Anthropic尽调后放弃，亚马逊为何还在追Decart？

据报道，亚马逊正就收购以色列AI初创企业Decart展开谈判，潜在交易金额大约为70亿美元。在此之前，Anthropic曾以约60亿美元的估值与Decart接洽，但在完成尽职调查后放弃了收购计划；英伟达、Nebius等公司也曾被媒体报道为潜在买家。

Decart成立于2023年，由三位工程师共同创立。2026年5月，该公司刚完成一轮3亿美元的融资，估值接近40亿美元，投资方包括Radical Ventures和英伟达等。

仅仅几个月后，市场上流传的潜在收购价格已接近70亿美元。

从表面看，这是一家估值增速远超产品迭代速度的公司。但Decart提供的并非普通的视频应用，而是一套覆盖芯片、模型和应用的技术体系。

它目前主要聚焦于三个领域：

第一，实时视频生成技术。

第二，世界模型构建，使模型不仅能生成画面，还能尝试理解和模拟现实世界中的环境、动作与变化。

第三，芯片优化，让同一AI任务能在不同硬件上更高效地运行。

Decart官网将这套技术命名为Decart Optimization Stack，简称DOS。其目标并非绑定某一特定芯片，而是让AI工作负载能够在英伟达GPU、亚马逊Trainium和谷歌TPU等不同加速器上运行。

这听起来像是软件工程中的“适配工作”，但在当今AI产业中，适配已不再是边缘环节。

一款AI芯片能否真正获得市场认可，不仅取决于峰值算力，还要看编译器、算子、通信、调度、模型迁移和开发者工具是否配套完善。

以芯片适配为例，AWS正大力推动自研AI芯片Trainium的发展，旨在减少对英伟达GPU的单一依赖。

但芯片替代并非简单的买卖关系。客户选择英伟达，并非仅因其芯片本身，更是因为CUDA、开发工具、模型适配以及工程师习惯所构成的完整生态系统。

如果亚马逊仅提供一块更便宜的芯片，Trainium很难真正成为英伟达的替代方案。

Decart的价值恰好体现在这里。它能够帮助客户降低更换芯片的迁移成本，同时也让亚马逊的自研芯片更容易融入真实的训练和推理任务。换句话说，亚马逊购买的是一张通往“多芯片时代”的门票。

国内从事类似“算力中间层”业务的企业，同样价值不菲。

例如，近期无问芯穹完成了23亿元的C轮融资，累计融资额达到43亿元，单轮融资额与累计融资额均创下国内AI Infra（人工智能基础设施）行业新高。这也是一家成立于2023年的企业，不同的是有消息称该公司也在筹备IPO。

当芯片走出制造环节，面向工程应用时，算力的未来可能不再取决于“谁的芯片最强”，而是“谁能把不同芯片有效组织起来”。Decart押注的正是这类AI效率问题的交叉领域。

AI产业将越来越像一座复杂的工厂：芯片是生产设备，模型是生产工艺，数据是原材料，电力是能源，软件优化则决定整座工厂的利用率。

在百模大战、囤卡堆芯这些简单粗暴的单点竞争过去之后，谁能让每一度电、每一块芯片和每一次推理都产生更多有效结果？

中国市场正在讨论“国产芯片能否好用”，而全球巨头则在争夺那些能让芯片更好用的软件公司。

表面上，这是亚马逊在收购Decart。

更深一层看，这是所有AI公司都在争夺同一件事：在算力、电力和数据都越来越昂贵的时代，谁能拥有更高的效率。

亚马逊要买的不仅是一个产品

如果交易最终达成，亚马逊买下的将是一块补全AWS AI版图的拼图。

Decart公司推出的Lucy用于实时视频处理，面向直播、广告制作等低延迟场景。Oasis则生成可交互的模拟环境，应用场景包括机器人训练和自动驾驶系统测试。

除了这两条产品线，Decart还在开发芯片适配技术，服务于AI模型在不同硬件上的训练和推理。

过去，AWS的主要业务是向企业提供云服务，企业无需自建机房，可按需租用服务器、存储空间和网络资源。如今，AI竞赛愈演愈烈，AWS希望更进一步：上游有自研芯片，中游有模型服务平台，下游则连接企业数据、开发工具和具体业务。

在芯片端， 亚马逊近年来一直在推动自研Trainium芯片，希望降低AI训练和推理对单一GPU供应商的依赖。安迪·贾西在一季度财报电话会议上提到，越来越多的企业正在押注Trainium。

安迪·贾西表示，“目前，我们已获得超过2250亿美元的Trainium相关收入承诺。我们的Trainium 2芯片在性价比上较同类GPU提升约30%，且已基本售罄。”

Anthropic与AWS的合作也在扩大，Anthropic今年将获得最高5吉瓦的现有及后续代际Trainium芯片，用于训练和运行模型。亚马逊同时宣布新增50亿美元投资，并计划在未来追加最高200亿美元投资。

问题在于，造出芯片并不等于客户会自动迁移。迁移成本高、性能不稳定，客户仍会选择最熟悉的方案。

Decart的价值就在这里，如果它能帮助开发者让同一AI工作负载在不同芯片之间灵活运行，AWS就能降低客户使用Trainium的技术门槛。

在模型端， AWS的Bedrock走的是多模型路线，正在陆续接入Anthropic、OpenAI等公司的模型。GPT-6 Astra模型已在Bedrock全面上线，以生产级规模实现复杂工作流的自动化。亚马逊希望抢占的，是企业调用不同模型时绕不开的平台。

在数据端， AWS在8月31日收购了DuckDB背后的DuckLabs团队。DuckDB本身仍由独立的非营利基金会管理，并保持MIT开源许可。

有网友期待AWS未来将DuckDB Lambda等服务结合，提供按需启动的数据分析能力。也有反对声音表示“让我担忧的是，AWS可能会停止开源开发，将未来的贡献纳入商业产品中，这对开源社区不利。”

企业AI要真正落地，模型需要接入数据、查询业务信息、调用工具并输出可执行的结果。DuckLabs补足的是数据分析和查询能力；Decart若被收购，补足的是跨硬件部署和算力效率。

一个连接数据，一个连接芯片，都指向了企业使用AI最现实的问题：让每一次模型调用更便宜、更快，也更容易接入已有业务系统。

算力扩张，电力先行

最近，AWS在宾夕法尼亚州霍默城一处旧燃煤电厂址提交了初步开发方案，拟建设36栋数据中心建筑。

这片土地过去是霍默城燃煤电站所在地，电站已于2023年关闭。印第安纳县规划委员会披露，亚马逊在8月28日提交方案，项目横跨塞特镇和布莱克利克镇。

新园区计划配套一座4.5吉瓦的天然气发电设施，为大规模数据中心提供电力。霍默城开发方称，项目还计划向区域电网输送7亿至8亿瓦电力。场地沿用旧电厂的Two Lick Reservoir水源，并计划建设水处理设施处理排放水。

也就是说，旧煤电站正在被改造成“算力工厂”。

自从消息放出，当地居民对超大规模数据中心的反对声浪日益高涨，反对原因主要围绕水污染、噪音、温室气体排放及电价影响。反对团体“宾夕法尼亚州西部关切居民”中的民众塔玛拉·怀特德居住在该场地不到10英里处，她认为项目规模过于庞大，势必带来严重扰动，还会改变该地区的原有风貌。

一份民调显示，62%的美国人支持暂停建设数据中心，其中40%将其视为首要议题。

网友质疑，为何这些数据中心如此关键？建造如此多的数据中心会以什么具体的方式惠及普通民众？

霍默城之外，亚马逊此前也宣布计划至少向宾州投资200亿美元建造数据中心，首批选址包括塞勒姆镇和福尔斯镇，官方预计新增至少1250个高技能岗位。

面对反对声，亚马逊承诺不再要求参与项目的政府机构签署保密协议，并计划在五年内向所在社区投入超过10亿美元，用于教育、就业培训、能源负担、水资源与其他当地项目，希望缓解当地民众的抵制情绪。

宾州项目展现了AWS扩张AI基础设施的一种方式：建设数据中心、锁定电力来源，增加可供企业调用的算力资源。霍默城园区提供土地、机房、网络和电力；塞勒姆镇园区则连接核电资源，园区紧邻萨斯奎哈纳核电站，AWS已与能源公司泰伦能源达成长期供电安排。

Decart站在另一端。它开发的跨芯片适配技术，涉及模型在GPU、Trainium等不同硬件上的训练和推理。AWS持续增加芯片和数据中心规模，客户也需要更容易地部署和迁移AI工作负载。

亚马逊的AI布局始终围绕“让客户留在自己的算力体系里”这一目标。收购能否完成还没有答案，但是，有一点十分清楚：效率就是下一轮竞争最贵的资产。