今天真正值得留下的 AI 新聞只有兩則。
一則是：
Amazon 據報準備花約 70 億美元，
直接買一家 AI 新創。
另一則則是：
一家重要 AI 公司的資料中心，
連續幾天真的被實體攻擊打到停機。
表面上，
一個是 M&A。
一個是戰爭。
但放在一起看，
其實都在回答同一個問題：
AI 真正變成基礎設施之後，誰控制能力，以及系統能不能持續活著？
1. Amazon 據報洽購 Decart，價格可能約 70 億美元
Reuters 10 月 11 日轉述《華爾街日報》報導：
Amazon 正和 AI 新創：
Decart
討論收購。
交易價格可能大約：
70 億美元。
目前仍是：
Talks。
不是正式完成的 Acquisition。
Reuters 也明確表示：
當時無法獨立驗證這項消息。
所以今天正確寫法只能是：
Amazon 據報洽購 Decart。
不能寫成：
「Amazon 已經買下 Decart。」
Decart 到底是做什麼的？
如果只看它的 AI Demo，
很容易把它理解成：
另一家 AI 影片公司。
但 Decart 其實做了三層東西。
第一層：Lucy
Lucy 是：
Real-time Video Editing Model。
Decart 主打讓影片可以：
即時改人物、
改背景、
加物件、
換風格、
做 VFX。
目前 Lucy 已經往真正即時處理走，
而不是：
輸入 Prompt →
等幾十秒 →
拿一支新影片。
第二層：Oasis
Oasis 則更接近：
World Model。
它不是單純做一段影片。
而是讓：
機器人、
自駕車、
製造系統
可以在 AI 產生的環境裡：
看見情境、
採取動作、
得到新的環境回應。
Decart 把 Oasis 3 定位成：
Interactive World Model for Physical AI。
例如自駕車不可能等真正道路上突然發生：
極罕見事故、
奇怪天氣、
突發障礙物，
才開始收集訓練資料。
World Model 的想法就是：
先在生成世界裡，
大量模擬那些：
罕見、
危險、
昂貴
的情況。
第三層其實可能才是 Amazon 最在意的：DOS
Decart 還有一套：
Decart Optimization Stack，DOS。
這不是生成影片模型。
而是：
AI Training／Inference Optimization Stack。
Decart 表示，
DOS 可以針對不同硬體，
把模型跑得：
更快、
更便宜、
使用率更高。
而且它不是只支援：
Nvidia。
官方現在直接列出：
Nvidia、
AWS Trainium、
Google TPU。
這件事對 Amazon 特別有意思。
為什麼？
因為 Amazon 不想永遠只靠 Nvidia GPU。
AWS 已經投入大量資源做自己的：
Trainium。
問題是企業已有大量 AI 工作跑在：
Nvidia CUDA 生態。
要叫客戶換晶片，
不是：
「另一顆晶片比較便宜」
就結束。
真正困難的是：
模型、
Kernel、
Compiler、
Inference Stack
能不能一起搬過去。
所以如果一家公司的核心能力是：
讓同一個 AI Workload 更容易跨不同晶片跑，
它對 AWS 的價值就不只是：
「又多一個模型。」
而是可能幫 Amazon 解決：
AI Workload 怎麼從 Nvidia 往 Trainium 搬。
這一點目前仍屬產業策略推論。
Amazon 並沒有公開表示：
「我們買 Decart 就是為了 Trainium。」
但 Decart 自己公開的產品定位，
確實同時跨：
Nvidia、
AWS Trainium、
Google TPU。
《華爾街日報》還透露：Decart 已經拿到 Trainium3 早期存取
《華爾街日報》報導，
AWS 之前已讓 Decart 提前使用：
Trainium3。
也表示 Amazon 和這家公司並不是：
今天第一次接觸。
Decart 創立於：
2023 年。
截至目前已募得：
超過 4 億美元。
今年 5 月的估值則接近：
40 億美元。
如果最後真的用約：
70 億美元
收購，
代表短時間內估值又往上跳了一大段。
Amazon 買的可能不是一個 AI 影片工具，而是一整層即時 AI Stack
把三個產品放在一起就更清楚：
Lucy：
即時影音。
Oasis：
Physical AI／World Model。
DOS：
底層 Training／Inference Optimization。
這三層共同指向的是：
Real-time AI。
也就是 AI 不再：
想完很久才回答。
而是必須在：
機器人動作、
鏡頭畫面、
遊戲世界、
自駕系統
正在發生的同時，
立刻做出反應。
這和一般 Chatbot 完全不同。
如果 Amazon 最後真的收購，
它可能一次拿到：
模型。
World Model。
Inference Optimization。
以及：
一群已經在 Nvidia、Trainium、TPU 之間做底層效率的人才。
這和 Amazon 最近瘋狂蓋 AI 基礎設施也接得起來
Amazon 今年已經準備投入非常大的：
AI Infrastructure Capital Expenditure。
它不只是賣：
AWS Server。
現在同時還在做：
Trainium。
Bedrock。
Agent。
Foundation Models。
Robot。
Alexa。
如果再往上收一間 Decart，
就代表大型 Cloud Provider 的競爭開始變得愈來愈：
Vertical。
不只提供：
「一台機器給你。」
而是從：
晶片 →
Compiler／Optimization →
Model →
Application
一路往上包。
但今天最大的 Boundary 就是：交易還沒有完成
這點不要忽略。
目前資料來自：
《華爾街日報》引述知情人士。
Reuters 無法獨立驗證。
收購談判：
可能談成。
可能改價格。
也可能完全破局。
所以現在不能推論：
Decart 已經成為 AWS。
Lucy／Oasis 會被整進 Amazon。
Google TPU 支援會被取消。
或 Decart 產品 Roadmap 已經改變。
今天能確認的只有：
Amazon 據報正在談。
一般使用者現在需要做什麼？
基本上不用。
但這筆可能交易值得觀察一件事：
未來 AI 的競爭，
可能愈來愈不是：
哪一家公司只有最強模型。
而是：
哪家公司能把模型、硬體、Inference、Cloud 與真正的應用一起控制。
如果 Amazon 最後真的買下 Decart，
這一點會變得更明顯。
2. Yandex 第三座資料中心數日內遭攻擊：AI 的「Cloud」其實一點都不虛擬
第二件事情，
直接把 AI 從：
Cloud
拉回：
水泥、
電力、
伺服器。
俄羅斯科技與 AI 公司：
Yandex
10 月 11 日表示，
位於：
Vladimir Region
的資料中心遭無人機攻擊後：
完全停機。
沒有人員受傷。
但部分 Yandex Services 已經：
Unavailable。
更值得注意的是：
這已經是數日內：
第三座主要資料中心
被打到無法正常運作。
前兩座發生什麼事？
第一座是：
Sasovo。
Yandex 表示，
10 月 7 日晚間到 8 日清晨遭攻擊後，
資料中心嚴重受損，
已經：
完全關閉。
Yandex 官方甚至表示，
當時還無法確認設備：
能不能修復。
第二座是：
Kaluga。
10 月 9 日遭無人機攻擊後，
部分 Infrastructure：
Out of Service。
到了 10 月 11 日，
又出現：
Vladimir。
為什麼這是一則 AI 新聞？
因為：
Sasovo
不只是普通 Web Hosting Facility。
Reuters 報導，
Yandex 用來開發 AI Model 的：
三台 Supercomputers
其中：
兩台
就放在 Sasovo。
這代表一個攻擊目標裡，
不只放著：
Email、
網站、
一般雲端服務。
還可能直接放著：
訓練 AI 的核心 Compute。
這也是 AI 進入戰略基礎設施後，
很現實的一面。
我們平常說「Cloud」，很容易忘記後面真的有一棟建築
當你打開：
AI Chatbot、
Cloud Storage、
Search、
Maps、
Business Software，
感覺它們都活在：
「雲端。」
但 Cloud 真正的意思其實是：
某個地方有：
建築。
電力。
Cooling。
Fiber。
Server Rack。
GPU。
Storage。
Network。
只要那個地方：
停電、
失去網路、
設備損壞、
遭遇災害，
雲端服務就可能跟著出問題。
Yandex 自己在 10 月 9 日的官方聲明裡，
把 Data Center 稱為：
公司的 Iron Heart。
並表示：
數百萬人日常使用的交通、音樂、影片、購物與資訊服務，
以及數十萬家企業的業務，
都依賴這些設施。
這次最值得看的不是「AI 超級電腦有沒有被炸掉」
目前這一點還不能直接確認。
Yandex 曾表示，
還在評估 Sasovo 的損害。
Reuters 也沒有確認：
那兩台 AI Supercomputers
到底受到多少直接損傷。
所以不能寫成：
「Yandex 兩台 AI 超級電腦已被摧毀。」
目前能確認的是：
放置它們的 Data Center：
已經關閉。
設備能不能恢復，
Yandex 當時：
無法確認。
更大的問題叫「Concentration Risk」
假設一家公司有：
三個最重要的 AI Cluster。
其中兩個放在：
同一個 Site。
那個 Site 一旦出事，
影響可能非常大。
這不只適用戰爭。
一般企業也可能遇到：
地震。
洪水。
火災。
長時間停電。
Fiber 中斷。
Cooling Failure。
Cloud Region Outage。
所以今天最實用的問題其實不是：
「我的資料中心會不會被無人機打？」
而是：
我的 AI Workflow 有沒有單一實體故障點？
一般公司現在值得檢查四件事
如果 AI 只拿來：
偶爾寫文案，
這件事幾乎沒有影響。
但如果公司已經讓 AI 處理：
客服。
訂單。
資料分析。
企業搜尋。
Coding。
Agent Workflow。
那可以問：
1. Model
如果目前唯一模型掛掉，
有沒有第二個可以接？
2. Provider
如果整家 Cloud Provider 出問題，
流程還能不能跑？
3. Region
資料與運算是不是全部集中在：
同一個 Region？
4. Data
真正重要的：
Prompt Template、
Knowledge Base、
Customer Data、
Workflow Configuration
有沒有獨立備份？
這四題比：
「Cloud 應該很穩吧」
實際得多。
這也不代表每家公司都需要 Multi-cloud
這是重要 Boundary。
Multi-cloud、
Multi-region、
多模型備援
都會增加：
成本、
架構複雜度、
同步問題、
維護工作。
如果一個 AI 功能：
停兩小時也沒有損失，
那可能完全不值得蓋：
昂貴的 Disaster Recovery。
真正應該先問的是：
這個 AI Workflow 停多久，我才真的受不了？
如果答案是：
一天都沒差，
就不需要把它做成銀行級架構。
如果答案是：
十分鐘就影響交易、
客服、
營運，
那備援就開始值得花錢。
Yandex 事件也不是「AI 資料中心都不安全」
這次發生在：
戰爭環境。
不能把它直接推論成：
全球一般 Data Center 都面臨同等無人機攻擊風險。
真正可以帶回一般企業的，
只有更基本的一層：
AI 服務的可靠度，最後仍然受制於真實世界的 Infrastructure。
雲端沒有取消 Physical Risk。
只是平常把它藏起來而已。
今天兩則新聞真正連起來的是什麼？
Amazon／Decart 在說：
AI 軟體要怎麼跨不同算力平台跑得更快。
Yandex 在說：
那些算力平台最後仍然存在某個實體地點。
所以 AI 接下來愈來愈重要的能力，
除了：
模型智力，
還包括：
Portability。
能不能換不同硬體？
以及：
Resilience。
某個 Site 掛掉後，
工作還能不能繼續？
AI 產業以前最常問：
哪張 GPU 最快？
哪個模型最強？
但真正變成 Infrastructure 後，
還得加兩題：
如果這個硬體拿不到，我能不能換？
以及：
如果這個地方消失了，我還能不能跑？
這可能才是 AI 真正開始成熟後，
企業最終一定會遇到的問題。
推薦閱讀
Amazon 一年準備投入 2,200 億美元做 AI，為什麼市場反而開始放心？
AI 晚報｜2026/09/11：伊朗攻擊波及 AWS 後，阿聯據報重畫 5GW AI 資料中心藍圖、改分散部署＋部分地下化
AI 商業案例｜2026/08/11：6 人戶外旅遊公司怎麼用 LiteLLM？一般詢問走低成本模型、故障切備援，付款與行程變更直接轉人工
