Anthropic 与 Google 的关系在传闻中的 Decart 收购案中面临新考验

据报道，Anthropic 已就以约 60 亿美元收购 Decart AI 展开谈判，尽管该公司此前已从 Google、Amazon 和 Nvidia 获得规模巨大的算力承诺。这场传闻中的谈判将 Anthropic 与 Google 的关系置于一个更复杂问题的核心：获得更多芯片是否已经足够，还是 Anthropic 还需要更严格地控制这些芯片如何运行 Claude？

这笔交易仍未得到确认。截至 2026 年 8 月 14 日，Anthropic 和 Decart 均未宣布达成协议。谈判可能在未达成交易的情况下结束，已披露的交易条款也可能发生变化。不过，这一收购目标仍揭示了 Anthropic 优先事项中的一个重要方向。

Decart 并非另一家通用聊天机器人开发商。它开发实时世界模型，以及 DOS——一套旨在提升不同处理器上训练和推理效率的优化技术栈。推理是指训练完成的模型生成回答、视频帧或动作时所需进行的计算工作。

这些能力将处于 Anthropic 的模型与 Google、Amazon、Nvidia 和 Microsoft 提供的硬件之间。因此，收购将解决软件效率问题，而不只是增加更多数据中心容量。它也会促使云服务和芯片合作伙伴证明，其硬件路线图能够跟上 Claude 的增长速度。

眼前的故事是一笔潜在收购。更大的竞争则关乎：谁能控制从模型请求到完成结果这条日益昂贵的路径。

传闻中的 Decart 谈判不止关乎世界模型

Anthropic 似乎对 Decart 感兴趣，是因为其优化软件解决了单靠追加算力合同无法解决的限制。

根据报道中的交易细节，Anthropic 正在讨论一笔估值约 60 亿美元的收购。报道将 Decart 描述为世界模型和芯片优化软件的开发商。

目前尚未披露具有约束力的协议。据报道，相关讨论属于私下谈判，因此现有说法依赖匿名消息人士。读者应将拟议估值、交易结构和时间表视为暂定信息。

如果以接近报道所称的金额完成交易，这将成为 Anthropic 已知规模最大的收购。Anthropic 过去收购的通常是具备专门能力的小型团队。一笔数十亿美元的收购将代表另一层级的垂直整合。

Decart 的价值主张结合了三项相关业务。DOS 是其基础设施和优化层；Lucy 用于实时生成和编辑视频；Oasis 则为实体 AI 系统创建交互式模拟环境，包括自动驾驶汽车和机器人。

世界模型会生成会随用户或机器动作而变化的环境。与固定的视频生成器不同，交互式世界模型必须保持足够的连续性，使每一个新动作都能影响接下来呈现的内容。

这项技术之所以受到关注，是因为它将生成式 AI 与机器人、游戏、广告和虚拟产品体验联系起来。不过，Anthropic 无需成为一家视频公司，也足以证明其传闻中兴趣的合理性。

更直接的关联在于 DOS。Decart 表示，该系统可改善模型在现有处理器上的训练和运行方式。这一能力符合 Anthropic 的需求：在 Claude 使用量增长的同时，避免基础设施成本和延迟以同样速度上升。

Decart 于 2026 年 5 月宣布完成 3 亿美元融资。该公司表示，这笔融资使其累计融资总额超过 4.5 亿美元。其 Decart 产品更新还同时推出了 DOS 2.0，以及 Lucy 和 Oasis 的新版本。

报道称，Decart 最新估值接近 40 亿美元。因此，一笔约 60 亿美元的交易将较该融资估值基准包含显著溢价。Anthropic 必须相信，其技术、工程团队或战略控制权足以证明这一差额合理。

这一拟议收购目标还拥有具体的运营记录。Decart 表示，Lucy 2.5 可实现每秒 30 帧的实时视频生成；其 Oasis 3 系统则可为机器人测试生成交互式、多视角环境。

这些说法来自 Decart，尚未获得全面的独立验证。但它们仍说明了该公司的相关性。Decart 已构建出要求严苛的应用，迫使其基础设施软件管理延迟、硬件利用率和持续输出。

Claude 面临的工作负载不同，但承受着类似的经济压力。利用率的每一次提升，都可能提高现有集群能够处理的工作量。每一次响应延迟的降低，也能在无需等待新数据中心投产的情况下改善用户体验。

因此，这一收购逻辑比全面进军实体 AI 更为聚焦。Anthropic 似乎正在评估，Decart 的系统能否让其日益庞大的芯片资源像一个更高效、统一的平台那样运作。

为什么 Anthropic 与 Google 的合作关系并不能解决算力问题

Anthropic 与 Google 的联盟提供了庞大容量，但容量并不会自动带来最低的推理成本或最佳的硬件灵活性。

Anthropic 于 2026 年 4 月宣布扩大与 Google 和 Broadcom 的协议。该公司表示，已获得自 2027 年起可用的多吉瓦级下一代 Tensor Processing Unit 容量。

TPU 是 Google 为机器学习工作负载定制的加速器。它与 Nvidia GPU 以及 Amazon Trainium 芯片等专用处理器竞争。

Anthropic 后来将 Google 和 Broadcom 的承诺描述为五吉瓦。该公司还表示，将在 Google TPU、Nvidia GPU 和 AWS Trainium 硬件上运行 Claude。

这种多元化策略使 Anthropic 不必依赖单一处理器家族，但也带来了棘手的软件问题。模型代码、内存系统、网络和推理调度必须在优势各异的架构上良好运行。

Anthropic 的 Google 算力协议称，新增容量将支持 Claude 模型及客户需求。该公司报告称，4 月的年化收入已超过 300 亿美元，高于 2025 年底约 90 亿美元的水平。

这些数字由公司自行披露，不应被视为经审计结果。但它们仍说明了紧迫性。使用量的快速增长，可能让细微的效率差异转变为显著的基础设施需求。

Anthropic 还表示，截至 4 月，年化支出超过 100 万美元的企业客户已超过 1,000 家。据报道，这一数字在不到两个月内翻了一番。

更多客户意味着更多推理需求。企业部署还会带来不可预测的峰值、更长的智能体任务，以及更严格的可靠性要求。一名编程智能体可能在呈现一个完整结果前进行多次模型调用。

购买容量能够确保获得机器，却无法确保每台机器都能高效运行每类工作负载。软件必须决定请求应被分配到何处、如何分配内存，以及模型组件如何利用每个处理器。

这一差异使 Decart 具备战略相关性。据报道，其优化技术栈瞄准的是模型与硬件之间的层级。如果它能跨处理器家族发挥作用，Anthropic 或可在不放弃云合作关系的情况下提高利用率。

这不会终结 Anthropic 与 Google 的关系，却可能使 Anthropic 成为一个要求更高、依赖程度更低的客户。

当 Claude 通过 Google Cloud 或相关安排推动 TPU 消耗时，Google 将从中受益；当 Google 的硬件在可用性、性能和运营成本之间提供有吸引力的组合时，Anthropic 也会受益。

双方的利益存在重叠，但并不完全一致。Google 开发的 Gemini 与 Claude 直接竞争。Google 还希望开发者和企业继续留在其云服务和模型平台之内。

Anthropic 需要通过 Google Cloud 获得分发渠道，同时保持 Claude 的独立性。它还需要在 Google、Amazon、Microsoft 和 Nvidia 之间保有谈判筹码。

英国竞争与市场管理局于 2024 年审查了 Google 对 Anthropic 的投资及商业合作关系。监管机构最终认定，该安排不符合英国并购规则下进一步调查的条件。

这项已结案的竞争调查仍提供了有用背景。云服务商对模型开发商的投资，可能同时结合融资、处理器访问权、分发渠道和商业承诺。

收购 Decart 将增加另一个组成部分。Anthropic 将拥有更多决定这些外部处理器为 Claude 服务效率的软件。

这并不意味着完全独立。Anthropic 仍需要芯片、电力、网络、建筑和云端运营能力。但它将对连接其模型与这些资源的指令和系统拥有更多控制权。

在前沿 AI 公司需要在需求尚不确定前数年就承诺基础设施的情况下，这一区别至关重要。更好的优化能够降低购买错误处理器组合的风险，也能让较旧的容量保持更长时间的价值。

Decart 可能将硬件多样性转化为谈判筹码

核心机制在于可移植性：当 Claude 能够在相互竞争的芯片和云平台上良好运行时，Anthropic 就能更有效地谈判。

Anthropic 将硬件多样性视为一种韧性战略。Amazon 仍是其主要云服务提供商和训练合作伙伴，而 Claude 也可通过 Google Cloud 和 Microsoft Azure 使用。

该公司已承诺多项规模巨大的基础设施安排。其 2026 年 4 月的 Amazon 容量协议涵盖了用于训练和部署 Claude 的最多五吉瓦容量。

Anthropic 表示，其已使用超过 100 万颗 Trainium2 芯片；同时还承诺未来在 AWS 技术上进行大规模支出，并提及计划持续至 2026 年的容量扩张。

Google 协议带来了 TPU。Anthropic 与 Nvidia 的合作又增加了一种处理器架构。Microsoft 则提供额外的分发渠道和 Azure 容量。

管理这一组合，需要做的不只是将代码在不同软件框架之间转换。每种架构处理内存带宽、数值格式、通信、批处理和并行工作负载的方式都不同。

批处理会将多个请求合并，使硬件能够更高效地处理它们。更大的批次可以提高利用率，但也可能增加等待时间。面向消费者的助手和自主智能体可能需要不同的调度选择。

专业优化团队可以调优这些决策，也可以构建编译器、内核和路由系统，以减少浪费的处理器时间。

内核是针对特定芯片优化的底层操作。它们执行常见模型任务，包括矩阵计算和注意力操作。当这些操作在数十亿次请求中重复执行时，微小的内核改进也可能产生重要影响。

Decart 表示，DOS 同时支持推理和训练。其公开材料强调低延迟生成能力，以及跨处理器运行的能力。

该公司的实时模型提供了一个极端测试环境。视频系统不能停顿数秒，否则就会破坏使用体验。它必须在响应用户操作的同时持续生成画面。

Decart 表示，Oasis 3 对控制信号的响应时间低于 200 毫秒，并可在其公布的输出配置下以每秒 22 帧的速度生成画面。其 Oasis system 首先聚焦于自动驾驶模拟。

这些是厂商声明，并非通用基准。性能可能会因分辨率、模型规模、硬件、批处理配置和测试条件而变化。

Anthropic 需要确认，DOS 是否能为 Claude 的架构带来实质性收益。针对扩散视频模型优化的软件，并不会自动提升大语言模型的表现。

Decart 还通过 Cogito 将其基础设施成果应用于语言模型推理。这项工作让两者在技术上的重叠更具可信度，不过独立测量结果仍然有限。

如果 Anthropic 验证了这项技术，它就可以根据不同需求调度工作负载。训练任务可能偏好一种处理器，对延迟敏感的请求偏好另一种，而长时间运行的智能体则偏好第三种。

这种灵活性将在三个方面形成筹码。

首先，Anthropic 可以降低供应中断的风险。能够在不同处理器之间迁移的模型栈，在某一家供应商遭遇短缺时可为公司提供更多选择。

其次，它可以比较实际运行性能，而不是依赖理论规格。这将改善其未来产能的采购决策。

第三，Anthropic 可以促使硬件合作伙伴围绕 Claude 优化产品。如果工作负载能够迁移到其他地方，Nvidia、Google 和 Amazon 都将拥有更强的动力来提升性能。

这并不意味着 Anthropic 会成为一家芯片公司。设计加速器需要不同的人才、资本和制造合作关系。不过，先进的优化软件往往会影响未来处理器的需求定义。

Anthropic 可以了解哪些内存配置、网络系统和数值格式最适合支持其模型。随后，它可以将这些需求告知供应商，或更深入地参与硬件设计。

Axios 将这一战略描述为让 Anthropic 更接近 Nvidia 的竞争对手，而不只是一个普通客户。如果这种解读意味着 Anthropic 如今将直接参与硬件竞争，那就言之过甚了。

更站得住脚的结论是，Anthropic 希望更有力地掌控硬件经济性。Decart 可以提供额外一层软件所有权，而外部公司则继续供应实体基础设施。

Google、Amazon 和 Nvidia 都面临同样的压力

一次成功的 Decart 整合，将迫使 Anthropic 的每一家基础设施合作伙伴围绕实测工作负载性能竞争，而不只是比拼承诺的容量。

Google 面临的紧张关系最为明显，因为核心关键词将 Anthropic Google 的需求与其可能推动基础设施独立性的举措联系在一起。然而，同样的压力也适用于 Amazon 和 Nvidia。

Amazon 是 Anthropic 最大的基础设施合作伙伴。它已对该公司进行了大量投资，并通过 Bedrock 推广 Claude。它也希望 Anthropic 协助验证 Trainium，作为 Nvidia 加速器的替代方案。

Google 提供 TPU，并通过 Vertex AI 分发 Claude。与此同时，Gemini 正在与 Claude 争夺开发者、企业买家和消费者的关注。

Nvidia 提供占主导地位的通用 AI 加速器。它还与 Anthropic 建立了技术合作关系，这让两家公司都有理由提升 Claude 在 Nvidia 系统上的性能。

Microsoft 则通过 Azure 及其模型市场加入了这一基础设施格局。Claude 同时覆盖三大主流云平台，为 Anthropic 带来了广泛分发能力，但也增加了运营复杂性。

内部优化层可能让这些关系变得更加交易化。Anthropic 可以把工作负载导向在特定任务上提供最佳结果的供应商。

这将挑战传统云计算模式。供应商往往鼓励客户采用会增加迁移难度的专有服务。可移植的模型栈则朝着相反方向发展。

真正的可移植性仍然很难实现。处理器软件生态各不相同，云服务也以不同方式打包网络、存储、安全和监控能力。迁移工作负载远不只是更换一个端点。

因此，Anthropic 可能会利用 Decart 的技术提升各个环境内部的性能，而不是频繁迁移工作负载。即便如此，这种做法也会带来更好的对比数据。

它可能揭示：一种处理器最适合训练，另一种最适合短对话，还有一种最适合长时间的智能体会话。这些发现将影响未来的合作承诺。

这种竞争压力也延伸到其他模型开发商。OpenAI、Google DeepMind、Meta 和 xAI 都需要规模巨大的计算资源。它们各自选择了云合作伙伴、定制芯片和内部系统工程之间不同的平衡。

Google 控制着自己的 TPU 和云服务。Meta 在持续购买 Nvidia 硬件的同时，也开发了定制加速器。OpenAI 依赖大型基础设施合作伙伴，同时探索更具针对性的计算系统。

Anthropic 一直强调供应商多样性。据报道，围绕 Decart 的谈判表明，这种多样性现在需要一个更强大的统一软件层。

如果收购推进，该公司就是在押注：基础设施优化已经成为核心模型能力。可靠性、延迟和成本将与基准测试性能一道，成为竞争衡量标准。

企业买家应当关注，因为基础设施决策会影响产品行为。供应短缺可能导致使用限制或响应变慢。利用率不佳可能推高运营成本，并在需求高峰期间限制访问。

开发者也应出于类似原因关注。智能体应用通常会反复调用模型、使用长上下文，并与外部工具交互。它们的经济性依赖于稳定的延迟和容量。

知识工作者会间接受到影响。一款在演示时响应迅速、却在高峰时段变慢的模型，无法成为可靠的工作场所基础设施。

因此，更广泛的 Anthropic Google 叙事并非关于决裂。它关乎模型开发商在依赖同时也在 AI 领域竞争的云公司时，需要拥有多大程度的独立性。

Decart 不会消除这种依赖。它可能让这种依赖变得更可衡量、更可移植，也更可谈判。

据报道的交易仍存在重大的技术和商业风险

Anthropic 尚未证明 Decart 的技术能够以足够幅度提升 Claude，从而证明其据报道的收购价值或整合负担是合理的。

第一个不确定性是交易是否会发生。谈判可能因估值、员工留任、知识产权、治理或战略控制问题而失败。

第二个不确定性涉及报道中的价格。Decart 在收购报道出现前三个月才宣布完成大额融资。支付约 60 亿美元，意味着必须确信其价值超越现有产品。

Anthropic 最看重的或许是 Decart 的工程师团队和 DOS 技术。但基础设施软件很难仅凭公开演示来评估。

实时视频令人印象深刻，但它不同于 Claude 的工作负载。视频模型持续处理空间和时间信息。语言模型则处理 token、上下文、工具调用以及不断增长的推理时计算量。

能够改善一种架构的系统，可能需要为另一种架构进行大幅重新设计。Anthropic 可能会花费数月整合该技术，之后才能了解预期效率是否真的可以实现。

硬件可移植性也有局限。为多种处理器优化，可能实现广泛兼容，却无法在任何单一平台上提供最佳性能。

与特定架构的深度整合往往能带来更优结果。Nvidia 的软件生态仍具影响力，因为开发者多年来一直在为其调优工作负载。

Google 和 Amazon 同样掌控专有处理器细节和云系统。Anthropic 仍需要它们的合作，才能实现尽可能好的性能。

收购可能引入组织冲突。Decart 目前开发基础设施、语言模型推理服务和世界模型。Anthropic 需要决定哪些项目继续推进。

保留 Lucy 和 Oasis 可能让 Anthropic 的业务超出其核心 Claude 业务。关闭或缩减这些产品，则可能削弱 Anthropic 希望收购的创业团队。

客户关系也带来了另一个问题。Decart 表示，其系统可与主要云服务和芯片公司协作。一旦 Decart 成为 Anthropic 的一部分，某些合作伙伴可能会犹豫是否共享技术信息。

Anthropic 还与可能使用 Decart 产品的公司竞争。如果这些客户认为其工作负载数据或优化知识会让 Claude 受益，可能会寻找替代方案。

不能排除监管审查。一项如此规模的收购将把前沿模型开发商与专业基础设施供应商结合起来。监管机构可能会审查其对客户、员工和竞争性 AI 开发商的影响。

英国此前对 Anthropic Google 合作关系的审查最终未进入进一步的并购调查。直接收购具有不同的法律结构，将接受独立分析。

还存在估值风险。Anthropic 在 2026 年筹集了大量资本，并报告了快速的营收增长。充裕融资可以让战略性收购更容易进行，但并不保证整合过程保持纪律。

若交易在可能的首次公开募股前完成，将受到更多投资者审视。潜在股东会希望看到证据，证明 Decart 能够降低成本、加速产品开发或创造可防御的知识产权。

世界模型业务带来更长期的不确定性。Decart 表示，Oasis 可以为训练自主系统生成可控环境。要在罕见的现实事件中证明物理准确性并不容易。

看起来逼真的模拟，仍可能教出错误行为。视觉连贯性并不保证正确的物理规律、因果关系或安全结果。

Decart 承认 Oasis 与传统物理引擎不同。这一区别很重要。生成式模拟可以扩大场景多样性，而经过验证的物理系统可能提供更可预测的约束。

因此，Anthropic 不应将世界模型视为物理测试的替代品。任何机器人应用都需要独立验证、受控评估和现实世界的安全保障。

收购逻辑应建立在可衡量的基础设施改进之上。视频演示和雄心勃勃的机器人主张，无法替代更低的 Claude 延迟、更高的利用率或更少的计算需求。

Anthropic Google 战略接下来应关注什么

三个信号将决定 Decart 的报道是标志着真正的战略转向，还是又一次最终未能落地的收购讨论。

第一个信号是签署正式协议，并清晰披露 Decart 在组织中的归属。Anthropic 需要确认，该团队将加入推理、性能工程、硬件战略，还是新的世界模型团队。

归入推理和性能部门将支持效率提升的论点。设立独立的实验单元则意味着更广泛的产品探索。若未达成协议，Anthropic 将继续依赖现有内部团队和基础设施合作伙伴。

第二个信号是 Claude 在多个处理器系列上的可衡量部署。Anthropic 应披露针对具体工作负载的结果，包括延迟、利用率、可靠性和迁移时间。

泛泛宣称推理速度更快并不足够。比较必须明确模型、处理器、请求模式、软件版本和运行环境。

若有证据表明，同一软件层能够提升 Claude 在 Trainium、TPU 和 Nvidia GPU 上的表现，将强化其可移植性的论点。若收益仅限于单一平台，则会削弱这一论点。

第三个信号是 Google、Amazon 和 Nvidia 的应对方式。新的联合工程项目、修订后的算力承诺，或更深入的模型专项优化，都将表明供应商感受到了竞争压力。

反应平淡可能意味着 Decart 的技术是在补充现有合作关系，而非改变其平衡。也可能表明硬件供应商并不认为这笔收购具有战略意义。

企业客户应关注 Claude 使用高峰期的可靠性。开发者则应观察，智能体工作负载是否获得更低延迟、更高限额或更可预测的性能。

Anthropic 与 Google 的关系仍将居于核心位置，因为 Google 同时具备投资、分发、自研芯片和直接模型竞争等能力。Decart 会增加谈判筹码，而非带来独立性。

这一差异应指导最终判断。Anthropic 并非在摆脱云基础设施。据报道，它正考虑进行一笔大型收购，以掌控更多让外部基础设施发挥价值的软件。

对于评估 AI 平台的读者而言，下一个问题很实际：Anthropic 是否会将 Decart 的技术转化为 Claude 可见的改进，还是这笔据报道的交易最终只会停留在一种昂贵的基础设施理论上？