70亿美元收购Decart：亚马逊的AI算力焦虑与全球基础设施军备竞赛|decart|亚马逊公司|知名企业|科技巨头|算力|英伟达|谷歌

从模型竞赛到推理效率之争，科技巨头正在重画AI时代的算力版图。

10月11日，一则消息在硅谷科技圈引发震荡：消息人士透露，亚马逊正在就收购AI初创公司Decart进行深度谈判，这笔交易对Decart的估值可能达到约70亿美元。更耐人寻味的是，Anthropic曾在今年9月决定放弃以约60亿美元的价格收购Decart，这为亚马逊的入场增添了一层特殊的竞争意涵。

一次意味深远的收购

Decart是谁？这家成立于2023年的以色列AI基础设施初创公司，专注于构建AI推理优化引擎和高效算力调度平台。用行业术语来说，它的核心能力是让大模型在推理阶段跑得更快、成本更低——这恰恰是当前AI产业从“训练竞赛”转向“规模化部署”阶段最稀缺的能力。

如果交易成行，这将是亚马逊史上最大规模的AI初创企业收购之一，也标志着其AI战略的一次显著升维：从单纯依赖自研芯片和云服务，向控制AI产业链关键环节的深度整合转变。

值得注意的是，Anthropic与亚马逊之间本就有着紧密的资本纽带。亚马逊已向Anthropic累计投资80亿美元，是其最重要的云服务供应商和算力支持方。Anthropic有意收购Decart却又最终退出，亚马逊随即将目光锁定这家公司，说明双方在AI基础设施路线上的协同考量远比表面看起来更为复杂。

算力军备竞赛的“下半场”

理解这笔交易的产业背景，需要跳出单一企业行为，将其放在全球AI算力博弈的大棋局中审视。

过去两年，各科技巨头的AI竞赛集中于一个维度：训练更大规模的模型，堆砌更多GPU集群。然而，随着模型参数量逼近物理极限、训练成本指数级攀升，产业的风向正在悄然转向推理——即模型训练完成后的实际使用环节。

大模型推理的成本结构存在巨大优化空间。业内测算，训练与推理的成本消耗比约为1:1.5至1:2，随着应用规模扩大，推理成本在模型总拥有成本中的占比只会持续攀升。这正是Decart所聚焦的赛道：通过优化推理大模型的计算效率，帮助企业客户在同一套硬件上承载更多AI负载，从而显著降低单位使用成本。

对于亚马逊而言，收购Decart的战略价值在于三层递进：

第一层，强化AWS的AI服务护城河。AWS当前面临微软Azure和谷歌云在AI方面的双面夹击，推理优化的底层能力将直接提升AWS上运行大模型应用的性价比，这是争夺企业客户最具说服力的筹码。

第二层，对冲AI芯片供应链风险。亚马逊拥有自研AI训练芯片Trainium和推理芯片Inferentia，但全球AI算力霸主英伟达依然在生态层面占据绝对优势。通过掌控Decart的优化能力，亚马逊可以在同等硬件条件下输出更高性能，减少对英伟达CUDA生态的依赖，为自研芯片争取更大腾挪空间。

第三层，绑定Anthropic协同生态。Anthropic选择放弃收购Decart，不等于放弃与其合作的可能。亚马逊以自身身份收购，既避开了关联交易中可能出现的利益冲突，又能在算力调度和推理优化层面为Anthropic提供更高效的底层支持，巩固双方绑定关系。

全球AI基础设施竞争格局之变

亚马逊对Decart的青睐并非孤立事件，而是全球AI算力基础设施竞争加速的一个缩影。

从全球维度观察，美国科技巨头在AI算力领域的布局正在从“买GPU”向“控架构”演进。微软在自研AI加速器Maia 100，谷歌深耕TPU长达十年，Meta自研MTIA芯片，再加上亚马逊的Trainium和Inferentia——四大云厂商全部走向定制化芯片和垂直整合。但芯片只是底层，真正决定AI运行效率的还有中间层的基础软件、编译器和推理引擎。Decart所代表的，正是这一层最前沿的技术资产。

与此同时，这场竞赛已经超出了单一企业的边界，嵌入大国科技博弈的叙事框架。美国商务部对高端AI芯片的出口管制层层加码，英伟达的旗舰产品面向中国市场持续降级适配。全球的AI算力资源分配呈现出明显的“两极分化”态势：掌握先进制程和高端芯片生态的国家获得先发优势，其余国家则面临算力鸿沟加大的风险。

在这一背景下，中国AI产业走出了一条差异化路径。国内云厂商在AI推理优化、软硬协同设计上积累了大量工程经验——以华为昇腾生态为代表的国产算力平台正在加速成熟，百度、阿里等公司也在大规模推理成本压缩上交出了亮眼的成绩单。中国AI大模型的公司并未等待算力的赶超，而是以更高的效率利用现有资源，推动推理成本快速下降。

推理效率：下一个胜负手

回到产业逻辑本身。业内越来越形成一个共识：大模型竞争的胜负手正在从“谁家模型聪明”转向“谁的模型用得起”。

这背后是一个简单而残酷的商业约束：如果一次API调用的成本无法降到足够低的水平，无数想象中的应用场景都只能停留在概念阶段。高盛在一份研报中估算，AI推理成本需要每年下降50%以上，才能支撑起产业对AI应用规模化落地的预期。

Decart这类公司的价值，恰恰在于用系统级的软硬协同优化，挑战推理成本的“物理定律”。其技术路线涵盖模型压缩、算子融合、显存优化和异构调度等多个层面，有点类似于给AI大模型装上了一个“涡轮增压系统”——同样的硬件，更多的请求，更低的时延。

从“有多少芯片做多少事”到“一块芯片干几块的活”，这将是AI基础设施竞争的下一主题。CompTIA的一项分析指出，AI推理优化市场的年均复合增长率将超过60%，到2027年市场规模有望突破千亿美元。而能够在这一赛道建立绝对优势的企业，将在AI产业的“水电煤”供应网络中占据不可替代的位置。

中国通信与AI产业的启示

亚马逊收购Decart的交易，对中国相关产业同样具有启示意义。

通信产业与AI算力基础设施的耦合正在持续加深。5G/5.5G网络的大规模建设提供了数据高速通道，但如果没有足够强、足够便宜的AI算力支撑，网络侧积累的海量数据就难以转化为实际价值。算力网络、算力调度已经成为中国通信行业的热门方向，“东数西算”工程、全国一体化算力网建设都在推进中。

在AI推理优化层面，中国企业有着天然的优势场景——庞大的互联网用户基数催生了全球最大规模的实时推理需求，从推荐系统到智能客服，从自动驾驶到具身智能，都是检验推理效率的试金石。

需要清醒认识到的是，中国在AI基础软件生态、高性能芯片设计工具链等方面仍存在短板。美国科技公司凭借资本优势和生态壁垒不断加固技术护城河，追赶的窗口期正在收窄。加快国产算力软硬件的协同优化，构建自主可控的AI推理技术栈，是中国AI产业必须打赢的硬仗。

结语

亚马逊与Decart的收购谈判，折射出的是全球AI产业进入“效率为王”新阶段的分水岭时刻。当模型的智力天花板暂时触顶，成本的竞争便成为决定整个行业商业闭环能否形成的关键。从训练到推理，从芯片到引擎，从单点技术到全栈整合，AI军备竞赛的内涵正在改变。