CoreWeave 今天点亮了全球首个英伟达 Vera Rubin NVL72 的多机柜（Multi-rack）集群。 正好对照看一眼今天的异动榜：CRDO、SMTC、COHR、LITE、MRVL 这批做光互联和 DSP 的厂，集体暴涨了 5% 到 8%。 NVL72 刚出的时候一直被叫作「全铜机柜」，当时市场很慌，觉得它会彻底杀掉光模块的逻辑。结果现在真实的 Multi-rack 一落地，老黄确实在单个机柜内部用铜线省了光，但只要你的算力规模逼着你把这些怪物机柜连起来，跨机柜的光互联需求直接是指数级的。 至于今天这走势，手里也没具体的资金流向数据，只能瞎猜一下：估计不少是当初因为纯铜机柜被洗出去的资金，这会儿又跑回来买了吧。

CoreWeave Q2财报：功成不必在我 理解CoreWeave的财报，首先要理解它的业务逻辑，说简单点，就是借债买卡出租算力，“2x做多token ARR”。 CoreWeave一边是借债：通过债务、股权融资和客户预付款筹集资金，另一边是买卡：购买英伟达GPU、建设数据中心和接入电力，然后再通过长期合同将算力出租给OpenAI、Meta、微软和其他AI公司。 所以CoreWeave要赚钱：就是能够尽可能低的成本借到钱，尽可能买更多的卡并且部署尽可能多的算力，然后尽可能租出更高的价格。 所以这种公司要看的财务指标是收入和Backlog、GPU租赁价格、产能建设速度、资本开支、债务规模和融资成本。 从这些指标看， CoreWeave Q2收入达到25.75亿美元，同比增长112%，环比增长24%；Revenue Backlog达到1042亿美元，同比增长246%，相比Q1增加48亿美元。 考虑到本季度已经确认25.75亿美元收入，可以粗略推算Q2新增合同约为74亿美元（74 亿-48 亿），Book-to-Bill接近2.9倍。 这说明当前限制收入增长的主要因素仍是产能交付，需求不是问题，问题是产能跟不上来。 再看销售端：管理层表示，Q2新签合同的预计贡献利润率比此前几个季度高5至10个百分点，很大一部分来自Vera Rubin产品。公司还在7月将多个SKU价格上调约25%。订单价格也在改善。 扩产方面： Q2公司口径资本开支达到93.52亿美元，Q3预计进一步达到115亿至135亿美元；全年资本开支指引由310亿至350亿美元上调至350亿至390亿美元。 按照全年收入指引中点128亿美元和资本开支中点370亿美元计算，今年资本开支接近收入的2.9倍。 这对产业链是非常强的需求信号，但对CoreWeave股东来说，公司仍需要不断融资才能维持增长。 再看看负债端： Q2现金流简化到底：经营现金流+6.79亿美元； 投资现金流−71.66亿美元； 融资现金流+100.71亿美元； 现金净增加35.84亿美元。 说明公司仍然需要大量的靠外部融资来支持资本开支，只要资本市场继续认可GPU残值和客户合同，公司就能以较低成本获得资金并扩大ARR；如果信用利差上升、贷款机构降低GPU抵押率，或者客户合同质量下降，CoreWeave就可能面临融资成本上升、股权稀释或者产能建设放缓。 所以这种模式说到底的盈利还是非常脆弱，极度依赖外部的融资环境。 因此Coreweave开始在往Token Factor转型，不想只单纯靠租GPU赚钱： CoreWeave的Managed Inference已签约ARR在几个月内从约100万美元增长到超过1亿美元，公司预计2026年末达到至少2.5亿美元。 这意味着公司开始从按小时出租GPU，逐渐扩展到按Token提供推理服务。推理和软件服务通常具有更高利润率，也能增强客户黏性，还可以吸收长期合同到期后的旧GPU，延长设备的商业寿命。 这样做的好处是卖服务的利润率显然要比当GPU包租公要高。 最后一点，我把CoreWeave当做AI基础设施景气度最强的观测指标之一。这份财报表明，AI算力需求仍然超过供给，Rubin需求很强，A100和Hopper等旧GPU价格也没有明显崩塌，资本市场仍愿意把GPU和长期算力合同视为可以融资的资产。 其中，最直接的受益者依然是英伟达。 CoreWeave每增加一笔Backlog、每提高一次Active Power，都需要采购更多英伟达GPU、网络和软件。CoreWeave自身盈利还受到电力成本、建设进度、债务利率和客户价格影响，而英伟达通常在GPU交付时就可以确认收入。 对于光互联、电力设备、液冷、HBM、SSD等产业链公司，这份财报同样提供了积极的需求信号，但具体投资还要考虑供应商份额、扩产速度、交付能力、价格变化和技术路线。CoreWeave可以验证行业总需求，无法直接证明每一家供应商都能获得同样的收入和利润增长。 够大。Nebius接下来需要证明，它可以通过更健康的资产负债表、更低的融资成本和更高的软件收入占比，把行业景气度转化为更好的股东回报。

CoreWeave 与 Google Cloud 今儿宣布算力互联，解决企业面临的算力孤岛带来的资源错配问题。 此次合作的技术支柱是 CoreWeave Interconnect。通过光纤网络与 Google 的全球网络直接打通，辅以 MACsec 硬加密技术，实现了低延迟、高安全的数据传输。 最值得关注的是其专利技术 LOTA Cross-Cloud（本地对象传输加速器）。它将数据直接吞吐至 GPU 节点（单卡达 7 GB/s），不仅解决了跨云传输的延迟问题，更从商业逻辑上消除了高昂的出口费用（Egress Fees）。 这种模式为开发者提供了灵活的“组合拳”方案： 训练端：利用 CoreWeave 极其垂直、高性能的 GPU 集群（如 H100/B200）进行大规模模型训练。 推理与生态端：训练好的模型可无缝调用 Google Cloud 的数据湖、GKE 容器服务或全球分发网络进行商业化推理。 商业影响：CoreWeave 的渗透力将激增 这一合作将显著提升 CoreWeave 的市场占有率： 降低决策风险：CoreWeave 从一个“外部第三方平台”转变为 Google 生态的“高性能算力插件”，极大降低了企业迁移的心理门槛。 获取增量客户：原本受限于数据搬运成本和复杂配置的 Google Cloud 存量用户，现在可以更顺畅地使用 CoreWeave 的算力资源。 硬件确定性：作为 Nvidia 的核心伙伴，CoreWeave 的新型 GPU 供应优势，将通过 Google 的渠道加速被市场消化。 从 AWS、Google Cloud 与 CoreWeave 的合作可以看出，在算力资源极度紧张的情况下，“开放云环境”正在取代早期的“围墙花园”。对于拥有算力的供应商，都很可能基于不同的模式和巨头们的算力互联互通 免责声明：本人持有文章提及股票，观点充满偏见，非投资建议dyor

在 CoreWeave ($CRWV) 2026 年 Q2 财报电话会议中，管理层特别提到有客户签署了延伸至 2029 年的 A100 租赁合同。 由于Michael Burry等空头认为很多大厂强行延长了GPU的折旧时间，属于财务粉饰；也因此很多人认为这狠狠地打了Michael Burry的脸。 打不打脸另说，但这至少说明英伟达的GPU硬件的使用寿命会比大家想象的要长很多。传统印象中硬件很快就会过时，但英伟达 $NVDA在软件生态方面的改进，对旧硬件的续命与价值挖掘是有突出贡献的。 英伟达并非仅靠更新硬件（如 Hopper/Blackwell）来提升性能，其全栈软件生态的持续演进大幅延长了 A100（Ampere 架构）的技术生命周期与投资回报率（ROI）： 1. 推理优化框架（TensorRT-LLM / vLLM 兼容）大模型推理算力释放：英伟达推出的 TensorRT-LLM 以及对开源社区（如 vLLM）的深层适配，引入了如 PagedAttention、Chunked Prefill（分块预填充）、投机采样（Speculative Decoding） 等高级优化技术。吞吐量倍增：通过纯软件层的内存管理与 Kernel 融合优化，A100 在运行主流开源大语言模型（如 Llama 3 系列、DeepSeek 系列）时的推理吞吐量和延迟表现，比硬件发布初期提升了数倍，使其非常适合承担性价比极高的中量级推理任务。 2. FlashAttention 与算子级（Kernel）优化突破 HBM2e 带宽瓶颈：A100 拥有 80GB HBM2e 显存和 2 TB/s 带宽。随着 FlashAttention-2 及后期针对 Ampere 架构算子的持续重构，GPU 在注意力机制计算时的显存读写开销大幅降低，使得计算单元（Tensor Cores）利用率接近极限。 TF32 与 INT8/FP16 持续调优：英伟达在 CUDA 代码库中持续完善 Ampere 专有的 Tensor Float 32 (TF32) 及混合精度计算吞吐，免去了企业大幅修改底层代码的麻烦。 3. 多实例 GPU（MIG）与细粒度切分资源弹性复用：A100 硬件上支持将单卡切分为最多 7 个独立的 MIG（Multi-Instance GPU）实例。 云原生调度优化：结合英伟达 Triton Inference Server 和云厂商（如 CoreWeave）的编排软件，企业可以将 80GB 的 A100 精细化切分给轻量级 AI 服务（如 Embedding 模型、小参数微调、RAG 向量检索等），实现极高的资源利用率和单位成本效益。 4. CUDA 向后兼容性与生态长寿命支持（LTS）版本不脱节：英伟达最新的 CUDA 版本（如 CUDA 12.x+）和底层驱动保持着对 Ampere 架构的完整原生支持与功能适配。 NGC 优化容器：英伟达在 NGC（NVIDIA GPU Cloud）上持续更新针对 A100 优化的深度学习框架容器（PyTorch、TensorFlow、NeMo 等），确保用户无需更改底层架构即可直接享受到软件栈带来的性能增益。 总结与行业视角英伟达的“软硬一体”策略使硬件随着时间推移因软件更新而变快（Software-Driven Performance Upgrades）：集群成熟度（已部署、即开即用、供电稳定） + 软件持续优化（降低推理 Token 成本） = 旧卡仍具备高经济价值。对于很多企业而言，训练超级大模型可能需要 Hopper 或 Blackwell，但在长尾推理、中小型模型微调、RAG 和数据预处理等场景下，经过软件高度优化后的 A100 提供了极佳的成本效益比，因此租赁合同顺理成章地延长到了 2029 年。

云厂商 CoreWeave 最近一项行为，打破了市场对英伟达硬件折旧率的怀疑，它们签署了一份租赁英伟达 A100 GPU 至 2029 年的新合同，该硬件在 2020 年推出，用于 AI 训练。 而此前批评者认为，硬件技术进步太快，可能导致老款芯片在两三年内过时。

纳斯达克100指数成分股调整 加入 $CRWV CoreWeave $NBIS Nebius Group $RKLB 火箭实验室（Rocket Lab） $TER 泰瑞达（Teradyne） $ALAB Astera Labs 移出 $CHTR 特许通讯（Charter Communications） $VRSK Verisk Analytics $ZS Zscaler $CTSH 高知特（Cognizant） $INSM Insmed

戴尔宣布，全球第一台 Vera Rubin NVL72 交付给 CoreWeave 使用 周末搞大新闻，我在 Hyperliquid 上小小的开多了 $CRWV , 另一个逻辑是这段时间 $NBIS 涨的不错，作为龙头的 $CRWV 应该有空间 $DELL $NVDA hyperliquid:native