Anthropic史上最大IPO要來了？擬60億美元收購Decart、估值挑戰2兆美元

6月13日，人工智慧（AI）產業傳出一筆備受矚目的潛在併購案。據《彭博》、《路透》等外媒報導，AI新創Anthropic正洽談收購以色列AI新創Decart，交易金額可能達60億美元，若最終成交，將成為Decart成立近3年來最重大的估值躍升。

與此同時，《金融時報》報導，Anthropic部分投資人預期公司最快可能在今年10月上市，上市估值甚至可能達到2兆美元或更高。

若這一預期成真，Anthropic將超越今年6月以約1.77兆美元估值上市的SpaceX，成為史上IPO估值最高的公司。

分析指出，Anthropic目前最需要解決的，似乎已經不是如何繼續擴大營收，而是如何支撐高速成長背後日益龐大的算力需求。

而Decart所掌握的，正是AI模型如何更有效率運行於不同晶片架構上的能力。

Anthropic 為 何看上 Decart ？

Anthropic今年的成長速度十分驚人。

公司2月完成300億美元G輪融資，投後估值達3,800億美元，當時公布的年化營收約140億美元；到了4月，年化營收已傳出達300億美元。

5月底，Anthropic再完成650億美元H輪融資，投後估值攀升至9,650億美元，年化營收也突破470億美元。

短短數個月，Anthropic估值翻逾一倍，年化營收更增加超過兩倍。

6月1日，Anthropic向美國證券交易委員會（SEC）秘密提交IPO草案申請（Form S-1），市場也開始將焦點轉向這家公司能否把目前的高速成長延續到公開市場。

《金融時報》指出，部分Anthropic投資人預期，公司到2026年底的年化營收可能進一步達到1,000億至1,200億美元，其中一名投資人甚至依據營收增速與估值倍數推算，認為Anthropic的理論估值可能達到3兆美元。

高速成長也讓Anthropic的早期股東身價迅速膨脹。根據《富比士》5月底的估算，包括執行長Dario Amodei、總裁Daniela Amodei在內的7名共同創辦人，各自持有略高於1.6%的公司股份，以9,650億美元估值計算，每人持股價值約155億美元。

但對Anthropic而言，估值與營收快速攀升的另一面，是成本同樣快速增加。

大模型的算力需求主要可以分成訓練與推理兩大部分。模型訓練需要大量資料與晶片資源，而模型正式上線後，每一次使用者提出問題、要求Claude撰寫程式碼或處理文件，都需要再次消耗算力。

與集中於特定階段的模型訓練不同，推理需求會隨著使用者數量與使用頻率持續增加。Claude使用越普及，Anthropic需要投入的推理算力就越大。

因此，Anthropic近幾個月持續擴大算力布局。

4月，公司與亞馬遜( AMZN-US ) 簽署新協議，未來10年將承諾在AWS技術上投入超過1,000億美元，取得最高5GW的算力容量；同月也擴大與Google( GOOGL-US ) 及博通( AVGO-US ) 的合作，取得數GW下一代TPU容量。5月，Anthropic再與SpaceX( SPCX-US ) 達成算力合作。

目前Claude同時運行於亞馬遜 Trainium、Google TPU以及輝達( NVDA-US ) GPU等不同晶片平台。

問題在於，不同晶片採用不同硬體架構。模型若要從一種晶片平台轉移到另一種平台，並不是單純更換硬體即可，底層程式、運算方式以及資料傳輸與通訊機制，都可能需要重新調整與最佳化。

而這正是Decart的核心能力。

Decart的主要技術之一是DOS（Decart Optimization Stack），可以視為介於AI模型與晶片之間的效能最佳化層。其核心工作，是針對不同硬體架構重新調整模型的運算、晶片調用與資料傳輸方式，讓同一套AI模型能更有效率地運行在不同平台。

目前DOS已經支援輝達 GPU、Google TPU與亞馬遜 Trainium。

換句話說，Anthropic無論採用哪一家的AI晶片，都可能需要面對如何把硬體效能充分發揮的問題，而Decart正好具備這方面的技術與工程經驗。

就在8月5日，Anthropic才宣布開始組建自有晶片設計團隊，招募同時具備硬體與軟體能力的工程師，希望透過客製化晶片提升Claude的運算效率，同時維持多晶片策略。

幾天後，Decart的潛在收購消息便浮上檯面。

根據《路透》報導，如果交易最終完成，Decart團隊將併入Anthropic的推理與效能部門。

分析認為，Anthropic看上的可能不只是Decart旗下的AI產品，而是一支同時理解模型、晶片與底層系統最佳化的工程團隊。

對一家準備進入公開市場、估值可能挑戰2兆美元的AI公司而言，模型能力固然重要，但每一次推理所需要付出的成本同樣關鍵。

Claude越多人使用，Anthropic就越需要思考如何在增加算力投入的同時，提高每一美元算力支出的產出。

從 GPU 最佳化起家的 Decart

Decart成立於2023年9月。

共同創辦人兼執行長Dean Leitersdorf過去曾在新加坡國立大學從事博士後研究，並在此期間與Moshe Shalev籌備創業團隊。更早之前，Leitersdorf就讀於以色列理工學院，23歲取得計算機博士學位，求學期間也曾在以色列國防軍8200部隊服役。

Leitersdorf也正是在8200部隊認識Moshe Shalev。

兩人的背景卻相當不同。Leitersdorf一路走在學術與技術研究道路上；Shalev則成長於以色列極端正統派家庭，年輕時從事過多種工作，也曾一邊工作、一邊在夜間就讀會計課程。23歲參軍後，他加入8200部隊，前後服務13年，之後逐漸轉向AI系統建設與管理。

Decart創立後，最早並沒有立即把重心全部放在打造自己的大型AI模型，而是先協助其他公司提高AI模型在GPU上的推理效率。

根據《The Information》此前報導，Decart成立約3個月後，就從一家GPU雲端服務商取得數百萬美元合約，協助對方提升AI模型的GPU推理效率。到2024年10月，相關業務年化營收已超過1,000萬美元。

更值得注意的是，即使Decart當時已經開始投入資金訓練自有影片基礎模型，公司仍維持正自由現金流。

這讓Decart走出一條與許多AI新創不同的路線：先利用自身對GPU與模型效率的理解創造營收，再將收入投入自己的模型開發。

紅杉資本合夥人Shaun Maguire曾形容Decart對GPU的理解已深入到極為底層的硬體運作層面。

紅杉甚至將這種能力與Google早期的發展模式相比。Google當年的競爭優勢不只來自PageRank，也包含分散式系統能力，能夠利用大量相對廉價的硬體組成系統，並盡可能提高每一單位算力的使用效率。

在紅杉看來，Decart可能正在AI時代走上類似的路線：先從底層效率切入，再將這種能力轉化為產品。

Oasis 、 Lucy 背後的即時生成能力

Decart第一個受到市場關注的產品，是2024年10月推出的Oasis。