亚马逊若以最高约 75 亿美元收购 Decart,买的可能不是一家 AI 初创公司的现有收入,而是让 AWS 自研芯片真正变成云服务能力的软件层。
据以色列科技媒体 CTech 2026 年 11 月 18 日报道,亚马逊接近收购以色列 AI 初创公司 Decart,交易基础对价将超过 70 亿美元,若叠加业绩条件,总价值可能接近 75 亿美元。报道所称支付方式包括现金、股票和递延付款,部分款项可能在第五年支付。交易截至报道发布时仍未获亚马逊或 Decart 官方确认,因此 75 亿美元不是已完成交易的确定价格,而是一个带有条件的潜在上限。
多家市场资料将 Decart 此前一轮私募融资后的估值描述为约 40 亿美元,但这一估值并未在本次可查到的 Decart 官方材料中得到独立确认。若报道属实,潜在收购对价显著高于此前市场口径的私募估值。这个溢价暗示,亚马逊看中的或许不是 Decart 当下能卖出多少 API,而是它能否改变 AI 云计算的成本结构。
亚马逊要买的不是模型,而是模型与芯片之间的翻译层
Decart 对外展示的核心产品不是一个与 ChatGPT 直接竞争的通用聊天机器人,而是 Decart Optimization Stack,简称 DOS。根据 Decart 官方披露,DOS 覆盖硬件感知的模型设计、内核工具、专有编译器、推理优化和产品化,面向大语言模型、智能体、视频和世界模型等工作负载。
这类软件的战略价值,来自 AI 计算中一个经常被低估的事实。客户买到一块芯片,并不等于模型就能高效运行。模型需要经过编译、算子适配、内存调度、通信优化和服务化改造,才能在实际业务中稳定地产生 Token。芯片的峰值算力只是起点,真正决定云服务经济性的,是每个 Token 的成本、延迟、吞吐和利用率。
Decart 的官方材料称,DOS 可以运行在 NVIDIA GPU、Google TPU 和 Amazon Trainium 等不同硬件上,而且不要求客户替换已有基础设施。对 AWS 来说,这个“跨硬件”特征很有吸引力。它一方面可能帮助客户减少对单一芯片供应商的依赖,另一方面也可能让 AWS 更容易把 Trainium 推入原本以 GPU 为默认选项的工作负载。
换句话说,Decart 扮演的可能是“翻译层”。它把模型开发者熟悉的工作负载,翻译成不同芯片能够高效执行的代码和计算路径。谁掌握了这层能力,谁就不必只靠硬件价格争夺客户。
Trainium 的瓶颈,正在从造芯片转向提高利用率
AWS 已经不再把自研芯片当作实验项目。AWS 官方将 Trainium 定位为面向大规模 AI 训练和推理的专用芯片,并强调芯片、服务器、网络、软件和云服务的协同设计。亚马逊的目标并不只是造出一款替代 GPU 的加速器,而是把从硬件到 Token 的整条链路控制在自己手中。
但专用芯片的商业化有一个天然难题。硬件越专用,理论效率可能越高,迁移成本也可能越高。NVIDIA 的优势不只在 GPU 本身,还在于开发工具、软件生态和大量工程师已经围绕它形成了路径依赖。若客户需要为每一类模型重新写内核、重新调度内存、重新验证稳定性,芯片在报价单上的成本优势,就可能被工程迁移成本抵消。
因此,AWS 自研芯片的下一场竞争不是“有没有芯片”,而是“有多少工作负载可以稳定地跑在芯片上”。芯片利用率越低,折旧、机房、电力和网络成本就越难被摊薄;客户使用越浅,AWS 就越难把硬件优势转化为长期云收入。
Decart 与 AWS 的关系,正好落在这个关键位置。Decart 官方称,公司已与 AWS 建立商业合作和联合市场推广关系,其实时 AI 模型已经在 Trainium 上部署,Lucy2 运行在 Trainium3 上。AWS 官方页面也把 Decart 列为 Trainium 客户和采用者。若这些能力能够从 Decart 自己的实时模型扩展到更多客户,收购就可能从一次供应商整合,变成 AWS 芯片商业化的加速器。
最高约 75 亿美元买的是一项期权
报道所描述的交易结构值得关注。超过 70 亿美元的基础对价由现金、股票和递延付款组成,叠加业绩条件后,潜在总价值接近 75 亿美元。创始人 Dean Leitersdorf、Orian Leitersdorf 和 Moshe Shalev 据报道承诺留任五年,部分对价延后到第五年支付。
这不是普通意义上的一次性高价收购,更像一项被拆成多年执行的期权。亚马逊先获得技术、客户关系和工程团队,再根据实际协同效果支付相当一部分价格。如果 Decart 无法改善推理成本、Trainium 利用率或客户采用,部分潜在对价就可能无法兑现。对于买方而言,这种安排能够把一部分估值风险与未来结果绑定起来。
但递延付款也暴露出另一层现实。Decart 的价值很大程度上依赖人才,尤其是懂模型、编译器、内核和硬件架构的工程师。软件平台可以被收购,工程师的创造力却无法被资产负债表直接锁定。五年留任条款能提高稳定性,却不能保证团队在大公司流程中保持创业速度,也不能保证关键人员不因文化冲突离开。
这也是 AI 并购与传统软件并购不同的地方。传统软件公司的价值常常沉淀在代码、客户合同和续费率中,AI 基础设施公司的价值则更多沉淀在一群能持续把模型压榨到硬件极限的人身上。买方付出的不只是资产价格,还包括人才保留成本和组织整合风险。
亚马逊必须证明四个结果
如果交易最终完成,市场不会长期满足于“亚马逊拥有了一家优秀 AI 初创公司”这样的叙事。投资者最终会追问四个可量化结果。
首先是推理成本。Decart 官方曾宣称 DOS 带来超过 100 倍的成本效率提升,并称在同等硬件下实时 AI 性能最高可提升 8 倍。这些数字属于公司自述,不能直接等同于 AWS 全部客户的实际收益。亚马逊需要证明,优化是否能转化为更低的每 Token 成本,而不是只在特定模型、特定批次或演示场景中有效。
其次是 Trainium 利用率。专用芯片只有在被持续、稳定地使用时才具备经济意义。Decart 若能降低模型迁移门槛,让更多工作负载在 Trainium 上达到接近 GPU 的开发体验,价值就不仅是帮助一个客户省钱,而是帮助 AWS 提高一整套基础设施的资产周转效率。
再次是客户采用。AWS 需要把 Decart 的能力包装成开发者可以直接调用的服务,或者通过合作伙伴网络进入更多企业工作流。否则,Decart 的优化技术可能只停留在少数实时视频、世界模型等高性能场景,无法成为 AWS 的通用基础设施。
最后是团队留存。五年承诺只是报道中的合同安排,真正的考验是 Decart 的工程文化能否与 AWS 的规模化组织兼容。高价并购最怕的不是技术暂时落后,而是交易完成后关键人才离开,客户关系被打散,产品路线失去连续性。
AI 基础设施的竞争,正在从芯片延伸到软件层
近年,AI 基础设施竞争的主角是芯片。云厂商争相设计自研加速器,模型公司争取更多算力,投资者则把注意力集中在 GPU 供应和数据中心资本开支上。
但随着芯片种类增多,软件优化层的价值正在上升。NVIDIA GPU、Google TPU、Amazon Trainium 以及其他专用处理器并不会自动形成可替代关系。不同硬件对应不同的内存层级、互联方式、编译器和算子支持。能够跨硬件调度模型的公司,可能成为新的“卖水人”,因为它出售的不是某一桶水,而是让不同水源都能接入同一套供水系统。
这解释了为什么一家公司的潜在收购价,可能在其传统收入尚未被市场充分看见前,就显著高于上一轮融资估值。亚马逊看中的不是 Decart 今天能卖多少 API,而是它能否影响未来数年的云计算成本结构。只要每一美元 AI 收入中有更多部分转化为毛利,软件优化层就有机会分享硬件规模化带来的价值。
当然,亚马逊并不是唯一需要这类能力的公司。微软、谷歌以及大量 AI 云服务商都在同时推进自研芯片和多硬件部署。模型厂商也不愿把命运完全绑定在单一供应商上。Decart 这种跨硬件、面向推理效率的定位,可能因此获得更高的战略溢价,也可能在被大公司收购后失去中立性。
如果 Decart 成为 AWS 的内部能力,其软件首先需要服务于亚马逊的芯片路线和商业目标。客户得到的也许是更高效的 Trainium,但未必还能获得完全中立的硬件抽象层。收购带来的协同与独立性之间,存在一条需要谨慎处理的边界。
结语
亚马逊与 Decart 的交易目前仍是报道中的潜在收购,不能当作已经完成的事实。即使交易最终落地,最高约 75 亿美元也不应被简单解读为对一家初创公司当前业务规模的估值。它更像亚马逊为“让自研芯片被广泛使用”买下的一张长期期权。
这张期权是否值得,最终不看发布会上的性能数字,而看 AWS 能否把它兑现为更低的推理成本、更高的 Trainium 利用率、更快的客户迁移和更稳定的工程团队。AI 基础设施的下一场战争,未必发生在谁拥有最多芯片,而会发生在谁能让最多模型以最低成本跑起来。
真正昂贵的从来不是芯片本身,而是让芯片持续被高效使用的软件。






快报