CABINET / The Physical Stack of AI / Neocloud
CoreWeave
本篇是 01-Neocloud作为新资产类别 之后第一篇单公司深度画像。CoreWeave 是 Neocloud 这个资产类别的”原型样本”——读懂它，就读懂了整个赛道的商业模式、融资结构和风险边界。GPU 折旧与债务结构的底层逻辑详见 08-GPU折旧与融资结构专题。
开篇：一句话画像
CoreWeave 成立于 2017 年，以太坊矿业起家，2019 年转型云计算，2022-2023 年成为 Nvidia 的”GPU 最优先经销商”和 Microsoft Azure 的主要算力外包方，2025 年 3 月在 Nasdaq 以股票代码 CRWV 上市，是 Neocloud 这个类别中规模最大、债务结构最复杂、公众关注度最高的公司。它的存在本身，是 AI 算力需求爆炸与传统云供给弹性不足之间结构性缺口的产物。
一、历史脉络：三次蜕变
1.1 第一阶段：以太坊矿工（2017-2019）
CoreWeave 的起点不在硅谷，而在大宗商品交易的世界里。三位创始人均有金融从业背景：
| 姓名 | 职位 | 背景 |
|---|---|---|
| Michael Intrator | CEO（首席执行官） | 大宗商品交易 |
| Brian Venturo | CSO（首席战略官） | 大宗商品交易 |
| Brannin McBee | CDO（首席开发官） | 大宗商品交易 |
三个从交易大宗商品起家的人，在 2017 年看到了另一种”矿”：以太坊（Ethereum）挖矿。GPU 是挖矿的核心工具，他们大量囤积 GPU，用算力换代币。
这段历史并非无关紧要。大宗商品交易的底层思维是：找到定价错误的资产，建立仓位，等待价差回归。CoreWeave 之后所有的财务操作——用 GPU 作抵押借款、签长协锁定现金流、用现金流再买 GPU——这套逻辑与商品交易的套利思维高度同构。
转型触发点：2019 年以太坊开始讨论从 PoW（工作量证明）向 PoS（权益证明）转型。PoS 不需要大量 GPU 算力进行挖矿，意味着 CoreWeave 的核心资产将在竞争优势上被削弱。他们需要找到 GPU 的新用途。
1.2 第二阶段：早期 AI 云（2019-2022）
转型的第一站是视觉效果（VFX）和渲染行业。影视后期制作对 GPU 算力有真实需求，且门槛比 AI 训练低，是验证业务模式的好切入点。2019-2021 年，CoreWeave 积累了一批动画工作室、游戏开发商和媒体公司作为早期客户。
2022 年发生了改变一切的事件：ChatGPT 横空出世（11 月发布），AI 训练对 GPU 的需求在几个月内从”专业人士的工具”变成”全行业抢购的战略物资”。
CoreWeave 面对这个时刻，做出了明确的战略选择：彻底转向 AI 云，放弃此前的渲染客户方向，All-in Nvidia GPU，All-in AI 训练和推理。
1.3 第三阶段：Neocloud 巨头（2022-2025）
这三年是 CoreWeave 的暴力增长期，几个关键节点串联起它的崛起轨迹：
2022 年底至 2023 年：在 Nvidia H100 供货极度稀缺期，CoreWeave 凭借与 Nvidia 的深度关系（后来 Nvidia 入股约 6%），获得远超竞争对手的 GPU 优先分配权。Azure、AWS 客户等不到货，直接找上门来。
2023 年：与 Microsoft 签订算力租赁合同（据报道总规模达 100 亿美元量级），Microsoft 转手将这部分算力用于支撑 OpenAI 的训练和推理需求。CoreWeave 实际上成了 Microsoft-OpenAI 这条算力供应链上的关键环节。
2024 年 5 月：Blackstone（百仕通）领衔的贷款财团向 CoreWeave 提供约 78 亿美元的抵押贷款，以 GPU 资产和长期合同现金流为抵押物。这是”GPU-backed Debt”（GPU 资产支持债务）结构走向主流的标志性案例。
2024 年底：CoreWeave 的 H100/H200 总持有量估计达 25 万张级别，是全球规模最大的独立 GPU 云运营商（不含 Microsoft/Google/AWS 自有资产）。
2025 年 3 月：
- 3 月中旬，OpenAI 公布与 CoreWeave 的 119 亿美元、5 年期算力协议（OpenAI 直接绕过 Microsoft，首次与 Neocloud 签大单）。
- 3 月 28 日，CoreWeave 以每股 40 美元（低于最初预期的 47-55 美元区间）在 Nasdaq IPO，融资约 15 亿美元，IPO 时市值约 230 亿美元（估）。
二、资产画像：GPU 帝国的物理底盘
2.1 数据中心版图
CoreWeave 的数据中心布局以美国为主，兼顾欧洲扩张：
| 地区 | 主要州/城市 | 战略考量 |
|---|---|---|
| 美国东部 | 弗吉尼亚州（Northern Virginia） | 靠近 AWS、Azure 数据中心走廊，电力基础设施成熟 |
| 美国中部 | 伊利诺伊州（芝加哥） | 电力成本相对低，气候适宜散热 |
| 美国南部 | 德克萨斯州 | 电力解管制市场，潜在低价电力 |
| 美国西部 | 内华达州 | 气候干燥，散热成本低 |
| 英国 | 伦敦周边 | 欧洲算力需求的跳板，早于大陆监管风险 |
| 欧洲大陆 | 扩张中 | 欧洲数据主权需求（与 Nebius 形成竞争） |
预计 2026 年运营数据中心数量将达到 30 座以上（估）。
2.2 GPU 车队规模
这是 CoreWeave 最核心的资产，也是其债务结构的”抵押品”：
| GPU 型号 | 估算持有量 | 单卡采购价（估） | 计算能力特征 |
|---|---|---|---|
| H100 SXM5 | 主体，~20 万张（估） | $3-4 万美元 | AI 训练主力，英伟达 Hopper 架构 |
| H200 | 补充，数万张（估） | $4-5 万美元 | H100 升级版，HBM3e 高带宽内存 |
| B100/B200 | 订单中，规模未公开 | $5-8 万美元（估） | 英伟达 Blackwell 架构，下一代主力 |
关键数字：2024 年底 H100/H200 合计约 25 万张（估），账面原值估算超过 80 亿美元。这一规模意味着 CoreWeave 是全球前三大 Nvidia GPU 持有方之一（另外两个是 Microsoft 和 Google）。
2.3 电力资源
AI 数据中心的能源消耗极高（一张 H100 的满载功耗约 700W，25 万张理论峰值功耗约 175MW，相当于中等城市的用电量级）。CoreWeave 的电力策略：
- 与多家公用事业公司签订 PPA（Power Purchase Agreement，购电协议），锁定电力成本
- 地理多元化以分散电网风险（不依赖单一州的电网稳定性）
- 与 513 电力系统研究中描述的”数据中心电力需求爆炸”高度吻合：CoreWeave 的扩张本身就是传统电力公用事业最大的增量需求来源之一
三、客户结构：一个致命的 62%
3.1 微软：62% 收入的双刃剑
2024 年，CoreWeave 62% 的收入来自单一客户——Microsoft（微软）。
这个数字本身就是 CoreWeave 最重要的分析起点。一方面，微软的大额采购让 CoreWeave 在 2023-2024 年极度稀缺的 GPU 环境中快速做大规模，积累了足够的运营经验和资产基础，能够以此为抵押进行大规模融资。另一方面，62% 的客户集中度意味着：如果微软决定减少采购，CoreWeave 的现金流将立即陷入危机。
微软为什么大量从 CoreWeave 采购算力？这要从 Microsoft-OpenAI 的关系说起。
微软向 OpenAI 承诺了天量算力支持（承诺总投资超过 130 亿美元），但 Azure 自有 GPU 产能的建设速度跟不上 OpenAI 的需求增速。于是微软成了 CoreWeave 的最大买主：从 CoreWeave 租 GPU，转手提供给 OpenAI。
这形成了一个微妙的三角结构，详见下文第五节。
3.2 OpenAI 119 亿大单：去云化的号角
2025 年 3 月，OpenAI 直接与 CoreWeave 签订了 119 亿美元、为期 5 年的算力协议。
这个动作的信号意义远超财务意义本身：
- OpenAI 第一次不经过微软，直接与第三方算力供应商建立大规模合作
- 这是 AI 实验室”去云化”（即降低对单一云服务商依赖）的第一个里程碑式事件
- 对 CoreWeave 而言：RPO（剩余履约义务）数字大幅提升，看多叙事获得新弹药
- 对微软而言：虽然短期仍持有 OpenAI 大量股权，长期控制力边界开始模糊
不确定性提示：119 亿美元是合同面值。实际每年支付金额、合同是否含有减量条款、技术架构变化（如推理需求上升带来的 GPU 类型偏好转变）都可能影响实际现金流。
3.3 RPO（剩余履约义务）：确定性的真相
概念解释：RPO（Remaining Performance Obligations，剩余履约义务）白话说，就是”公司已经签了合同但还没提供服务的金额总和”。举个例子：你跟健身房签了一年会员，交了 3000 元，但今天刚办卡，那 3000 元就是健身房的 RPO。RPO 高说明未来收入有保障，但它不等于现金，而且合同有可能被修改或终止。
CoreWeave 的 RPO 轨迹：
| 时间节点 | RPO 金额（估） | 主要驱动 |
|---|---|---|
| 2024 年 Q4 | 约 150 亿美元 | Microsoft 长期合同累计 |
| 2025 年 Q1（IPO 后） | 约 250 亿美元 | +OpenAI 119 亿新签合同 |
看多方的核心论点正是这 250 亿 RPO：“未来 5 年收入高度确定，可以支撑持续扩张和高估值。”
需要追问的三个问题：
- RPO 中每年到期的节奏是什么？前期合同密集到期时，续约率是多少？
- 合同中是否有”Take-or-Pay”条款（即客户必须支付，即使不用够）？还是有下限保护？
- 技术变迁（如 AI 模型从训练密集转向推理密集）是否会导致客户减少实际调用？
四、债务结构：GPU-backed Debt 的完整拆解
这是 CoreWeave 最独特也最有争议的部分。要理解 CoreWeave，必须先理解它如何用 GPU 借钱。
4.1 什么是 GPU-backed Debt？
类比理解：GPU-backed Debt（GPU 资产支持债务）类似于房屋抵押贷款。房贷的逻辑是：你用房子作抵押，银行根据房子的价值和你未来的还款能力（收入）来决定贷多少钱。GPU-backed Debt 的逻辑相同：用 GPU 硬件作抵押物（类比”房子”），用长期客户合同的现金流作还款来源（类比”收入证明”），向银行或私募信贷机构借款。
为什么 GPU 可以作为抵押物？
三个关键条件：
- GPU 有明确的市场价格和残值曲线（虽然贬值，但短期内流动性尚可）
- 长期客户合同提供可预测的现金流，让借款方看到还款来源
- 融资期限（通常 3-5 年）与 GPU 的主要使用寿命匹配
4.2 SPV 融资机制
概念解释：SPV（Special Purpose Vehicle，特殊目的载体）白话说就是”专门为某笔融资成立的空壳公司”。为什么需要这个空壳公司？因为如果直接用母公司借款，万一母公司其他业务出问题，所有债务就混在一起很复杂。SPV 的作用是把”这批 GPU + 这个客户合同”的资产和风险与母公司的其他业务隔离开来，方便贷款方直接控制抵押品。
CoreWeave 的操作逻辑（简化版）：
第一步：选定一批 GPU（例如 2 万张 H100）
+ 对应的一份长期客户合同（例如微软某区块算力协议）
第二步：把这批 GPU 和合同打包放进一个 SPV（特殊目的载体）
第三步：以 SPV 的资产（GPU）和现金流（合同收入）为抵押
向 Blackstone 等私募信贷机构借款
第四步：用借来的钱购买更多 GPU
新的 GPU 再成立新的 SPV，继续融资
循环：GPU 规模不断扩大 → 可抵押资产增加 → 债务容量增加这套机制在 AI 算力需求爆炸的 2023-2024 年极度有效，因为每购入一批 GPU 几乎立刻能签到客户合同，形成正反馈。
4.3 Blackstone 78 亿美元贷款：里程碑案例
2024 年 5 月，以 Blackstone（黑石集团）为主导的私募信贷财团向 CoreWeave 提供约 78 亿美元的大规模有担保贷款，创下当时科技领域私募信贷的历史记录。
| 要素 | 内容 |
|---|---|
| 贷款规模 | 约 78 亿美元（估，据报道） |
| 主要贷款方 | Blackstone Credit、Magnetar Capital 等私募信贷机构 |
| 抵押物 | H100/H200 GPU 资产 + 对应长期客户合同 |
| 利率 | 据报道 11-14%（浮动或固定，具体条款未公开） |
| 融资期限 | 与 GPU 使用寿命匹配，约 3-5 年 |
| 用途 | 持续扩张 GPU 车队规模 |
这笔贷款的意义在于：它验证了”GPU 是可以作为金融资产进行高杠杆融资的抵押物”这个假设。Blackstone 等顶级信贷机构的入场，为 GPU-backed Debt 这个资产类别贴上了机构认可的标签。
4.4 PIK 结构详解
概念解释：PIK（Payment-in-Kind，实物支付）白话说，就是”借款方不用现金支付利息，而是把利息加到本金上”。举例：借了 100 元，约定年利率 10%，PIK 结构下第一年末不还 10 元利息，而是本金变成 110 元，继续计息。
为什么 CoreWeave 的部分债务使用 PIK 结构？
早期 CoreWeave 处于大规模扩张阶段，现金要全部用于买 GPU，没有余力支付高额利息。PIK 允许它推迟现金支出，用”未来更大的收入”来还利息。这类似于初创公司”先做大再还钱”的逻辑。
PIK 的代价：复利效应下，本金越滚越大。如果增长不如预期，将来要还的债务总额远超最初借款。
4.5 IPO 后的资本结构快照
CoreWeave 2025 年 3 月 IPO 融资约 15 亿美元，主要用于偿还部分短期债务和补充流动性。
关键会计术语说明：
- 净债务（Net Debt）：总有息债务（所有要付利息的借款）减去账上现金。净债务是衡量公司实际债务负担的更准确指标，因为账上现金理论上可以用来还债。
- EBITDA（息税折旧摊销前利润）：Earnings Before Interest, Taxes, Depreciation, and Amortization。这个指标把利息、税、折旧、摊销都加回来，反映公司”核心业务的现金盈利能力”，排除了不同公司折旧政策差异和融资结构差异的影响。
| 资本结构指标 | 估算（2025 年 Q1，IPO 后） |
|---|---|
| 有息债务总额 | 约 80-100 亿美元（估） |
| 账上现金（IPO 融资后） | 约 10-15 亿美元（估） |
| 净债务（Net Debt） | 约 70-90 亿美元（估） |
| 年化利息支出 | 约 8-12 亿美元（估，按 11-14% 利率计算） |
| 2025E EBITDA（调整后） | 约 10-15 亿美元（估） |
| 净债务 / EBITDA | 约 6-9 倍（估，属于高杠杆范围） |
为什么债务争议大？原因就在这组数字里：如果年化利息支出接近或超过 EBITDA，那么 CoreWeave 在扣除折旧之前就已经把大部分现金盈利用来还利息了。在增长维持高速的情况下，这个模型运转；一旦增长放缓，利息覆盖能力将迅速恶化。
五、Microsoft-CoreWeave-OpenAI 三角关系
这是理解 CoreWeave 商业模式最关键的一节。表面上看是三家公司的合作，本质上是算力控制权的博弈。
第一层（2021-2023）：OpenAI 的算力依赖
OpenAI 需要大量 GPU 训练 GPT 系列模型。微软承诺向 OpenAI 提供算力，作为战略投资条件的一部分。OpenAI 的算力 100% 来自 Azure，微软掌握着 OpenAI 的命脉。
第二层（2023-2024）：微软的供给缺口
微软 Azure 自有数据中心的 GPU 产能建设速度跟不上 OpenAI 的需求增速。微软需要外包部分算力供给。CoreWeave 凭借与 Nvidia 的深度关系，能够快速调配大批量 H100，成为微软最大的外部算力供应商。CoreWeave 的 62% 收入实际上是微软把”对 OpenAI 的算力承诺”转包给 CoreWeave 的结果。
第三层（2025 年初）：OpenAI 开始”去微软化”
OpenAI 意识到完全依赖 Azure 的风险：微软可以通过控制算力来影响 OpenAI 的谈判筹码。于是 OpenAI 主动与 CoreWeave 直签 119 亿美元合同，绕过微软这个中间层，直接掌控部分算力来源。
第四层：微软的应对
微软面临双重压力：一方面，OpenAI 在减少对 Azure 的依赖；另一方面，微软自身也在加速自建 AI 芯片（Maia 系列）和数据中心，以期减少对 CoreWeave 的依赖。
这个三角关系的核心矛盾：
OpenAI 想要独立 → 绕过微软，直签 CoreWeave
微软想要控制 → 希望 OpenAI 继续依赖 Azure
但同时也在减少对 CoreWeave 的依赖（自建产能）
CoreWeave 想要多元化 → 欢迎 OpenAI 直签，降低对微软的单一依赖
但短期内仍无法迅速替代 62% 的微软收入
Nvidia 想要生态扩张 → 支持所有人都买更多 GPU关键观察：微软如果在 2027-2028 年完成自有 GPU 数据中心的大规模建设，CoreWeave 与微软的合同续约前景将面临真正考验。OpenAI 的 119 亿合同能否完全填补这个潜在缺口，是最重要的未知数之一。
六、财务画像
6.1 收入增速
| 年份 | 收入（估） | 同比增速 | 关键驱动 |
|---|---|---|---|
| 2022 | 约 2500 万美元 | 基数小，不具参考意义 | VFX + 早期 AI 客户 |
| 2023 | 约 2.3 亿美元 | 约 9 倍 | Microsoft 合同启动 |
| 2024 | 约 19 亿美元 | 约 7 倍 | Microsoft 合同放量，GPU 车队大幅扩张 |
| 2025E | 约 30-40 亿美元 | 约 1.5-2 倍 | OpenAI 新合同贡献 + B200 车队扩张 |
从接近零到 2024 年近 20 亿美元，三年增长约 80 倍。这种增速在企业服务历史上极为罕见，但也意味着基数效应将很快压制增速数字。
6.2 盈利能力
关键会计术语说明：
- 毛利率（Gross Margin）：（收入 - 直接成本）/ 收入。直接成本主要包括 GPU 折旧、数据中心运营成本（电费、冷却、维护）。
- 净亏损：扣除所有费用（包括大额折旧和利息）后的亏损。
| 盈利指标 | 2024 年（估） | 说明 |
|---|---|---|
| 毛利率 | 约 28-32% | 受 GPU 高折旧拖累（H100 单价 3-4 万美元，3-5 年摊销） |
| 调整后 EBITDA | 正值（估约 5-8 亿美元） | 加回折旧和股权补偿后的核心盈利指标 |
| GAAP 净亏损 | 大幅为负 | 高额折旧（GPU 摊销）+ 财务费用（利息）+ 股权激励 |
为什么毛利率只有约 30%，传统云有 40-60%？核心原因是 GPU 折旧。一张 H100 成本约 3-4 万美元，使用寿命按 3-5 年计算，每年折旧就是 6000-13000 美元。CoreWeave 25 万张 GPU 每年的折旧摊销就是数十亿美元量级，直接压低毛利率。
6.3 现金流
| 现金流指标 | 方向 | 原因 |
|---|---|---|
| 经营性现金流（Operating Cash Flow） | 正值（估） | 大客户长协提前收款，实际现金先到 |
| 资本支出（CAPEX，Capital Expenditure） | 极大负值（估 150-230 亿美元） | 持续购入 GPU 和建设数据中心 |
| 自由现金流（FCF，Free Cash Flow） | 大幅为负 | 经营现金流 - CAPEX，缺口巨大 |
| 融资现金流 | 正值 | 靠 IPO + 债务融资填补 FCF 缺口 |
一句话理解：CoreWeave 是一台”融资机器”。它用长期合同向客户借”未来的收入”，同时用 GPU 资产向银行借钱，然后把借来的钱全部砸进购买更多 GPU。只要 AI 资本支出周期维持，这台机器能持续运转；一旦外部融资收紧，机器就会卡壳。
6.4 估值
关键会计术语说明：
- EV（Enterprise Value，企业价值）：市值 + 净债务。EV 反映的是”如果你要买下这家公司，你需要支付多少钱”，因为买公司同时也要承担它的债务。
- EV/Revenue（企业价值 / 收入）：衡量投资者愿意为每一元收入支付多少企业价值。
- EV/EBITDA（企业价值 / 息税折旧摊销前利润）：衡量投资者愿意为每一元核心盈利支付多少企业价值，适合比较不同资本结构公司。
| 估值指标 | 估算（2026 年 4 月） |
|---|---|
| 市值 | 约 250-350 亿美元（估，基于 IPO 后股价走势推算；请参考实时行情） |
| 净债务 | 约 70-90 亿美元（估） |
| EV（企业价值） | 约 320-440 亿美元（估） |
| 2025E 收入 | 约 35 亿美元（估，取中值） |
| EV / 2025E Revenue | 约 9-13 倍（估） |
| 2025E 调整后 EBITDA | 约 10-12 亿美元（估） |
| EV / 2025E EBITDA | 约 27-44 倍（估） |
对标参照：传统云（AWS/Azure/GCP）的 EV/EBITDA 约 20-30 倍，REITs（房地产信托基金）约 15-20 倍。CoreWeave 当前估值隐含了高于传统云的增长溢价，但也意味着一旦增速不及预期，下行空间可观。
七、真正护城河
| 护城河维度 | 强度评估 | 说明 |
|---|---|---|
| GPU 获取优先权（Nvidia 关系） | ★★★★ | 2023-2024 年稀缺期的最关键优势，随 Blackwell 产能释放会弱化 |
| 规模运营能力 | ★★★★ | 从矿工积累的大规模 GPU 运维经验（散热、网络、调度），同等规模下稀缺 |
| Microsoft 锚定客户 | ★★★ | 确定性收入，但同时是最大的集中度风险 |
| 先发优势与数据中心布局 | ★★★ | 在优质电力地点的选址已完成，后来者复制需要时间和更高成本 |
| IPO 后融资能力 | ★★★ | 公开市场地位使未来融资渠道更多元 |
| 技术差异化 | ★★ | 主要是 Nvidia 生态整合，自研能力弱，软件护城河浅 |
最真实的护城河：CoreWeave 的核心竞争力不是”有多少 GPU”，而是在2023-2024 年最稀缺的时间窗口内，它是唯一一家能够在几个月内交付 H100 万卡集群的供应商。这个能力来自 Nvidia 关系 + 矿工积累的运营经验 + 大宗商品交易出身的财务杠杆思维三者的组合，不是单一因素可以解释的。
随着 Blackwell 芯片大规模出货，GPU 稀缺期逐渐结束，这个护城河的独特性会下降。CoreWeave 需要在 2025-2026 年将”GPU 规模第一”转化为更深的软件和服务层粘性，否则单纯的硬件租赁商的估值溢价会消失。
八、真实风险
8.1 客户集中度（最大风险，优先级一）
62% 收入依赖微软这一个客户，这不是普通的客户集中度风险，而是系统性风险。
微软的自建产能进度（Maia 2 AI 芯片 + Azure 自有数据中心）是 CoreWeave 股价最大的宏观威胁。如果微软在 2027-2028 年实现自给自足，CoreWeave 需要在极短时间内用 OpenAI 等新客户替代约 60% 的收入来源，这在实践中极为困难。
8.2 债务负担与利率敏感性（优先级二）
年化利息支出 8-12 亿美元（估）的量级，意味着 CoreWeave 每年需要从核心业务中拿出相当于 2025E 收入约 25-35% 的现金来支付利息。如果利率不下降，或者债务到期需要以更高利率再融资，财务压力将显著上升。
8.3 GPU 残值与折旧假设风险（优先级三）
这是 GPU-backed Debt 结构最隐蔽的风险。当 Blackstone 在 2024 年以 H100 为抵押物借出 78 亿美元时，这个估值基于 H100 能在 3-5 年内保持一定残值的假设。
但如果 B200 的性能使 H100 提前过时（即 H100 的”使用寿命”从 5 年压缩到 3 年甚至 2 年），那么：
- 抵押物价值下降，借款方可能要求补充抵押或提前还款
- 更高的折旧摊销进一步压低 GAAP 利润和账面净资产
- 客户可能要求更换为 B200，CoreWeave 需要提前置换 GPU 车队，带来额外资本支出
这个风险的深层分析详见 08-GPU折旧与融资结构专题。
8.4 技术变化（优先级四）
AI 工作负载正在从”大批次训练”向”持续推理”演进。训练需要巨型集群（CoreWeave 的强项），推理可以分散在更小、更灵活的节点上。如果未来算力需求主要由推理驱动，CoreWeave 的商业模式需要相应调整。
8.5 竞争加剧（优先级五）
| 竞争类型 | 代表公司 | 威胁程度 |
|---|---|---|
| 同类 Neocloud | Nebius、Lambda Labs、CoreWeave 的小兄弟们 | 中（规模差距大） |
| 挖矿转型派 | IREN、Hut 8 | 低（规模远小于 CoreWeave） |
| 传统云反击 | AWS Trainium 2、Azure Maia 2、GCP TPU v5 | 高（长期最大威胁） |
| 自建数据中心 | xAI（马斯克）、Meta、OpenAI 自建 | 中高（需求侧减少外购） |
九、投资论点
9.1 看多论点
- RPO 250 亿美元提供 5 年确定性：签约未兑现合同金额约为 2025E 收入的 7 倍，为持续扩张提供财务能见度
- 规模优势带来最优单位经济：25 万张 GPU 的运营规模意味着采购成本、运营成本、折旧摊销都有同行无法比拟的规模优势
- B200 时代继续领先：与 Nvidia 的深度关系确保 Blackwell 架构 GPU 的优先获取
- AI 算力需求仍在加速：大模型训练成本仍在上升，推理端爆发带来增量需求，整体 AI 算力需求支撑长期增长叙事
9.2 看空论点
- 微软自建完成时的收入压力：62% 收入来源的可持续性存疑，微软 Maia 芯片进展值得密切监控
- 债务成本侵蚀毛利：在利率不显著下降的情况下，高额利息支出会将有限的毛利空间进一步压缩
- GPU 折旧加速：Blackwell 代际升级速度如超预期，H100 车队的价值重估将是双重打击（抵押品贬值 + 客户要求升级）
- 估值过高：当前 EV/EBITDA 约 30-44 倍（估），已隐含多年高速增长，容错空间小
9.3 基准估值框架
CoreWeave 不应该用科技公司的市销率倍数来估值，更应该用基础设施资产的 EV/EBITDA 框架。原因在于它的收入高度确定（长协），资产是实物资产（GPU），现金流模式更接近 REITs（房地产信托）或飞机租赁公司（Aircraft Leasing）。
| 可比框架 | 合理 EV/EBITDA 范围 | 逻辑 |
|---|---|---|
| 数据中心 REITs（Equinix/Digital Realty） | 20-30 倍 | 长协 + 实物资产，但 CoreWeave 增速更高 |
| 飞机租赁公司（Air Lease Corp） | 8-12 倍 | 类似的资产抵押融资结构，但增速更低 |
| 高增长基础设施混合框架 | 15-25 倍 | 综合考量增速溢价与债务折价 |
基准情景估算：
- 2026E 营收约 50 亿美元（乐观，估）
- 调整后 EBITDA 利润率约 35%，则 EBITDA 约 17.5 亿美元（估）
- 合理 EV/EBITDA 约 20 倍 → EV 约 350 亿美元（估）
- 减去净债务约 80 亿美元 → 合理市值约 270 亿美元（估）
这与当前市值（估约 250-350 亿美元）基本匹配，说明市场当前定价基本反映了中性情景。上涨需要 OpenAI 合同超额执行 + 微软续约强于预期；下跌则来自上述看空因素的任意一个实质化。
十、追踪清单
| 追踪信号 | 来源 | 含义阈值 |
|---|---|---|
| 季度 RPO 变化 | CoreWeave 季报 | 新签合同是否能覆盖当季履约消耗；停止增长 = 增长叙事动摇 |
| 微软收入占比 | CoreWeave 季报（客户集中度披露） | 降至 50% 以下 = 多元化成功；升至 70% 以上 = 风险加剧 |
| 利息覆盖率（EBIT / 利息支出） | CoreWeave 季报 | 低于 1.5 倍 = 偿债能力警戒线 |
| 微软 Maia 芯片量产进度 | 微软季报 + 行业报道 | 宣布大规模量产 = CoreWeave 大客户关系实质性威胁 |
| OpenAI 算力采购多元化 | 行业报道 | OpenAI 与其他 Neocloud（Nebius/Lambda）签约 = CoreWeave 非独家地位确认 |
| H100/H200 二级市场价格 | GPU 交易平台（CoreWeave Spot、Lambda Labs 等） | 快速下跌（季度跌超 20%）= 抵押品价值侵蚀信号 |
| B200/GB200 交付给 CoreWeave 的节奏 | Nvidia 季报 + CoreWeave 公告 | 交付延迟 = 下一代产品迭代受阻；提前交付 = 车队升级加速，短期资本支出上升 |
十一、本篇核心判断（5 条）
判断一：客户集中度是真正的阿喀琉斯之踵，市场对此理解不足
62% 收入依赖微软不只是财务风险，更是战略风险。微软与 CoreWeave 的合同实质上是”微软无力自建时的过渡安排”，而非”永久性的核心战略合作”。随着 Maia 2 量产和 Azure 自有数据中心建设的推进，微软完全有动机和能力在 2027-2028 年大幅削减对 CoreWeave 的依赖。届时，OpenAI 119 亿合同能否真正覆盖缺口，将是 CoreWeave 股价最关键的考验时刻。
判断二：GPU-backed Debt 结构在 GPU 技术迭代面前存在根本性张力
以 H100 为抵押物借出的 78 亿美元，其内在逻辑是 H100 在合同期内能保持足够残值和使用价值。但 Nvidia 的迭代速度（Hopper → Blackwell，约 2 年一代）意味着 H100 可能在 2026-2027 年就面临客户要求升级的压力。GPU 折旧加速 + 抵押品价值下降的双重压力，是 GPU-backed Debt 这个模型尚未经历真正压力测试的核心假设。
判断三：RPO 是看多叙事的根基，但不等于收入确定性
250 亿 RPO 是 CoreWeave 估值支撑的核心论据。但合同面值不等于现金流确定性：技术变迁（训练向推理转变）可能导致客户要求重新谈判算力类型；大单中是否有 Take-or-Pay 条款（强制支付条款）的细节尚未完全公开；OpenAI 自身的财务状况（如果融资遇阻）也会影响合同履约。在完整合同条款披露之前，250 亿 RPO 需要打一个不小的折扣来理解其实际确定性。
判断四：CoreWeave 的真正护城河是运营能力，而非 GPU 数量本身
从大宗商品交易转为以太坊矿业，再到 AI 云，CoreWeave 三位创始人最核心的能力是对可抵押资产进行高效杠杆化运营的能力——这是一种介于金融工程和实物资产运营之间的稀缺能力。纯粹靠钱买 GPU 并不难（资本充裕的公司都能做），难的是在 25 万张 GPU 规模下保持 99.9% 的可用性，同时维持高效的 SPV 融资结构。这个运营能力是其他 Neocloud 短期内最难复制的。
判断五：估值需要用类 REITs 框架，而非科技公司框架
CoreWeave 的收入来自实物资产（GPU）的长期租约，现金流高度可预测（长协），融资方式是资产抵押债务，这与科技公司的高毛利轻资产模式截然不同。用 20-30 倍 PS 来估值 CoreWeave 是方法论错误；应该用 EV/EBITDA，参照数据中心 REITs（20-30 倍）或飞机租赁（8-12 倍）的中间值，约 15-22 倍 EV/EBITDA 是更合理的基准区间。按这个框架，当前估值基本处于中性情景上限，没有明显的安全边际。
附录：关键词速查表
| 术语 | 英文 | 白话解释 |
|---|---|---|
| RPO | Remaining Performance Obligations | 已签约但还没履行的合同金额总和，代表未来收入的预定量 |
| SPV | Special Purpose Vehicle | 为特定资产融资成立的独立法律实体，隔离母公司风险 |
| PIK | Payment-in-Kind | 利息不现金支付，而是累加到本金，延迟现金出去 |
| EV | Enterprise Value | 市值 + 净债务，代表收购一家公司需要支付的真实总价格 |
| EBITDA | Earnings Before Interest, Taxes, Depreciation and Amortization | 息税折旧摊销前利润，衡量核心运营盈利能力 |
| 净债务 | Net Debt | 总有息债务减去现金，反映实际债务负担 |
| CAPEX | Capital Expenditure | 资本支出，用于购买固定资产（GPU、数据中心）的现金支出 |
| 毛利率 | Gross Margin | （收入 - 直接成本）/ 收入，反映业务本身的盈利效率 |
| 自由现金流 | Free Cash Flow (FCF) | 经营现金流 - CAPEX，衡量公司”真正赚到手”的现金 |
本文档是本章（Neocloud）第四篇，撰写于 2026-04-21。 本篇所有财务数据未注明”估”者为公开披露数据，注明”估”者为基于公开信息的合理推算，不构成投资建议。