亚马逊拟 70 亿美元收购 Decart，撬动英伟达的软件护城河

据《华尔街日报》周日报道，亚马逊正在洽谈以约 70 亿美元收购 Decart，一家成立三年、创立于特拉维夫的 AI 基础设施创业公司。知情人士告诉该报，若谈判不破裂、也没有竞购者出现，交易可能在几天内敲定。这将是主要云服务商收购 AI 实验室的最大交易之一，也是亚马逊在打造可行的英伟达 GPU 生态替代品上的一次重大升级。

这笔收购带给亚马逊的，是一家它已经相当熟悉的公司。Decart 的模型自 2025 年 12 月起通过 Amazon Bedrock 分发，其旗舰世界模型 Lucy 跑在亚马逊的 Trainium3 芯片上 —— 那是亚马逊在 re:Invent 2025 上发布、并一直在企业客户中推广为 GPU 替代品的 3nm 加速器。Decart 之所以提前拿到 Trainium3，据报是因为几位 AWS 高级工程师对创始人印象深刻、促成了这一安排。这次合作的结果 —— Lucy 在 Trainium 上达到亚马逊自家芯片团队 Annapurna Labs 所称的 80% 以上模型 FLOPS 利用率 —— 正是亚马逊如今愿意在 Decart 2026 年 5 月 40 亿美元估值之上溢价 75% 的核心原因。

亚马逊和 Decart 均未就报道的交易置评。

真正的价值在编译器，不在模型

Decart 对外的面孔是它的生成式 AI 产品：Oasis，一个面向机器人和自动驾驶开发的仿真平台；以及 Lucy，一个能以每秒 30 帧实时编辑 1080p 直播画面的视频变换系统。两者都曾引来关注：此前的一个 Oasis 演示 —— 一个实时的 Minecraft 风格环境 —— 在 2024 年 10 月上线后三天内达到一百万用户，成为那一年采用最快的 AI 消费产品之一。

但让亚马逊对 Decart 感兴趣的产品不是这两个。而是 DOS —— Decart 优化栈 —— 一个把 AI 模型针对特定芯片架构调优、并且关键是能跨多个芯片家族这么做的软件层。传统的 AI 优化要让开发者花数月把一个神经网络从一种芯片移植到另一种，Decart 称 DOS 通过自动生成定制内核并针对目标硬件调整编译器行为，把这个过程缩短到几周。据Decart 的产品文档，该栈可运行在英伟达 GPU、Google TPU 和亚马逊 Trainium 加速器上。

这件事的意义是结构性的。英伟达的 CUDA 生态 —— GPU 硬件、CUDA 并行计算平台和 cuDNN 深度学习库的组合 —— 对 AI 开发者起着软性锁定的作用。为 CUDA 优化一个大模型需要大量工程投入，而这些投入的成果不经大幅返工无法转移到竞争芯片上。这种切换成本，是英伟达在亚马逊、Google 和 AMD 竞争加速器层出不穷的情况下仍掌控约 80% 到 90% 的 AI 训练硬件市场的主要原因之一。

DOS 攻击的正是这种切换成本。如果亚马逊能把 DOS 的能力嵌进 Trainium 开发者生态，企业 AI 实验室把负载从英伟达 GPU 搬到 Trainium 就会便宜得多 —— 不是因为 Trainium 在原始吞吐上突然超过了 H100 或 B200，而是因为曾把开发者困在英伟达生态里的那些优化劳动，现在可以自动化并转向别处。

与另一笔近期交易的相似之处颇有启发。2026 年，高通以约 40 亿美元收购了 Modular —— MAX 推理运行时和 Mojo 编程语言背后的公司 —— 得到一个让 AI 模型无需开发者做芯片专属返工就能在高通芯片上高效运行的软件层。亚马逊似乎在遵循同样的逻辑：芯片可移植性软件层值得溢价收购，因为它放大了底下那颗自研芯片的商业价值。

延伸阅读：李飞飞的 World Labs 被 AMD 82 亿美元收购

DOS 在 API 之下如何工作

Decart 的优化方法在芯片栈的底层运作 —— 比多数 AI 框架更贴近硬件。对给定的神经网络架构，DOS 生成针对目标芯片特定指令集的定制 CUDA 内核或等价的底层代码，再为多加速器配置调优通信原语。该框架同时处理推理和训练负载，Decart 称还为想针对自身负载特征定制优化的超大规模云商和 AI 实验室提供按里程碑计费的试点。

这些性能宣称若能经受独立评估，将意味着可观的效率差距。Decart 称 2026 年 5 月 18 日发布的 DOS 2.0 在智能体推理负载上每秒超过 1600 token —— 公司把这个数字与其所称的行业平均约每秒 200 token 对比，意味着八倍的吞吐提升。据Decart 的产品文档，在视频和世界模型负载上，DOS 称全高清推理可达每秒 100 帧。

模型 FLOPS 利用率 —— 芯片理论算力中被有效使用、而非浪费在内存访问瓶颈、通信开销或空闲周期上的比例 —— 是这里的关键指标。大型 AI 负载的行业常态通常在 40% 到 50% 之间，意味着典型的训练或推理运行里，芯片一大半的算力潜力没有用到。Decart 称在 Trainium 上达到 80% 以上的 MFU，亚马逊自家的 Annapurna Labs 芯片团队在 Lucy 部署于 Trainium3 的语境下共同陈述了这一数字。AWS 和 Decart 没有公布该基准数字的详细方法。

这种共同陈述让数字比纯粹单方的厂商说法更可信，但 Annapurna Labs 并非无利害关系的一方：AWS 与 Decart 有商业协议，也有验证 Trainium 性能叙事的经济利益。目前没有发表过对 DOS 的 MFU 数字的独立第三方基准测试。

理解这些 MFU 数字为什么重要，先得理解芯片移植在硬件层面究竟涉及什么。一个 AI 实验室在英伟达 H100 GPU 上训练大语言模型时，编写训练代码的工程师最终产出的是 CUDA 内核 —— 针对英伟达特定指令集、内存层次和执行单元优化的 GPU 程序。写得好的内核会把多个操作融合在一起（比如把矩阵乘法和紧随其后的归一化步骤合并），避免在下一步开始前把中间结果写回慢速的 DRAM。它调整分块策略，让数据装进 GPU 快速的片上 SRAM。它调度集群内 GPU 之间的通信以隐藏延迟。这些选择每一项都是硬件专属的：对 H100 内存架构最优的切片策略，在 Trainium2 上可能适得其反，因为后者的内存层次和执行流水线差别很大。

传统的芯片移植要求工程师为新硬件从头重新推导这些选择 —— 对一个主要的生产模型，一支有经验的 GPU 程序员团队通常要花六个月到一年。结果是，即便竞争芯片理论上性价比更好，实际获取那份性能的成本也让除了最坚定的运营者以外的所有人望而却步。DOS 把这个推导自动化了。按 Decart 自己的描述，系统剖析神经网络的计算图，找出目标芯片架构上的瓶颈，自动生成调优的内核。公司称它还处理多芯片的通信调优，这对任何分布在超过几块加速器上的负载都很要紧。「几周对几个月」的说法反映的就是这种自动化：人类工程师必须把芯片架构理解到能手工调优的程度，而 DOS 把这些知识编进编译器、以程序方式应用。

作为比较，高通 40 亿美元收购 Modular —— 覆盖多芯片推理优化这片相似的领域 —— 表明市场把这类软件估在 AI 创业公司价格的高端。亚马逊据报的 70 亿美元出价意味着它给 DOS 赋予了 Trainium 路线图专属的额外战略杠杆。

三方竞购，以及一笔谈崩的交易

亚马逊至少是 2026 年第三家追逐 Decart 的大型科技公司，也是据报第二家把报价推进到意向书阶段的。这个顺序很重要，因为它既说明 Decart 技术的抢手程度，也说明亚马逊可能面对的具体条件。

据以色列科技媒体报道，英伟达曾与 Decart 进行早期收购洽谈，但在其他方面开出更高报价后谈判破裂。Decart 与英伟达既是客户又是投资方的关系 —— 英伟达参与了 3 亿美元的 B 轮，同轮还有 Radical Ventures、Adobe Ventures、Toyota Ventures 和天使投资人 Andrej Karpathy —— 让英伟达的处境颇为特别：一家芯片公司要收购一家帮客户摆脱对其所售芯片依赖的创业公司。

Anthropic 的接触更实质。彭博 2026 年 8 月报道，这家 AI 安全公司已进入深入谈判，估值约 60 亿美元 —— 路透随后证实了这一数字。Anthropic 签了意向书。然后，9 月，谈判破裂。

Anthropic 对 Decart 的兴趣表面上在战略上说得通。这家公司已为预期的 2026 年纳斯达克上市秘密递交了 S-1，一直在扩充推理基础设施以支撑其 API 业务和Claude.ai消费产品。收购 DOS 本可以在 Anthropic 加深自身硬件承诺之际给它一个芯片无关的优化层 —— Anthropic 已公开其与 Google 在 TPU 优化上的合作，另外也在探索 Trainium 部署。一家能降低跨芯片家族搬迁负载的工程成本的创业公司，对一家同时管理多重芯片关系的公司会是有用的基础设施，而 60 亿美元的估值相对于 Anthropic 当时约 600 亿美元的 E 轮估值也站得住。

据以色列财经媒体 The Deep Dive 的报道，交易破裂的原因是 Anthropic 要求创始人和相当部分工程团队从特拉维夫搬到加州。Decart 的创始人 —— 26 岁、23 岁就拿到计算机科学博士的 Dean Leitersdorf；他的兄弟 Orian Leitersdorf；以及在 8200 部队服役 13 年的 Moshe Shalev —— 拒绝了。公司约 100 名工程师主要在以色列，创始人无意拆散这支队伍。彭博另行报道称，Anthropic 也可能在尽职调查后对技术不够满意，或者认为可以在内部构建同等能力、或在别处更便宜地买到。报道把搬迁要求列为主要的破裂点。

亚马逊在这场具体的谈判里握有结构性优势：它的交易逻辑主要关乎 Trainium 的采用，而不是把 Decart 的团队并入一个 AI 研究组织。亚马逊是否也会坚持让人才搬迁尚无报道，但公司在 AI 基础设施收购上的历史 —— 包括通过许可结构实际上把 Adept 的团队挖走 —— 表明多种交易结构都有可能。

报道中的价格从 Anthropic 的 60 亿美元升到亚马逊的 70 亿美元，四周内涨了约 17%，反映的要么是来自其他方的竞争压力 —— Calcalist 的报道提到 SpaceX 可能是潜在买家，援引 Elon Musk 与 Dean Leitersdorf 自 Oasis 走红时建立的关系 —— 要么是亚马逊愿意付溢价，确保在另一位竞购者出现前把交易敲定。

Decart 的技术在生产中究竟做什么

Decart 不公布财务细节，但从其 B 轮材料和公开报道拼出的图景能看出运营轮廓。公司的年收入据多方描述为「数千万美元」，主要来自与云服务商和 AI 实验室的企业许可合同。其消费产品 —— Oasis 对用户免费，尚未变现 —— 不产生直接收入。自 2025 年 12 月起通过 Amazon Bedrock 分发，让 Decart 无需自建销售体系就触达了 AWS 的企业客户群。

Lucy 是商业上最成熟的产品。这个世界模型用一种自锚定机制实时编辑直播视频：它不是独立地从零生成每一帧，而是把自己上一帧的输出作为参考帧，用来在多次编辑间保持视觉一致。这个办法针对实时视频生成的一种常见失效模式 —— 累积漂移，即帧与帧之间的小误差叠加成视觉上的不连贯 —— 把每一个新帧锚定在模型自身最近的历史上。应用包括零售的虚拟试穿、视频内广告和直播特效。

Oasis 在技术上更复杂。这个世界模型采用基于 transformer 的扩散架构，用扩散强制方案训练：它不是一次生成整段视频序列，而是自回归地逐帧产出，每一帧都以用户当下的输入为条件。时间注意力层与空间注意力层交错，让模型保持对先前生成帧的上下文。一个基于 ViT 的变分自编码器在生成前把视觉信号压缩到低维潜空间，降低了每一步推理的算力成本。Oasis 架构的细节见decart.ai。

实际上这意味着 Oasis 可以被用户输入实时操控 —— 这个设计让最初的 Minecraft 风格演示一上来就是可交互的，而不是渲染一段预先算好的动画。在一块 H100 GPU 上，该模型以 360p 约每秒 20 帧运行。在 Trainium3 上，Decart 和亚马逊称帧吞吐提升四倍、成本只有同等 GPU 算力的一半，不过两家公司都没有公布这一数字背后的方法和测试条件。

在机器人仿真这个用途上 —— 今年早些时候发布的 Oasis 3 —— 该架构为训练自动驾驶系统生成多相机的驾驶环境。Contrary Research 的独立测试发现长会话中存在漂移、控制滞后，以及一些物理保真问题，比如物体互相穿过而不是碰撞。这些是自回归视频生成普遍存在的已知局限，不是 Decart 独有，但对自动驾驶仿真很要紧：有缺陷的合成训练数据可能比没有数据更糟。

亚马逊的 Trainium 野心，以及 DOS 为什么改变了算术

亚马逊对其芯片野心毫不掩饰。Jeff Bezos 今年公开表示，定制芯片有潜力成为亚马逊下一个持久的业务支柱，公司正在探索把 Trainium 芯片直接卖给外部客户 —— 这种模式会把亚马逊从芯片消费者变成与英伟达争夺 AI 基础设施收入的芯片供应商。Snowflake 近期与 AWS 签下 60 亿美元的云基础设施承诺，包括其定制的 Graviton 处理器和 AI 加速器；亚马逊另外一直在运营与 Cerebras 的合作，提供晶圆级大芯片用于推理负载。

所有这些野心都撞上一道现实的障碍：企业 AI 开发者把流水线建在英伟达 GPU 上，把模型针对 CUDA 优化，没有令人信服的经济理由和清晰的移植路径，就没什么动力把负载移到 Trainium 上。DOS 解决的是这个等式的后半部分。如果从 H100 优化的模型换到 Trainium 优化的模型只要几周而不是几个月，而且换过去的 Trainium 部署能达到芯片理论算力的 80% 以上，切换的经济账就说得通了。

这似乎就是推动 70 亿美元标价的算术。问题不在于 Decart 的世界模型和视频技术单独是否值 70 亿美元 —— 以「数千万美元」的年收入和约 100 名工程师的团队，它们不值。问题在于，把 DOS 整合进 Trainium 开发者生态能否带来足够多的增量 Trainium 收入来支撑收购成本。对于一家 AI 基础设施资本开支每年数百亿美元的云服务商，一个能显著加速企业采用其自研芯片架构的软件工具，带来的回报可能远超收购价。

高通与 Modular 的比较为市场眼中芯片可移植性软件作为独立资产的价值设定了下限。亚马逊在这个下限之上的溢价反映的是 Trainium 专属的杠杆：Decart 已经跑在 Trainium 上，取得了可信的利用率数字，通过 Bedrock 有现成的分发关系，并用 Lucy 展示了在这颗芯片上生产级部署是什么样子。

DOS 所进入的独立推理优化版图

DOS 并非孤军作战。推理优化领域自 2023 年以来大幅扩张，而 Decart 的商业定位处在一个不寻常的交叉点上：比现有开源方案更自动化，但在实际部署记录上远没有那么硬件无关。

部署最广的开源推理引擎是加州大学伯克利分校研究人员开发的 vLLM。vLLM 引入了 PagedAttention —— 一种内存管理技术，把 transformer 推理中的键值缓存当作虚拟内存系统里的页来处理，大幅提升了同时服务多个并发请求时的 GPU 利用率。它成熟、文档完善，主要跑在英伟达硬件上，对 AMD ROCm 有部分支持。同样出自伯克利的 SGLang 在此之上增加了结构化生成功能，加速智能体负载中的受约束解码。两个项目都不宣称 Decart 为 Trainium 所宣称的多芯片可移植性或 MFU 数字，而且两者的构建和维护主要面向英伟达级别的芯片。

英伟达自己的 TensorRT-LLM 处在另一种位置：它是英伟达的内部推理优化器，与 TensorRT 的量化和内核调优能力紧密集成，实际上是英伟达 GPU 专有的。它在 H100 上产出高度优化的推理，但它存在的目的恰恰是把企业客户留在英伟达硬件上。Google 维护着 XLA 和 OpenXLA 项目，那是为 TPU 做优化的编译器基础设施，并越来越多地通过基于 MLIR 的下沉支持其他加速器。XLA 很强大，但在 Google 自家栈之外应用需要大量工程投入。

相对于这些替代方案，DOS 的商业差异化建立在两个说法上：它在非英伟达硬件上能达到与手工调优的英伟达方案相当或更好的 MFU；它通过把开源工具需要人工专长才能完成的事自动化，减少了移植的工程投入。这两个说法都没有在公司宣传的全部三个芯片目标上经过独立基准测试。有记录的是 Lucy 在 Trainium 上的部署 —— 一个生产负载、一个芯片家族、由一个有商业利益的一方共同验证。这足以让亚马逊构建收购理由；但还不足以让更广泛的行业把 DOS 视为一个经过验证的跨平台方案。

整合风险之所以要紧，恰恰是因为独立的替代方案仍然比这项技术的战略重要性所应有的更薄弱。如果 DOS 进了亚马逊、Modular 进了高通，剩下的中立推理优化工具基本就是为英伟达硬件优化的开源项目 —— 而这正是英伟达希望看到被保留的竞争格局。

创始人的问题，以及接下来会怎样

这笔交易最不确定的变量，正是已经让它死过一次的那个。Decart 的创始人在特拉维夫，公司围绕部分来自 8200 部队人脉的以色列工程人才建立，Anthropic 要求搬迁时他们拒绝了。亚马逊是把交易结构设计成保留特拉维夫研发中心，还是会尝试某种 Anthropic 没能完成的搬迁方案，尚无报道。

以色列科技创始人在被收购后保留运营独立性的交易 —— 先例有好几个 —— 成交价往往比要求搬迁的交易略有折让，因为买方接受持续的运营复杂性来换取留住团队。如果亚马逊愿意为一个把大部分工程留在特拉维夫的运营结构付 70 亿美元，这份溢价本身就说明它对 DOS 技术有多重视。

《华尔街日报》所说的交易可能在几天内敲定，意味着这些细节的解决已经临近，或者双方已经同意按一种避开了终结 Anthropic 谈判的搬迁僵局的方式来构建交易。无论哪种，报道中时间线之快 —— 距 Anthropic 退出只有几周 —— 表明亚马逊进入谈判时立场明确，而不是试探性的兴趣。

交易还将面临监管审查。在美国，超过 1.195 亿美元的交易触发强制的《哈特-斯科特-罗迪诺法》申报，而一笔涉及美国最大科技公司之一的 70 亿美元交易几乎肯定会受到联邦贸易委员会的实质审查。过去两年 FTC 对大型科技公司 AI 收购的态度已转向结构性的怀疑：该机构审查过微软与 Mistral 的合作，调查过英伟达对 Run:ai 的收购，也审视过亚马逊自己对 Anthropic 的投资。亚马逊此前至少有一桩 AI 关系 —— 与智能体软件公司 Adept 的安排 —— 被构建为人才与许可交易而非完整收购，一些观察者认为这种结构是为了降低并购申报的暴露。亚马逊对 Decart 是采取类似的许可结构，还是不顾监管时间线推进完整收购，将同时影响交易的敲定速度和最终的财务条款。欧盟的《数字市场法》和英国竞争与市场管理局也很可能审查一笔涉及被指定为守门人的云服务商的这种规模的交易。

对更广泛的 AI 基础设施市场而言，结果将表明芯片可移植性软件是在向超大规模云商的所有权集中 —— 这会限制它作为中立工具的可得性 —— 还是独立的替代方案会继续发展。Modular 现在在高通里面。如果 DOS 进了亚马逊，剩下的独立推理优化玩家将面对这样一个格局：该领域最可信的两项资产，都归利益相互竞争的芯片公司专有。

Decart 的创始人如何处置一个可能的 70 亿美元结果，以及收购之后他们的下一个研究方向在哪里，对实时 AI 视频和物理 AI 仿真的未来而言，可能和交易结构本身一样重要。Dean Leitersdorf 多次说过，公司的目标是从以色列建起世界上最深厚的 AI 实验室之一。这个雄心在亚马逊的云基础设施业务里如何存续，仍是这笔尚未签字的交易中最悬而未决的问题。

2026 年的 AI 基础设施收购潮 —— AMD 买下 World Labs、高通的 Modular 交易，如今又有亚马逊据报对 Decart 出手 —— 正在把控制芯片访问的工具集中到同时控制芯片的公司手里。每笔交易单独看都有清楚的理由。叠加起来的效果，是曾让 AI 开发者可以面向任何自选硬件构建的独立软件层在收窄。如果这个趋势延续，在非英伟达硬件上实现有竞争力的推理的现实路径，将越来越多地经由某家超大规模云商的专有栈。这正是亚马逊押注的结果 —— 也正是行业其他各方最该密切关注的。