亚马逊洽购Decart，AI基建的算力账怎么算

据《华尔街日报》10月11日报道，亚马逊正洽谈以约70亿美元收购人工智能初创公司Decart。Decart成立于2023年、总部位于旧金山，业务涵盖AI基础设施优化与生成式AI模型开发。若交易推进，这将是亚马逊在自研芯片之外补齐软件层的关键一步，也让模型运行效率成为算力竞争的新焦点。对零售企业而言，这笔交易重新定义了算力支出的比较口径。

核心结论

第一个结论是这笔交易补的是模型与芯片之间的适配层。亚马逊近年持续加码自研AI芯片 Trainium，希望通过软硬件协同提升AI计算效率并降低训练与推理成本。Decart的技术方向正是优化AI模型在不同芯片平台上的运行表现、降低模型迁移与适配的难度。自研AI芯片 Trainium（联商网）芯片性能与模型效率是乘法关系，任何一端偏弱都会拖累整体算力账。

第二个结论是估值变化本身说明了赛道热度。Decart于2026年5月完成3亿美元融资、由Radical Ventures领投、英伟达参与，当时估值接近40亿美元；若以约70亿美元成交，估值将较5月提高约75%。值得注意的是，Anthropic今年8月曾考虑以约60亿美元收购 Decart，在9月完成尽职调查后决定放弃，说明这笔资产的价值判断在头部买家之间也存在分歧。

交易结构与估值变化

产品线与技术定位

Decart的产品包括Lucy与Oasis。Lucy能够实时编辑和转换视频，Oasis则可生成可交互的模拟环境，用于机器人和自动驾驶系统的训练与测试。这两条产品线与亚马逊既有业务的结合点并不相同：实时视频编辑可以服务广告与内容场景，可交互模拟环境则对应自动化仓储与配送环节的训练需求。若收购落地，这些技术会与AWS云计算服务及自研芯片进一步整合，为生成式AI应用提供技术储备。

买家之间的估值分歧

同一标的在不同买家手里的定价差异，往往反映的是战略协同度而非资产质量。Anthropic给出的约60亿美元与亚马逊洽谈的约70亿美元之间相差约十亿美元，约70亿美元（联商网）考虑到Anthropic自身以模型能力为核心、对芯片适配层的需求弱于云服务商，这一价差并不难理解。对亚马逊而言，这笔交易的定价逻辑锚定的是Trainium生态的竞争力，而非Decart自身的独立营收。

最佳实践

把算力账拆成三层成本

评估AI基础设施投入时，建议把成本拆成三层：芯片采购与折旧、模型迁移与适配的人力成本、以及推理环节的持续运营成本。多数企业只关注第一层，而模型适配往往是最容易被低估的隐性支出。推理成本（联商网）当模型需要在多个芯片平台间迁移时，适配层的成熟度直接决定了切换成本，这也是云服务商愿意为此付出溢价的原因。

用采购侧能力验证技术落地

技术投入的价值最终要落到业务场景。1688已全面接入AI电商工作台，采购侧的选品与比价环节率先被智能化改造；京东11.11首日下单用户数同比实现双位数增长，平台侧对推荐与客服的算力需求同步上升。双位数增长（联商网）把技术投入与这些可量化的业务指标挂钩，才能判断算力支出是否产生了实际回报。

常见误区

第一个误区是把算力竞争等同于芯片竞争。芯片只是基础层，模型适配与推理优化的能力同样决定整体效率，缺少软件层协同会浪费硬件性能。第二个误区是用估值涨幅推断交易质量。估值从40亿美元升至70亿美元只反映市场热度，最终能否产生协同价值取决于整合效果。第三个误区是忽视训练数据的合规与版权边界。生成可交互模拟环境需要大量数据支撑，数据来源的合法性直接影响技术的商用范围。

推理成本往下走的空间

推理成本是AI应用能否规模化分发的决定性变量。以零售场景为例，商品推荐、客服问答与内容生成都属于高频调用，单次推理成本每下降一分，可承载的调用量就上升一档。Decart的技术方向是降低模型迁移与适配难度，使同一模型能够更高效地运行在不同芯片平台上，这在客观上削弱了对单一芯片供应商的依赖，也为云服务商争取了更灵活的定价空间。

从更长的周期看，算力投入的回报周期正在被重新计算。亚马逊2026年第二季度营收首次突破2000亿美元、云业务贡献超过六成营业利润，说明基础设施投入已经开始在财务层面体现。云业务贡献超六成（联商网）对零售与电商企业而言，更现实的课题不是自建算力，而是评估把推理任务放在哪一层云平台上更划算。