展开目录 ▾
#Anthropic#Decart#并购#算力#AI基础设施#行业观察

Anthropic 放弃 60 亿美元收购 Decart:一场关于「算力效率」的并购为什么黄了?

9月8日,彭博社报道 Anthropic 已完成对以色列 AI 初创公司 Decart 的尽职调查,却最终选择放弃这笔约 60 亿美元的收购。Decart 用软件把芯片「榨」得更高效——1,600 tokens/s 的 Agent 推理速度、跑在 AWS Trainium 上的世界模型。当 AI 巨头都在疯狂囤卡,为什么 Anthropic 放弃了这张「效率牌」?

预计阅读 2 分钟

一句话总结

据彭博社 9 月 8 日报道,Anthropic 已经决定放弃收购以色列 AI 初创公司 Decart——此前双方就一笔约 60 亿美元的交易进行过洽谈,Anthropic 甚至完成了尽职调查,最终却选择退出。Decart 做的是「让芯片更高效」的软件:号称让 Agent 推理跑到 1,600 tokens/s、把世界模型推上 AWS Trainium。在 AI 巨头争相砸钱囤算力的 2026 年,这场被放弃的并购,反而比很多成交的并购更有信息量。

数据来源

  • Bloomberg《Anthropic Said to Walk Away From $6 Billion Decart Purchase》(2026-09-08,Shirin Ghaffary / Ryan Gould)
  • 新浪科技援引报道《Anthropic据悉放弃收购AI初创公司Decart,交易规模曾达60亿美元》(2026-09-08)
  • Fortune《Decart raises $100 million at a $3.1 billion valuation》(2025-08-07)
  • The Next Web / SiliconANGLE / Dealroom 对 Decart 2026-05 新一轮融资的报道

发生了什么:一条完整的「尽调后退出」时间线

把 Decart 过去两年多的轨迹拉直,这笔被放弃的并购其实有完整的上下文:

Decart 融资轨迹与并购谈判时间线

  • 2023 年底:Dean Leitersdorf 与 Moshe Shalev 在以色列创立 Decart(名字致敬哲学家笛卡尔),做「实时 AI」的效率优化;
  • 2024 年:走出隐身,完成 Sequoia 领投的 2,100 万美元种子轮;年底 Benchmark 领投 3,200 万美元 A 轮,估值约 5 亿美元;
  • 2025 年 8 月:完成 1 亿美元融资,估值跃升至 31 亿美元(Fortune 独家);
  • 2026 年 5 月:Radical Ventures 领投 3 亿美元,估值逼近 40 亿美元——英伟达、Adobe、丰田、eBay 入局,天使名单里包括 Andrej Karpathy、前迪士尼 CEO Michael Eisner、任天堂家族;
  • 2026 年 8 月:彭博报道 Anthropic 与 Decart 洽谈收购,交易规模约 60 亿美元;
  • 2026 年 9 月 8 日:Anthropic 完成尽职调查后决定放弃。两家公司仍可能寻求其他合作,双方均拒绝置评。

Decart 是谁:三款产品,一个核心叙事

Decart 的自我定位是「世界运行其上的实时 AI 实验室」。它卖三样东西,底层逻辑只有一条——把 AI 跑得更快、更便宜:

Decart 三款核心产品:DOS / Lucy / Oasis

  • DOS(Decart Optimization Stack):训练与推理优化平台,横跨英伟达 GPU、谷歌 TPU、AWS Trainium 三大芯片家族。官方称其 Agent 推理速度可达 1,600+ tokens/s——约为行业平均(约 200 tokens/s)的 8 倍,高清视频推理可达每秒 100 帧。典型场景:开发者原本要为每款芯片单独做数月优化,DOS 声称能把流程压缩到几周;
  • Lucy:面向沉浸式体验的「世界模型」,响应延迟低于 30ms,用在虚拟试穿、直播、动态广告等场景——Lucy2 已经跑在 AWS Trainium3 上,据称达成 80%+ 的模型算力利用率(MFU);
  • Oasis:面向具身智能的「物理世界模型」,主打机器人与自动驾驶——2024 年 10 月那个病毒式传播的实时生成《我的世界》Demo 就出自这条产品线。

融资轨迹同样激进:累计融资超 4.5 亿美元,估值一年内从 31 亿涨到 40 亿美元。Decart 自称「几乎从第一天起就盈利」,收入来自云厂商与 AI 实验室的 DOS 授权。注意它的特殊身位——既是英伟达的股权资产,又是 AWS Trainium 和谷歌 TPU 的公开样板客户,三家芯片巨头都愿意给它站台。

Decart 官网形象图(来源:decart.ai 官网)

Anthropic 为什么曾想要它:算力军备竞赛里的「效率杠杆」

2026 年的 AI 头部玩家,战场已经从「谁的模型强」蔓延到「谁的算力多、跑得省」。Anthropic 是这场军备竞赛里最激进的买家之一:一边签下天量 GPU/TPU 订单,一边持续被「训练与推理成本」卡脖子。而 Decart 的软件恰好解决这个问题——让同样一块芯片干更多的活。

用 60 亿美元买下 Decart,意味着 Anthropic 能把「芯片效率」这个关键变量握在自己手里:训练成本降一点、推理成本降一点,在价格战与 Agent 规模化部署中就是巨大的竞争优势。这也是为什么 8 月传出消息时,市场普遍认为这是一笔「战略上说得通」的买卖。

为什么最终放弃:四个可能的原因

Anthropic 没有公开解释退出的原因,但结合公开信息,可以梳理出几个合理的观察角度(以下为分析,非官方说法):

为什么想要 vs 为什么放弃:并购逻辑拆解

  1. 价格:约 60 亿美元对应 Decart 上一轮 40 亿美元估值的 1.5 倍溢价。Decart 的「8 倍效率」等性能数据多为自家口径、难以独立验证,尽职调查之后对成色打折,估值谈不拢是并购告吹最常见的原因;
  2. 客户中立性与利益冲突:Decart 的产品横跨英伟达、TPU、Trainium 三家,客户遍布各大云厂商与 AI 实验室。一旦被 Anthropic 收入囊中,它就从「中立平台」变成「对手的子公司」——AWS 与谷歌会立刻重新评估合作关系。而 Anthropic 自己的算力深度绑定 AWS(Trainium)与谷歌(TPU),买下 Decart 可能反而把自己架在火上;
  3. 股东结构复杂:Decart 的股东名单里坐着英伟达——后者 2026 年在 AI 领域的股权投资已超 400 亿美元,是典型的「股权换 GPU 长约」打法。让英伟达系公司并入自家生态,谈判桌上的利益牵扯远比一般收购复杂;
  4. 未必需要买断:效率优化软件的商业形态是授权而非独占。Decart 自称已与多家云厂商和 AI 实验室签下「significant revenue」的 DOS 授权——Anthropic 完全可以用客户身份享受同样的效率红利,不必背上 60 亿美元的整合风险。消息人士也说,两家公司「仍可能寻求其他合作机会」。

行业信号:并购降温,还是「买不如租」?

这场告吹的并购,放在更大的背景里看有三个信号:

  • AI 并购正在回归理性:动辄数十亿美元的垂直整合并购,正在被「尽职调查+冷静判断」取代。愿意走到尽调这一步说明需求真实,最终退出说明价格与整合风险没过关——头部实验室对「买什么、花多少钱」的纪律感在增强;
  • 效率软件成为军备竞赛新焦点:当各家模型能力差距缩小,单位算力产出就是下一个分水岭。Decart 这类「芯片效率中间层」公司的战略价值已经被巨头用 60 亿美元的谈判价盖章认证——即便交易没成;
  • 独立供应商反而更值钱:这次退出对 Decart 未必是坏事。留在独立阵营,它可以继续同时服务英伟达、AWS、谷歌生态与所有 AI 实验室;而 Anthropic 继续以客户身份采购其效率红利。「买不如租」——在 AI 基础设施层,这句话正在变成新常态。

总结

  • Anthropic 对 Decart 完成尽调后放弃约 60 亿美元收购,双方仍可能以合作形式继续;
  • Decart 是「芯片效率软件」明星:DOS 号称 8 倍于行业平均的 Agent 推理速度,产品线覆盖三大芯片家族与世界模型;
  • 放弃的可能原因:1.5 倍溢价估值存疑、客户中立性冲突、英伟达系股东结构复杂、以及「授权即可得」的效率红利;
  • 更大的信号:AI 军备竞赛从「堆算力」进入「抠效率」阶段,而头部实验室的并购纪律正在变强——算力可以买,效率正在成为比算力更稀缺、也更难买断的东西。

图片来源:decart.ai 官网公开形象图。分析部分基于 Bloomberg、Fortune、The Next Web、SiliconANGLE 等公开报道的合理推断,交易细节以官方后续披露为准。

Related

相关文章

延伸阅读

查看全部 →
Mistral

Mistral Large 4「Le Chonk」:1 万亿参数、3800 张自训 GPU,欧洲把开源权重押成主权牌

Mistral 10 月 6 日发布 Mistral Large 4 公开预览:1 万亿参数、520 亿激活的原生多模态 MoE,在 3800 张 NVIDIA Grace Blackwell 上于自有欧洲数据中心从零训练,权重月底放出。网络安全基准上「复现并修补真实漏洞」拿到 82%,官方称为全场最高——Claude Opus 5.5 与 GPT-6 Astra 因拒绝执行而接近 0 分。

OpenAI

OpenAI 一次放出 722 篇数学手稿:372 个结果族、约 4000 道题里筛出来的

10 月 7 日 OpenAI 在 GitHub 公开 openai/math:722 篇由内部未发布模型产出的数学手稿、372 个结果族,官方称平均每个结果花 3 小时 ChatGPT Pro 算力,整个评测约 4000 道题。约 162 篇带 Lean 形式化,其余多数未经机器校验、全部未经同行评议;README 点名 CM 阿贝尔簇的 Hodge 猜想与 ζ 函数无零点区域两处为例外。

Aleph Alpha

Aleph Alpha 开源 Kolibri:78B 只激活 3.46B,欧洲用「主权」切开源模型这条口子

Aleph Alpha 在德国统一日开源 Kolibri:英德双语 MoE,78B 总参数、每 token 约 3.46B 激活,1M 上下文,权重已在 Hugging Face 按 Apache 2.0 发布。它把「主权」拆成研发主权与部署主权两件事,并把 EU AI Act、GDPR 与版权合规写进训练数据治理(450 万条 URL 黑名单);本文拆解参数取舍、官方基准与 Cohere 合并背景。