Anthropic拟60亿美元收购Decart背后的内幕

据报道，Anthropic正考虑以60亿美元收购Decart，这让最新的Anthropic情报成为检验AI基础设施究竟价值几何的一次考验。谈判仍属私下进行，两家公司均未确认已达成协议。然而，这一据称的收购目标揭示了Anthropic面临的紧迫问题：更强大的模型和更重的使用负载需要更多计算能力。

根据最初的收购报道，Decart开发旨在提升AI芯片效率的软件。它还开发世界模型，即学习表征环境并预测环境如何变化的系统。Bloomberg Intelligence分析师Matthew Bloxham表示，这些能力可通过提升现有芯片的生产力来降低训练成本。

这一组合使得拟议收购的重要性远超一次常规的人才收购。Anthropic将获得基础设施软件、实体AI研究项目，以及拥有实时生成经验的工程师。它也将进一步进入Nvidia、Google及其他掌控更多自身计算栈的公司所占据的领域。

据称的谈判将计算置于核心位置

据称的报价表明，Anthropic将计算效率视为一种战略能力，而不只是需要谈判的一笔账单。

Bloomberg于8月13日报道称，Anthropic正洽谈以约60亿美元收购Decart。讨论尚未最终敲定，知情人士警告，协议可能永远无法达成。Anthropic和Decart均拒绝置评，使这一核心说法依赖于匿名消息来源。

这种不确定性很重要。收购谈判往往会随着买方审查财务、技术、客户合同和知识产权而变化。一项据称的报价并不等于已完成的交易，读者不应将Decart视为Anthropic的子公司。

尽管如此，潜在价格传递出了紧迫感。Decart于5月宣布完成3亿美元融资，使其据称的累计融资额超过4.5亿美元。该公司表示，Radical Ventures领投本轮融资，Nvidia、Adobe Ventures及其他投资者参与其中。

据报道，本轮融资对Decart的估值接近40亿美元。因此，60亿美元的收购价将在数月内代表显著上升。这一差额需要反映的不仅是Decart的融资势头或公开产品演示。

最有力的解释是基础设施。Decart的DOS平台是用于AI训练和推理的优化栈；推理是指运行已训练模型以生成答案的过程。该公司将DOS定位为一种在支持低延迟应用的同时，更高效利用多样化计算硬件的方式。

Decart还表示，其软件可跨不同芯片运行。当前沿实验室依赖多家供应商提供的稀缺加速器时，这种灵活性可能至关重要。更高的利用率可让Anthropic在无需获得等量新增硬件的情况下服务更多请求。

一篇行业交易分析将Decart描述为世界模型和芯片优化软件的开发商，并将谈判视为Anthropic努力获得对计算成本更大控制权的一部分。

这正是标题背后的关键变化。据报道，Anthropic正考虑拥有位于Claude模型之下的技术。若收购达成，该公司将不再仅依赖硬件供应商和云合作伙伴来改善其计算集群的经济性。

因此，据称的谈判形成了一种清晰的张力。Anthropic希望扩展Claude的能力和使用范围，但每一项新增工作负载都会消耗基础设施。收购Decart将是一次押注：软件能够从Anthropic现有可获得的芯片中榨取更多工作量。

为什么Anthropic情报如今指向模型之下

最重要的Anthropic情报并非该公司想要另一款AI模型，而是据称希望更好地掌控Claude之下的机器体系。

前沿实验室通过基准测试分数、编程表现、智能体功能和企业采用情况展开公开竞争。这些可见的较量依赖于一个不那么显眼的约束：每家公司训练和服务模型的效率。

训练通过大规模计算运行确立模型能力。推理则决定了这些能力被反复交付时的成本。一家实验室可以打造出令人印象深刻的模型，但若每次服务用户请求都消耗过多硬件，仍会面临压力。

Anthropic依赖外部基础设施提供商，而非拥有芯片制造网络。Amazon和Google通过投资和计算能力支持了该公司。这些关系使Anthropic能够获得大量资源，但并未消除使用这些资源的成本。

提升利用率的软件层可以改变这一等式。它能够更有效地调度工作负载、减少闲置容量、让模型适配不同加速器，或优化训练和推理期间执行的操作。当这些微小改进应用于庞大的计算集群时，便会产生实际意义。

在世界模型产品受到更广泛关注之前，Decart就已开展基础设施工作。该公司于2024年完成A轮融资时，其企业产品已被描述为优化GPU使用率的软件。该公司还表示，该产品正在产生收入，尽管报道未对这些说法进行独立审计。

Decart当前的公司时间线显示，该公司结束隐身运营时获得了2100万美元种子轮融资。此后又筹集了3200万美元，随后是1亿美元融资及近期的3亿美元融资。该时间线还将其基础设施研究与交互式世界和直播视频产品Oasis及Lucy联系起来。

这段历史有助于解释为何Anthropic可能更倾向于收购而非合作。商业合同可以提供对Decart软件的使用权；所有权则会赋予Anthropic对工程路线图、部署优先级以及与未来Claude系统整合方式的控制权。

这也可能锁定稀缺的技术人才。优化大规模AI工作负载需要横跨模型架构、分布式系统、编译器、网络和加速器行为的专业知识。能够让模型在多种硬件平台上运行得更快的团队很难组建。

随着AI产品超越简单聊天，这种紧迫性也在增加。编程智能体可运行更长时间、检查代码库、调用工具并修改自身工作。企业智能体可能处理大型内部数据集，或在冗长工作流中持续活跃。每增加一个步骤，都会带来更多推理需求。

因此，Anthropic面临来自两个方向的压力。客户期待更强大的系统，竞争对手则持续降低延迟并扩大使用范围。该公司无法无限期地仅靠按比例购买更多计算能力来同时满足这两项需求。

据称的Decart收购报价提供了另一条路径。Anthropic可以利用软件效率延展现有硬件能力，再将由此产生的容量用于产品增长。正是这一机制，而非收购新闻本身，解释了为何这些谈判值得关注。

Decart提供的不只是世界模型演示

Decart的价值在于其优化计算栈与必须实时生成响应式环境的应用之间的联系。

世界模型是表征环境并预测其在某项行动后如何变化的AI系统。与传统视频生成器不同，交互式世界模型必须对用户或机器输入作出响应，同时维持一定程度的连续性。

Decart在2024年凭借Oasis受到关注；这是一个逐帧生成的可玩环境。用户可以在类似Minecraft的景观中移动，模型则生成下一个视觉状态。这一实验表明，生成式视频能够足够快速地响应，从而创造交互式体验。

早期版本也暴露出严重弱点。物体会意外变化，场景失去一致性，生成的环境可能忘记此前状态。这些失败使Oasis成为引人入胜的演示，而非可靠的模拟系统。

Decart持续推进这一构想。其较新的Oasis系列瞄准实体AI，即将AI应用于在物理环境中行动的机器。该公司将生成的驾驶场景推广为一种训练自动驾驶系统、使其遭遇罕见条件的方法，而无需让人员或设备暴露于现实世界的危险之中。

该公司称，Oasis 3能够生成可控的多摄像头环境，端到端响应时间低于200毫秒。它还称，该系统可接收物理控制信号，并通过应用程序编程接口提供环境。这些仍是公司自身说法，需要独立技术验证。

Lucy则解决了另一项实时问题。它可在直播流运行期间编辑或转换视频。该任务需要低延迟，因为响应延迟会令体验难以使用。Decart称，DOS使此类应用在经济上具有可行性。

对Anthropic而言，这些产品证明了Decart的基础设施能够支持高要求工作负载。实时交互模型必须在响应新输入的同时反复生成输出。这种模式类似于AI智能体不断增长的需求，即使其输出是代码或文本而非视频。

这项收购不会自动将Claude变成机器人平台。Anthropic最强的优势仍在于基于语言的推理、编程和企业工作流。Decart的实体AI产品使用不同的数据、评估方法和安全要求。

不过，所有权可为Anthropic提供一条超越语言的路径。基于Claude的智能体可以推理目标，而世界模型则预测行动在模拟环境中的后果。这样的组合可支持机器人技术、自主软件、交互媒体或训练系统。

更广泛的行业也在探索类似组合。Google DeepMind已开发交互式环境模型，World Labs则专注于空间智能。Runway正将生成式视频扩展至对事件和环境建模的系统。Nvidia则为机器人和自主机器提供模拟、模型与计算基础设施。

一篇行业概述将世界模型描述为一项不断发展的研究方向，旨在教会系统理解空间、时间和物理交互。文章还指出，围绕该术语存在分歧，因为它可能指渲染器、模拟器或能力差异很大的规划系统。

这种模糊性很重要。Decart的演示不应被视为其模型理解物理现实的证明。其眼下的战略价值可能在于运行这些模型所需的基础设施。即使商业世界模型距离广泛应用仍需数年，Anthropic也可能从这些工程能力中受益。

真正的较量是软件效率与更多芯片之间的竞争

Anthropic 面临的主要选择是：通过获取更多硬件来满足不断增长的需求，还是让每一颗现有芯片完成更多有用的工作。

购买额外的计算能力是最直接的方法。它能扩大可用于模型训练和处理客户请求的资源池。不过，这也会加深对芯片供应、数据中心建设、电力、网络和云服务合同的依赖。

软件优化则从另一条路径应对同一限制。Anthropic 不必为每一份新增需求都增加一台加速器，而是可以改进调度、内存使用、通信或模型执行效率。最佳结果将是效率提升与新增容量的结合。

这也解释了为什么 Decart 的投资者名单呈现出一种不同寻常的竞争图景。Nvidia 参与了这家初创公司最近一轮融资。如果 Anthropic 收购 Decart，那么由领先 AI 芯片供应商支持的技术，可能帮助其一位重要客户减少对额外芯片的需求。

这并不意味着 Anthropic 会直接取代 Nvidia。Nvidia 的优势涵盖加速器、网络设备、软件库、开发者工具以及庞大的客户基础。Decart 提供的只是技术栈中范围更窄的一层。

不过，这一方向本身很重要。大型 AI 实验室正日益希望能在 Nvidia GPUs、Google TPUs、Amazon Trainium 芯片、AMD 加速器和定制硬件之间灵活选择。可移植的优化层可以降低在这些系统之间迁移或拆分工作负载的阻力。

更高的可移植性也会增强议价能力。如果工作负载能在多个平台上高效运行，Anthropic 就不会过度受制于单一供应商的定价、生产进度或技术路线图。即便无法显著降低总计算需求，这种灵活性也可能很有价值。

更棘手的问题在于，Decart 的收益能否顺利迁移。基础设施软件往往会在特定模型、操作或硬件配置上表现出色。要将其整合进一家前沿实验室，可能需要大量工程投入，并带来新的可靠性风险。

Anthropic 还需要决定将 Decart 的技术提供到何种范围。将软件保留在内部，可能形成专有的效率优势；继续服务外部客户则可能带来收入和更广泛的反馈，但也可能与竞争对手分享有价值的优化方法。

世界模型业务带来了类似的资源配置问题。Anthropic 可以投资 Decart 的现有产品，将其工程师转向 Claude 基础设施，或合并双方的研究项目。每种选择都会改变拟议价格背后的逻辑。

这也是为什么，不能把报道中的交易简单理解为“Anthropic 收购世界模型”。其核心机制是纵向整合，即拥有构建和运营产品所需的更多层级。Anthropic 将同时购买一个优化层，以及能在高强度工作负载下检验该层的应用产品。

最新的 Anthropic 情报也给竞争实验室带来压力。OpenAI、Google DeepMind、xAI 和 Meta 都必须管理巨大的计算需求。如果 Anthropic 在整合 Decart 后实现可衡量的成本或延迟改善，竞争对手将面临收购类似团队或加速内部优化工作的压力。

如果这些收益未能出现，这笔交易将呈现不同的面貌。Anthropic 可能为一项在演示中令人印象深刻、却难以在 Claude 中大规模应用的技术支付了溢价。因此，这项收购的价值取决于整合结果，而非世界模型的新颖性。

60 亿美元报价将伴随技术与交易风险

验证缺口相当大，因为该交易尚未得到确认，Decart 的性能主张仍部分来自其自身披露，而世界模型也缺乏通用评估标准。

第一个风险很简单：收购可能不会发生。Bloomberg 的消息人士描述的是谈判，而非已签署的协议。谈判可能因价格、留任方案、投资者要求、知识产权或尽职调查中的发现而终止。

报道中的估值也引发疑问。据有关该轮融资的报道，Decart 在 5 月融资时估值接近 40 亿美元。考虑约 60 亿美元报价的买方，必须识别出显著的新增价值，或接受竞争性溢价。

其中一部分溢价可能反映 Decart 的工程师团队和基础设施知识产权；另一部分可能代表其在 Anthropic 计算资源集群中预期实现的节省。在无法获得内部基准数据的情况下，外部人士无法判断这些节省是否足以证明价差合理。

Decart 表示，其 DOS 平台能提升跨硬件的训练和推理效率。公开证据并未充分揭示其支持的工作负载、性能基线、客户集中度或迁移成本。这些细节将是 Anthropic 技术审查的核心。

基准测试的选择也可能扭曲基础设施性能主张。一个系统可能在某一种模型规模或芯片类型上展现显著改善，但在其他场景中的收益较小。延迟、吞吐量、内存使用、能耗和输出质量也可能朝不同方向变化。

世界模型的主张同样需要谨慎看待。模型可以生成令人信服的画面，却不一定能维持对物体、几何关系或因果关系的稳定表征。视觉上的可信度并不等同于物理准确性。

这种区别在自主系统中尤为关键。生成的驾驶环境可能看似真实，却无法正确处理罕见碰撞、天气状况或行人动作。基于错误行为进行训练，可能会让自主智能体学到错误的应对方式。

一项对世界模型局限的分析指出，它们既有前景，也存在围绕物理理解的不确定性。该领域仍缺乏一个能够同时涵盖视频生成、模拟和行动规划的统一定义。

Decart 的 Oasis 材料称，该模型可以为自动驾驶车辆测试生成罕见场景。只有当客户能够衡量这些场景与相关物理条件的贴合程度时，这种能力才有价值。独立验证应将生成结果与记录或模拟的真实基准进行比较。

整合也带来另一项风险。收购可能拖慢原本旨在加速的团队。工程师可能离职，产品可能失去重点，技术系统也可能与买方的内部技术栈不兼容。

Anthropic 还将继承战略冲突。Decart 在 AI 基础设施市场拥有投资者和潜在客户。收购可能让一些客户质疑，自己是否正在支持一家竞争性的前沿实验室。

监管机构可能会审查这项交易，因为它将一家具影响力的模型开发商与基础设施技术结合在一起。审查将取决于司法辖区、交易结构以及 Decart 软件的竞争重要性。在谈判被报道时，尚无监管机构宣布展开审查。

这些不确定性并不意味着收购不合理。它们界定了评判交易所需的条件。Anthropic 必须证明 Decart 的软件能在 Claude 的规模下运行，关键员工会留下来，并且世界模型研究带来的不只是一个吸引人的叙事。

三个信号将检验 Anthropic 情报

正式签署的协议、可衡量的基础设施收益，以及明确的产品决策，将决定这则 Anthropic 情报究竟标志着战略转向，还是一次昂贵的实验。

第一个信号是正式公布交易。它应说明 Anthropic 是收购整家公司、购买部分资产，还是安排另一种形式的合作。在此之前，所有战略结论都建立在可能失败的谈判之上。

交易条款也应阐明 Decart 的运营前景。员工留任、领导层角色、产品可用性以及对现有客户的处理方式，将揭示 Anthropic 最重视什么。若决定将 DOS 保留为平台，将支持其更广泛的基础设施战略。

第二个信号是可衡量的部署成果。Anthropic 无需披露敏感内部数据，但最终应展示 Decart 是否改善了延迟、吞吐量、硬件可移植性或单位工作负载成本。跨多个模型类别的证据，将比单一经过优化的演示更有说服力。

关注 Claude 在持续智能体工作负载下的性能变化。更快的响应、更长时间运行的任务或更广泛的可用性，都可能表明基础设施利用率有所提升。不过，这些改进仍需要谨慎归因，因为模型和硬件更新往往会同时到来。

经验证的效率提升将强化收购的核心逻辑。这将表明 Anthropic 能够通过软件扩展有效计算能力，而不只是依赖额外芯片。微弱或仅适用于狭窄场景的收益，则会削弱报道中溢价的合理性。

第三个信号是 Anthropic 对世界模型的处理方式。如果该公司推出物理 AI、模拟或互动媒体项目，Decart 将代表其业务扩展到 Claude 目前以语言为中心的角色之外。与机器人或自主系统开发商建立合作关系，将使这一方向更加具体。

如果 Anthropic 转而让 Decart 专注于推理和训练优化，这项收购将主要是一笔基础设施采购。这样的结果仍可能具有重要战略意义，只是会降低 Decart 公开形象中最显眼部分的重要性。

竞争对手的反应将提供更多背景。若出现一波收购优化初创公司的热潮，将表明前沿实验室将软件效率视为稀缺优势。云服务商或芯片供应商推出的新可移植性工具，则可能降低直接拥有 Decart 的价值。

开发者和企业买家应当关注，因为基础设施经济性最终会塑造产品边界。它会影响响应速度、使用上限、模型可用性，以及高级智能体是否仍适合长期持续工作。成功的整合可能让 Anthropic 拥有更大空间来扩展这些能力。

因此，谨慎的结论比炒作或否定都更有力。报道中的报价指出了一个真实限制，而 Decart 已构建直接针对该限制的技术。尚未得到证明的是，这些改进能否经受 Anthropic 的规模、可靠性要求和组织复杂度考验。

下一步取决于这些公司。读者应关注交易确认、具有独立意义的性能证据，以及具体的产品路线图。在这些信号出现之前，Anthropic 情报支持的是一种可信的战略理论，而非一场已经完成的 60 亿美元转型。