科技动态：AI基础设施整合加速，亚马逊洽谈收购Decart、Stripe收购OpenRouter

2026年10月11日至12日，全球科技领域的焦点集中在AI基础设施的资本整合与算力布局。亚马逊被曝正洽谈以最高约70亿美元收购AI初创公司Decart.ai；Stripe以逾80亿美元收购AI模型路由平台OpenRouter，Google则与Marvell达成最高120亿美元规模的自研芯片合作；IBM则推出”代理控制平面”以回应企业AI难以规模化的现实。这些动向共同表明，AI竞争正从”模型能力”转向”算力、路由与治理”的基础设施层。

主要新闻

1. 亚马逊被曝洽谈以最高70亿美元收购AI初创公司Decart.ai

《华尔街日报》援引知情人士消息称，亚马逊正就收购AI开发商Decart.ai展开磋商，交易金额可能高达70亿美元，并可能在数日内敲定。Decart的核心产品DOS能够优化神经网络以适配特定处理器，从而加速AI训练与推理工作负载。以往为特定芯片优化神经网络可能需要数月，借助DOS可将流程压缩到约两周，使企业在需求变化或芯片供应受限时能够灵活迁移AI工作负载。

值得注意的是，亚马逊云科技（AWS）提供自研AI芯片Trainium3，而Decart据报在Trainium3广泛可用之前就已获得早期访问权。此前Anthropic也曾传出洽谈收购Decart，但在尽职调查后放弃了约60亿美元的交易，凸显该团队与技术的稀缺性。

Source: Report: Amazon in talks with AI startup Decart over possible $7B acquisition

2. Stripe收购OpenRouter，Google携手Marvell扩大自研芯片布局

据路透社消息，Stripe已同意收购AI模型路由平台OpenRouter，交易估值超过80亿美元；与此同时，Google与Marvell达成重大自研芯片合作，其中包含最高120亿美元的股份购买安排，凸显流向AI基础设施的投资规模。OpenRouter在开发者与400多个模型、80余家供应商之间充当”路由层”，此前已被业界称为”面向大模型的Stripe”。Stripe CEO Patrick Collison表示，Stripe正在”构建AI的经济基础设施”，帮助企业在模型快速迭代与重新定价的环境下智能路由请求、节约token成本。

这延续了Stripe近年的并购节奏：继以11亿美元收购稳定币平台Bridge之后，再度将触角伸向AI模型消费与计量的”经济基础设施”层。

Source: Stripe and Google Commit Billions to Expand Artificial Intelligence Infrastructure

3. IBM推出”代理控制平面”，回应企业AI难以规模化的困境

在TechXchange 2026（10月26日至29日于亚特兰大举行）前夕，IBM发布其AI运营模型与”代理控制平面”。IBM引用自身CEO调研指出，仅约25%的企业AI项目实现预期投资回报，仅16%实现全公司规模推广；Deloitte 2026年报告亦显示只有25%的受访者将40%以上的AI实验投入生产。

IBM的AI运营模型由代理（agents）、数据、自动化和混合基础设施四大支柱构成。核心产品是新一代watsonx Orchestrate（现处于私有预览），定位为可管理跨团队、跨框架构建的数百个代理的控制平面。该平台与模型无关，支持基于Anthropic Claude、OpenAI GPT及IBM自有模型构建的代理，并提供150多个企业连接器（覆盖Salesforce、SAP、Workday、ServiceNow、Microsoft 365等），内置可观测性仪表盘为IT与合规团队提供代理决策与数据访问的完整审计轨迹。

Source: IBM Rolls Out Agentic Control Plane and Four-Pillar AI Model Ahead of TechXchange 2026

分析

算力与”路由层”成为AI价值链的新制高点

亚马逊洽谈收购Decart、Stripe收购OpenRouter，看似分属芯片优化与模型路由两个方向，实则指向同一逻辑：当模型本身逐渐商品化，价值正转移到决定”在什么芯片上跑、把请求路由给哪个模型、花多少token”的基础设施层。Decart的DOS让工作负载可在不同处理器间灵活迁移，直接提升了企业对芯片供应与成本的议价能力；OpenRouter则掌握模型消费的入口与计量。谁能同时掌握算力适配与请求路由，谁就掌握了AI时代类似”支付网关”的咽喉位置。这解释了为何报价远远高于几个月前的估值倍数。

自研芯片与生态绑定并行推进

Google与Marvell达成的自研芯片合作（含最高120亿美元股份购买安排）表明，超大规模厂商在加速摆脱对单一GPU供应商的依赖，通过定制芯片优化单位算力成本与能效。结合亚马逊的Trainium3与Decart的优化能力，自研芯片竞争已从”能否造出芯片”升级为”能否让模型高效跑在自有芯片上”。这是一种深度的生态绑定：芯片、编译器、模型优化工具与云平台协同越紧密，客户迁移成本越高，锁定效应也越强。

企业AI的瓶颈已从”能力”转向”治理与规模化”

IBM的四支柱模型精准命中了企业AI的现实痛点——不是缺少模型，而是缺少生产级的运营模型。当代理数量从个位数增长到数百个、由不同团队用不同框架构建时，模型无关的治理、统一策略执行、可观测性与审计轨迹就成为刚需。150多个企业连接器与内置合规审计，本质上是把”代理治理”产品化。这与近期OpenRouter、Datadog等围绕AI成本可观测性的产品趋势相呼应：企业已从”尝鲜”转入”精算”，token成本、代理行为可追溯性和数据主权正成为采购决策的关键指标。

结论

本期科技动态揭示，AI产业正进入”基础设施整合期”：资本密集流向算力、芯片与路由层，巨头通过并购与自研芯片争夺价值链咽喉；而在企业侧，竞争焦点已从模型能力转向代理治理、成本可观测与规模化落地。对从业者而言，应密切关注三件事：其一，芯片适配与模型路由是否形成新的供应商锁定；其二，AI成本核算与代理审计能力是否成为平台选型的硬性门槛；其三，超大规模厂商自研芯片的成熟度将如何重塑单位推理成本曲线。可以预见，未来数月围绕”AI经济基础设施”的并购与整合仍将持续，而能否在性能、成本与治理之间取得平衡，将决定企业AI项目的最终成败。