標題 : CoreWeave 成為 AI「房東」：48 小時內拿下 Meta 210 億美元合約與 Anthropic 生產部署

・ 2026 年 04 月 13 日

摘要 : CoreWeave 與 Meta、Anthropic 達成巨額長約，凸顯 neocloud 成為 AI 基礎設施關鍵一環。

新聞 : CoreWeave 在短短 48 小時內連簽兩份具指標意義的合約，迅速改寫 AI 基礎設施版圖：4 月 9 日宣佈與 Meta 擴大簽約至 210 億美元（$21 billion），供應至 2032 年底；隔日又取得 Anthropic 的多年量產部署合約，負責在生產規模上執行 Claude。公司並稱十強 AI 模型供應商中已有九家在其平臺上執行工作負載，顯示「neocloud」模式正從利基服務升級為關鍵底層基礎設施。

背景與關鍵資料 - Meta 計畫在 2026 年資本支出達 1150 至 1350 億美元，並自建千兆瓦級資料中心與自研加速晶片 MTIA，但仍需外部 GPU 能力以因應短期時序需求。CoreWeave 此次 210 億美元擴約，接續 2025 年 9 月的 142 億美元合約，並據稱將先期部署 Nvidia 的 Vera Rubin 平臺。 - Anthropic 的年化營收在 2026 年 4 月突破 300 億美元，較 2025 年底約 90 億美元急增；超過 1,000 家企業客戶每年在 Claude 上支出逾 100 萬美元，迫切需要更多推理（inference）產能。 - CoreWeave 於 2025 年 3 月上市，發行價 40 美元；目前收入待履約合約（revenue backlog）超過 668 億美元，管理層指引 2026 年營收 120 至 130 億美元。主要合約包括與 OpenAI 的 224 億美元、Meta 的 350 億美元總承諾，以及與 Anthropic 的未公開條款。 - 成本與風險方面，CoreWeave 預計 2026 年資本支出約增至 300 至 350 億美元，2025 年淨利息費用達 12 億美元。2025 年營收約有 67% 由 Microsoft 貢獻，顯示高客戶集中度風險。

為何大型企業仍尋求外部 GPU 能力？直觀上，擁有龐大資本與自建資料中心的企業（如 Meta）仍需向 neocloud 購買服務，主要驅動因素為「時間到位」而非單純資本短缺。訓練與部署大型模型需要在特定時間點與特定配置上大量 GPU，內部建置一套彈性且符合時序的群集需耗時數年；租用已經取得矽片與電力的供應商可在數月內上線工作負載。

市場競爭與替代路徑 Neocloud 並非孤軍。例如 Nebius 與 Meta 達成約 120 億美元的五年專用基礎設施合約，目標至 2026 年底連線容量達 1,000 兆瓦（MW）；Lambda 也在與 Microsoft 的合作與 15 億美元資金後準備上市。另一方面，超大雲廠也在行動：AWS 擴充套件 Trainium，Broadcom 與 Google 計畫自 2027 年起向 Anthropic 提供約 3.5 GW 的 TPU 能力，Meta 亦在迭代 MTIA，自主矽片計畫若成功，將在中長期侵蝕 neocloud 的價格與供應優勢。

分析、風險與駁斥替代理解 - 支援觀點：neocloud 的崛起來自「先行取得資源與快速交付」的能力，短中期內對時間敏感的 AI 訓練與推理需求會繼續促使大型 AI 玩家採多來源（multi-sourcing）策略，將 neocloud 當作補充而非替代。 - 反對觀點（超大雲廠或 AI 企業最終會自主供給所有需求）：確實，若自研晶片與資料中心擴張完全達成，會逐步降低對 Nvidia 與 neocloud 的依賴。但即便如此，市場趨勢更可能是「共存」：多來源供應能降低時序與單一供應商風險，且推理工作對可靠性與延遲的要求，使得專門化供應商仍有生存空間。 - 財務風險：CoreWeave 以負債與前置資本支撐快速擴張，當資本支出相對於當年營收達數倍時，若需求成長放緩，財務槓桿與利息負擔可能造成壓力。且客戶集中（如 Microsoft 的高度貢獻）意味客戶支出變動將大幅影響營運。

結論與未來展望（給企業領導人的三點行動建議） 1. 把推理工作負載視為第一等級的生產問題：測試延遲、可用性與運營支援，選擇能提供企業級 SLA 的供應商。 2. 建立多來源策略：結合自建容量、超大雲廠與 neocloud，以降低時序、價格與技術單一點故障的風險。 3. 嚴格壓測財務與供應風險：評估供應商的資本需求、客戶集中度與商業模式耐久性，避免在需求成長放緩時面臨服務或價格震盪。

總之，CoreWeave 在 48 小時內的兩項大合約，凸顯 AI 基礎設施正走向「多來源、專業化且時間敏感」的新常態；neocloud 模式能快速滿足短期與生產級需求，但其長期優勢仍取決於 AI 需求是否持續爆發以及超大雲廠自研矽片與容量擴張的速度。企業應及早規畫混合採購與壓力測試，為未來數年可能的供需重組做好準備。