文 | 数智奔流，作者 | 田渝，编辑 | 沈校
据报道，亚马逊正洽谈收购以色列 AI 初创公司 Decart，潜在交易金额约 70 亿美元。此前，Anthropic 也曾以约 60 亿美元的估值与 Decart 接触，但在尽调后放弃继续收购；英伟达、Nebius 等公司也曾被媒体列入潜在买家名单。
Decart 成立于 2023 年，由三位工程师创办。2026 年 5 月，公司刚完成 3 亿美元融资，估值接近 40 亿美元，投资方包括 Radical Ventures 和英伟达等。
几个月后，市场传出的潜在收购价格已经接近 70 亿美元。
看起来，这是一家估值涨得比产品还快的公司。但 Decart 卖的并不是一个普通的视频应用，而是一套横跨芯片、模型和应用的技术栈。
它目前主要做三件事：
第一，做实时视频生成。
第二，做世界模型，让模型不仅生成画面，还尝试理解和模拟现实世界中的环境、动作与变化。
第三，做芯片优化，让同一个 AI 任务能够更高效地运行在不同硬件上。
Decart 官网将这套技术称为 Decart Optimization Stack，简称 DOS。它的目标不是绑定某一款芯片，而是让 AI 工作负载能够运行在英伟达 GPU、亚马逊 Trainium 和谷歌 TPU 等不同加速器上。
这件事听起来像软件工程里的 " 适配工作 "，但在今天的 AI 产业里，适配已经不再是边角料。
一款 AI 芯片真正卖不卖得出去，不只看峰值算力，还要看编译器、算子、通信、调度、模型迁移和开发者工具是否跟得上。
以芯片适配为例，AWS 正在大力发展自研 AI 芯片 Trainium，希望减少对英伟达 GPU 的单一依赖。
但芯片替代不只是买卖关系。客户选择英伟达，不是因为芯片本身，还有 CUDA、开发工具、模型适配和工程师习惯已经形成的一套完整生态。
亚马逊如果只提供一块更便宜的芯片，Trainium 就很难真正成为英伟达的替代方案。
Decart 的价值，正好在这里。它可以帮助客户降低换芯片的迁移成本，也让亚马逊的自研芯片更容易进入真实的训练和推理任务。换句话说，亚马逊买的是一张通往 " 多芯片时代 " 的入场券。
国内做类似 " 算力中间层 " 的企业，也是价值不菲。
比如近期，无问芯穹完成 23 亿元 C 融资，累计融资额达 43 亿元，单轮融资额与累计融资额均创国内 AI Infra（人工智能基础设施）行业新高。这同样也是一家 2023 年成立的企业，不同的是有消息称该公司也在筹备 IPO。
当芯片走出制造，面向工程应用。算力的未来，可能不是 " 谁的芯片最强 "，而是 " 谁能把不同芯片组织起来 "。Decart 押注的正是诸如此类的 AI 效率问题的交叉地带。
AI 产业会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。
百模大战、囤卡堆芯这些简单粗暴的单点竞争过去后，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 " 国产芯片能不能好用 "，全球巨头则在争夺能让芯片更好用的软件公司。
表面上，这是亚马逊在买 Decart。
更深一层看，这是所有 AI 公司都在抢同一件东西：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。
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 还在做芯片适配技术，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，企业不用自建机房，可以按需租用服务器、存储空间和网络资源。现在，AI 竞赛愈演愈烈，AWS 想更上一个台阶：上游有自研芯片，中游有模型服务平台，下游又链接企业数据、开发工具和具体业务。
在芯片端，亚马逊这些年在推动自研 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谈到，越来越多的企业在押注 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 的合作还在扩大，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，造出来芯片不等于客户会迁移。迁移成本高、性能不稳定，客户还是会选择最熟悉的方案。
Decart 的价值就在这，如果它能帮助开发者让同一个 AI 工作负载在不同芯片之间灵活运行，AWS 就是在降低客户使用 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 模型已经在 Bedrock 全面上线，以生产级规模实现复杂工作流的自动化。亚马逊想抢占的，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，并且保持 MIT 开源许可。
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 补的是数据分析和查询能力；Decart 若被收购，补的是跨硬件部署和算力效率。
一个连接数据，一个连接芯片，都说明了企业使用 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。
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。
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？
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。
宾州项目呈现 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。
