一口气了解CoreWeave：约1040亿美元收入储备背后的算力生意

30秒看懂

这家公司是谁：CoreWeave 2017年从虚拟币挖矿起家，后来转成专门提供AI算力的云公司，客户用它训练和运行模型。
最近的大新闻：2026年8月11日，CoreWeave公布第二季度收入25.75亿美元，同比增长112%，净亏损6.26亿美元；约1040亿美元收入储备尚待逐步交付。
谁在背后出钱： 部分客户会先付一部分钱；在部分融资项目中，贷款方还会参考客户合同、计算设备和项目资产，英伟达同时是设备供应方和重要股东。
最容易看错的地方： 收入储备不等于已经确认的收入。CoreWeave要先建机房、买设备、交付算力，合同金额才会逐步进入财报。
本文只回答一个问题： 一家还在亏损的公司，怎样靠长期合同和借来的钱，把算力生意滚到这么大？

后面会反复用到6个词。先把口径列清楚，再看合同怎样变成机房和收入。

名词	一句话解释
GPU	擅长同时处理大量计算任务的芯片，也是训练和运行AI模型的主要设备之一
AI云	企业不用自己买整套设备，按时间或合同向服务商租用AI计算能力
长期承诺合同	客户提前约定一段时间内至少购买多少算力，即使用不满也要按约定付费
收入储备	已签合同里预计以后能确认成收入的金额，能否兑现仍取决于算力按时交付
设备投入	公司为服务器、网络和机房先花的钱，这些设备会在使用期间逐年计入成本
客户集中度	收入有多少来自少数大客户，比例越高，单个客户变化带来的影响越大

CoreWeave 8月11日公布了一组很有反差的数字。2026年第二季度收入达到25.75亿美元，比上年同期增长112%；净亏损却从2.90亿美元扩大到6.26亿美元。仅净利息支出就有6.40亿美元，比当季净亏损还高。

美联社8月12日报道，CoreWeave股价当天上涨19.3%。报道认为，主要原因是收入超过分析师预期，亏损也小于预期。可这家公司真正的难题也写在同一份财报里：增长要消耗更多设备、机房和资金，利息不会等客户慢慢开始使用算力。

这就出现了一个很适合拆开看的问题。CoreWeave为什么能把还没有交付的合同拿去融资，贷款方又为什么愿意把钱交给一家仍在亏损的公司？下面我们来从头介绍这家公司。

一、从矿场搬进云端

CoreWeave的起点和传统云公司差得很远。2016年，Michael Intrator、Brian Venturo和Brannin McBee买下首块GPU，把它放在纽约办公室的一张台球桌上，用来挖以太坊。2017年，这项尝试变成公司，最早的名字是Atlantic Crypto。

创始人原来做什么？Intrator和Venturo都做过天然气、能源和环境产品投资，McBee做过大宗商品交易。公司向SEC提交的三人履历主要是能源投资和交易，没有列出大型云平台运营经历；Peter Salanki后来作为共同创始人和技术负责人加入这支团队。在我看来，这段能源投资和交易经历让创始团队更习惯从设备利用率和现金回收的角度经营GPU。

2018年到2019年，虚拟币价格下跌。CoreWeave在行情低迷时买入折价设备，GPU规模从几百块扩到几万块。与此同时，公司开始接触视觉特效、AI和药物研发等需要GPU加速的客户，把算力卖给挖矿之外的团队。

2019年，公司收购渲染平台Leonardo Render，并在12月把名字改成CoreWeave。渲染电影画面和训练AI都需要大量并行计算，原来用来挖矿的GPU因此找到了新用途。公司2020年推出云平台，直到2022年9月才停止挖矿业务，收入转型花了几年。

这一步还有一个容易忽略的好处。挖矿设备大部分时间只执行相近任务，企业计算却要求权限隔离、数据存储、任务排队和故障恢复。CoreWeave必须把一堆GPU改造成别人敢把重要工作放上去的云服务，真正的转型发生在软件和运维上。

英伟达也在早期进入这条线。CoreWeave采购设备时会考虑挖矿之外的用途，双方的关系逐渐从买卖硬件走向更深合作。到2026年，双方已经共同测试软件和参考架构。等生成式AI需求爆发，它手里的设备、工程经验和供应关系一起发挥作用。

时间	关键动作	帮公司解决了什么
2016年	买下首块GPU挖以太坊	认识GPU的运行成本和利用率
2017年	成立Atlantic Crypto	把个人尝试变成矿场业务
2018至2019年	买入市场上低价处理的GPU	以较低成本扩充设备
2019年12月	收购渲染平台后改名CoreWeave	从挖矿转向企业计算服务
2023年	获得23亿美元债务融资	用GPU和合同支持更大规模建设
2025年	上市并收购Weights & Biases	获得公开市场资金，补上AI开发工具
2026年第二季度	收入25.75亿美元	长期合同开始形成更大规模收入

它为什么能赶上生成式AI？CoreWeave没有先造一套什么都能做的通用云。它集中采购英伟达GPU，再围绕大规模模型训练补网络、存储和任务调度。2022年底以后，AI算力需求快速增长，先进GPU供应紧张，专业AI云因此得到机会。CoreWeave正好已经准备了一批设备和工程团队。

它的运气很好，但只说运气解释不了后面的融资。GPU很贵，机房建设也很慢，单靠创始人的钱不可能把业务推到今天的体量。CoreWeave接下来做的，是把客户的算力需求写成几年期合同，再把合同变成融资依据。

二、把显卡租成长期合同

它卖的是什么？ 客户买到的是一段可以远程使用的计算能力。CoreWeave负责买设备、接电、搭网络、处理故障，客户通过云端提交训练、推理或渲染任务，再按合同付费。

收费主要有两种。第一种按实际使用量付钱，适合需求还不稳定的客户；第二种提前锁定设备和时间，客户承诺至少支付约定金额。2026年第二季度，长期承诺合同贡献了98%的收入，按量使用只占很小一部分。

长期合同对客户的价值是确定有机器可用，对CoreWeave的价值是提前看见未来收入。公司可以根据合同安排采购和机房建设，也更容易向贷款方解释以后由谁付钱。代价也很清楚：CoreWeave如果没能按时交付约定容量，合同金额不会自动变成收入。

这和订阅一款软件也不同。软件账号开通后通常马上能用，AI机房却要等土地、电力、冷却、网络和设备全部到位。CoreWeave可能先签下一份多年合同，再花几个月甚至更久完成建设，所以订单增加和收入增加之间存在时间差。

客户为什么不直接买设备？大型训练会一下需要很多GPU，任务结束后需求又可能下降。自建机房还要处理电力、散热、网络和运维，准备周期很长。租云服务把一部分建设和闲置风险交给CoreWeave，客户则用价格换取更快的部署和更灵活的用量。

钱从哪来？ 截至2025年底，把各份活跃合同按金额大小合在一起算，客户预付款平均占合同总额的15%至25%，并不是每份合同都按这个比例付款。这部分钱可以用于支付一部分早期建设成本，其余资金还要来自股权和借款。部分融资会用客户合同、GPU、项目现金流和其他资产提供支持，具体结构并不完全相同。

收钱方式	客户得到什么	CoreWeave得到什么	公司要承担什么
按量使用	随用随付的算力	灵活定价，接住短期需求	使用量难预测，空闲设备仍有成本
长期承诺合同	提前锁定容量和价格	更稳定的未来收费	必须按期交付，设备可能先投入后产生收入
客户预付款	优先获得约定服务	建设前先收到部分现金	收了钱就要完成后续交付
项目融资	更快建成客户需要的机房	用外部资金扩大容量	利息和还款时间固定，收入可能晚到

这套生意可以压成一条链。客户先承诺几年内购买算力，CoreWeave再采购设备和机房容量。在部分项目中，贷款方会参考客户信用、合同期限和设备价值提供资金。算力上线后，客户持续付款，公司再拿收入还债。

第一步	第二步	第三步	第四步	第五步
客户签长期合同	客户支付部分预付款	公司借钱买设备建机房	算力上线并开始收费	收入支付运营成本和债务

约1040亿美元收入储备是什么意思？ 这是截至2026年6月底的收入储备约数，里面包括已签合同中尚未提供服务的金额，以及公司估计以后会确认的其他承诺合同金额。它不等于现金，也不等于下一年收入。设备要达到可用状态，服务也要真正交付，合同金额才会一段段进入财报。

这条链也解释了CoreWeave和普通软件公司的区别。软件公司增加一个客户，通常不用先买一批同等规模的硬件；CoreWeave每接一个大单，都可能先花几十亿美元准备设备和电力。订单越大，融资能力越重要。

利润在哪里？ 一台设备上线后，客户支付的算力费用先覆盖电力、机房、网络和维护，再承担设备逐年计入的成本与利息。只要设备使用率够高、收费高于这些成本，较早建成的机房就能贡献现金。问题在于，公司仍在高速扩张，新项目持续带来前期投入，老项目产生的钱还接不住全部建设需求。

三、先签合同再借钱建机房

CoreWeave最关键的一步，是把客户的算力需求写进长期合同，让贷款方可以评估未来现金流。2023年，公司获得23亿美元债务融资，融资方把GPU和相关资产放进担保范围。2024年，公司又宣布签订75亿美元债务融资协议，规模开始接近大型基础设施项目。

到了2026年，结构继续变化。一笔85亿美元融资额度同特定客户合同和GPU资产相连，项目本身负责还款；另一笔31亿美元贷款额度也会随着设备部署分批提取。这些数字是可用额度，并不代表签约当天已经全部借出。贷款方会同时评估设备价值、客户信用和未来几年的合同收费。

为什么贷款方愿意借？ 长期合同让未来收费比按量使用更容易预测，客户预付款也说明需求已经落到合同。CoreWeave还能按建设进度分批拿钱，减少资金长期闲置。不过，合同可靠不代表项目没有风险，客户信用、交付延迟、设备更新和电价都会改变回款。

这家公司还有两个补充能力。第一是同英伟达的关系，它经常较早部署新一代GPU，也能获得联合验证和工程支持。第二是软件层，它把大量GPU的任务调度、存储和监控做成云服务，后来又收购Weights & Biases，补上实验跟踪、模型评估和监控等开发工具。

硬件供应和软件工具连在一起以后，这种整合可能提高客户的迁移成本。训练团队要重新适配数据、任务调度、监控和故障处理，不能只比较每小时租金。CoreWeave仍然没有AWS、Azure和Google Cloud那样完整的产品线，它选择在AI计算这一条线上做深。

软件层到底解决什么？ 大模型训练可能同时调用成百上千块GPU，单块设备故障就会拖慢整项任务。CoreWeave的调度系统负责分配任务，运维系统负责监测故障并安排节点替换或任务转移；Weights & Biases帮团队跟踪实验、评估模型和监测运行状态。客户购买的因此是一套能持续运行的工作环境。

这也是专业AI云同通用云竞争的方式。CoreWeave用较少的产品换更快的设备部署和更深的工程支持，通用云则用更多企业软件和全球网络吸引客户。哪条路更划算，要看客户是否真的需要大规模GPU，以及专业服务节省的时间能否抵过迁移成本。

2025年，CoreWeave还曾提出用约90亿美元股票收购数据中心伙伴Core Scientific。如果交易完成，CoreWeave会更直接地控制土地、电力和机房资源。Core Scientific的业务从虚拟币挖矿延伸到数据中心，股东没有通过这笔交易，双方随后终止合并。收购没有完成，但它暴露出这门生意对土地、电力和机房资源的依赖。CoreWeave为什么想把这些资产买进来，值得以后单独拆解。

我更看重的能力有三层：拿到设备、按时建成机房、让客户的任务稳定运行。任何一层出问题，长期订单都可能从优势变成压力。到了这一步，就能看懂为什么最新财报一边很好看，一边又让人不敢放松。

四、约1040亿美元收入储备能否兑现，要看4个问题

先把2026年第二季度最关键的数字放在一起。收入25.75亿美元，同比增长112%；经营亏损4900万美元，比2026年第一季度的1.44亿美元亏损少。可同上年第二季度相比，日常经营从盈利1900万美元变成亏损，不能只看前一个季度就说公司已经站稳。

同上年同期对照，变化更清楚。当时收入12.12亿美元，经营利润1900万美元，净利息支出2.67亿美元。如今收入多了13.63亿美元，净利息支出也多了3.73亿美元，最终净亏损达到6.26亿美元。规模扩大带来了更多收入，日常经营和资金成本却还没有同时变好。

美联社把这次上涨归因于收入超过预期、亏损小于预期；投资者同时也会衡量债务成本。收入回答的是需求有多强，债务回答的是这份增长要付出多少代价。两种判断可以同时成立。

另一个参照更直观。2026年上半年，经营活动带来36.63亿美元现金，其中有13.65亿美元来自客户已经付款、公司尚未完成服务的金额增加；公司以现金购买物业、设备和内部软件却花了141.17亿美元。前一个数字只相当于后一个数字的大约四分之一，公司还要动用现有资金并继续融资才能推进建设。

公司也公布了15.10亿美元的调整后EBITDA。这是公司自行调整后的经营指标，拿掉了利息、设备逐年计入的成本和部分其他项目，适合观察核心业务的经营表现，却不是现金流。它不能替代净利润，贷款利息、设备投入，以及日常经营中应收、应付等占用资金的变化都是真实负担。

风险	财报里的信号	以后看什么
大客户太集中	第二季度前3位客户贡献72%收入	单个客户续约、缩减或转向自建算力
债务越来越重	期末债务账面金额约350.7亿美元，另有少量以租代买设备形成的付款义务	利息占收入比例、到期债务和再融资成本
合同跨年交付	约1040亿美元收入储备要跨多年确认	机房上线速度、延迟交付和客户取消条款
设备更新很快	当前GPU全部来自英伟达，设备会持续折旧	旧设备租价、利用率和转给新客户的能力

第一，少数大客户一旦调整采购，影响会很大。 第二季度匿名披露的前3位客户分别贡献36%、26%和10%的收入，合计72%。这三个比例没有和具体客户名称一一对应。少数客户增加采购时，收入会增长得很快；任何一家推迟项目，也可能让大量已经准备好的设备暂时闲置。

第二，债务先到，收入后到。2026年6月底，公司需要整体偿还的债务，以及主要由项目自身偿还的债务，账面金额合计约350.7亿美元，另有少量以租代买设备形成的付款义务，现金约55.2亿美元。同期扣除已计损耗后的物业和设备价值约467.4亿美元，主要包括技术设备、数据中心改造和在建工程。设备开始运行前不会产生完整收费，利息却从借款开始后就会累积。

第三，签约后还要按时交付。 财报明确说，收入储备取决于服务可用和交付条件。公司披露的已签合同中尚未提供服务的金额约1037亿美元，其中41%预计在未来24个月确认，另有39%预计在随后24个月确认，其余部分最晚延伸到第78个月。建设速度、电力接入和设备供应都会影响这张时间表。

第四，新一代GPU可能降低旧设备的吸引力。CoreWeave目前使用的GPU全部来自英伟达，现有客户合同也指定使用英伟达GPU。新一代产品性能更高以后，旧设备理论上可以转去承担推理、渲染和较小的训练任务，但实际租金和利用率仍不确定。设备最赚钱的阶段如果短于贷款期限，后期收入能否覆盖还款就会成为风险。

电力也会限制交付。吉瓦是电力容量单位，1吉瓦等于100万千瓦。第二季度末，公司已经投入使用的容量约1.5吉瓦，已经签约但尚未全部投用的容量约3.7吉瓦。后一个数字只是未来可以建设的基础，变成真正运行的机房还要经过接电、施工和设备安装。收入储备、签约电力和已经上线的算力属于三个阶段，不能混在一起看。

CoreWeave同时面对两类竞争者。AWS、Azure和Google Cloud可以把算力同数据库、安全和企业软件一起卖，资金成本也更低；Nebius、Crusoe等专业AI云也在争夺大规模算力需求。CoreWeave主打更快的设备部署和更深的工程支持，可它要持续证明，客户愿意为这些优势长期付费。

这4个问题没有直接否定约1040亿美元收入储备。它们只是把判断标准从“签了多少”拉回“交付多少、收到多少、还债后剩多少”。看懂这一层，才知道这家公司真正值得学什么。

五、它到底做对了什么

第一件事，旧资产及时换用途。 虚拟币行情转弱时，CoreWeave没有守着原来的收入来源，而是把GPU转去做渲染和机器学习。普通人能学的也很具体：工具过时之前，先问它还能解决哪类真实问题，再补上新客户需要的能力。

第二件事，先找到付费需求，再扩设备。 长期合同和预付款让公司提前知道谁会使用算力、愿意付多久的钱。做AI产品的团队也要把“很多人感兴趣”往前推一步，变成一项能验收、能续费、能说明使用频率的服务。没有真实付费，规模越大，成本越难收回来。

第三件事，把单点能力做成完整交付。CoreWeave从租GPU走到网络、存储、任务调度和模型工具，原因很简单：客户最终要任务按时跑完，设备参数只是中间条件。中国团队做AI产品时，同样需要补齐数据接入、权限、评估、故障处理和成本控制。

第四件事，融资和业务用同一张表算。 每笔建设都要回答客户是谁、合同多久、设备能否换给其他客户、收入怎样覆盖利息。这个方法值得学，但用债务把扩张速度推得过快，这一点要躲开。合同越集中、设备更新越快，融资结构越需要留下余地。

值得学的	该躲开的
在旧能力失去价值前寻找新用途	只因为手里有设备就扩张
用真实合同验证需求	把意向和收入储备当成现金
围绕客户结果补齐交付链	只卖参数，不管任务能否稳定完成
让融资期限匹配合同和设备寿命	用短期借款支撑过长的建设周期
提前准备多客户和设备再利用方案	让收入过度依赖少数客户和单一供应方

对普通人来说，机会大多不在买机房。算力越贵，企业越需要有人把模型调用次数、响应速度、错误率和实际产出算清楚。会做模型评估、推理优化、数据整理和AI项目成本管理的人，能直接帮助团队少花钱、快交付。

这些工作也不要求每个人都去设计芯片。运营人员可以学会记录模型使用量和费用，产品经理可以把效果写成可验收指标，开发者可以减少重复计算和空闲资源，行业人员可以判断模型输出是否真的解决业务问题。算力规模继续扩大时，能把技术费用翻成业务结果的人会更重要。

如果你正在公司里推动AI，可以从一个重复任务开始，先记录原来需要多少时间、结果怎样验收、每次调用花多少钱。稳定跑过一段时间，再决定扩大范围。CoreWeave的故事提醒我们，所有宏大的算力建设最后都要落到一件小事：客户是否愿意持续为结果付费。

对中国AI团队来说，更值得研究的是合同、产品和融资怎样互相匹配。先拿可核验的客户需求，再安排设备和资金；同时准备不同芯片、不同机房和不同客户之间的迁移方案。速度很重要，退路也要在扩张前写清楚。

六、几句真心话

我没有买CoreWeave的股票，也没有使用过它面向大型企业的长期算力服务。它最新财报里的收入确实增长很快，利息、设备投入和客户集中度带来的压力也很重。第二季度经营亏损比第一季度少了，但同上年第二季度相比，经营结果从盈利变成亏损。这条路还远没有轻松下来。

接下来我会盯4个信号。前两个是大客户收入占比是否下降、约1040亿美元收入储备能否按计划确认。后两个是旧GPU能否维持租金和利用率、经营现金能否承担更多设备投入。任何一项转弱，扩张速度都可能反过来增加压力。

普通人不需要因为百亿美元融资和吉瓦级机房觉得自己离AI太远。设备提供计算，产品团队把计算变成结果，行业客户再决定结果值不值得长期付钱。离客户最近的产品和行业应用层，仍然有大量工作可以做。

CoreWeave已经证明，虚拟币矿场里的GPU可以换一条收入路径。它接下来要证明的更难：如果大客户增加自建算力，新GPU又继续上市，旧设备和长期合同产生的钱还能不能覆盖越来越重的债务？我会一直盯着。

参考资料

以上仅为个人学习笔记与公开信息整理，不构成任何投资建议。投资有风险，决策请独立。

AI重度使用者｜每天拆一家前沿公司｜imluna.ai免费订阅｜Learn in Public