2026.10.14 | Primer | Decart
Decart AI 是 2023 年 9 月在特拉维夫成立的 AI 公司，约 100 人。10.11 WSJ 报道 Amazon 在谈以约 $7B 收购它；9.7 Bloomberg 报道 Anthropic 做完尽调后放弃了约 $6B 的收购，再往前 Nvidia 也谈到过很深。这篇讲清楚它到底卖什么、数字该打几折、为什么一家放弃一家接手，以及对算力主线意味着什么。
Decart 本质是一支约 100 人的芯片调校团队：替云厂商和 AI 实验室手写最底层的程序，让同一颗芯片跑出更多结果。外界更熟悉的实时视频模型 Lucy 和世界模型 Oasis，主要是这套调校能力的样板车。
收入只有几千万美元，而且按项目收钱。$7B 是收入的 100–230 倍，买的是团队和"Nvidia 以外的芯片也能跑快"这个证明，不是现在的生意。
Anthropic 放弃的官方原因没有公开，报道里最具体的是创始人拒绝把团队从特拉维夫搬到旧金山。我们认为更根本的是两点：Anthropic 自己已有调校团队，能多挤出来的不多；它最大的芯片 Trainium 是 Amazon 的，Amazon 买下后 Anthropic 不花钱也能受益。
对 Amazon，这是让 Trainium 更好卖的软件补丁。对算力、内存、电力需求不改变方向：每个 token 变便宜，按过去两年的经验会被更多用量吃掉。
Follow-up (复查 2026.11.15 / Anthropic S-1)
- Amazon 签不签、什么价、团队留不留在以色列。这是检验"Decart 值多少"的唯一硬数据。现在的基线是"谈判中、约 $7B"。按 $7B 左右用现金签下、团队留在以色列 (Amazon 的芯片部门 Annapurna Labs 本来就在以色列)，说明 Amazon 是按 Trainium 的需要定价，第 5 节的 Amazon 算账成立；如果再次谈崩，就是两家大买家做完尽调都走了，第 3 节"技术在大规模下打折"的怀疑要加重，估值会退回 $4B 一轮附近
- 收购后 Decart 还支持不支持 Nvidia 和 Google 的芯片。它的卖点是"什么芯片都能调"，但买家是卖芯片的。只做 Trainium，说明 Amazon 买的是 Trainium 的推广工具，对 NVDA 的影响只在 Trainium 能抢走多少外部客户；继续支持所有芯片并对外卖，说明 AWS 想做一个"任何芯片都能跑快"的服务，那对 CUDA 的护城河是更大的问题
- Trainium 有没有多出 Anthropic 以外的大客户。Amazon 买 Decart 的核心理由是外部开发者因为软件难用而不选 Trainium。看 AWS 季报和 re:Invent (12 月) 里点名的 Trainium 客户数量和 Neuron SDK (Trainium 的软件工具包) 更新。半年内出现 2–3 家新的大客户并提到性能，说明软件补丁有用；还是只有 Anthropic 一家撑着，说明问题不在调校
- Anthropic S-1 里的推理成本和毛利。Anthropic 想买 Decart 是为了用同样的芯片服务更多用户。S-1 公开后看推理成本占收入比例的走势：毛利持续上升，说明它自己的团队做得到，不买是对的；毛利停滞，Anthropic 可能会回头找 Decart 合作 (Bloomberg 说双方"可能以其它方式合作")
1. 是什么：一支芯片调校团队，加两辆样板车
一句话：Decart 卖的是"让同一颗芯片跑出更多结果"的手艺，外加两个靠这门手艺做出来的实时视频模型。
先讲底层：为什么同一颗芯片能跑快也能跑慢
- AI 芯片 (Nvidia 的 GPU、Google 的 TPU、Amazon 的 Trainium) 有一个理论最高算力，但实际干活时大部分时间在"等"：等数据从内存搬过来、等别的芯片把结果传过来、等上一步算完
- 决定等多久的，是芯片上运行的最底层程序，叫 kernel。同一个模型，kernel 写得好坏，速度能差好几倍
- 大多数公司不自己写 kernel，用 PyTorch 这类通用工具自动生成。自动生成的 kernel 对每种芯片、每种模型都用同一套套路，所以总有浪费
- 衡量浪费的指标叫 利用率 (MFU)：芯片理论算力里真正用在算东西上的比例。一般在 30–50%，好的能到 60% 以上
用一个比喻贯穿全篇：赛车
芯片是发动机，模型是车身，kernel 和编译器是发动机的调校程序。Nvidia 的发动机卖了十几年，配套调校程序 (CUDA) 最成熟；Google 和 Amazon 的发动机更新，调校程序还不够好，所以同样的车装上去跑不快。Decart 是一个外聘的调校师：你把车和发动机交给它，它重写调校程序，让车跑得更快、更省油。Lucy 和 Oasis 是它自己造的展示车，用来证明手艺。
做成了什么产品
- DOS (Decart Optimization Stack，优化栈)：主营业务。官网写的服务内容是：按客户指定的模型和指标做优化，包括手写 kernel、调编译器；以"按里程碑付费的试点"或"长期战略合作"的形式签。客户是云厂商、芯片厂和 AI 实验室，没有点名。官网称支持 Nvidia、TPU、Trainium、AMD
- Lucy：实时改视频的模型。直播画面进去，按文字指令换人、换衣服、加商品，每秒 30 帧、1080p，几十毫秒内出画面。跑在 Trainium3 上，已在 AWS Bedrock 上架。官方说用在虚拟试衣、直播广告、社交和游戏
- Oasis：实时生成可交互环境的世界模型。2024 年 10 月第一版是一个能玩的 AI 版"我的世界"，72 小时 100 万用户；现在第 3 版定位为给机器人、自动驾驶造训练环境
拿来干什么：一个例子
今天：一家公司想把自己的模型从 Nvidia GPU 搬到 Trainium 上省钱，搬过去后发现速度只有原来的一半，要么自己养一个懂 Trainium 底层的团队花几个月调，要么放弃回到 Nvidia。用 Decart 之后：把模型交给 Decart，它几周内重写关键 kernel，在 Trainium 上跑到和 Nvidia 差不多甚至更快，客户按项目付钱。这正是 Amazon 想要的：开发者不选 Trainium，最常见的理由是"软件不好用、调起来太费劲"。
现在到哪一步
公司成立三年，据创始人说成立三个月就盈利，融了 $450M 以上但自称只花了不到 $10M 投资人的钱。收入几千万美元，Calcalist 称主要按项目收、还没有可重复的订阅式生意，产品方向换过几次 (从游戏到直播视频到机器人)。
| 项目 | 数 | 来源 / 口径 |
|---|---|---|
| 成立 | 2023.09 | 创始人 Dean Leitersdorf (CEO，27 岁，24 岁拿计算机博士)、Orian Leitersdorf (兄弟)、Moshe Shalev；创始人合计持股约 64% (Globes) |
| 员工 | ≈100 | Calcalist；Bloomberg 说不到 100 名工程师 |
| 累计融资 | >$450M | Sequoia (最大股东)、Benchmark、Radical Ventures、Zeev，2026.5 一轮加入 Nvidia、eBay、Adobe、Toyota、Atreides、Valor |
| 年收入 | 几千万美元 | Calcalist / 创始人，未独立核实。客户里点名的只有 eBay (也是股东) |
| 毛利 | 远低于软件公司 | 投资人间流传的预测是 2028 年升到 77% (Arabian Post 转述)，说明现在显著低于这个数 |
| Amazon 关系 | 战略客户 | 2025 年拿到 Trainium3 早期使用权；2025.12 re:Invent 主题演讲上台演示 Lucy 跑在 Trainium3 上 |
一句话：Decart 的生意是几千万美元的芯片调校项目，名气来自两个视频模型，而买家出 $6–7B 看中的是前者背后的团队。
2. 机制：调校能挤出多少，卡在哪
一个模型在芯片上跑多快，是一串环节串起来的结果，最弱的一环说了算。Decart 只改其中几环。
能挤出来的是"等"的时间，不是发动机排量
- 模型架构 (和芯片一起设计)：Decart 的视频模型是它自己设计的，从第一天就按芯片的特点来定结构，所以能跑到很高的利用率。Amazon 确认 Lucy 2 在 Trainium3 上利用率达到 80%。但给别人的现成模型 (比如 Claude) 调，架构不能改，这一环用不上
- 编译器和 kernel：这是 DOS 对外卖的核心。手写 kernel 能把通用工具生成的浪费省掉。对成熟的 Nvidia 平台，大实验室自己已经调得很深，剩下的空间小；对较新的 Trainium、TPU，空间大得多
- 芯片的物理上限：大语言模型逐字生成回答时，每出一个字都要把整个模型从内存读一遍，速度主要被内存带宽卡住，不是被算力卡住。这一段软件改不了，只能靠批量处理多个用户、或者猜词加速 (speculative decoding) 这类方法绕
谁定义瓶颈
- 芯片 (算力、内存带宽、互联)：Nvidia / Google / Amazon (Annapurna Labs) 定
- 编译器和工具包 (CUDA、XLA、Neuron SDK)：芯片厂自己定
- kernel：芯片厂、实验室自己的团队、Decart 这类外包团队都能写
Decart 站在第三层，没有定价权：芯片厂把自己的工具包做好了，它的空间就缩小。这也是为什么最想要它的是芯片厂自己 (Nvidia 谈过、Amazon 在谈)，而不是用芯片的人。
一句话：Decart 能把芯片"等待"的时间挤掉，对较新的 Trainium、TPU 空间大，对成熟的 Nvidia 和已有自家团队的大实验室空间小；内存带宽这道硬上限它碰不到。
3. 数字打折：哪些数不能直接用
| 说法 | 谁说的 | 跟谁比 / 测的什么 | 打折后 |
|---|---|---|---|
| 1,600 tokens/秒，是行业平均 200 的 8 倍 | Decart 自报 (5 月公告) | 官网写明是"Decart 自定的测试"。没说模型多大、几个用户同时跑、对手是谁。"行业平均 200"像是大模型对单个用户的速度，和一个可能更小、专门调过的模型比 | 不能用 方向可信，倍数没法验证 |
| Lucy 2 在 Trainium3 上利用率 80% | Amazon 确认 | Decart 自己的视频模型，架构按芯片定制；视频生成主要吃算力，正好是利用率能做高的那类活 | 可信，但只证明视频 换到大语言模型逐字生成，瓶颈是内存带宽，80% 不能平移 |
| 视频生成成本从每小时 $100 降到 $0.25，便宜 400 倍 | Decart 自报 (2024–25) | 对手是"没优化过的方案"，一个稻草人。里面还混着模型本身变小变快的功劳，不全是调校 | 不能用 |
| 客户在 Trainium 等硬件上成本降 25–100 倍 | Decart 自报，投资人转述 | 没点名客户、没说起点 | 不能用 可能是把客户从很差的起点调到正常水平 |
| 视频模型在 Trainium 上快 4 倍 | CTech 2025.12 转述 | 没说跟什么比 (同一模型在 GPU 上？Trainium2？) | 待核 |
| 收入"几千万美元"、"成立三个月就盈利" | 创始人 / Calcalist、TheMarker | 没有财报。项目收入，没有拆分 DOS 和视频模型 | 按 $30–70M、按项目 盈利说法和"毛利远低于软件公司"并不矛盾，但都没有数 |
一句话：唯一有第三方背书的数是 Amazon 确认的 80% 利用率，而它只证明了 Decart 能把自己设计的视频模型在 Trainium 上跑满，没证明能把别人的大语言模型跑快多少。
4. 一句话规则：谁该买它
Decart 对一个买家值多少 ≈ 买家每年花在"还没调好的芯片"上的钱 × Decart 能多挤出的效率 × 买家自己的团队做不到的那部分。
三个乘数里任何一个接近 0，Decart 就不值钱。拿这条规则过一遍谈过的几家：
- Nvidia：自家芯片的调校程序最成熟，多挤的效率小。买它更像防守，不让 Decart 的手艺帮 Trainium、TPU 抢客户。所以出价最高但不是最急
- Anthropic：花钱最多 (同时用 TPU、Trainium、GPU)，但自己有推理和性能团队 (Decart 原本就要并进这个组)，"自己做不到的那部分"小。还要用 IPO 前的股票付
- Amazon：Trainium 是"还没调好的芯片"的典型，外部开发者嫌难用；Amazon 的芯片部门 Annapurna Labs 本身就在以色列，团队不用搬家。三个乘数都不小
一句话：芯片越新、买家自己的团队越弱、花在这种芯片上的钱越多，Decart 越值钱；三条同时满足的买家是 Amazon，不是 Anthropic。
5. 算账：$6–7B 对谁划算
下面把第 4 节的规则变成一个能拖的算式。所有参数都是我们的假设，用来看"要多大的效果才值这个价"，不是预测。
- 算力花费：Amazon 用 Trainium 相关的年投入。Amazon 4 月说 Trainium 相关的收入承诺超过 $225B，摊到 5–6 年约每年 $40B，我们取 $40B；Anthropic 用全部芯片的年算力花费，按它对 AWS 10 年 $100B 以上的承诺加上 TPU、GPU，取 $30B
- 能多挤出的效率：对较新的芯片和没调到底的模型，手写 kernel 多挤 10–20% 不罕见；对已经深度调过的模型，几个百分点
- 自己做不到的比例：买家自己团队花时间也能做到的部分不算 Decart 的功劳。团队越强，这个比例越低
- Amazon 默认 ($40B × 10% × 40%)：每年省 $1.6B，4–5 年回本。这还没算第二个好处：Trainium 更好卖，多卖出去的芯片本身有利润
- Anthropic 默认 ($30B × 4% × 25%)：每年省 $0.3B，20 年回本。要 5 年回本，每年要省 $1.2B，即效率 × 自己做不到的比例要到 4%：自家团队能做到七成五时，Decart 得多挤出 16%，对已经深度调过的模型很难
- 翻转点：对 Amazon，效率提升低于约 4%，或者自家团队能做到八成五以上，回本就超过 10 年。这正是 Follow-up 第 3 条要看的：Trainium 外部客户有没有因为软件变好而增加
一句话：同样的手艺，放在 Amazon 的 Trainium 上约 4–5 年回本，放在 Anthropic 那里要约 20 年；Anthropic 走、Amazon 接，从算账上看是讲得通的。
6. 为什么 Anthropic 放弃了
Bloomberg 9.7 只说做完尽调后决定不买，"双方可能以其它方式合作"。没有官方原因。下面把报道和推测分开：
| 原因 | 级别 | 来源 | 我们怎么看 |
|---|---|---|---|
| 创始人拒绝把大部分团队从特拉维夫搬到旧金山 | 媒体 (接近 Decart 的人) | Globes，WSJ / GeekWire 转引 | 最具体的一条。Anthropic 买的本来就是人 (约 100 人、合每人约 $60M)，人不过来，收购的意义大半就没了 |
| 技术在超大规模下效果打折，或 Anthropic 发现自己能做 | 推测 | Calcalist 9.8 评论 | 和第 3 节一致：已公开的证据都在视频模型上，没有大语言模型规模化的证据。Calcalist 也说尽调后 Anthropic 认为"能合作不必拥有" |
| 担心创始人拿了股票后不再全力投入 | 推测 | Calcalist 9.8 | 创始人一直说要做"万亿美元公司"，三年后单个数十亿卖掉对他不是终点。和"不肯搬家"指向同一件事：团队留不住 |
| IPO 前不想背一笔大并购 | 推测 | Calcalist、Startup Fortune | 合理但不充分：用股票付 $6B，对一家估值约 $1T 的公司稀释不到 1% |
| 股东里有卡塔尔资金，收购以色列公司有地缘问题 | 推测 | Calcalist 9.8 | 没有证据，只列出不采信 |
我们加的一条：Amazon 买了，Anthropic 也能用上
Anthropic 是 Trainium 最大的用户 (承诺 10 年在 AWS 花 $100B 以上、最多 5GW)。如果 Decart 归 Amazon，并把优化做进 Trainium 的工具包或者直接给大客户调，最大的受益者之一就是 Anthropic，而且不用花 $6B。从这个角度看，Anthropic 走开、让最大的合作方接手，是比自己买更便宜的做法。这一条是我们的推断，没有报道支持。
一句话：报道里最实的原因是团队不肯搬家，算账上的原因是 Anthropic 自己能做大半；而 Amazon 接手后，Anthropic 作为 Trainium 最大用户反正能沾光。
7. 反过来想：做成一家独立大公司需要什么，Decart 缺什么
| 独立的"芯片优化"公司需要 | Decart | 缺的性质 | 说明 |
|---|---|---|---|
| 能重复卖的产品 (不是逐个项目) | 无 | 天生 | 官网本身写的就是按客户模型定制、手写 kernel、按里程碑付费。手艺活的规模跟着人数走 |
| 订阅式、可预测的收入 | 无 | 时间能补 | Calcalist 说按项目收钱。如果能把 profiler、模拟器做成授权产品 (官网列了这一项)，可以改善 |
| 软件公司水平的毛利 | 无 | 能补但吃掉优势 | 现在远低于软件公司，预测 2028 年 77%。要高毛利就得少做定制，但定制恰恰是效果好的原因 |
| 独立的第三方测试 | 无 | 没适配 | 只有 Amazon 对自家芯片上自家样板车的背书。去跑 MLPerf 这类公开测试就能补 |
| 在别人的大语言模型上的规模化证据 | 无 | 没适配 | 公开案例都在视频模型上。这正是 Anthropic 尽调最可能看的东西 |
| 和芯片厂中立 | 部分 | 天生 | 和 Amazon 绑得最深，Nvidia 是股东。卖给任何一家芯片厂，中立就没了 |
| 不依赖创始人的团队 | 未知 | 时间能补 | Calcalist 称创始人是"技术大脑"，买家会担心关键人风险 |
- 三种"无"：没适配的 (第三方测试、大语言模型案例) 花几个月就能补；时间能补的 (订阅收入、团队) 要一两年；天生的 (项目制、和芯片厂的距离) 是这门生意本身的形状
- 哪几个"无"是同一件事：项目制、毛利低、规模跟着人数走，说的都是"这是一门手艺，不是一个软件"
- 什么会变、什么不会：证据会补齐，价格可能因此更站得住；但"手艺跟人走"不会变，所以它更适合被芯片厂买走内化，而不是独立上市
一句话：Decart 卖的是手艺不是软件，手艺的价值跟着人走；这决定了它的最好归宿是被一家芯片厂买走，而不是自己长成大公司。
8. 各方怎么说
| 谁 | 说了什么 (转述) | 场合 | 和我们的判断 |
|---|---|---|---|
| Decart 官网 | 算力是最稀缺的资源，DOS 能把每颗芯片的性能榨干，横跨 GPU、TPU、Trainium、AMD；服务形式是定制优化和按里程碑的试点 | 官网 DOS 页 | 一致 自己写明了"定制"和"自定测试" |
| CEO Dean Leitersdorf | 世界模型是把 AI 从虚拟带进物理世界的关键；想把 Decart 做成"AI 时代的 Google 或 Apple" | 5 月融资公告 / Calcalist 采访 | 分歧 收入来自调校，愿景在世界模型，两者没接上 |
| Amazon (Annapurna Labs VP Nafea Bshara) | 硬件利用率提高意味着真金白银的节省和时间 | Decart 5 月融资公告 | 一致 Amazon 从芯片部门的角度看它 |
| Bloomberg 知情人 | Anthropic 想用它让现有算力吸收更多需求；团队会并入推理和性能组；后来尽调后放弃，可能以其它方式合作 | 8.13 / 9.7 报道 | 一致 买的是团队 |
| Calcalist | 三年的公司，没有清晰的商业模式，按项目收钱；放弃原因可能是技术规模化、自研、或创始人投入度 | 8–9 月多篇 | 一致 |
| WSJ | Amazon 在谈约 $7B，若不谈崩、没有别的买家，很快会成 | 10.11 报道 | 待验证 |
- 分歧在哪：公司讲的是"世界模型 + 实时视频"，买家看的是"芯片调校团队"
- 分歧背后的前提：世界模型的价值要等机器人、自动驾驶的训练需求起来，几年后才能验证；调校手艺今天就能在买家的芯片上省钱。买家按今天能兑现的那部分定价
一句话：所有买家嘴上都在讲"让芯片跑得更有效率"，没有一家是冲着 Lucy 和 Oasis 来的。
9. 最容易被误读的几点
| 大家以为 | 实际 |
|---|---|
| Decart 是一家视频生成 / 世界模型公司 | 收入主要来自芯片调校项目，视频模型是样板车。买家都是冲着调校来的 |
| "跨芯片"意味着一键把模型从 Nvidia 搬到别的芯片 | 是一群人针对每种芯片、每个模型手写底层代码，不是一个自动转换器。快是因为定制，不是因为通用 |
| 8 倍提速 = 机群能少买 8 倍的芯片 | 8 倍是 Decart 自定测试里的单用户速度，和整个机群能服务多少用户是两回事；对已深度调过的大模型，实际多挤的通常是个位数到十几个百分点 |
| Anthropic 放弃 = 技术是假的 | 没有证据。报道最具体的原因是团队不肯搬家；Anthropic 也说可能继续合作 |
| Amazon 收购是为了对抗 Nvidia 的整个生态 | 更窄：是让 Trainium 卖给 Anthropic 以外的客户时少一个"太难用"的理由 |
| 效率提高 = 少买芯片、利空算力 | 每个 token 变便宜后用量会涨。按过去两年的经验，单价下降大多被用量增长吃掉 (见第 10 节) |
一句话：Decart 不是视频公司，也不是 CUDA 杀手，是一支给新芯片补课的调校队。
10. 对我们核心议题的意思
- 算力需求：方向不变。调校让每颗芯片多出一些产能，相当于一次性增加供给。按 Amazon 默认假设，$40B 的 Trainium 年投入多挤 10%，等于多出约 $4B 的有效算力，不到全球 AI 算力年投入的 1%，且需求在供给侧受限，多出的会被用掉
- token：小加项。同样的芯片出更多 token、每个 token 更便宜。按我们 Jevons 研究的经验，降价驱动的用量增长大于降价幅度，所以总 token 不减反增
- HBM / 内存：基本不变。调校改的是"等"的时间，大语言模型逐字生成仍然卡在内存带宽上，每个用户需要的内存量不因调校减少。如果更快的软件让 Trainium 抢到更多份额，HBM 只是从 Nvidia 的单转到 Trainium 的单，总量不变
- 电力：不变。同一颗芯片跑得更满，单位产出的电耗略降，但芯片照样满功率运行
- 芯片份额：Trainium 的小加项，NVDA 的小减项。Nvidia 的护城河一半在软件；第三方能把 Trainium 调到接近 Nvidia，开发者换芯片的成本下降。但这取决于 Follow-up 第 2、3 条，现在只是可能，还没有数据
- 相关标的：AMZN 是直接受益方，但 $7B 对 Amazon 不改变数字；ANTHROPIC 作为 Trainium 最大用户间接受益；NVDA 边际减项；GOOGL 的 TPU 失去一个可能的第三方调校方 (Decart 官网列了 TPU)
一句话：这是一笔改变"谁的芯片好卖"的小交易，不改变"总共要多少芯片、内存和电"的大账。
证据分级
| 事实 | 级别 | 来源 |
|---|---|---|
| DOS 的服务形式 (定制优化、手写 kernel、编译器调优、按里程碑试点、profiler 授权)、支持的芯片 | 一手 | Decart 官网 DOS 页 (已直接读取) |
| Lucy 2 在 Trainium3 上利用率 80%；re:Invent 2025 主题演讲演示；Bedrock 上架 | 一手 (Amazon / Decart) | Decart 博客、AWS 发布、多家报道一致 |
| 1,600 tokens/秒、DOS 2.0、$300M / 约 $4B、投资人名单 | 一手 (公司自报) | Decart 2026.5.18 融资公告 |
| Anthropic 谈约 $6B、团队并入推理组；9.7 尽调后放弃 | 媒体 (知情人) | Bloomberg 8.13 / 9.7，Reuters |
| Amazon 谈约 $7B、AWS 2025 年给 Trainium3 早期使用权 | 媒体 (知情人) | WSJ 10.11，双方未确认 |
| 创始人拒绝把团队搬到旧金山；Nvidia 出价更高被拒；创始人持股 64% | 媒体 (接近 Decart) | Globes、Calcalist |
| 收入几千万美元、按项目收钱、约 100 人 | 媒体 + 创始人说法 | Calcalist，未独立核实 |
| 毛利远低于软件公司、2028 年 77% 的预测 | 二手转述 | Arabian Post / TechTimes 转述投资人材料 |
| 回本年数、各方效率假设、"Amazon 买了 Anthropic 也受益" | 我们的估算 / 推断 | 本文第 5、6 节 |
数据来源与 changelog
v1 (2026.10.14)：首版。读了 Decart 官网首页和 DOS 页 (一手)，以及 Calcalist 9.8 关于 Anthropic 放弃原因的长文。未做：没有拿到任何 DOS 在大语言模型上的实测，无法自己跑；收入、毛利只有转述数。都列在 Follow-up 和第 3 节。
主要来源： Decart 官网：DOS · Decart 官网首页 · WSJ 转述：Amazon 谈 $7B · GeekWire：Amazon 为什么买 · TNW：搬家分歧、Nvidia 出价 · Bloomberg：Anthropic 谈 $6B · Bloomberg：Anthropic 放弃 · Calcalist：Anthropic 为什么走 · Calcalist：Anthropic 压过 Nvidia · SiliconANGLE：$300M 与 DOS 2.0 · TechTimes：Trainium 80% 利用率 · TechDogs：Annapurna 引语 · The Decoder：Lucy 2.0 · Arabian Post：毛利预测 · Inc.：Anthropic 对 AWS 的算力承诺 · TechCrunch：早期融资与收入