AI需求日增，机房供电成算力扩张关键瓶颈

AI算力的这波扩张浪潮，看起来远没有到天花板。不仅如此，这波需求还在向更深、更广的基础设施层面蔓延，带来了一系列连锁反应。

先说说几个核心判断。CoreWea ve这家在AI圈子里颇为低调但业务份量颇重的云服务商，其联合创始人兼首席发展官Brannin McBee和副总裁Nick Robbins最近对外放话：AI需求的自我强化效应，“每天都在寻找新方式”，势头不但没有减弱，反而在加速。

他们提到了一个重要的新变量——智能体AI（agentic AI）浪潮。这股浪潮正在显著改变数据中心的硬件配比逻辑：CPU、存储这些以往常常被忽略的资源，需求正在相对GPU显著提升。整个数据中心的架构设计，也因此经历了一次根本性的重构。

需求持续加速，智能体AI成新引擎

这波需求加速的起点，CoreWea ve的两位高管将其定位于去年第四季度。McBee透露，通过与客户深度工程沟通，公司当时就预判到，智能体AI产品将在今年第一季度集中推向市场。“从市场角度看，第一季度是推理与AI消费的巨大拐点，而且还在继续加速。” Robbins的判断更加直白：“它（需求）每天都在寻找新方式强化。”

这个判断不是空xue来风。Robbins介绍，CoreWea ve是目前唯一一家同时服务Anthropic、OpenAI、Meta、谷歌、微软、英伟达等顶级AI机构的独立云服务商。这个生态位所带来的技术前沿洞察，让他们在基础设施布局上可以提前动手。

架构重构：CPU与存储需求相对GPU显著提升

智能体AI和推理模型的兴起，正在改写数据中心内部的硬件配比。McBee表示，CoreWea ve从2024年起就已经开始运营CPU资源，但眼下趋势很明显：CPU和存储需求相对于GPU的比重正在显著上升。“随着智能体和推理在模型中真正起飞，存储需求也在加速增长，未来这个趋势大概率会更显著。”

Robbins则透露，公司去年已经从底层重新设计了数据中心的标准方案，给存储和CPU预留了更多空间。他还确认，未来将看到大量英伟达Vera CPU机架与Vera Rubin GPU服务器并排部署的场景。

在CPU供应商选择上，现有部署以AMD为主。但随着客户需求变化，英伟达Vera CPU正成为关键的早期方向。“Vera CPU有大量兴趣。” McBee补充说，公司超过98%的收入来自合同驱动，客户会把所需配置说得很清楚，“是他们在定义我们要建什么。”

供电机房——当前最紧迫的扩张瓶颈

现场还抛出了另一个关键话题——当前AI基建扩张到底卡在哪里？McBee直言不讳：“供电机房（powered shell）”——即已完成供电配套的数据中心建筑本体，而非GPU芯片或HBM内存。他特别提到电工短缺是其中的复杂因素。CoreWea ve目前已有49个站点上线运营，积累了大量应对供应链问题的实战经验，“知道哪些供应商该合作、哪些不该合作”。

Robbins则针对HBM内存成本与短缺作出了回应。他表示公司的商业模式设计可以隔离价格波动风险：签GPU采购订单时同时锁定向客户收取的价格，成本上涨可以顺畅传导给客户端。“组件获取目前不是最大瓶颈，供电机房才是。但未来某个时间点，这个答案可能会互换。”

Vera Rubin量产，2027年将是重头戏

对于英伟达新一代Vera Rubin（VR）平台的量产时间表，Robbins给出了比较清晰的时间预期。他表示，CoreWea ve已是全球首家完成VR机柜上线并通过完整验证的厂商，预计VR服务器将于今年下半年开始陆续交付，但大规模量产爬坡将贯穿2027年全年。

这个节奏，他类比于上一代GB200/GB300平台的推进路径：GB系列2025年开始出现，2026年才真正大规模量产。“我预计VR在未来12至18个月内会呈现很类似的模式。”

以执行力和生态深度构筑护城河

面对超大规模云厂商（Azure、AWS、谷歌）及其他新兴云服务商的竞争，CoreWea ve高管把差异化优势归结为执行速度、性能表现与生态深度三个维度。

McBee援引第三方验证数据：全球排名前十的AI实验室（不含中国）中有九家使用CoreWea ve平台，AI研究机构SemiAnalysis给予其独一无二的铂金评级。他认为，英伟达优先向CoreWea ve分配GPU资源，源于对其工程执行能力的高度信任。“这是一个对我们的执行记录和工程能力有深度信心的供应商。”

Robbins则从客户分层角度展开：对超大规模云厂商，以极快的部署速度和稳定运行取胜；对研究机构，以最高性能和每token效率取胜；对企业客户，则凭借最佳推理与开发工具编排层，帮助其将数据转化为模型和智能体，并借此实现CoreWea ve云服务的交叉销售。