模型竞争态势 - 大模型厂商从同质化竞争转向差异化布局 部分企业聚焦长文本处理 部分深耕多模态能力 部分侧重工具调用或垂直场景开发[2] - 行业正探索开源与闭源混合模式 OpenAI及智谱等部分开源模型 Meta却在开发高阶闭源产品[2] - 头部厂商从纯模型提供商转型为融合生成 检索 工具调用等能力的综合平台 强化生态核心地位[2] 云计算生态变革 - 互联网云厂商构建以模型为中心的全栈能力 基础模型覆盖大语言 多模态 编程等领域 配套开发编程辅助 阅读助手等应用工具[3] - 云厂商将大模型深度嵌入600余个业务场景 提供企业级解决方案[3] - 推出模型即服务平台实现服务AI化升级 可能改变企业上云逻辑 中小企业或转向公有云平台获取AI能力[3] 国产算力进展 - 华为展出昇腾384超节点集群算力达英伟达GB200 NVL72系统的2倍[4] - 国产GPU在单卡性能上逼近英伟达H20 但在内存带宽和互联能力等推理性能关键指标上仍有差距[4] - 通过协同创新寻求突破 沐曦与阶跃联合发布解决方案 燧原携手互联网云厂商共建智算中心[4] 端侧AI发展现状 - 端侧AI面临多模态感知 交互和自主决策能力突破需求 硬件端存在机械结构 显示续航等技术难题[5] - 智能手机因算力 交互及场景优势可能成为AI智能体的首选载体[5] - 端侧Agent多步推理发展遵循先在云端平台验证 再向手机端迁移的路径[5]

公司背景与市场表现 - CoreWeave成立于2017年，由三位前华尔街精英创立，最初从事加密货币挖矿，2019年转型为英伟达GPU算力租赁服务商[2] - 英伟达直接持股7%，为其提供独家技术支持，包括全球首家大规模商用Blackwell GPU，部署超过25万个高端GPU，资源调配速度比传统云服务商快35倍，成本仅为20%[2] - 2024年微软贡献62%营收，与OpenAI签订5年119亿美元合同，股价从上市首日40美元最高涨至187美元（3个月涨幅超3倍）[2] - Q2财报后股价暴跌21%，主要因EPS为-0.6美元（预期-0.52美元），净亏损从510万美元扩大至1.308亿美元[3] 财务与运营数据 - Q2营收12.13亿美元（同比+206%），超预期10.8亿美元，但增速较Q1的420%放缓[3] - Q2资本开支达29亿美元（环比+10亿美元），Q3计划29-34亿美元，全年指引200-230亿美元[3] - 调整后营业利润1.998亿美元（同比+134%），利润率16%，但Q3指引1.6-1.9亿美元低于预期的1.92亿美元[4] - 未完成订单(RPO)达301亿美元（同比+86%），含OpenAI扩展合作的40亿美元（总交易价值159亿美元）及两家超大规模客户新订单[4] 技术优势与战略布局 - 全球首个上线英伟达GB200NVL72系统，B200实例全面开放，MLPerf Training v5.0测试规模比竞品大34倍，性能高4.5倍[5] - 收购Weights&Biases推出三款AI工具链产品，收购Conductor切入视觉特效市场（相关云服务增长超4倍）[6] - 拟议收购CoreScientific可消除超100亿美元租赁负债，达产后年省5亿美元，新增1.3吉瓦电力容量（未来再扩1吉瓦）[7] - 当前电力容量470兆瓦，新增600兆瓦后达2.2吉瓦，目标2025年底超900兆瓦[7] 行业竞争与资本开支 - 数据中心扩张包括宾夕法尼亚州60亿美元项目和新泽西州250兆瓦AI园区（与BlueOwl合资，2026年投用）[7] - 大部分资本支出集中在2025Q4，对应GPU上线时间为2026年初，推测与微软2026年算力需求规划相关[7] - 商业模式类似亚马逊早期云服务投入，当前市场对亏损容忍度降低，但未完成订单显示长期需求潜力[7][4]

昇腾算力技术突破 - 昇腾384超节点已开始发货，这是目前业界规模最大的超节点，由384颗昇腾AI芯片组成集群，提供高达300 PFLOPs的密集BF16算力，性能接近英伟达GB200 NVL72系统的两倍 [1] - 华为通过系统工程方法优化计算、内存、通信调度，实现算力超越，内部组织算力会战整合各领域专家能力 [1] - 昇腾超节点采用全对等高速互联架构，打破传统以CPU为中心的冯诺依曼架构，扩展总线至整机柜甚至跨机柜 [7] 国产算力发展背景 - 美国对华芯片出口管制持续加码，影响英伟达约55亿美元的季度费用 [2] - 昇腾算力战略意义远超商业价值，正从被迫替代转向主动选择 [3][5] - 昇腾计算产业已发展为包括芯片、硬件、CANN、AI计算框架等全产业链体系 [4] 技术架构创新 - 采用自有标准"全对等互联架构"，统一通信协议提升有效载荷，打造基于中国标准的解决方案 [8] - 引入光通信技术，使用3168根光纤和6912个400G光模块实现跨机架纵向扩展 [8] - 解决散热难题，采用液冷散热方案和高效风冷方案，研发微结构材料提升热传导效率 [8] 软件生态建设 - 华为CANN平台快速补齐高质量基础算子，核心算子从数万个收敛至数百个 [10] - 提供Day0迁移和一键部署工具链，支持客户采用混合策略逐步迁移至昇腾平台 [10] - 组建"小灵巧突击队"深入客户现场提供技术支持 [6] 能耗与性能平衡 - 昇腾384超节点功耗达英伟达NVL72的4.1倍，每FLOP功耗高出2.5倍 [11] - 国内电力供应相对充裕，无需受限于能耗约束 [11] - 将持续通过技术进步改进能源消耗，构筑AI时代核心竞争力 [11] 行业影响与意义 - 昇腾384超节点打破了国产算力"无法训练大模型"的质疑 [12] - 构建了英伟达之外的可靠第二选择 [12] - 开辟了不同于西方的创新路径，通过系统工程实现规模算力领先 [12]

文章核心观点 AI云计算提供商CoreWeave大规模部署英伟达GB200 NVL72系统，Cohere、IBM和Mistral AI成为首批用户，该系统性能大幅提升将加速大模型训练和推理能力 [1] 分组1 - AI云计算提供商CoreWeave成为首批大规模部署英伟达GB200 NVL72系统的云服务提供商之一 [1] - Cohere、IBM和Mistral AI成为英伟达GB200 NVL72系统的首批用户 [1] - 英伟达GB200 NVL72系统在最新MLPerf基准测试中提供前代H100芯片2 - 3倍的性能提升 [1] - 英伟达GB200 NVL72系统将显著加速大模型训练和推理能力 [1]