训练或运行一个 AI 模型，有点像把一套复杂设备搬进新厂房：机器或许更便宜、更快，但接口、工具和操作流程都要重新适配。迁移成本太高，开发者就不愿轻易更换芯片。亚马逊此次看中的，正是帮助降低这种成本的软件。
据《华尔街日报》报道，Amazon 正在洽谈以约 70 亿美元收购旧金山 AI 初创公司 Decart。交易尚未签署，谈判仍可能破裂，也可能出现其他竞购者。现阶段能确认的信息有限，但这笔潜在交易值得关注：Amazon 争夺的可能不只是一家公司，而是模型与芯片之间那层影响开发者选择的软件入口。
关键不只是买下一家 AI 公司
Decart 所在的一个领域是“世界模型”（World Model）——让模型学习环境如何变化，以及一个行动会带来什么结果。这类技术可用于生成交互式视觉世界和模拟现实动态。
但此次收购传闻里，更直接牵动 Amazon 战略的是 Decart 的芯片适配软件。《华尔街日报》称，这套软件能让 AI 模型在 Nvidia、Google 和 Amazon 等不同芯片上更高效地运行，并降低工作负载跨芯片迁移的难度。报道没有披露具体技术架构、支持型号或实测数据，因此目前不能把它视为已经验证成熟的通用平台。
可以把这类工具理解为“芯片切换层”：它位于模型软件与底层加速器之间，负责适配和优化。开发者不必为每一种芯片重新大幅改造工作负载，也就较不容易被单一硬件生态锁定。
这解释了 Amazon 为什么可能愿意开出约 70 亿美元。AWS 不仅销售云计算服务，也在推广 Trainium——AWS 为训练和运行机器学习模型设计的自研加速芯片。芯片本身表现如何固然重要，但开发者能否轻松上手、能否从其他硬件迁移过来，同样决定其商业价值。
据《华尔街日报》报道，AWS 在 2025 年曾向 Decart 开放 Trainium3 的早期使用权限。双方因此并非直到收购谈判才产生联系。若交易最终完成，Decart 的价值可能在于缩短开发者采用 AWS 自研芯片的路径。不过，这只是结合双方业务关系作出的战略判断，并非报道已经确认的整合方案。
为什么软件层可能比芯片更关键
云厂商推广自研芯片时，要面对一个现实问题：开发者已有的模型、代码和工作流程，通常围绕现有硬件建立。新芯片即使具备吸引力，只要迁移过程太麻烦，采用速度就会受限。
因此，降低迁移成本的软件拥有一种特殊位置。它一头连接模型和开发者，另一头连接不同厂商的芯片。谁能控制这层接口，谁就更有机会影响工作负载最终落在哪种硬件、哪一家云平台上。
这也是“约 70 亿美元”最值得琢磨的地方。SiliconANGLE 报道称，Decart 在 2026 年 5 月完成 3 亿美元融资，当时估值接近 40 亿美元，累计融资超过 4 亿美元。数月后传出的洽购价格明显更高。市场看重的或许不只是 Decart 当前的软件收入或世界模型故事，也包括它在多种 AI 芯片之间充当适配入口的潜力。
换句话说，AI 芯片竞争并不只发生在硬件参数上。让开发者愿意迁移、能够迁移的软件，也可能成为决定芯片能否被采用的控制层。
局限与未知
- 目前只有《华尔街日报》这一独立信源披露谈判与价格；Bloomberg 的相关内容也是转述该报道。
- 交易尚未签署，约 70 亿美元不是确定成交价，谈判仍可能失败。
- 现有材料没有披露 Decart 软件的技术架构、实际客户、迁移效果或 Amazon 的整合计划，暂时无法判断它能在多大程度上推动 Trainium 的采用。