最新消息传来：亚马逊正在洽谈收购 AI 创业公司 Decart，潜在交易估值约 70 亿美元。
10 月 11 日，《华尔街日报》援引知情人士消息称，这笔交易目前仍在推进中。图片来源为《华尔街日报》的报道截图，标题直接点出了核心信息——亚马逊正就收购 Decart 展开谈判。
这家公司真正拿手的，是帮 AI 用上不同厂商的芯片，同时把算力利用率提上去。
在此之前，Anthropic 也盯上了它。彭博社 9 月曾报道，双方讨论过约 60 亿美元的交易，但 Anthropic 完成尽职调查后，决定不再推进。Anthropic 刚退出，亚马逊就坐上了谈判桌。
值得注意的是，今年 5 月英伟达投资 Decart 时，这家公司的估值还不到 40 亿美元。短短几个月过去，潜在收购估值已经逼近 70 亿。
一家帮 AI「换芯片」的公司，凭什么让这些巨头接连出手？
道理其实不复杂：买芯片只是第一笔账。买回来之后，能干多少活、完成这些工作又要花多少钱，同样得精打细算。让模型用上不同的芯片，再让它跑得更快、更省，正是 Decart 的本事。
AI 换芯片，还得靠软件铺路
平时我们和 AI 聊天，也会让智能体查资料、写代码、处理文件。这些任务背后的计算，都要靠芯片完成。
英伟达有 GPU，谷歌有 TPU，亚马逊有 Trainium。不同芯片的硬件架构不一样，模型要高效运行，就得做好适配。一套在英伟达芯片上跑得顺畅的程序，换到亚马逊芯片上，往往还要调整和优化，才能发挥出新硬件的性能。
所以为 AI 选芯片，还得算一笔迁移账：现成的模型搬过去，要改多少代码、花多少时间？换过去之后，又能快多少、便宜多少？
Decart 给出的答案，是一套叫 DOS（Decart Optimization Stack）的软件。它专门帮助模型适应不同芯片，同时提升运行效率。据官方介绍，DOS 支持英伟达 GPU、谷歌 TPU 和亚马逊 Trainium 等硬件，训练和推理都能用。
它的思路是：针对芯片特性调整模型运行方式、优化底层计算，让芯片减少无谓等待，多完成有效工作。同样的硬件，就有机会跑得更快、用得更省。
亚马逊手握自研 Trainium 芯片，Decart 这套能力或许能帮它争取更多客户。如果开发者不用费太多力气就能完成适配，模型运行起来还更快更省，选择 Trainium 的理由自然也多了一个。
双方其实早就展开了合作。今年 5 月，Decart 在官方公告中将亚马逊列为战略客户，并披露其视频模型 Lucy2 已运行在 Trainium3 上。同一轮融资里，英伟达也成了 Decart 的新投资者。
芯片竞争越激烈，厂商就越需要回答一个问题：客户为什么愿意用我的芯片？让模型更容易适配不同芯片，并在这些芯片上跑得更快、更省，正是 Decart 能发挥作用的地方。
实时视频，慢半拍就穿帮
Decart 自己也做 AI 模型，这套软件同样能让它们跑得更快、更省。其中 Lucy 可以实时修改视频画面，Oasis 则能生成随操作变化的虚拟环境。
根据官方说明，Lucy2.5 支持在视频播放的同时，通过文字或参考图片更换人物、改变衣服、调整背景、添加特效，甚至移除物体。边播边改，画面不用等拍完再处理。官方称，Lucy2.5 支持 1080p 分辨率、每秒 30 帧的实时生成。
直播换背景、对着镜头试穿衣服、给正在拍摄的画面加特效，都可以成为这类技术的落点。
但要让用户愿意持续用下去，画面必须跟得上动作，效果也得保持稳定。这意味着 AI 要同时完成视频输入、画面修改和结果输出。从输入到处理再到显示，任何一个环节慢了，延迟都会被用户感知。
AWS 官方客户页面曾披露过 Decart 的一组早期测试数据：据 Decart 联合创始人兼 CEO Dean Leitersdorf 介绍，其实时视频模型在 Trainium 上的帧吞吐量最高达到对照 GPU 的 4 倍，成本效率达到 2 倍，延迟从 40 毫秒降至 10 毫秒。在这项视频测试中，模型与芯片的配合带来了速度和成本的双重改善。
Lucy 侧重实时修改视频，Oasis 则用 AI 生成一个能随操作变化的模拟世界。Decart 最新的 Oasis3，首先瞄准了自动驾驶。
可以把它理解成一个给自动驾驶系统准备的「虚拟练车场」。车辆在里面转弯、加速或刹车，周围画面会随之变化；系统还能从多个同步摄像头视角观察路况，练习和测试如何驾驶。
这就像玩驾驶游戏：你打了方向盘，眼前的道路必须及时跟着变。Oasis 要让自动驾驶系统在这样的环境里反复练习。练习时间越长，需要生成的画面和完成的计算就越多。只有把软件调度做得更高效，才有机会用同样的预算多练几个场景、多做几轮测试。
从实时改视频到虚拟练车，背后都需要 AI 跟上操作、持续反馈。只有把芯片算力用得更足，才能让更多 AI 功能体验更流畅，成本也更低。
巨头拼算力，用户能少花钱吗？
这笔收购要是真谈成了，平时用 AI 的用户，是否就能少等一会儿、少花一点钱？
比如生成一段视频，能不能少盯一会儿进度条；花同样的钱，能不能多改几次细节、多试几种想法；实时试衣、视频特效，能不能让画面跟得上动作？
同样的芯片能干更多活，单次生成的成本就有机会降下来，厂商也就有了更大的降价空间，可以增加使用次数，让更多人用得起、经常用。
但厂商省了钱，不代表用户就一定能少付钱。产品定价多少、每月能用多少次，仍然由厂商决定。至于画面是否流畅、效果稳不稳，还得看模型质量，以及网络和设备能不能跟上。
AI 芯片竞争，正在从比拼硬件性能，延伸到比拼软件能把这些性能发挥多少。对用户来说，这场竞争的价值，最终会体现在每一次使用中：结果来得更快，想按下「重试」时，不必总先算一遍时间和费用。
AI 越来越好用，也越来越用得起，这才是大家最想看到的变化。
参考资料：
发表于 3 小时前
|
查看: 7|
回复: 0
