Anthropic 以 60 亿美元收购 Decart AI，或是抢下实时视频生成的赛道

关于 Anthropic 计划以 60 亿美元收购 Decart AI 的传闻，在圈内引发了不少热议。第一印象，这笔价格似乎有些过于诡异——在当前 AI 热潮下，一个专注于实时视频生成的创业公司身价被定在这个级别，确实透露着“泡沫之价”的色彩。然而，若我们将财务表现放在一边，转而关注技术路线的互补性，则会发现，这笔交易背后的逻辑并非简单地“买下团队”，而更像是抓住“实时视觉生成”这一关键的时间窗口。

现有的视频生成模型，不管是 Sora、Kling，抑或是其他玩家，大多采用“生成 → 等待 → 播放”的异步模式。换言之，用户输入 Prompt 后，模型在后台展开大规模的扩散运算，生成视频片段，然后等待数分钟之后才能进行播放。这种方式在制作短视频时并无问题，但要是将 AI 打造为真正实时的智能助理，这种延迟无疑难以接受。

Decart AI 的核心优势正在于它正试图突破传统扩散模型在效率上的桎梏，极限压缩推理延迟，使视频生成具备近似游戏引擎般的实时交互体验。这对于 Anthropic 而言颇为有利——Claude 系列模型以其逻辑严密、干净清新的特点广为人知，但在多模态视觉输出方面，一直缺少一个快速响应的闭环。

不妨设想一下：假如 Decart 的实时生成架构被融入到 Claude 的工作流程中，未来的交互形态将迎来一次质的飞跃。如今的多模态交互是这样的：用户发出指令 → Claude 理解 → 输出文字或静态图像。但在整合之后，可能演变成：用户发出指令 → Claude 实时渲染出一个动态场景。这种从 LLM 到实时视觉生成的闭环，远比在对话框中贴上几张预渲染图像要更具力量。

从实践层面来看，一旦这类能力被产品化，它就意味着 AI Agent 拥有了实时视觉反馈的能力。试想，当你让 AI 协助分析一个复杂的 3D 结构或演示某个动态流程时，它不再局限于发送一段提前录制的视频，而是像操作软件一样，在界面上即时为你生成动态演示画面。这种交互体验，有力地把 AI 从一个“聊天机器人”提升为真正的数字助理。

当然，60 亿美金这样的数字确实令人咂舌，但不可忽视的是，顶尖视觉人才的稀缺性。考虑到当前的竞争环境，自行研发一套达到实时级别的视频生成架构，其所需的时间成本与试错成本恐怕远非 60 亿美元能够涵盖。对 Anthropic 来讲，这笔收购或许是在购买一次“抢跑”的机会。只要它能迅速将 Decart 的技术落地并实现产品化，便可在多模态领域缓解部分竞争压力，因为它在视觉输出端多了一个不可忽视的“实时性”优势。

综上所述，若这笔收购最终敲定，它标志着 AI 竞争的焦点正在从单纯的“逻辑推理”转向“实时多模态交互”。当 LLM 的推理能力与实时视觉生成相结合，我们面对的将不会再是一个只会打字的对话框，而是一个能够实时视觉化反馈的智能体。