Cosa ha riferito Bloomberg il 13 agosto

Anthropic è in trattative per acquisire Decart AI per circa 6 miliardi di dollari, ha riferito Bloomberg, quella che sarebbe la più grande acquisizione dell'azienda finora. Le trattative sono descritte come in fase iniziale e potrebbero ancora saltare prima della firma di un accordo, ma il tempismo è significativo: arriva poco prima della prevista quotazione in borsa di Anthropic, in un momento in cui l'azienda è sotto pressione per dimostrare di poter controllare il costo di far girare i propri modelli su larga scala.

Decart è stata fondata nel 2023 da Dean Leitersdorf e Moshe Shalev, due ingegneri israeliani, e ha raccolto un round seed da 21 milioni di dollari guidato da Sequoia Capital nel 2024. Nel maggio 2026 l'azienda ha raccolto 300 milioni di dollari in un round guidato da Radical Ventures a una valutazione vicina ai 4 miliardi di dollari.

Cosa vende davvero Decart

Il prodotto principale di Decart è un software che aumenta l'efficienza dei cluster di addestramento e inferenza IA, con l'azienda che dichiara guadagni di circa dieci volte nella capacità di calcolo utilizzabile a parità di hardware. Questo la rende già un livello che qualsiasi acquirente di capacità GPU o acceleratori potrebbe usare per estrarre più calcolo dall'infrastruttura che già possiede, invece di limitarsi a comprare più chip.

L'altro prodotto è Oasis, un videogioco generato dall'IA in tempo reale costruito sulla tecnologia di modello del mondo proprietaria dell'azienda, che condivide il lavoro infrastrutturale sottostante con i suoi strumenti di efficienza. Se l'accordo si chiudesse, il team di Decart entrerebbe a far parte della divisione inferenza e prestazioni di Anthropic, insieme a una più ampia campagna di assunzioni di Anthropic per ingegneri con esperienza sull'intero stack hardware e software, orientata ai chip personalizzati.

Il premio è la vera notizia

Se un accordo da 6 miliardi di dollari si chiudesse, sarebbe un salto di circa il 50 per cento rispetto alla valutazione fissata dal round di finanziamento di Decart appena tre mesi prima, per un'azienda che non ha ancora tre anni. Pagare un premio del genere per una tecnologia di efficienza di calcolo poco prima di una quotazione in borsa dice qualcosa di più specifico di 'Anthropic ha fatto un grande acquisto': dice che il costo del calcolo, non la capacità del modello, è ormai il vincolo decisivo anche per uno dei laboratori meglio finanziati del settore, uno che presumibilmente ha abbastanza talento interno per provare a costruirselo da solo.

Comprare invece di costruire toglie già anche un'opzione indipendente dal mercato. Qualsiasi azienda che avrebbe potuto in futuro concedere in licenza il livello di efficienza di Decart per ottimizzare la propria infrastruttura IA multi-fornitore si ritroverebbe invece quella capacità assorbita nello stack interno di un unico laboratorio, non più disponibile per i concorrenti.

Cosa significa se acquistate capacità IA, non solo se siete Anthropic

Per qualsiasi azienda che stanzia cifre importanti per inferenza o addestramento IA, la lettura non è 'tenere d'occhio Anthropic' - è che gli strumenti di efficienza sono ormai così costosi e scarsi che i laboratori di frontiera pagheranno premi di acquisizione pur di controllarli del tutto, invece di acquistarli come servizio. Le aziende che dipendono da fornitori indipendenti del livello di efficienza per tenere bassi i costi IA multi-cloud o multi-modello dovrebbero trattare la consolidazione in quella categoria di fornitori, non solo i round di finanziamento, come il rischio da monitorare ora.

Se l'accordo si chiudesse, gli utenti di Claude potrebbero eventualmente vedere i guadagni di efficienza trasferiti in miglioramenti di prezzo o prestazioni. Ma diventerebbero anche più dipendenti dalla roadmap infrastrutturale interna di Anthropic per un'economia del calcolo che, finora, era almeno in linea di principio un livello acquistabile separatamente.

Da leggere ora: Se l'inquilino salta, Google si prende il data center  |  L'Unica Scommessa Che Nessuno Poteva Chiudere