CoreWeave skyder sin AI-cloud ind i klassificerede datacentre

CoreWeave (CRWV ) og Leidos meddelte den 30. juli 2026, at de vil samarbejde om at levere sikre AI-cloud-tjenester til amerikanske efterretningstjenester og forsvarsmyndigheder, hvor CoreWeaves platform køres inden for datacentre, der er godkendt til at håndtere klassificeret materiale, og Leidos står for integrationsarbejdet omkring det.

Arbejdsfordelingen er specifik. CoreWeave planlægger at levere specialbygget infrastruktur, højhastighedsnetværk, AI-optimeret lagring og cloud-naturlig orkestrering til både trænings- og inferens-arbejdslaster, placeret inden for Sensitive Compartmented Information Facilities, de godkendte områder, hvor klassificeret efterretning lagres og arbejdes med. Leidos vil stå for mission-integration, sikker arkitektur-godkendelse, cyber-operationer, data-engineering og program-levering til efterretningssamfundet og Forsvarsministeriet.

Begge selskaber beskriver produktet som suveræn AI-kapacitet: beregning til amerikanske regeringsarbejdslaster, bygget fra den samme stak, som CoreWeave lejer til kommercielle AI-laboratorier, og derefter tilpasset til klassificering og driftsregler, som disse laboratorier aldrig møder. “Dette er den næste udvikling af missionsteknologi – suveræn AI-beregning i stor målestok, sikker fra design, mission-integreret, operationelt robust og klar til realiteterne i klassificeret national sikkerhedsarbejde,” sagde Jason O’Connor, præsident for Leidos Intelligence.

Hvad kørsel af GPU’er i godkendt rum kræver

Godkendelse, ikke silicium, er begrænsningen. Klassificeret AI-kapacitet skal være placeret i en facilitet, der er godkendt til data, bemandet med godkendte personer, isoleret fra det offentlige internet, med revision og modelstyring bygget ind i stedet for boltet på. En kommerciel AI-cloud er konstrueret til modsatte betingelser: store multi-lejers regioner, elastisk tildeling og kunder, der kan nå deres cluster over det åbne netværk. Denne forskel er, hvad en integrator er blevet hyret til at lukke, og det er derfor, kapacitet af denne type ikke bare kan skæres ud af en eksisterende region.

De to selskaber har navngivet fem kapacitetsområder, de har til hensigt at tilbyde:

• Klassificerede AI-cloud-tjenester til model-træning, finjustering, evaluering, implementering og kontinuerlig overvågning
• Analyst-forstærkning, herunder multi-kilde efterretningssammenfletning, billedudnyttelse og beslutningsstøtte
• Cyber AI-områder til simulation, autonom forsvarstest, trusselsmodellering og modstående AI-evaluering
• Syntetisk data og simulation, der dækker mission-relevant data-generering og digitale tvillinger
• Kant-til-cloud-orkestrering, der forbinder en central AI-platform til fremrykkede og afbrudte miljøer

Den sidste er det sværeste ingeniør-problem i sættet. Taktiske miljøer har intermitterende båndbredde og ingen tolerance for en tur til et fjernt datacenter, hvilket skyder inferens på lokal hardware og omdanner den centrale cloud til en trænings- og opdaterings-pipeline i stedet for en server-endpoint.

Leidos bringer godkendelse og program-muskulatur til dette arbejde. Det rapporterede omkring 17,2 milliarder dollars i omsætning for regnskabsåret, der sluttede den 2. januar 2026, beskæftiger mere end 50.000 personer og markedsfører allerede en on-premises AI-platform rettet mod føderale myndigheder, hvis sikkerheds-krav standser cloud-udrulninger. Dets egne materialer nævner suveræn beregning som et fokusområde sammen med national talent og industri-kapacitet.

Hvorfor føderal efterspørgsel er vigtig for CoreWeaves bog

CoreWeaves kommercielle forretning er enorm og højkoncentreret. I dens første-kvartals-resultater for perioden, der sluttede den 31. marts 2026, rapporterede selskabet 2,08 milliarder dollars i omsætning, en stigning på 112% i forhold til sidste år, og en omsætnings-tilbageholdelse på 99,4 milliarder dollars. Meget af dette ligger hos en håndfuld modparter, herunder en 21-milliarder-dollar Meta-forpligtelse undertegnet i marts 2026 og en flerårig aftale med Anthropic.

Føderalt arbejde diversificerer denne blanding, og det ankommer på en helt anden kadence. Kommerciel kapacitet købes med undertegnede multi-årige kontrakter, der finansierer byggeudgifterne på forhånd; klassificeret kapacitet bevæger sig i takt med godkendelse og tildeles føderale midler. Selskaberne sagde, at beregnings-udrulning og arkitektur vil blive bestemt af mission-krav og føderale tildeles-prioriteter, hvilket er den ærlige beskrivelse af, hvordan dette skalaer.

Kapaciteten er der for at trække på. CoreWeave overskred 1 GW aktive effekt i første kvartal og udvidede kontraheret effekt til over 3,5 GW, og direktør Michael Intrator fortalte investorerne, at selskabet er på vej til mere end 8 GW i 2030. Klassificeret kapacitet vil være en tynd skive af dette, begrænset mere af, hvor godkendte reoler kan lovligt bo.

Den føderale fremstød har været bygget op over en periode. CoreWeave meddelte sin føderale forretning den 28. oktober 2025, hvor den tilpassede sin platform til FedRAMP og andre godkendelser og hyrede op i Washington. Myndighederne har på samme tid købt kommerciel AI på aggressive vilkår, som $1 ChatGPT-aftalen viste, og hardware-udbydere er gået direkte ind i forsvarsprogrammer, herunder Nvidias Blackwell Ultra-supercomputer til flåden. Suveræn kapacitet er blevet et udtrykt indkøbsmål langt ud over USA, med Canadas nationale AI-strategi blandt de tydeligste eksempler.

Hvad kommer herefter

Afgørende aftaler er det næste skridt, som CoreWeave fortalte investorerne, at arrangementet afhænger af. Den kommercielle logik for begge parter er allerede synlig: Leidos får en front-grade compute-platform, som det ikke selv skal bygge, og CoreWeave får en efterspørgskanal, der ikke er et andet AI-laboratorium, et skridt op ad stakken, der minder om rivaliserende neoclouds som Nscales køb af Anyscale.

For myndighederne er tilbuddet en kommerciel AI-stak inden for godkendt rum i stedet for en tilpasset regerings-bygning, og de to selskaber har navngivet de kapacitetsområder, de har til hensigt at sælge mod først.