFT的集合。每個行星都是使用獨特的算法生成的，這些算法控制著行星的顏色、地形構造、海洋、文明等，所有 Procedural Space 行星均制作為一分鐘的 4K 視頻，展示行星的完整旋轉。由于負載量大，幀速率為每秒30幀，因此需要1800萬個高分辨率幀。
以往他們用過其他的渲染引擎，但效果并不大好，但通過與CoreWeave合作，Procedural Space 能夠在短短一周內渲染、存儲、壓縮、編碼和制作100GB的4K高分辨率圖像，而成本僅為原來的六分之一。
那為什么說CoreWeave是當下AI公司最具性價比的選擇？
一方面，CoreWeave提供了業內價格最低、最廣泛的NVIDIA GPU系列選擇，客戶可以根據自己的工作負載選擇合適的GPU，從而確保性能和成本的最優化。并且與其他云提供商不同，CoreWeave 在絕大多數用例中不收取區域間傳輸、工作站數據或出口等費用，這樣客戶就不用擔心數據傳輸會花很多錢。
另一方面，CoreWeave提供了按需定價模式，意味著客戶只需支付他們實際使用的資源費用，無需簽訂長期合同或做出任何承諾。這種靈活性使得客戶能夠根據自己的實際需求進行擴展或縮減，從而節省成本。如果客戶需要長期或大量使用，他們還有折扣。這也就不難解釋，CoreWeave的云基礎設施的速度會比通用公共云快35倍，成本卻低了80%。
03 留給傳統云廠商的時間不多了
Brian Venturo作為CoreWeave的CTO，提到如果有一種新的芯片性能與英偉達相當或更好，那意味著市場上出現了一個強有力的競爭對手。
想象一下，如果你家附近新開了一家和沃爾瑪一樣大的超市，那么沃爾瑪的生意可能會受到一些影響，因為消費者現在有了更多的選擇。對于 CoreWeave 來說，這個新的芯片就像那家新開的超市，可能會吸引一些原本使用英偉達芯片的客戶。
但Brannin McBee 提到的一個觀點是，一種芯片的前兩到三年主要用于模型訓練，然后四到五年用于推理執行。這意味著即使有了新芯片，現有的英偉達芯片在一段時間內仍然會很有用，因為很多公司可能還在使用它們進行推理執行。
除此以外，英偉達不僅僅提供芯片，它還努力建立一個圍繞其硬件的開放生態系統。這意味著很多軟件、工具和服務都是與英偉達芯片緊密集成的。其他制造商雖然可以制造性能相近的芯片，但要建立一個像英偉達那樣的生態系統非常困難。
相比大型云廠商（如谷歌、微軟和AWS）需要投入大量的資金來建設和維護龐大的數據中心，還要提供一些低利潤的服務來吸引和保持客戶。CoreWeave這樣的公司，由于它們更專注于提供優質的AI服務，所以在基礎設施方面的投入相對較小，這使得它們更容易取得成功。
就像前面說的那樣，傳統云廠商是有“基礎設施包袱”的。
不過現實情況里，隨著谷歌、微軟和AWS等傳統云廠商開始加大對定制硬件的投資，CoreWeave也在經歷挑戰，這里的關鍵就在于，后者能否持續提供大量的GPU并保持價格上的競爭力。
對于一家AI公司的一個模型而言，退出訓練階段后，在產品上市的前兩年內，商業化階段的推理執行仍然至少需要百萬個GPU，但目前市場的供給遠不足夠，這將是一個長期的挑戰。換句話說，未來不排除越來越多像CoreWeave的公司出現，畢竟AI這股洪流的到來已經是個確定性的話題。