社区

据《华尔街日报》10月11日的报道，亚马逊正洽谈以70亿美元收购AI初创公司Decart，该项目仍处于谈判阶段。对于一家成立时间不长的创业公司而言，这个价格足以引起市场关注。 $亚马逊(AMZN)$

据Decart公司官网介绍，其业务价值在于实现模型运行效率、算力成本和应用商业化之间的连接。一方面帮助开发者在不同AI芯片之间切换，通过底层优化软件DOS提升硬件利用效率；另一方面是开发实时视频生成与世界模型产品如Lucy、Oasis，探索AI在内容创作、交互体验和物理世界模拟中的应用。

过去几年，GPU供应和先进芯片性能受到广泛关注，如今异构计算、推理效率和单位任务成本也开始进入企业的技术决策。亚马逊如果最终完成收购，可能进一步强化自研芯片、云服务与软件优化之间的协同；Decart则有机会借助云平台扩大技术应用范围。

不过，70亿美元仍是媒体披露的潜在交易金额，不能直接视为最终成交价。亚马逊为何愿意出高价收购Decart，它又是否值这个价？

AWS增长提速，算力效率开始影响云业务的竞争力

理解亚马逊的动机，需要先看AWS正在经历什么。

据天眼查，亚马逊二季度财报，AWS当季净销售额达到422亿美元，同比增长37%，创下过去18个季度以来最快增速；自研芯片业务的年化收入规模均已超过250亿美元，且保持三位数同比增长。这些数字说明，AI已经不只是云业务的未来选项，而是正在贡献收入的现实业务。

反观到资本开支方面，截至6月30日的过去12个月，公司自由现金流为负76亿美元；同期用于购置物业和设备的净支出同比增加661亿美元，公司明确将AI投资列为主要原因之一。此外，二季度财报表示，亚马逊将全年资本开支计划提高至2200亿美元。

将这些数据放在一起，会发现：客户需求增长越快，企业越需要提前建设数据中心、采购芯片并配置网络和电力设施，但重资产投入并不意味着收入和利润可以同步兑现。芯片采购只是投入链条的起点，设备利用率、单次模型调用的成本，客户迁移与部署难易，同样影响投资回报，这也是目前云厂商普遍面临的经营问题。

对于AWS而言，Decart的Dos优化软件能够帮助客户更充分地利用Trainium，同时降低模型迁移和部署的技术成本，自研芯片的竞争力就有机会从硬件价格延伸至整体使用体验。

但软件优化究竟能够为客户节约多少成本，能否在不同模型、工作负载和芯片架构下稳定兑现？这一问题需要进一步商榷。如果它能够形成可复制的性能优势，AWS就有机会在不完全依赖外部GPU供应的情况下改善算力供给，并进一步提高云服务的竞争力。

Decart的价值不只在芯片切换，软件层能否形成规模收入才是关键

因此，如何将技术带来的效率优势，转化为自身可持续的商业收入？也成了衡量Decart商业价值的另一重逻辑。

尤其是在生成式AI领域，模型推理成本直接影响应用的商业化空间。对于内容平台和企业客户而言，更低的运行成本不仅意味着费用节约，也意味着原本难以规模化的实时生成、交互式内容等应用，有机会形成更可行的商业模式。

沿着这一逻辑，Decart的业务布局也不局限于底层算力优化。

开发面向应用场景的生成式AI模型，也是Decart的业务板块之一。

Dos、Lucy与Oasis的组合，不仅帮助开发者和企业降低模型运行成本，还能将生成式AI能力提供给内容平台、开发者及企业客户。

由于不同芯片对应不同的软件工具链和开发环境，企业要在多种硬件之间迁移模型，同时还要承担代码改造、性能调优和稳定性测试等成本。Decart试图降低这类摩擦，让开发者可以根据成本、性能和供给情况选择算力。

不过，自研芯片要被市场接受，除了性能和价格，还取决于开发者愿不愿意迁移、现有模型好不好适配，以及运行效率能否达到预期。软件层如果能够降低迁移门槛，Trainium就有机会进入更多实际工作负载。对客户而言，多芯片兼容也有助于降低对单一供应商的依赖。

根据《华尔街日报》报道，Decart在5月完成一轮由Radical Ventures领投的3亿美元融资，英伟达也参与其中。英伟达参与投资、亚马逊考虑收购，都直观反映出底层软件的产业价值可能超越单一芯片阵营。芯片厂商投资，云厂商收购，说明跨硬件的软件优化是双方都需要的能力。只要多种芯片长期共存，这一需求就不会停滞。

对于Decart而言，能否把技术优势转化为可持续的合同收入，并在客户扩大使用规模后维持性能和成本优势才是真正的考验。而对于潜在收购方，收购之后能否留住核心团队、保持产品对多种硬件的兼容能力，也会影响这笔交易最终创造的价值。

从实时视频到物理AI，Decart的第二条增长曲线仍需验证

如果只把Decart看作芯片调度软件公司，可能会低估其业务布局；如果直接把它视为物理AI基础设施的成熟供应商，又容易高估其商业化进度。

实时视频生成模型Lucy需要持续进行模型推理，交互式世界模型Oasis也需要处理环境变化和连续反馈。如果DOS能够降低这些工作负载的运行成本，Decart就可能同时向上服务应用开发者、向下优化模型运行效率，形成从基础设施到模型产品的业务组合。

模拟环境能否真实反映物理世界，生成结果能否满足机器人训练对准确性和稳定性的要求，以及企业是否愿意为相关服务持续付费，都需要客户项目和产品收入来证明。技术演示、用户关注度和融资进展可以成为早期信号，却不足以直接推导出成熟的商业模式。由此可见，Decart的商业收入仍有不确定性。

对于亚马逊而言，实时视频生成可以探索广告、内容制作和互动应用，世界模型则有机会服务机器人、自动驾驶及工业模拟；AWS提供的算力、开发工具和企业客户渠道，理论上能够帮助这些产品接触更广泛的商业场景。

如何在AWS的协同需求与第三方客户使用需求之间平衡，决定Decart长期的市场空间。

从更大的产业视角看，Decart与AWS的合作，也折射出AI产业竞争正在发生的一种变化。

过去，资本市场更关注芯片性能、算力储备和模型能力；但随着AI基础设施投入持续扩大，算力利用率、推理成本以及应用端的商业回报，正在成为衡量产业价值的重要指标。

这意味着，未来AI产业链上的价值分配，未必完全取决于谁掌握最先进的芯片或模型。那些能够提高算力使用效率、降低应用商业化门槛的软件企业，同样有机会获得更大的市场空间。

而Decart真正值得关注的地方，或许正在于此。

毕竟，算力投入决定了AI产业能够跑多快，而算力投入之后能赚回多少钱，才决定这场竞赛能够跑多远。