今日 AI 重点｜2026/10/12：Amazon 据报洽购 Decart 约 70 亿美元、Yandex 第三座数据中心数日内遭攻击｜文章

今天只留两则，但都在提醒同一件事：AI 已经不是只有模型。Amazon 据报正洽购实时 AI 新创 Decart，交易可能约 70 亿美元；Decart 不只做实时视频与 Physical AI World Model，还有能跨 Nvidia、AWS Trainium、Google TPU 优化工作的底层软件。另一边，Yandex 表示 Vladimir 数据中心遭无人机攻击后完全停机，这已是数日内第三座主要数据中心受创；前一座 Sasovo 还放着 Yandex 三台 AI 超级电脑中的两台。AI 竞争愈往现实世界走，真正重要的开始变成：能力由谁控制，以及算力能不能在实体世界持续活着。

今天真正值得留下的 AI 新闻只有两则。

一则是：

Amazon 据报准备花约 70 亿美元，

直接买一家 AI 新创。

另一则则是：

一家重要 AI 公司的数据中心，

连续几天真的被实体攻击打到停机。

表面上，

一个是 M&A。

一个是战争。

但放在一起看，

其实都在回答同一个问题：

AI 真正变成基础设施之后，谁控制能力，以及系统能不能持续活着？

1. Amazon 据报洽购 Decart，价格可能约 70 亿美元

Reuters 10 月 11 日转述《华尔街日报》报导：

Amazon 正和 AI 新创：

Decart

讨论收购。

交易价格可能大约：

70 亿美元。

目前仍是：

Talks。

不是正式完成的 Acquisition。

Reuters 也明确表示：

当时无法独立验证这项消息。

所以今天正确写法只能是：

Amazon 据报洽购 Decart。

不能写成：

「Amazon 已经买下 Decart。」

Decart 到底是做什么的？

如果只看它的 AI Demo，

很容易把它理解成：

另一家 AI 视频公司。

但 Decart 其实做了三层东西。

第一层：Lucy

Lucy 是：

Real-time Video Editing Model。

Decart 主打让视频可以：

实时改人物、

改背景、

加对象、

换风格、

做 VFX。

目前 Lucy 已经往真正实时处理走，

而不是：

输入 Prompt →

等几十秒 →

拿一支新视频。

第二层：Oasis

Oasis 则更接近：

World Model。

它不是单纯做一段视频。

而是让：

机器人、

自驾车、

制造系统

可以在 AI 产生的环境里：

看见情境、

采取动作、

得到新的环境回应。

Decart 把 Oasis 3 定位成：

Interactive World Model for Physical AI。

例如自驾车不可能等真正道路上突然发生：

极罕见事故、

奇怪天气、

突发障碍物，

才开始收集训练数据。

World Model 的想法就是：

先在生成世界里，

大量模拟那些：

罕见、

危险、

昂贵

的情况。

第三层其实可能才是 Amazon 最在意的：DOS

Decart 还有一套：

Decart Optimization Stack，DOS。

这不是生成视频模型。

而是：

AI Training／Inference Optimization Stack。

Decart 表示，

DOS 可以针对不同硬件，

把模型跑得：

更快、

更便宜、

使用率更高。

而且它不是只支持：

Nvidia。

官方现在直接列出：

Nvidia、

AWS Trainium、

Google TPU。

这件事对 Amazon 特别有意思。

为什么？

因为 Amazon 不想永远只靠 Nvidia GPU。

AWS 已经投入大量资源做自己的：

Trainium。

问题是企业已有大量 AI 工作跑在：

Nvidia CUDA 生态。

要叫客户换芯片，

不是：

「另一颗芯片比较便宜」

就结束。

真正困难的是：

模型、

Kernel、

Compiler、

Inference Stack

能不能一起搬过去。

所以如果一家公司的核心能力是：

让同一个 AI Workload 更容易跨不同芯片跑，

它对 AWS 的价值就不只是：

「又多一个模型。」

而是可能帮 Amazon 解决：

AI Workload 怎么从 Nvidia 往 Trainium 搬。

这一点目前仍属产业策略推论。

Amazon 并没有公开表示：

「我们买 Decart 就是为了 Trainium。」

但 Decart 自己公开的产品定位，

确实同时跨：

Nvidia、

AWS Trainium、

Google TPU。

《华尔街日报》还透露：Decart 已经拿到 Trainium3 早期访问

《华尔街日报》报导，

AWS 之前已让 Decart 提前使用：

Trainium3。

也表示 Amazon 和这家公司并不是：

今天第一次接触。

Decart 创立于：

2023 年。

截至目前已募得：

超过 4 亿美元。

今年 5 月的估值则接近：

40 亿美元。

如果最后真的用约：

70 亿美元

收购，

代表短时间内估值又往上跳了一大段。

Amazon 买的可能不是一个 AI 视频工具，而是一整层实时 AI Stack

把三个产品放在一起就更清楚：

Lucy：

实时影音。

Oasis：

Physical AI／World Model。

DOS：

底层 Training／Inference Optimization。

这三层共同指向的是：

Real-time AI。

也就是 AI 不再：

想完很久才回答。

而是必须在：

机器人动作、

镜头画面、

游戏世界、

自驾系统

正在发生的同时，

立刻做出反应。

这和一般 Chatbot 完全不同。

如果 Amazon 最后真的收购，

它可能一次拿到：

模型。

World Model。

Inference Optimization。

以及：

一群已经在 Nvidia、Trainium、TPU 之间做底层效率的人才。

这和 Amazon 最近疯狂盖 AI 基础设施也接得起来

Amazon 今年已经准备投入非常大的：

AI Infrastructure Capital Expenditure。

它不只是卖：

AWS Server。

现在同时还在做：

Trainium。

Bedrock。

Agent。

Foundation Models。

Robot。

Alexa。

如果再往上收一间 Decart，

就代表大型 Cloud Provider 的竞争开始变得愈来愈：

Vertical。

不只提供：

「一台机器给你。」

而是从：

芯片 →

Compiler／Optimization →

Model →

Application

一路往上包。

但今天最大的 Boundary 就是：交易还没有完成

这点不要忽略。

目前数据来自：

《华尔街日报》引述知情人士。

Reuters 无法独立验证。

收购谈判：

可能谈成。

可能改价格。

也可能完全破局。

所以现在不能推论：

Decart 已经成为 AWS。

Lucy／Oasis 会被整进 Amazon。

Google TPU 支持会被取消。

或 Decart 产品 Roadmap 已经改变。

今天能确认的只有：

Amazon 据报正在谈。

一般用户现在需要做什么？

基本上不用。

但这笔可能交易值得观察一件事：

未来 AI 的竞争，

可能愈来愈不是：

哪一家公司只有最强模型。

而是：

哪家公司能把模型、硬件、Inference、Cloud 与真正的应用一起控制。

如果 Amazon 最后真的买下 Decart，

这一点会变得更明显。

2. Yandex 第三座数据中心数日内遭攻击：AI 的「Cloud」其实一点都不虚拟

第二件事情，

直接把 AI 从：

Cloud

拉回：

水泥、

电力、

服务器。

俄罗斯科技与 AI 公司：

Yandex

10 月 11 日表示，

位于：

Vladimir Region

的数据中心遭无人机攻击后：

完全停机。

没有人员受伤。

但部分 Yandex Services 已经：

Unavailable。

更值得注意的是：

这已经是数日内：

第三座主要数据中心

被打到无法正常运作。

前两座发生什么事？

第一座是：

Sasovo。

Yandex 表示，

10 月 7 日晚间到 8 日清晨遭攻击后，

数据中心严重受损，

已经：

完全关闭。

Yandex 官方甚至表示，

当时还无法确认设备：

能不能修复。

第二座是：

Kaluga。

10 月 9 日遭无人机攻击后，

部分 Infrastructure：

Out of Service。

到了 10 月 11 日，

又出现：

Vladimir。

为什么这是一则 AI 新闻？

因为：

Sasovo

不只是普通 Web Hosting Facility。

Reuters 报导，

Yandex 用来开发 AI Model 的：

三台 Supercomputers

其中：

两台

就放在 Sasovo。

这代表一个攻击目标里，

不只放着：

Email、

网站、

一般云端服务。

还可能直接放着：

训练 AI 的核心 Compute。

这也是 AI 进入战略基础设施后，

很现实的一面。

我们平常说「Cloud」，很容易忘记后面真的有一栋建筑

当你打开：

AI Chatbot、

Cloud Storage、

Search、

Maps、

Business Software，

感觉它们都活在：

「云端。」

但 Cloud 真正的意思其实是：

某个地方有：

建筑。

电力。

Cooling。

Fiber。

Server Rack。

GPU。

Storage。

Network。

只要那个地方：

停电、

失去网络、

设备损坏、

遭遇灾害，

云端服务就可能跟着出问题。

Yandex 自己在 10 月 9 日的官方声明里，

把 Data Center 称为：

公司的 Iron Heart。

并表示：

数百万人日常使用的交通、音乐、视频、购物与信息服务，

以及数十万家企业的业务，

都依赖这些设施。

这次最值得看的不是「AI 超级电脑有没有被炸掉」

目前这一点还不能直接确认。

Yandex 曾表示，

还在评估 Sasovo 的损害。

Reuters 也没有确认：

那两台 AI Supercomputers

到底受到多少直接损伤。

所以不能写成：

「Yandex 两台 AI 超级电脑已被摧毁。」

目前能确认的是：

放置它们的 Data Center：

已经关闭。

设备能不能恢复，

Yandex 当时：

无法确认。

更大的问题叫「Concentration Risk」

假设一家公司有：

三个最重要的 AI Cluster。

其中两个放在：

同一个 Site。

那个 Site 一旦出事，

影响可能非常大。

这不只适用战争。

一般企业也可能遇到：

地震。

洪水。

火灾。

长时间停电。

Fiber 中断。

Cooling Failure。

Cloud Region Outage。

所以今天最实用的问题其实不是：

「我的数据中心会不会被无人机打？」

而是：

我的 AI Workflow 有没有单一实体故障点？

一般公司现在值得检查四件事

如果 AI 只拿来：

偶尔写文案，

这件事几乎没有影响。

但如果公司已经让 AI 处理：

客服。

订单。

数据分析。

企业搜索。

Coding。

Agent Workflow。

那可以问：

1. Model

如果目前唯一模型挂掉，

有没有第二个可以接？

2. Provider

如果整家 Cloud Provider 出问题，

流程还能不能跑？

3. Region

数据与运算是不是全部集中在：

同一个 Region？

4. Data

真正重要的：

Prompt Template、

Knowledge Base、

Customer Data、

Workflow Configuration

有没有独立备份？

这四题比：

「Cloud 应该很稳吧」

实际得多。

这也不代表每家公司都需要 Multi-cloud

这是重要 Boundary。

Multi-cloud、

Multi-region、

多模型备援

都会增加：

成本、

架构复杂度、

同步问题、

维护工作。

如果一个 AI 功能：

停两小时也没有损失，

那可能完全不值得盖：

昂贵的 Disaster Recovery。

真正应该先问的是：

这个 AI Workflow 停多久，我才真的受不了？

如果答案是：

一天都没差，

就不需要把它做成银行级架构。

如果答案是：

十分钟就影响交易、

客服、

营运，

那备援就开始值得花钱。

Yandex 事件也不是「AI 数据中心都不安全」

这次发生在：

战争环境。

不能把它直接推论成：

全球一般 Data Center 都面临同等无人机攻击风险。

真正可以带回一般企业的，

只有更基本的一层：

AI 服务的可靠度，最后仍然受制于真实世界的 Infrastructure。

云端没有取消 Physical Risk。

只是平常把它藏起来而已。

今天两则新闻真正连起来的是什么？

Amazon／Decart 在说：

AI 软件要怎么跨不同算力平台跑得更快。

Yandex 在说：

那些算力平台最后仍然存在某个实体地点。

所以 AI 接下来愈来愈重要的能力，

除了：

模型智力，

还包括：

Portability。

能不能换不同硬件？

以及：

Resilience。

某个 Site 挂掉后，

工作还能不能继续？

AI 产业以前最常问：

哪张 GPU 最快？

哪个模型最强？

但真正变成 Infrastructure 后，

还得加两题：

如果这个硬件拿不到，我能不能换？

以及：

如果这个地方消失了，我还能不能跑？

这可能才是 AI 真正开始成熟后，

企业最终一定会遇到的问题。