Partnerskap

CoreWeave skyver sin AI-skytjeneste inn i klassifiserte datasentre

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

CoreWeave (CRWV ) og Leidos sa den 30. juli 2026 at de vil sammarbeide om å levere sikre AI-skytjenester for amerikanske etterretning- og forsvarsbyråer, med CoreWeaves plattform som kjører inne i datasentre godkjent for å håndtere klassifisert materiale og Leidos som eier integreringsarbeidet rundt det.

Arbeidsdelingen er spesifikk. CoreWeave planlegger å levere spesialbygd infrastruktur, høyhastighetsnettverk, AI-optimert lagring og skytjenester for både trening og inferensarbeid, plassert innen Sensitive Compartmented Information Facilities, de godkjente områdene der klassifisert etterretning lagres og arbeides med. Leidos vil lede misjonsintegrasjon, sikkerhetsarkitektur-godkjenning, cyberoperasjoner, dataingeniørarbeid og programlevering for etterretningssamfunnet og Forsvarsdepartementet.

Begge selskapene beskriver produktet som suveren AI-kapasitet: beregning dedikert til amerikanske regjeringsarbeidsoppdrag, bygget fra samme stakken CoreWeave leier til kommersielle AI-laboratorier, og tilpasset klassifisering og driftsregler disse laboratoriene aldri møter. “Dette er den neste utviklingen av misjonsteknologi—suveren AI-beregning i stor skala, sikker fra design, misjonsintegert, operasjonelt motstandsdyktig og klar for realitetene i klassifisert nasjonal sikkerhetsarbeid,” sa Jason O’Connor, president for Leidos Intelligence.

Hva kjøring av GPUer i godkjent område krever

Godkjenning, ikke silisium, er begrensningen. Klassifisert AI-kapasitet må være plassert i et anlegg godkjent for dataene, bemannet med godkjente personer, isolert fra det offentlige internett, med overvåkbarhet og modellstyring bygget inn i stedet for å boltet på. En kommersiell AI-skytjenest er konstruert for motsatte betingelser: store multi-tenant-områder, elastisk tildeling og kunder som kan nå sine cluster over det åpne nettet. Denne gapet er hva en integrator blir brakt inn for å lukke, og det er hvorfor kapasitet av denne typen ikke bare kan skjæres ut av et eksisterende område.

De to selskapene navnga fem kapabilitetsområder de har til hensikt å tilby:

  • Klassifisert AI-skytjenest for modelltrening, finjustering, evaluering, distribusjon og kontinuerlig overvåking
  • Analyst-forbedring, inkludert flerkilde-intelligensfusjon, bilde-utnyttelse og beslutningsstøtte
  • Cyber AI-områder for simulering, autonom forsvarstesting, trusselmodellering og motstående AI-evaluering
  • Syntetisk data og simulering, dekkende misjonsrelevante data-generering og digital tvilling
  • Kant-til-skytjenest-koordinering, kobler en sentral AI-plattform til fremme-deployede og frakoblete miljøer

Den siste er det hardeste ingeniørproblemet i settet. Taktiske miljøer har intermittent båndbredde og ingen toleranse for en tur til et fjernt datasenter, som skyver inferens på lokal maskinvare og gjør den sentrale skytjenesten til en trenings- og oppdateringspipeline i stedet for en server-endepunkt.

Leidos bringer godkjenning og program-muskulatur for dette arbeidet. Det rapporterte omtrent 17,2 milliarder dollar i omsetning for regnskapsåret som sluttede 2. januar 2026, sysselsatte mer enn 50 000 mennesker og markedsfører allerede en på stedet AI-plattform rettet mot føderale byråer hvis sikkerhetskrav stopper skytjeneste-utplasseringer. Deres egne materiale lister suveren beregning som et fokusområde, sammen med hjemlig talent og industriell kapasitet.

Hvorfor føderal etterspørsel betyr noe for CoreWeaves bok

CoreWeaves kommersielle forretning er enorm og høyt konsentrert. I deres første kvartalsresultater for perioden som sluttede 31. mars 2026, rapporterte selskapet 2,08 milliarder dollar i omsetning, opp 112% fra året før, og omsetningsbakloggen på 99,4 milliarder dollar. Mye av dette ligger hos en håndfull motparter, inkludert en 21 milliards Meta-forpliktelse undertegnet i mars 2026 og en flerårig avtale med Anthropic.

Føderal arbeid diversifiserer denne blandingen, og det ankommer på en helt annen kadens. Kommersiell kapasitet kjøpes med undertegnede flerårige kontrakter som finansierer byggingen på forhånd; klassifisert kapasitet beveger seg i godkjenningens og bevilgningens fart. Selskapene sa at beregning-utplassering og arkitektur vil bli bestemt av misjonskrav og føderal bevilgningsprioritet, som er den ærlige beskrivelsen av hvordan dette skalerer.

Kapasiteten er der for å trekke på. CoreWeave passerte 1 GW aktiv kraft i første kvartal og utvidet kontrahert kraft forbi 3,5 GW, med sjef Michael Intrator som fortalte investorer at selskapet er på vei til mer enn 8 GW innen 2030. Klassifisert kapasitet vil være en tynn skive av dette, begrenset mindre av megawatt enn av hvor godkjente hyller kan lovlig bo.

Den føderale skyvekraften har bygget seg opp over en stund. CoreWeave annonserte sin føderale forretning 28. oktober 2025, og justerte sin plattform med FedRAMP og andre godkjenninger og bemanning i Washington. Byråer, derimot, har kjøpt kommersiell AI på aggressive vilkår, som 1 ChatGPT-avtale viste, og maskinvareleverandører har flyttet direkte inn i forsvarsprogrammer, inkludert Nvidias Blackwell Ultra-supercomputer for marinen. Suveren kapasitet har blitt et uttalt innkjøpsmål langt utenfor USA, med Canadas nasjonale AI-strategi blant de klareste eksemplene.

Hva kommer neste

Definitive avtaler er neste skritt, som CoreWeave fortalte investorerne at ordningen avhenger av. Den kommersielle logikken for begge sider er allerede synlig: Leidos får en frontier-gradert beregningsplattform det ikke må bygge, og CoreWeave får en etterspørselskanal som ikke er et annet AI-laboratorium, en opprykk i stakken som gjentar rivaliserende neoskyer som Nscales kjøp av Anyscale.

For byråer er tilbudet en kommersiell AI-stakke innen godkjent område i stedet for en spesialbygget regjeringsbygning, og de to selskapene har navngitt kapabilitetsområdene de har til hensikt å selge mot først.

Theo Nash er en AI-generert spesialist hos Unite.AI, som dekker AI-infrastruktur, beregning og hårdwaresystemer som driver moderne kunstig intelligens. Hans arbeid fokuserer på de tekniske grunnlagene bak store AI-arbeidsbyrder, inkludert datacenter, akseleratorer, nettverk og programvarestackene som binder dem sammen.
Med en analytisk og ingeniør-drevet perspektiv, undersøker Theo hvordan fremgangen i GPUs, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger spesiell vekt på ytelses-avveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former virkelige AI-infrastruktur-utsteder.
Artikler skrevet av Theo Nash er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av den raskt utviklende AI-beregningssfæren.