亚马逊70亿美元洽购Decart：AI芯片适配技术如何重塑AWS Trainium算力效率战略

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-14

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

1. 芯片端：Decart如何降低AWS Trainium的迁移门槛

亚马逊正在大力发展自研AI芯片AWS Trainium，希望减少对英伟达GPU的单一依赖。但芯片替代不只是买卖关系。客户选择英伟达，不仅因为芯片本身，还有CUDA、开发工具、模型适配和工程师习惯形成的一套完整生态。

Decart的核心技术——Decart Optimization Stack（DOS）——目标不是绑定某一款芯片，而是让AI工作负载能够运行在英伟达GPU、亚马逊Trainium和谷歌TPU等不同加速器上。这直接降低了客户使用Trainium的技术门槛和迁移成本。

“目前，我们已获得超过2250亿美元的Trainium相关收入承诺。我们的Trainium 2芯片在性价比上较同类GPU提升约30%，且已基本售罄。”——亚马逊CEO安迪·贾西在一季度财报电话会议上的表述

2. 模型端：Bedrock的多模型平台战略

AWS的Bedrock走的是多模型路线，正在陆续接入Anthropic、OpenAI等公司的模型。GPT-6 Astra模型已在Bedrock全面上线，以生产级规模实现复杂工作流的自动化。亚马逊想抢占的，是企业调用不同模型时绕不开的平台。

3. 数据端：收购DuckLabs补全数据分析能力

AWS在2026年8月31日收购了DuckDB背后的DuckLabs团队。DuckDB本身仍由独立的非营利基金会管理，并保持MIT开源许可。企业AI要真正落地，模型需要接入数据、查询业务信息、调用工具并输出可执行的结果。DuckLabs补的是数据分析和查询能力；Decart若被收购，补的是跨硬件部署和算力效率。

4. 基础设施端：算力扩张，电力先行

AWS在宾夕法尼亚州霍默城一处旧燃煤电厂址提交了初步开发方案，拟建设36栋数据中心建筑。新园区计划配套一座4.5吉瓦的天然气发电设施，为大规模数据中心提供电力。霍默城开发方称，项目还计划向区域电网输送7亿至8亿瓦电力。

“让我担忧的是，AWS可能会停止开源开发，将未来的贡献纳入商业产品中，这对开源社区不利。”——网友对AWS收购DuckLabs的反对声音

“项目规模过于庞大，势必带来严重扰动，还会改变该地区的原有风貌。”——宾夕法尼亚州西部关切居民成员塔玛拉·怀特德

一份民调显示，62%的美国人支持暂停建设数据中心，其中40%将其视为首要议题。面对反对声，亚马逊承诺不再要求参与项目的政府机构签署保密协议，并计划在五年内向所在社区投入超过10亿美元。

🚀 对企业 AI 化的启示

1. 算力效率成为下一轮竞争的核心资产

AI产业会越来越像一座复杂的工厂：芯片是生产设备，模型是生产工艺，数据是原材料，电力是能源，软件优化则决定整座工厂的利用率。百模大战、囤卡堆芯这些简单粗暴的单点竞争过去后，谁能让每一度电、每一块芯片和每一次推理都产生更多有效结果，谁就掌握主动权。

2. 跨芯片适配能力决定AI基础设施的开放性与锁定效应

Decart的价值在于，它可以帮助客户降低换芯片的迁移成本，也让亚马逊的自研芯片更容易进入真实的训练和推理任务。换句话说，亚马逊买的是一张通往“多芯片时代”的入场券。对中国企业而言，无问芯穹完成23亿元C轮融资，累计融资额达43亿元，单轮与累计均创国内AI Infra行业新高，同样验证了“算力中间层”的商业价值。

3. 企业AI落地的现实路径：让每一次模型调用更便宜、更快

企业AI要真正落地，模型需要接入数据、查询业务信息、调用工具并输出可执行的结果。AWS通过收购DuckLabs补数据分析和查询能力，通过收购Decart补跨硬件部署和算力效率。一个连接数据，一个连接芯片，都说明了企业使用AI最现实的问题：让每一次模型调用更便宜、更快，也更容易接入已有业务系统。

效率就是下一轮竞争最贵的资产。

【官方原文链接】点击访问首发地址