CoreWeave(CRWV)的收入來源有哪些?GPU 雲端服務、客戶結構與獲利模式解析

更新時間 2026-07-16 03:45:43
閱讀時長: 4m
CoreWeave 的主要收入來源是 GPU 雲端運算服務。該公司提供大規模 GPU 運算資源、AI 數據中心和雲端基礎設施,協助人工智慧公司、科技企業與高效能運算用戶進行模型訓練、推理和運算。其商業模式以 GPU 資源租賃、長期算力合約及 AI 基礎設施營運能力為核心。

隨著生成式 AI 與大型語言模型迅速發展,企業對 GPU 算力的需求持續攀升。CoreWeave 透過打造專屬 AI 雲端基礎設施,將高昂且複雜的 GPU 運算資源轉化為企業可即時取用的雲端服務。

根據 CoreWeave 公開財報,近年公司收入呈現爆發性成長:2023 年收入為 2.29 億美元,2024 年大幅增至 19 億美元,預計 2025 年將達 51 億美元。這波成長主要來自 AI 工作負載激增與 GPU 雲端服務規模擴大。

CoreWeave 的主要收入來自哪些業務

CoreWeave 的主要收入來自哪些業務

CoreWeave 的營收核心來自 GPU 雲端基礎設施服務,包含向客戶提供 GPU 運算實例、AI 訓練環境及高效能運算資源。客戶依據其運算資源用量、合約期間及服務需求支付費用,使 CoreWeave 的商業模式更貼近專業雲端基礎設施服務商。

不同於傳統軟體公司主要仰賴訂閱授權,CoreWeave 收入主要來自算力資源使用。公司需持續投入 GPU 硬體、資料中心與網路基礎設施,再以算力服務為客戶創造價值。

根據公司公開資訊,CoreWeave 的收入成長動力來自 AI 雲端服務,而非傳統雲端運算如資料庫、儲存或企業軟體業務。

收入來源 業務內容
GPU 雲服務 提供 AI 訓練、推理及高效能運算所需 GPU 資源
長期算力合約 與客戶建立持續 GPU 供應合作
AI 基礎設施服務 提供資料中心與運算環境支援
高效能運算服務 支援科學計算等運算密集型任務

CoreWeave 的收入結構反映 AI 基礎設施產業的本質:算力資源本身成為服務商品。隨著 AI 模型規模擴大,企業對穩定 GPU 供應的需求推動專業 GPU 雲端服務成長。

GPU 雲服務如何成為核心收入來源

GPU 雲服務是 CoreWeave 最主要的營收來源,原因在於現代 AI 模型訓練與推理高度仰賴大量平行運算能力。GPU 相較於傳統 CPU,更適合處理深度學習的矩陣運算,成為大型語言模型與生成式 AI 應用的基礎設施。

CoreWeave 並非銷售 GPU 硬體,而是採購 GPU、建置資料中心,將算力經由雲端平台提供給客戶。企業可依 AI 專案需求靈活運用算力,無需自建資料中心或大量購置 GPU。

GPU 雲服務環節 對收入的作用
GPU 採購 建構運算資源基礎
叢集部署 提供大規模 AI 算力
雲平台管理 強化資源利用效能
客戶使用 產生運算服務收入

CoreWeave 的收入成長與 AI 算力需求緊密連動。隨著企業訓練更大型模型、部署更多 AI 應用,GPU 雲服務需求持續上升,推動專業 AI 雲端基礎設施市場壯大。

然而,GPU 雲服務屬資本密集型產業,企業需不斷投入先進 GPU、擴建資料中心並承擔高額能源成本,收入成長未必能直接轉化為利潤成長。

AI 公司與企業客戶如何影響收入結構

CoreWeave 主要客戶涵蓋 AI 公司、科技企業、軟體開發商及高效能運算機構。不同客戶在 GPU 用量、合約長度與運算需求上各異,客戶組成直接影響收入穩定性。

AI 模型公司多需大量 GPU 進行模型訓練與推理,企業客戶則偏重內部 AI 應用部署。隨 AI 應用由研發進入商用階段,企業對長期算力服務的需求也日益提升。

根據 CoreWeave 公開資訊,公司客戶基礎持續擴大。截至 2025 年,年度消費超過 100 萬美元的客戶數量不斷增加,反映大型 AI 與科技企業對 GPU 雲服務需求旺盛。

客戶類型 主要需求 對收入影響
AI 模型公司 大規模訓練與推理 帶來高算力需求
科技企業 AI 產品開發 增加長期運算需求
軟體公司 AI 功能部署 推動資源持續使用
科研機構 高效能運算 拓展應用場域

同時,CoreWeave 的客戶結構也帶來集中度風險。大型 AI 客戶可能佔據高比例算力需求,公司必須持續拓展客戶基礎,降低對單一客戶依賴。

長期 GPU 租賃合約如何影響商業模式

長期 GPU 租賃合約是 CoreWeave 商業模式關鍵。與傳統雲端運算的隨用隨付不同,AI 企業通常需長期、大規模 GPU 支援模型訓練與推理,因此偏好以長約鎖定穩定算力供應。

對 CoreWeave 而言,長期合約提升未來收入可預測性,有助於公司規劃 GPU 採購、資料中心建設及能源配置。對客戶而言,提前鎖定資源可減少 AI 專案執行期間的算力短缺風險。

CoreWeave 公開資訊顯示,公司擁有龐大 Revenue Backlog(收入積壓訂單)。截至 2025 年底,Revenue Backlog 達約 668 億美元,加權平均合約期約 5 年,代表未來收入已有長約保障。

長期合約因素 對商業模式的影響
長期算力協議 提升未來收入確定性
固定 GPU 資源預留 協助客戶確保算力供應
多年合約週期 支撐基礎設施投資規劃
大型訂單 提升資料中心利用率

但長約同時意味基礎設施壓力提升。CoreWeave 須預先投入 GPU、伺服器及資料中心資源,以滿足合約需求,因此資本投入與營運效率攸關獲利能力。

與輕資產軟體企業不同,AI 雲端基礎設施業者需在收入成長與資本支出間取得平衡。合約規模擴大可帶動營收成長,但也要求企業持續擴充算力供應能力。

資料中心擴張如何改變收入成長方式

資料中心擴張是 CoreWeave 擴大營收規模的關鍵。GPU 雲服務高度仰賴實體運算資源,公司必須持續增加 GPU 數量、興建新資料中心並強化網路能力,才能擴大可銷售算力。

與傳統軟體公司不同,CoreWeave 的收入成長受限於基礎設施擴張速度。企業無法僅靠軟體複製迅速擴張,必須同步建設硬體與能源基礎設施。

根據 CoreWeave 公開資訊,截至 2025 年,公司 AI 雲端基礎設施已覆蓋超過 850MW 活躍電力容量,營運超過 40 個資料中心據點,支援 GPU 叢集部署。

資料中心擴張指標 對收入的影響
GPU 部署規模 決定可提供算力量
電力容量 影響資料中心營運能力
資料中心數量 擴大服務覆蓋範圍
網路基礎設施 影響運算效率

資料中心擴張可強化 CoreWeave 服務能力,但也帶來高資本投入壓力。GPU 採購、能源成本與基礎設施維護費用都會影響公司獲利表現。

CoreWeave 的商業模式展現明顯基礎設施屬性:營收成長仰賴算力資源投入,利潤提升則取決於資源利用率、營運效率及客戶需求成長。

CoreWeave 收入模式與傳統雲端業者有何不同

CoreWeave 與 AWS、Microsoft Azure、Google Cloud 同屬雲端基礎設施業者,但收入結構差異顯著。

大型雲端業者採綜合雲服務模式,結合運算、儲存、資料庫、安全、企業軟體等多元產品線創造收入。CoreWeave 則專注於 GPU 雲端運算與 AI 工作負載,收入結構更為聚焦。

對比維度 CoreWeave AWS / Azure / Google Cloud
核心收入來源 GPU 雲端運算服務 綜合雲服務組合
主要客戶需求 AI 訓練、推理、高效能運算 企業數位轉型與雲遷移
核心資源 GPU 叢集與 AI 資料中心 CPU、GPU、儲存、資料庫等
收入模式 算力資源使用與長約 多元雲端產品訂閱與服務費
業務重點 AI 基礎設施 綜合企業雲生態
資本投入特性 高 GPU 與資料中心投入 全球雲端基礎設施建設

CoreWeave 的優勢在於聚焦 AI 算力需求,能針對 GPU 資源與 AI 工作負載極致優化;傳統雲端業者則具備全球網路、豐富企業服務及廣泛客戶生態。

整體而言,CoreWeave 更貼近 AI 時代的新型基礎設施供應商。營收成長受惠於 AI 算力需求提升,但也須面對 GPU 供應、資本投入及大型雲端業者競爭等挑戰。

總結

CoreWeave 的收入模式以 GPU 雲服務為基礎,向 AI 公司、科技企業及高效能運算用戶提供算力資源。近年營收快速增長,主因生成式 AI 崛起與企業對 GPU 算力需求大幅提升。

長期 GPU 合約及 Revenue Backlog 提供未來收入可見度,資料中心擴張則決定 CoreWeave 可提供的運算資源規模。然而,GPU 雲端基礎設施屬資本密集型產業,收入成長須同步匹配硬體投入、能源供應與營運能力。

與 AWS、Azure、Google Cloud 等綜合雲端業者相比,CoreWeave 更聚焦 AI 運算場景。深入理解其收入來源與獲利模式,有助於掌握 AI 基礎設施企業如何於人工智慧產業鏈中創造商業價值。

FAQ

CoreWeave 的收入成長主要來自什麼?

CoreWeave 收入成長主因 GPU 雲端運算服務需求大增,涵蓋 AI 模型訓練、推理與高效能運算等算力需求提升。

CoreWeave 為何需簽訂長期 GPU 合約?

長期 GPU 合約有助 CoreWeave 提升收入可預測性,協助客戶提前鎖定 AI 專案所需算力,降低供應不確定性。

CoreWeave 的 Revenue Backlog 代表什麼?

Revenue Backlog 代表已簽約但尚未確認的合約價值,反映未來一段期間的潛在收入規模。

為何資料中心規模會影響 CoreWeave 收入?

CoreWeave 需仰賴 GPU 資料中心提供算力資源,資料中心數量、電力容量及 GPU 部署規模直接影響服務能力與營收成長。

CoreWeave 與傳統雲端業者最大商業模式差異為何?

CoreWeave 以 GPU 雲端運算與 AI 工作負載為核心收入來源,傳統雲端業者則靠多元運算、儲存及企業服務組合創收。

CoreWeave 營收成長是否等同獲利能力提升?

營收成長不必然代表獲利同步提升,因 GPU 雲服務需持續投入硬體、資料中心及能源資源,資本支出將影響獲利表現。

作者: Carlton
免責聲明
* 投資有風險,入市須謹慎。本文不作為 Gate 提供的投資理財建議或其他任何類型的建議。
* 在未提及 Gate 的情況下,複製、傳播或抄襲本文將違反《版權法》,Gate 有權追究其法律責任。

相關文章

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益
中級

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益

USD.AI 的收益主要來自 AI 基礎設施貸款業務,也就是透過為 GPU 運營商及算力基礎設施提供融資,並收取貸款利息。協議會將這些收益分配給收益型資產 sUSDai 的持有者,並透過 CHIP 治理代幣來管理利率與風險參數,進而構建一套以 AI 算力融資為核心的鏈上收益體系。這種模式能夠讓現實世界 AI 基礎設施的收益轉化為 DeFi 生態中的可持續收益來源。
2026-04-23 10:56:01
USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制
新手

USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制

CHIP 是 USD.AI 協議的核心治理代幣,主要負責協調協議的收益分配、貸款利率調整、風險控制以及生態激勵機制。透過 CHIP,USD.AI 將 AI 基礎設施的融資效益與協議治理深度結合,讓代幣持有者能夠參與協議參數決策,並共享協議價值的增長,從而構建出以治理為核心驅動的長期激勵體系。
2026-04-23 10:51:10
Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑
中級

Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑

Pharos(PROS)以高效能 Layer1 架構和針對金融場景優化的基礎設施,支援真實世界資產(RWA)上鏈。憑藉並行執行、模組化設計及可擴展的金融功能模組,Pharos 能夠滿足資產發行、交易結算與機構資金流轉等需求,協助真實資產更快速且高效地接入鏈上金融體系。其核心邏輯是透過建構 RealFi 基礎設施,連結傳統資產與鏈上流動性,為 RWA 市場提供更穩定且高效的底層網路支援。
2026-04-29 08:04:57
Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯
新手

Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯

Pharos(PROS)的代幣經濟學以長期激勵、供應稀缺及 RealFi 基礎設施價值捕獲為核心設計理念,目標在於將網路成長與代幣價值緊密綁定。PROS 不僅具備交易手續費與質押等功能,還透過長期釋放機制調控供應節奏,並藉由網路使用需求強化代幣價值的支撐。
2026-04-29 08:00:16
Arweave:用AO電腦捕捉市場機會
新手

Arweave:用AO電腦捕捉市場機會

以點對點網路為例的分散式存儲創建了一個全域、無需信任且不可變的硬碟驅動器。Arweave是該領域的龍頭,提供具有成本效益的解決方案,確保持久性、不變性性和抗審查性性,這對於 NFT 和 dApp 不斷增長的需求至關重要。
2026-04-07 02:31:08
即將到來的AO代幣:可能是鏈上AI代理的終極解決方案
中級

即將到來的AO代幣:可能是鏈上AI代理的終極解決方案

AO建立在Arweave的鏈上存儲之上,實現了無限可擴展的去中心化計算,允許無限數量的進程並行運行。去中心化 AI 代理由AR託管鏈上,並由 AO 鏈上運行。
2026-04-07 00:29:01