CoreWeave2026财年年报业绩会议总结
一、开场介绍
会议时间： 2026财年
主持人说明：
介绍会议主题为“机架级革命内幕：CoreWeave与Nvidia如何构建人工智能下一次飞跃的基础”；说明会议将录制并在结束后发送录音，会议结束时设问答环节，参会者可在问答框提交问题。
管理层发言摘要：
Harsh Banwait（CoreWeave产品总监）：模型已从数十亿参数发展到万亿参数时代，数据中心成为“人工智能工厂”，机架、网络和冷却系统设计与GPU同等重要；本次会议将探讨计算需求增长驱动因素、Nvidia Blackwell等平台的技术突破，以及CoreWeave如何将其转化为生产就绪型基础设施。
Kirthi K. Devleker（Nvidia技术营销负责人）：人工智能发展出预训练扩展、训练后扩展、测试时扩展（推理）三种扩展定律，推动计算需求增长；Nvidia通过Blackwell、Blackwell Ultra及Rubin平台应对挑战，实现性能与效率提升。
二、财务业绩分析
核心财务数据
暂无信息
关键驱动因素
暂无信息
研发投入与成果
参与MLPerf基准测试：使用2500个GPU运行Nvidia Blackwell基准测试，扩展效率约91%；首次提交GB200 NVL72推理结果，性能较上一代Hopper GPU提升约3倍；MLPerf 5.1中首次提交GB300结果，FB4张量核心实验室性能较Blackwell提升50%，GB300吞吐量较Hopper H100提高近6.5倍。
技术认证：CoreWeave的GB200 NVL72系统获Nvidia典范认证，通过架构、性能、运营成熟度验证，模型浮点运算利用率较基准数字高出5%。
运营效率
硬件部署：部署基于Blackwell和Blackwell Ultra的实例一年多，通过Rack Lifecycle Controller实现机架从物理安装、节点测试到机架级测试的自动化流程，确保交付前生产就绪。
用户体验优化：开发Sunk产品拓扑块插件，将NVL72机架视为18个节点的块，优化作业调度与NVLink域利用；提供Cabinet Visualizer和Cabinet Wrangler仪表板，支持集群级GPU利用率、温度等监控。
液冷技术：多数新数据中心采用液冷设计，与数据中心提供商、CDU供应商合作优化冷却性能，制定操作手册确保规模监控与维护。
市场拓展
宣布将成为首批提供基于Vera Rubin实例的云提供商之一，计划2026年下半年推出；与Nvidia深入合作Rubin平台，支持下一代人工智能模型训练与服务。
四、未来展望及规划
短期目标（2026年）
推出基于Vera Rubin平台的实例，进一步提升人工智能训练与推理性能。
持续优化现有Blackwell、Blackwell Ultra基础设施的用户体验与运营效率。
中长期战略
与Nvidia保持紧密合作，跟进下一代平台（如Ruby架构），提前布局产品迭代与技术准备。
聚焦人工智能基础设施领域，为客户提供大规模、高性能、可预测的生产就绪型解决方案，支持万亿参数模型及智能体系统等复杂工作负载。
五、问答环节要点
Vera Rubin平台价值
问：除了更快的GPU，Vera Rubin的主要区别是什么？
答：Vera Rubin强调整个堆栈协同设计，整合CPU、DPU、网络交换机等组件，优化软件与算法，以最小化总体拥有成本（TCO），提升投资回报率（ROI），而非仅依赖GPU性能提升。
架构过渡准备
问：CoreWeave如何为Nvidia Ruby架构过渡做准备？
答：产品设计已考虑下一代架构，Rack Lifecycle Controller、Cabinet Visualizer等工具可平滑过渡；与Nvidia密切合作，根据新架构需求迭代现有产品或开发新产品。
机架级系统适用场景
问：机架级系统最适合哪些工作负载？AGX与GB200的理想用途是什么？
答：机架级架构适合大型模型（数十亿或万亿参数）及高推理性能需求场景；AGX主要适用于x86遗留应用，选择需结合模型类型、数据中心基础设施及冷却等因素。
问：企业构建智能体系统是否适合机架级基础设施？
答：是的，智能体系统需实时扩展，机架级系统可提供更高每秒令牌数与效率，建议通过概念验证确定最适合的方案。
六、总结发言
管理层感谢参会者参与，强调CoreWeave与Nvidia合作构建的机架级基础设施对人工智能发展的重要性；
鼓励客户就基础设施需求、应用场景与技术选择联系沟通，以提供定制化解决方案；
对Vera Rubin平台的推出及未来技术发展表示期待，致力于为客户提供前沿、高效的人工智能基础设施支持。