Decart

1.1 身份、运营模式与产品表面

Decart 将自己描述为一家创立于 2023 年、完全纵向一体化的前沿 AI 研究实验室，既构建最先进的实时世界模型，也构建运行这些模型所需的超优化基础设施。公司 2026 年 5 月的融资新闻稿把业务框定为共用同一栈的三条产品线：Lucy 是面向沉浸式视频和交互体验的实时世界模型；Oasis 是面向 Physical AI 和机器人模拟的实时世界模型；DOS 是 Decart Optimization Stack，可将模型权重编译到 NVIDIA GPU、Google TPU 和 Amazon Trainium 芯片上。Decart 通过 platform.decart.ai 按用量销售 API 访问；Lucy 2.1 和 Oasis 3 Preview 等实时模型的定价约为每秒主动生成 $0.02，图像编辑则是单美分级单价，并通过销售联系人提供企业定价。公司运营锚点在特拉维夫，已披露办公室包括以色列北部、旧金山和纽约，并于 2025 年在旧金山开设由 Dr. Kfir Aberman 领导的 R&D 中心。2026 年前的产品表面还包括 Mirage，这是 Decart 的直播扩散模型，公司将其定位为 Lucy 系列实时视频模型的前身。[CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、领导层、治理与关键人依赖

Decart 由 Dr. Dean Leitersdorf（CEO）和 Moshe Shalev（CPO）于 2023 年底创立，两人是在以色列军事情报部队 Unit 8200 服预备役时相识。Leitersdorf 在 24 岁前就在 Technion 取得三个计算机科学学位和博士学位；Shalev 成长于以色列 Bnei Brak 的极端正统派社区，后来服役于 Unit 8200，并加入 Decart 负责运营与产品。公开材料还显示，DreamBooth 扩散调优技术的共同创造者、Snap 和 Google 前高级研究员 Dr. Kfir Aberman，自 2025 年 8 月 Series B 起领导公司旧金山 R&D 中心。Decart 自己 2026 年 5 月的公告仍把 Leitersdorf 作为面向公众的 CEO 和主要发言人；所有已审阅来源中，公司都没有公布独立董事会构成或治理披露。这个模式叠加报道中点名的高管面较窄，说明即便在 Radical 领投 $300 million 之后，公司仍高度依赖 Leitersdorf，治理图景也仍偏薄。Decart 是一家 Delaware C-corp，通过投资人和行业新闻稿以 Decart.AI, Inc. 名义对外营销；公开记录尚未说明外部董事、审计委员会或独立董事长。[CO013, CO014, CO015, CO016, CO017, CO018]

1.3 资本基础、估值路径与利益相关方图谱

Decart 的融资历史压缩得异常快。公司于 2024 年 10 月 31 日走出隐身状态，宣布由 Sequoia 领投、Oren Zeev 的 Zeev Ventures 参投的 $21 million 轮融资，并同时推出病毒式传播的 Oasis 类 Minecraft 演示。Ynet 2025 年 8 月访谈称，公司在跨过独角兽门槛前，两个早期连续轮次合计融资 $53 million，估值约 $500 million。2025 年 8 月 7 日，Decart 宣布以 $3.1 billion 投后估值完成 $100 million Series B，使累计融资达到 $153 million；Sequoia、Benchmark 和 Zeev Ventures 继续跟投，Aleph VC 作为新投资人进入。2026 年 5 月 18 日，Decart 披露由 Radical Ventures 领投、估值约 $4 billion 的 $300 million 轮融资，NVIDIA、eBay Ventures、Adobe Ventures、Toyota Ventures、Atreides Management 和 Valor Equity Partners 与回归的 Sequoia、Benchmark、Zeev Ventures 一同参投；该轮私人支持者包括 OpenAI 联合创始人 Andrej Karpathy、前 Disney CEO Michael Eisner、Nintendo 创始家族成员和游戏投资人 Moritz Baier-Lentz。Decart 自称迄今已融资超过 $450 million；Amazon 公开身份是战略客户，而不是已披露股权投资人。Leitersdorf 于 2025 年 8 月告诉 Ynet，Decart 使用的 $153 million 资本不到 $10 million；这是公司自报消耗，未经过独立审计。[CO023, CO024, CO025, CO026, CO027, CO028]

1.4 里程碑时间线、规模信号与证据缺口

公开时间线从 2023 年底创立开始，经 2024 年 10 月 31 日退出隐身和 Oasis 病毒式演示，进入 2025 年扩张期（Mirage 发布、$100 million Series B、旧金山 R&D 中心、员工数从约 15 人增至约 60 人），再到 2026 年战略基础设施推进（DOS 2.0 发布、围绕 Lucy2 的 AWS Trainium3 合作、Amazon 战略客户认定、Radical 领投的 $300 million 轮融资和约 $4 billion 估值，以及 2026 年 6 月 10 日 Oasis 3 Preview 以每秒 $0.02 登陆公共 API）。Decart 公开称 Lucy 响应时间低于 30 毫秒，DOS 栈可交付超过 100-fps 的全高清推理和超过 1,600 tokens-per-second 的智能体吞吐；公司还称服务的开发者社区超过 100,000 名。负面和不确定信号与增长故事并存：TechCrunch 2024 年 10 月对 Oasis 的评测指出未解决的版权问题，因为模型训练使用了 Minecraft 画面，却未披露 Microsoft 授权；TechCrunch 2026 年 6 月对 Oasis 3 的评测称长生成会退化、汽车会穿过其他汽车，物理一致性仍是开放研究问题；经审计收入、确切当前员工数、逐项股权结构和独立董事会构成仍未进入公开记录。因此本章保留的判断是：Decart 是一家扩张快、资本充足、偏基础设施的世界模型实验室；关键尽调变量仍是创始人集中度、未披露财务细节，以及超真实演示与生产级物理之间的差距。[CO038, CO039, CO040, CO041, CO042, CO043]

1.5 图表

2.1 市场边界、纳入支出与现状替代方案

Decart 的可服务市场位于三个松散相连的支出池交汇处，而不是一个成熟品类。第一是游戏中的生成式 AI，独立分析机构把它定义为游戏工作室和创作者经济平台内部，来自程序化内容生成、关卡 / 世界搭建、NPC 行为、叙事生成、自适应个性化和 AI 驱动 QA 的收入。第二是实时生成视频和互动视频，Decart 的 Lucy 2.1 可转换或生成连续视频流，竞争对象包括编辑流程视频模型（Runway、Luma、Adobe Firefly Video），以及 UGC 平台（Fortnite、Roblox、Minecraft）的游戏内视频管线。第三是 Physical-AI / 世界模型模拟，Oasis 3 Preview 面向自动驾驶数据生成，竞争对象包括 Waymo 内部模拟器、NVIDIA Cosmos/DRIVE Sim 栈、World Labs Marble、Google DeepMind Genie 3，以及 Tesla 和 Wayve 的专有 AV 模拟器。买方层面的现状替代方案很关键：手工游戏内容（美术、设计师、过场动画团队）、传统驾驶模拟引擎（Unreal/CARLA），以及传统非实时视频模型（Sora、Veo、Runway Gen），这些模型输出批处理结果，而不是低于 30 毫秒的交互帧。排除的支出包括受监管商业博彩（AGA 的 $51B/month 序列属于另一个池）、GPU 硬件资本开支（输入成本而非软件收入），以及非实时的广播 / 电影 VFX 支出。Decart 每秒 $0.02 的标价把 API 定在开发者工具支出与推理算力之间的边界上，因此公司市场边界最好理解为横向实时生成式 AI 基础设施品类，而不是只属于游戏的一个科目。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 规模测算视角、区间与方法限制

没有单一公开规模测算能覆盖 Decart 的完整机会，因此本章用三个视角锚定。视角 1（游戏生成式 AI，最接近的纯品类）：The Business Research Company 估算该市场 2025 年为 $1.79 billion，2026 年增至 $2.21 billion，2030 年达到 $5.09 billion，CAGR 为 23.2%，亚太是 2025 年最大区域；Research and Markets 转载了几乎相同的 2025–2030 年预测，并把序列延伸到 2035 年，包含确定性和非确定性细分。视角 2（云游戏，作为低延迟、服务器渲染互动娱乐的代理）：BCG 2026 Video Gaming Report 估算云游戏 2025 年约 $1.4 billion，2030 年扩至约 $18.3 billion，复合年增长率超过 50%；报告还指出，60% 受访玩家尝试过云游戏，其中 80% 反馈体验正面。视角 3（UGC 创作者经济，即 Decart 工具所赋能的平台层）：BCG 报告 Fortnite 和 Roblox UGC 创作者分成在 2025 年超过 $1.5 billion，且 40% 玩家消费的 UGC 多于一年前。这些视角都没有测算 Oasis 3 明确瞄准的 Physical-AI / 世界模型模拟细分；McKinsey State of AI report 这个最常被引用的跨行业基准，在本次运行中访问被拒。因此本章并列保留三个已引用区间，把游戏生成式 AI 序列视为最直接相关的 SAM 视角，并标注 Physical-AI 模拟是一个证据受限、尚未发布独立测算的 TAM。[CM010, CM011, CM012, CM013, CM014, CM015]

2.3 买方、用户、付款方与采用路径

今天为 Decart 技术栈付费或使用的有四类买方。（a）游戏工作室和引擎团队，BCG 估算约 50% 的工作室已经使用某种 AI，并指出到 2025 年中，约 20% 新 Steam 游戏披露使用 AI；预算负责人是 CTO 和内容负责人，采用触发点是生成工具能明确缩短 AAA 游戏内容周期，而这类游戏单款预算可达 $300 million。（b）UGC 平台和创作者，$1.5 billion 的创作者分成池吸引扩散模型和世界模型供应商充当「卖铲人」；付款方是平台（Roblox、Fortnite、Minecraft），用户是创作者。（c）生成式 AI 基础设施客户，云服务商（Amazon/AWS 是 Decart 已点名的战略客户）授权 DOS，以优化自己横跨 NVIDIA、TPU 和 Trainium 芯片的模型服务；付款方是云平台，用户是其企业租户，采用触发点是 GPU/Trainium 效率。（d）Physical-AI 和 AV 模拟买方（Toyota Ventures 和 Nintendo 家族出现在 Decart 股权结构中，构成相邻信号），Oasis 3 Preview 被放在 Waymo、Tesla、Wayve 和 NVIDIA DRIVE Sim 的内部模拟器对面；预算负责人是自动驾驶项目负责人，采用取决于物理保真度和安全论证可接受度。四类客群共同的公开自助采用路径，是 Decart 在 platform.decart.ai 上的 API——每秒 $0.02 的实时价格层，加上美分级图像编辑调用——再叠加企业合同。Decart 2026 年 6 月向 TechCrunch 报告的 100,000 名开发者社区，是付费使用的早期漏斗。[CM021, CM022, CM023, CM024, CM025, CM026]

2.4 增长驱动、采用约束与需要保留的矛盾

顺风很具体。延迟敏感工作负载（实时玩法、AV 场景生成、直播视频转换）是批处理导向的视频和图像生成器留下的供给缺口；云游戏 >50% CAGR，以及 2024 到 2025 年披露使用 AI 的 Steam 游戏数量翻倍，都指向实时生成式 AI 基础设施楔子。逆风同样具体。欧洲议会 2026 年 3 月主动报告（报告员 Axel Voss，17-3 投票）要求逐项披露所有受版权保护训练数据，提出在缺乏透明度时推定侵权但允许反驳，并提出对生成式 AI 提供商征收 5–7% 全球营业额的固定版权费；Osborne Clarke 将其称为 EU 监管制度的「分水岭时刻」。EU AI Act 的 General Purpose AI 义务已自 2025 年 8 月 2 日起生效，Digital Omnibus 则推迟了原定 2026 年 8 月生效的高风险义务。在美国，California AI Transparency Act 和 GenAI Training Data Transparency Act 于 2026 年 1 月 1 日生效，Texas Responsible AI Governance Act 同日生效，Trump 政府 2025 年 12 月 11 日行政令指示 DOJ 以联邦优先权为由挑战州级 AI 法律。US Copyright Office 正在发布的报告系列仍是 AI 与版权的主要联邦框架。需要保留的矛盾：（i）云游戏预测和游戏生成式 AI 预测在规模和单位上不一致（玩家小时数 vs. 工作室软件支出）；（ii）Physical-AI 模拟尚无已发布 TAM，但 Decart 投资人（Toyota Ventures、NVIDIA、Radical）押注它会成为 Decart 最大细分；（iii）工作室采用 AI 正在上升，但 BCG 自己的调查显示玩家抵触 AI 用于美术 / 动画，提示消费端采用风险；（iv）GDC 2026 State of the Game Industry Report 这个权威开发者调查在本次运行中有付费墙，本文图表未直接引用。[CM031, CM032, CM033, CM034, CM035, CM036]

2.5 图表

3.1 2026 年世界模型版图：直接实验室、既有厂商、邻近玩家与内部自建替代

Decart 并不在一个边界清晰的软件品类中竞争。面向沉浸式体验的 Lucy 模型，竞争对象是 Runway、Luma AI 等视频生成平台，而这些平台本身也在转向世界模型。面向 Physical-AI 模拟的 Oasis 模型，同时面对研究级系统（Google DeepMind 的 Genie 3，2025 年 8 月以研究预览形式发布），以及 Waymo、Tesla、NVIDIA、Wayve 的大型内部自建项目。DOS 推理栈则与超大规模云厂商 GPU 云和专门的推理优化供应商竞争。 三条产品线的共同主线，是低于 30 毫秒延迟的实时、交互式生成——截至 2026 年中，还没有竞争对手在商业可用 API 中匹配这一能力。Genie 3 能以 24 fps、720p 生成帧，但仍是研究预览，没有公开付费 API。Runway 最新的 Gen 4.5 可生成带音频和角色一致性的高清视频，但面向后期制作和创意工作流，而不是实时交互模拟。World Labs 的 Marble 产品生成可下载的 3D 环境，服务设计和娱乐，而不是实时驾驶模拟。Luma AI 于 2025 年 11 月融资 $900 million，估值达数十亿美元，并在扩展到世界模型，但尚未公开披露实时交互 API。 最直接削弱 Decart 长期论点的两类竞争者是：（1）顶级 AV 玩家内部自建，这些玩家拥有 Google 级研究预算和专有传感器数据；（2）已经以相近估值融资的通用视频实验室未来商业化发布。Scenario 和 Inworld AI 分别代表聚焦游戏工具和 AI 角色的邻近替代，但并不直接覆盖实时驾驶模拟。[CP001, CP004, CP005, CP006, CP007, CP019]

3.2 竞争对手画像：Runway、World Labs、DeepMind/Genie 3、Luma AI、Inworld 与 Rosebud

Runway 于 2026 年 2 月完成 $315 million Series E，估值几乎翻倍至 $5.3 billion。公司最知名的是具备物理感知的视频生成（Gen 4.5），并明确在为媒体以外的产品和行业预训练「下一代世界模型」。Runway 已与 Adobe 建立合作，并在扩展到游戏和机器人，使其成为 Decart 的 Lucy 模型在创意和媒体工作流中最直接的前沿同业。它与 CoreWeave 有算力合作，2026 年 2 月团队约 140 人。 World Labs 于 2026 年 2 月融资 $1 billion，其中包括 Autodesk 的 $200 million，估值据报目标为 $5 billion。公司由 Fei-Fei Li 创立，Marble 产品可从图像、视频或文本生成可编辑、可下载的 3D 环境。Autodesk 合作最初聚焦媒体和娱乐用例，并把 World Labs 定位为 Decart Oasis 世界在 3D 内容创作工作流中最接近的空间 AI 同业，但不是实时驾驶模拟同业。 Google DeepMind 的 Genie 3 于 2025 年 8 月以研究预览形式发布，可在 24 fps 和 720p 下生成交互世界，支持可提示的世界事件，并已驱动 Waymo 的内部模拟架构。它没有作为公开商业 API 提供，这给 Decart 留出了一个时间窗口，直到 Google 可能向外部变现这一能力。 Luma AI 于 2025 年 11 月融资 $900 million，并在沙特拥有 2-gigawatt AI 超级集群合作。公司主要以 Dream Machine 和视频生成知名，世界模型是已声明的未来方向。Inworld AI 转向面向消费者陪伴应用的实时语音 AI，在 $500 million 估值下 19 天获得 100 万用户，不再是直接模拟竞争者。Rosebud AI 专注文本到 3D 游戏创作，代表开发工具替代，而不是推理基础设施竞争者。[CP002, CP003, CP004, CP005, CP007, CP008]

3.3 Decart 差异化：实时延迟、DOS 成本护城河与开发者生态策略

截至 2026 年中，Decart 的核心差异化建立在三根支柱上，竞争对手尚未在生产系统中匹配。第一，实时推理延迟：Lucy 的首帧时间低于 30 毫秒，并通过针对 Amazon Trainium3 优化的 DOS 栈生成最高 100 帧 / 秒，而 Genie 3 是 24-fps 的研究专用管线。第二，成本效率：Decart 称借助 DOS，相比可比系统成本效率提升 100x；DOS 在 Trainium3 硬件上实现超过 80% Model FLOPS Utilization。第三，开发者生态：Oasis 3 从第一天起就以公共 API、每秒 $0.02 定价，Decart 正在构建让 OpenAI 文本 API 变得粘性的同一类开发者生态飞轮——这家初创公司已经有超过 100,000 名开发者在 Lucy 上构建。 DOS 栈的架构差异在于它能运行在任意硬件（NVIDIA GPU、Amazon Trainium、Google TPU）上，而不是绑定单一云服务商。Oasis 3 生成三路同步摄像头画面（正前方加两个侧前方），匹配多数摄像头优先 AV 栈的感知设置。Decart CEO 称公司累计支出「远低于」$100 million，尽管融资超过 $450 million；若属实，说明 DOS 成本效率不仅作用于外部销售，也作用于内部推理经济性。不过，这是公司主张指标，没有独立审计佐证。 关键战略押注是：负担不起 Google-DeepMind 级研究预算的中型 AV 公司、机器人初创公司和无人机项目，会选择以 $0.02/sec 租用 Oasis 模拟，而不是自建内部系统——CEO 估算全球有数十个这样的可服务项目。[CP009, CP010, CP011, CP012, CP021, CP022]

3.4 护城河耐久度、切换成本与商品化风险

Decart 的护城河真实存在，但很窄，也有时间边界。当 Oasis 3 仍是唯一生产就绪的实时驾驶模拟 API 时，迁移到 Oasis 3 具备粘性：一旦 AV 训练管线集成 Oasis 生成场景，切换成本就包括用不同格式重新收集或重新标注合成数据。不过，这条护城河至少有三处结构性脆弱点。 第一，最有能力构建竞争性实时世界模型的两家公司——Google（通过 DeepMind）和 NVIDIA（虽是 Decart 投资人，但运行自己的 DRIVE 模拟栈）——R&D 预算比 Decart 高几个数量级。Waymo 已经在内部部署 Genie 3，为顶级 AV 梯队自给自足立下先例。第二，Runway、World Labs 和 Luma AI 都在明确投资世界模型，并已获得相当或更大的融资；如果其中任何一家推出有竞争力的实时 API，Decart 的先发开发者生态优势将面临直接压力。第三，通过 AWS Bedrock 的分发渠道虽有利于触达，却让 Decart 依赖 Amazon 的市场进入和定价架构。 Scenario 的聚合器模式提供 50+ 家供应商的 550+ 个模型，说明商品化基础设施市场会如何演化：一旦多个世界模型供应商存在，聚合器就可能压低任何单一供应商的定价护城河。眼下这个风险仍偏前瞻，但它正确框定了 3–5 年竞争耐久度问题。[CP009, CP024, CP030, CP031, CP032, CP034]

3.5 负面动态：物理一致性限制、内部自建与买方谨慎

TechCrunch 在发布时的独立测试发现，Oasis 3 的环境主题完整性会在长时间交互中快速退化——一个 New York City 街道提示最初生成了强场景，但很快变成泛化的西部城市环境，模型也无法在导航中保留地理地标。更关键的是，Oasis 3 中车辆会彼此穿过，说明模型尚未正确模拟刚体物理。Decart CEO 承认这是「我们正在攻克的重大研究问题」，并将其归因于正常驾驶和碰撞场景之间的数据不平衡。 这些限制很重要，因为评估 Oasis 3 用于边缘案例合成数据生成的 AV 公司，在投入训练预算前，需要验证生成场景能否迁移到真实世界行为。不尊重物理的合成数据，可能把分布伪影引入已训练的感知或规划模型。 在内部自建维度，Waymo、Tesla、NVIDIA 和 Wayve 都在内部构建可比的世界模型模拟。因此 Decart 真正可服务市场，是无法自筹世界模型研究努力的第二、第三梯队 AV 项目、机器人实验室和无人机初创公司。可服务客户集中在中端梯队，会压低近期收入天花板；如果大型客户数量很少，也会带来集中度风险。[CP013, CP014, CP015, CP023, CP031, CP032]

3.6 图表

4.1 收入模式与定价架构

截至 2026 年中，Decart 经营三条有公开文档的收入流。第一条——也是历史上最早的一条——是向主要云服务商、AI 实验室和超大规模基础设施公司授权 DOS，合同金额达数百万美元。基于这项优化栈的盈利能力，CEO 才能在 2025 年 8 月声称 Decart 在已融资的 $153 million 中花费不到 $10 million，并靠授权收入覆盖数千万美元 GPU 算力成本。第二条是 API 按秒付费：Lucy 2.1（实时视频编辑，720p）每生成秒定价 $0.02，Lucy Restyle 2（风格迁移）每秒 $0.01，Oasis 3 Preview（physical AI 与驾驶模拟）自助访问每秒 $0.02，上一代 Lucy Clip 每秒 $0.15。Oasis 3 和定制部署的企业定价取决于用例，未公开披露。第三条是通过 AWS Bedrock 做企业分发，作为 2026 年 5 月 $300M Series C 的一部分宣布，使 Amazon 企业客户群能够在定制商业条款下访问 Decart 技术，用于媒体、商业、广告和 Physical AI 用例。各收入流的收入确认动态不同：DOS 授权合同可能按交付完成或可摊销授权确认；按秒付费 API 收入随消耗确认；Bedrock 企业合同会遵循协商后的多年交付计划。这些收入流之间的组合及各细分相对规模均未公开披露，构成收入质量的首要尽调缺口。 [CI001, CI003, CI004, CI006, CI007, CI014]

4.2 GTM 动作与开发者飞轮

截至 2026 年中，Decart 的市场进入策略把自助开发者 API 与通过战略合作伙伴推进的直接企业销售结合起来。开发者主导路径已经形成超过 100,000 名开发者的社区，主要在 Lucy API 上构建电商虚拟试穿和直播转换用例；2026 年 6 月推出的 Oasis 3 则把自动驾驶模拟开发者作为第二个垂直方向。AWS Bedrock 集成是企业分发锚点，让 Decart 能接触 Amazon 销售队伍和云市场信誉，而不必从零搭建直接企业销售组织。这降低了前期获客成本，但也把利润率和控制权交给 Amazon 的商业条款。CEO Leitersdorf 将战略投资人 Toyota、Adobe、eBay 描述为「都可能成为客户」，形成一个被锁定的初始企业管线，但它并不反映独立公平交易下的商业转化。NVIDIA 既是投资人又是硬件伙伴，也进一步模糊了财务支持与商业需求之间的边界。公司未披露按收入层级划分的客户数、净收入留存或销售周期数据。核心 GTM 风险是：Decart 收入集中在少数超大规模云厂商 DOS 授权大单，同时拥有庞大但大多尚未产生收入的开发者基础，由此形成杠铃式收入结构——少数大合同抵消高量但低变现的开发者 API 使用——在没有按收入划分客户明细前，整体收入质量很难评估。 [CI005, CI006, CI007, CI015, CI016, CI022]

4.3 成本结构、毛利驱动与资本强度

Decart 的成本结构由算力和 R&D 薪酬主导；公司采用租用 Amazon Trainium3、NVIDIA GPU 和 Google TPU 容量的轻资产模式，因此没有自有硬件资本开支。规模化托管推理 API 业务的毛利率通常会达到 50–80% 的软件定义服务区间，但 Decart 的实际利润率关键取决于它与超大规模云厂商签订的算力协议条款、Trainium3 相对标准 NVIDIA 实例定价的成本，以及 DOS 授权收入是否比 API 使用拥有显著更高利润率。公开说法中，DOS 优化层在 Trainium3 上实现超过 80% Model FLOPS Utilization——这是 AWS VP Nafea Bshara 引用的硬件效率指标——并把每条视频的生产成本从数百或数千美元降至低于 $0.25。若属实，这些效率提升会相对使用标准推理基础设施的同业，直接转化为毛利改善。不过，这些都是公司主张的基准，没有独立第三方审计。随 $300M 融资一起发布的 DOS 2.0 声称智能体推理达到 1,600+ tokens per second，而行业平均约 200 tokens per second，世界模型最高达到 100 frames per second。如果成本优势确如描述，Decart 的 API 收入毛利率可能显著高于商品化推理 API 利润率。60+ 名员工的 R&D 薪酬（许多具备深厚底层系统和 HPC 专长）增加了显著固定成本基础。公司没有公开披露 COGS、毛利率、员工成本或任何单位经济指标。 [CI009, CI010, CI011, CI021, CI024, CI034]

4.4 资本充足性与融资依赖

2026 年 5 月 $300M Series C 后，Decart 总资本化超过 $450 million。融资时间线包括约 $53 million 的种子和早期轮次、$100 million Series B（2025 年 8 月，估值 $3.1 billion，由既有投资人 Sequoia、Benchmark、Zeev 领投，加上新投资人 Aleph VC），以及约 $4 billion 估值的 $300 million Series C（2026 年 5 月，由 Radical Ventures 领投，战略参与方包括 NVIDIA、Toyota Ventures、Adobe Ventures、eBay Ventures，Amazon 是战略客户）。JSL Decart.AI Coinvest, L.P.（CIK 0002084011）于 2025 年 9 月提交的 SEC Form D 确认，为 Series B 成立了 Delaware LP 共同投资载体，但文件对投资人构成或估值机制提供的额外细节很少。CEO Leitersdorf 于 2025 年 8 月称，Decart 在 $153 million 资本中花费不到 $10 million，运营成本由 DOS 授权收入覆盖。 2026 年 6 月，他把口径改为累计支出「远低于 $100 million」——与 2025 年 8 月说法一致，但不如前者精确。两项数字都来自 CEO 表述，没有独立审计或董事会证明。若按表面接受累计支出说法，Decart 进入 2026 年中时约有 $350–$440 million 现金，即便月度消耗显著高于 CEO 暗示的低于 $1M/month，也意味着多年资金跑道。战略投资人也参与商业：NVIDIA 作为硬件伙伴和 DOS 分发载体，Amazon 作为客户和 Bedrock 分发渠道，Toyota、Adobe、eBay 则作为潜在客户和企业需求验证者。这制造了融资—商业共依赖：投资条款可能部分基于商业承诺，从而削弱两种信号的独立性。 [CI001, CI002, CI012, CI013, CI017, CI020]

4.5 收入质量、披露缺口与财务结论

Decart 讲出了有吸引力的资本效率叙事和多收入流架构，但几乎所有财务主张都来自 CEO，无法独立验证。截至 2026 年中，公司没有公开披露 ARR、毛利率、EBITDA、按层级划分的客户数、净收入留存、消耗率或经审计账目。公司是在以色列运营的私营实体，在运营司法辖区没有公开提交账目的法定义务。Decart 唯一公开金融工具，是共同投资载体 JSL Decart.AI Coinvest, L.P. 的 SEC Form D；这是一份程序性文件，确认 Delaware LP 存在，不提供财务表现数据。TechCrunch 对 Oasis 3 的评测（2026 年 6 月）指出重大负面技术限制——物理一致性失败、长会话环境退化、上下文窗口约束——CEO 自己也承认这些是活跃研究问题。这些限制直接影响 Oasis AV 模拟收入流的财务前景：如果无法在规模化下保证物理保真，企业 AV 客户会推迟或限制采用。2026 年 5 月 $300 million 融资——发生在 CEO 声称公司几乎不需要资本约九个月后——暗示公司战略转向激进增长投资（招聘、基础设施、模型训练、美国扩张），这与此前资本效率叙事存在张力。公司是在押注产品市场契合拐点，还是进入增长投资周期，在没有季度管理账目前无法判断。五个阻断性尽调问题是：（1）已确认 ARR 和按收入流划分的收入组合，（2）按产品线划分的毛利率，（3）截至 2026 年 Q2 的月度消耗率和现金头寸，（4）DOS 授权合同条款和集中度，（5）将「数百万美元收入」与 $3.1–4.0 billion 估值之间做调和；按标准 SaaS 倍数，后者隐含 $300M+ ARR。 [CI018, CI019, CI022, CI023, CI025, CI031]

4.6 图表

5.1 技术栈定义与模块图谱

Decart 将公司定位为纵向一体化研究实验室，而不是单一模型供应商。公开技术栈分成三层：DOS 是优化和推理层；Lucy 是服务商业、流媒体、游戏和直播媒体的实时视觉转换与试穿产品族；Oasis 3 是用于闭环 Physical-AI 模拟的可提示世界模型。产品表面可通过云 API 访问，并提供官方 SDK 和公开定价，这比许多前沿模型发布更具体。与此同时，Decart 仍在快速切换叙事：2024 年 Oasis 发布以类似 Minecraft 的交互演示为中心，随后 Lucy 成为直播视频用例中可见的生产产品，2026 年 Oasis 3 发布又把公司重新框定在 Physical AI 和自动驾驶模拟周围。这种宽度在战略上有吸引力，但也意味着买方仍需要尽调：技术栈中已有多少被产品化，多少仍由研究驱动。[CE001, CE002, CE003, CE004, CE005, CE006]

5.2 Oasis 3 API 机制与工作流

Oasis 3 文档展示的是一套真实运行工作流，而不是模糊的演示叙事。开发者连接托管 gRPC 端点，用文本提示初始化场景，然后反复发送由四组油门和转向配对组成的固定动作块。服务会为每条已标示的摄像头流返回四帧 RGB，文档将这些摄像头描述为左前、正前和右前。这个接口支撑了一个具体主张：产品为闭环推理而建，不是一次性视频渲染。文档还包含 RL 示例和碰撞风险演示，使产品比缺乏可复现机制的研究预览明显更接近开发者可用。不过，公开证据尚未显示许多 AV 技术栈想要的更丰富模拟模态，例如 lidar、分割或显式物理状态导出，因此当前公开产品最强的用途，似乎是摄像头优先 实验和早期工作流集成，而不是完整替代模拟器。[CE011, CE012, CE013, CE014, CE015, CE016]

5.3 性能主张、硬件耦合与差异化

Decart 最强的差异化主张，是实时跑世界模型和视频模型：公司把模型架构和 DOS 基础设施层一起设计。公司材料称，DOS 2.0 在 agentic inference 中可超过每秒 1,600 tokens，可跨 NVIDIA GPU、Google TPU 和 Amazon Trainium 运行，并把全高清视频或世界模型负载推向 100 FPS。独立报道部分支撑了硬件优化叙事：AI News 及合作伙伴报道描述了 Decart 如何在 AWS Trainium 上优化 Lucy，并把 Trainium3 的更低延迟作为目标；TechCrunch 也解释了 Oasis 3 的逐帧生成为什么会很快变成 token 吞吐问题。但成本效率优势、硬件可移植性、多视角一致性，仍主要来自公司或合作伙伴表述，而非第三方基准测试。相比 Genie 3 等其他世界模型路线，Decart 今天的差异化更多在于即时 API 接入、明确控制循环和生产化意图，而不是经独立验证的长时域真实感。[CE021, CE022, CE023, CE024, CE025, CE026]

5.4 治理、隐私、安全与运营界面

与许多早期前沿模型产品不同，Decart 面向生产用户露出了清晰的运营界面：公开定价、客户端 token 的 FAQ、划分输入和输出所有权的条款、可接受使用政策，以及公开状态页。这些材料对尽调有用，因为它们把实际边界说清楚了。浏览器和移动端集成应使用短期客户端 token，而不是永久 API key；活跃会话在 token 过期后仍会保留；公司也通过专门状态站披露 uptime 历史。法律界面更值得谨慎。条款把输出权利分配给用户，但也为 Decart 保留了广泛权利，可用内容改进平台并用于营销。隐私政策称，公司可能处理输入、输出、生成媒体，以及实时音视频录制，用于产品改进和研究。AUP 禁止欺骗性 deepfake、军事用途，以及故障可能造成严重伤害的安全关键工作流；考虑到 Decart 将营销指向 physical-AI 和自动驾驶用例，这一点尤其值得关注。[CE033, CE034, CE035, CE036, CE037, CE038]

5.5 独立警示与未解技术风险

公开证据最强的是接口，最弱的是长时域模拟质量。TechCrunch 的上手报道给出了最清晰的独立警示：模型能生成有说服力的写实驾驶场景，但场景身份会随时间漂移，其他车辆也可能互相穿透。这与 Decart 自己的提示一致。2024 年 Oasis 研究文章公开提到域泛化、记忆、远处细节模糊、精确库存或物体控制等问题，并称需要靠规模化解决。2026 年 Oasis 页面本身也说，系统不是物理引擎。这些不是早期世界模型平台的致命缺陷，但会影响采购判断，因为它们缩窄了当前可信部署范围。Decart 今天最可信的定位，是一个可通过 API 接入的实时视觉或模拟层，并带有异常完整的开发者工具；作为成熟物理模拟器的直接替代品，或作为安全关键自动驾驶的充分验证训练基底，证据还不够。[CE020, CE024, CE026, CE027, CE028, CE029]

6.1 客户分层与买方地图

已抓取来源指向一个多层客户基础，而不是单一切入口。最高层，Decart 通过 DOS 和合作分发，向云服务商、AI 实验室和超大规模买家出售基础设施和模型容量。公司发布的 $300 million 融资材料和 CTech 报道都把 Amazon 描述为战略客户，同时称 Decart 已从大型云服务商和 AI 实验室合同中产生收入。第二层是商业、媒体、流媒体和广告等企业应用买方，Lucy 支持虚拟试穿、直播效果和动态内容工作流。第三层是使用 Oasis 3 做 camera-first 模拟的 physical-AI 开发者和 AV 团队。企业销售动作之下，还有自助开发者社区，由公开文档、定价、SDK、示例和 GitHub 仓库支撑。这个组合有吸引力，因为它分散了产品界面；但公开记录仍未说明哪一层贡献了最多当前收入。[CU001, CU002, CU003, CU004, CU011, CU012]

6.2 采用信号与自助入门

Decart 的获客策略明显依赖开发者优先的入口。定价页给出自助费率，试穿 walkthrough 展示商家如何把实时试穿接入商品页，GitHub 组织公开 SDK 和参考实现，合作伙伴报道反复称 Bedrock 分发降低了 AWS 原生团队的集成摩擦。这一点重要，因为公司试图把 realtime AI 从定制化企业销售，转成可接入的 API 动作。TechCrunch 报道称社区已有超过 100,000 名开发者，许多人在电商和直播场景基于 Lucy 构建；公开 try-on repo 数量则提供了更小但更具体的入门努力证据。不过，公开界面仍没有真正披露漏斗：没有注册开发者到付费账户的转化率，没有使用 try-on 的生产商家名单，也没有公开 churn 或 renewal 指标来证明开发者基础能带来持久变现。[CU005, CU006, CU007, CU008, CU009, CU010]

6.3 公开客户证明与生态证据

最强的点名证据是 Amazon。多个抓取来源——Decart 自有发布、CTech 和 JNS——都称 Amazon 作为战略客户加入 2026 年融资和合作生态。这个信号比普通集成更强，因为它在公司材料和独立报道中反复出现，并与具体的 Bedrock 或 Trainium 分发语言相连。Amazon 之外，证据基础更多停留在群体层面而非 logo 层面。公司和第三方来源描述了来自大型云服务商、AI 实验室、hyperscaler 的收入，以及商业、流媒体、社交、游戏和 physical-AI 场景部署，但没有发布可比的生产客户名单。开发者侧证明要丰富得多：GitHub 组织、Python SDK、Quest XR 项目、try-on 指南和 AWS 合作伙伴文章，都展示了用户如何实际采用产品。这个分裂对尽调很关键：它说明 top-of-funnel 和生态可信度强，但企业广度的公开证明比头部融资轮暗示的更薄。[CU001, CU002, CU003, CU012, CU013, CU019]

6.4 留存、集中度与不利披露缺口

主要客户风险不是表层活动不足，而是公开披露太窄。Amazon 是抓取来源中唯一明确点名的战略客户，其余商业叙事依赖宽泛但未点名的类别，如云服务商、AI 实验室、hyperscaler、商业部署和开发者。这提出了集中度问题：如果近期收入中有相当比例依赖少数基础设施客户，或依赖 Amazon 相关分发，下行可能比公司多元化营销叙事更陡。另一个缺口是耐久性。所有抓取来源都没有发布 NRR、GRR、churn、合同期限，甚至没有准确活跃客户数。公开定价和示例 repo 让入门路径更清楚，但不能证明重复消费或企业标准化。Startup Fortune 是最明确的怀疑来源：它把 Oasis 3 描述为在更大 incumbents 内部化能力之前出租模拟能力的一次押注，并指出当前模态能力相较更成熟内部技术栈仍有限。[CU025, CU026, CU028, CU029, CU030, CU031]

7.1 风险概览与严重性框架

Decart 面临多层风险堆栈，相比 $4 billion 估值和早期收入阶段，风险偏高。公司处在三个高风险监管区的交叉点：生成式 AI 版权法（训练数据责任）、EU AI Act（实时 AI 系统），以及 2026 年加速推进的美国州级 AI 治理框架。监管悬顶之外，公司的核心技术——自回归世界模型——存在有记录的可靠性限制，而且这些限制是架构性的，不是表面问题：TechCrunch 对 Oasis 3 的独立评测（2026 年 6 月）发现，生成几分钟内就出现物理一致性失败和上下文窗口退化，CEO 也承认这些是持续研究问题。运营上，Decart 集中使用 AWS Trainium3 基础设施，并依赖 Amazon Bedrock 做 go-to-market，基础设施层存在单点卡脖子模式。竞争上，Google DeepMind（Genie 3）、Waymo（基于 Genie 3 的内部世界模型）、Runway（$5.3B、$315M Series E、2026 年 2 月）和 Luma AI（$900M Series C）都在推进，资源显著更多，或战略位置更可防守。风险热力图（FR001）按可能性和报告缓释后的剩余影响绘制这些主题。最集中的风险——版权责任和竞争替代——落在高可能性、高影响象限。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.2 监管、法律与 IP 风险

训练数据版权是 Decart 最结构性模糊的法律风险。EU Parliament Legal Affairs Committee 在 2026 年 2 月以 17-3 票通过报告「Copyright and Generative AI — Opportunities and Challenges」，呼吁建立可反驳推定：任何投放 EU 市场的 GenAI 模型，除非满足完整透明度义务，否则推定使用了受版权保护作品训练。该推定一旦写入 EU 法，将把举证责任倒置给 Decart；在正式框架落地前，报告还提出对既往使用征收 5–7% flat-rate turnover fee。另一路，美国 Copyright Office 仍在推进 AI rulemaking（AI Report 第 3 部分），制定 AI 训练许可框架指引；办公室尚未发布有约束力规则，但其指引会影响诉讼姿态和未来法定风险。Osborne Clarke 2026 年 2 月法律分析称，EU 局面是一个「watershed moment」：现有 opt-out 系统不足，新框架很可能约束服务 EU 市场的非 EU AI 提供商（market-of-destination principle）。2025 年 Trump Executive Order on AI（2025 年 12 月）显示联邦层面有意预先排除州级 AI 监管，但风险并未消失——Gunder LLP 的 2026 AI laws update 指出，Colorado、California 等州已制定综合 AI 治理法规，并继续运行，也已影响供应商合同。Decart 的 AUP（2026 年 2 月更新）明确承认 EU AI Act、DSA 和 DMCA 等治理框架，并禁止军事 / 武器、实时生物识别监控和社会评分场景。截至 2026 年 6 月，未发现针对 Decart 的公开 IP 诉讼，但没有诉讼并不能证明训练数据许可合规。尽调需要完整训练数据来源审计，并取得任何受版权保护来源的许可协议。 [CR007, CR008, CR009, CR010, CR011, CR012]

7.3 运营、模型质量与安全风险

Decart 的运营风险主要来自自回归世界模型的根本架构限制，以及对 AWS 基础设施的深度依赖。模型质量方面：TechCrunch 2026 年 6 月对 Oasis 3 的独立测试记录了三类故障——（1）上下文窗口填满后，几分钟内主题一致性退化；（2）物理一致性失败，车辆彼此穿透，因为模型缺少真正碰撞模拟；（3）控制响应问题，无法精确导航。CEO Leitersdorf 承认三者都是持续研究问题，并把上下文退化归因于：30fps 视频生成每帧消耗约 8,000 tokens，在每秒数十万 tokens 的速度下会很快填满上下文窗口。公司在研究更长上下文和记忆压缩技术。对 AV 客户而言，物理失败不是外观瑕疵——合成训练数据可能包含物理上无效的场景，进而劣化下游模型行为。这给 Decart 目标 AV 市场带来直接训练数据质量风险。基础设施方面：Decart 的 Lucy 模型运行在 AWS Trainium3 上，并通过 Amazon Bedrock 分发，形成集中单云依赖。持续 AWS 故障会中断全部推理运营。Trainium3 硬件刚发布，广泛供应有限，规模化阶段存在硬件采购风险。安全方面：作为一个根据客户提示生成实时视频的平台，Decart 面临 prompt injection、绕过 AUP 生成禁止内容（deepfake、CSAM、武器合成）的 jailbreak 风险，以及 API key 泄露风险。AUP（2026 年 2 月）覆盖了禁止用途，但未发现内容审核有效性的独立审计。 [CR015, CR016, CR017, CR018, CR019, CR020]

7.4 合作伙伴、依赖与客户集中度风险

Decart 的 go-to-market 和基础设施策略形成了多层集中度风险。最实质的单一依赖是 AWS/Amazon：Decart 的 Lucy 模型运行在 AWS Trainium3 上，模型通过 Amazon Bedrock 分发，Amazon 自身又被列为战略客户——Amazon 同时是云服务商、分发渠道和收入来源，形成三重集中。如果 Amazon 开发竞争性内部世界模型能力（考虑到其 AWS AI 基础设施投入，这并非不可能），或降低 Bedrock 对第三方模型的 shelf-space，Decart 的分发渠道会和基础设施一起塌陷。类似地，Nvidia 既是 Decart 的主要替代算力供应方，也是股权投资者（Nvidia 参与了 $100M Series B 和 $300M Series C）。一旦 Nvidia 关系出现重大争议或竞争性转向，Decart 的硬件路线图和 cap table 观感会同时受影响。投资者 / 客户重叠会放大客户集中度：Toyota Ventures、Adobe Ventures、eBay Ventures 都是股权投资者，其母公司也被列为战略客户。这一安排对信号质量有利，但会制造不利激励动态——持股客户如果从平台流失，会向市场释放尤其负面的信号。Startupfortune（2026 年 6 月）指出，Decart 的真实市场是 Waymo/Tesla/Nvidia 层级以下「数十个 AV 项目、机器人实验室和无人机创业公司」——这意味着可变现客户基础更小、资本实力更弱，战略黏性也低于战略投资者 / 客户。开发者社区（100,000+ 注册）规模很大，但 $0.02/second 的 API 收入高度依赖使用量，典型使用模式下每名开发者收入仍不确定。 [CR022, CR023, CR024, CR025, CR026, CR027]

7.5 人员、执行与融资风险

Decart 的执行风险集中在 key-person 依赖、地缘政治暴露，以及 $4 billion 估值与公开收入指标之间的融资落差。Dean Leitersdorf（CEO，27 岁）一直是从 seed 到 Series C 每一轮的主要公众面孔、融资人和技术叙事驱动者。他若离开，会在关键规模化阶段同时造成融资、技术可信度和媒体叙事缺口。除两位联合创始人外，公司的领导团队公开记录不深；Dr. Kfir Aberman（前 Snap 和 Google、DreamBooth 共同创造者）是公开点名的最资深招聘，担任 SF R&D center 负责人。任何联合创始人或 Aberman 离开，都会带来执行风险。以色列运营总部带来地缘风险：Israel-Gaza 冲突或更广泛区域不稳定若持续升级，会影响 Tel Aviv 工程团队运营、全球差旅签证，以及与风险敏感型企业客户的关系。若干大型企业（尤其 defense-adjacent 行业）有采购政策，限制采购活跃冲突地区供应商。融资风险：Decart 已融资 $450M+，但声称 lifetime burn「less than $100M」（CEO，2026 年 6 月）。即便属实，随着公司扩展 AV/physical-AI 模拟基础设施、员工数从 60+ 扩张，并搭建企业销售能力，burn rate 会显著加速。在 $4 billion 估值下，下一轮需要达到 $5–6 billion 或更高，才能避免 flat/down round；这要求公司拿出可证明的收入 traction，而公开证据尚未支持。 [CR028, CR029, CR030, CR031, CR032]

7.6 缓释、终止标准与尽调问题

Decart 已对其主要风险采取了有意义但不完整的缓释措施。监管：AUP（2026 年 2 月）明确引用 EU AI Act、DSA 和 DMCA；这显示了监管意识，但不能替代训练数据透明度义务或许可框架。技术：CEO 已公开承认物理一致性和上下文窗口限制，并称有主动研究项目；下一代模型预计会解决视频播种的世界生成，可能改善一致性。基础设施：AWS Trainium3 交易提供性能效率，但加重 AWS lock-in；未发现公开 multi-cloud fallback。人员：SF R&D center 招聘 Dr. Kfir Aberman 带来了地域和人才多元化，但没有解决联合创始人集中度。缓释和 kill-criteria 表（TR005）把每个主要风险映射到可监测触发器和投资 thesis 含义。按紧迫度排序的尽调问题：（1）训练数据许可协议——EU 市场准入最实质的未解项；（2）独立安全和内容审核审计；（3）AV 客户的物理精度验收标准——Decart 的物理模拟是否满足任何 AV 公司的 safety-case 要求；（4）按产品线和客户拆分的收入构成——DOS 授权 vs. Lucy API vs. Oasis 3 enterprise；（5）使用 Lucy 的电商和游戏客户留存指标。 [CR033, CR034, CR035, CR036, CR037]

7.7 图表

8.1 融资历史与资本结构

Decart 自 2022 年成立以来已完成多轮融资，累计超过 $450 million，估值轨迹让它跻身以色列 AI 初创公司最快估值上升案例。最新一轮是 2026 年 5 月完成的 $300 million Series C，投后估值约 $4 billion。该轮的战略构成很突出：领投方包括同时也是付费客户的科技公司（Toyota、Adobe、eBay Ventures），形成一种不常见的绑定结构，把资本和商业采用捆在一起。Radical Ventures 领投，Nvidia、Sequoia Capital 和 Benchmark 参投。Series C 之前，Decart 在 2025 年 8 月以 $3.1 billion 估值完成 $100 million Series B，意味着约九个月内估值上升 29%。累计稀释和 pre-money 所有权结构尚未公开。对 Decart 当前商业阶段而言，$450 million+ 现金储备相当充足，即使计算开支上升，也意味着多年 runway；但 burn rate 数据无法验证。战略投资者基础增加了治理复杂度：既是客户又是投资者的一方，可能在产品路线图、企业定价和潜在退出路径上存在冲突激励。 [CV001, CV002, CV003, CV004, CV005]

8.2 可比公司分析

Decart 最接近的公开可比对象，是 AI 视频、世界建模和 AI 游戏基础设施领域的私募市场同行。Runway AI 是功能上最接近的可比公司，2026 年 2 月以 $5.3 billion 估值融资 $315 million，并公开表示正从创意视频编辑扩展到世界模型，因此是未来直接竞争者，估值比 Decart 高 $1.3 billion。World Labs 在 2026 年 2 月融资 $200 million，Autodesk 锚定投资，目标是专业 3D 工作流，隐含估值约 $5 billion；它范围比 Decart 更窄，但在 $25 billion 3D 设计软件市场中商业垂直更清晰。Luma AI 在 2025 年 11 月从 HUMAIN（Saudi Arabia 国家 AI 基金）获得 $900 million Series C，估值约 $900 million——这是一个总融资额（该轮时 $450 million）大致等于投后估值的案例，说明投资者对视频生成子领域相当谨慎。Inworld AI 估值超过 $500 million、融资 $100 million，是主要 AI-native 游戏基础设施同行；其 NPC 角色引擎聚焦更窄，但具有互补性。同行组平均投后估值约 $2.9 billion，Decart 的 $4 billion 比同行均值溢价 38%。如果实时世界模拟证明比后期视频生成是更高价值架构，该溢价可以成立；但在 Decart 商业指标不透明的情况下，目前仍主要由假设支撑。 [CV006, CV007, CV008, CV009, CV010, CV011]

8.3 总可寻址市场

Decart 覆盖三个重叠市场，成熟度各不相同。BCG Global Gaming Survey 将 2025 年全球游戏市场规模估为约 $210 billion，这是近期切入口：嵌入游戏引擎的模拟基础设施可采用按 session 或 API call 收费模式，瞄准开发者工具预算的 3-5%；若 Decart 完成工具链集成，仅游戏模拟的 serviceable addressable market 就可能达到 $1-3 billion。BCG 特别把生成式 AI 识别为游戏行业的主要结构性变化，并预计 2025 年中约 20% 新 Steam 游戏披露使用 AI（为上一年两倍），游戏行业也正走出三年 post-pandemic 低迷。The Business Research Company 估算，2025 年游戏生成式 AI 市场为 $2.1 billion，到 2030 年以 30% CAGR 增长至 $10.5 billion——Decart 的实时世界模拟是该细分中的高端产品。Research and Markets 同样将 2025 年生成式 AI 游戏市场估为 $2.1 billion，并预计到 2030 年 CAGR 为 24%。第二个板块——自动驾驶模拟——可能是最大价值池，但 Decart 已记录的物理一致性限制让技术风险最高。第三个板块——电商和零售试穿——已通过 Lucy 模型产生 API 收入，是近期 ARR 路径最清晰的部分，尽管 TAM 更小（AI 虚拟试穿约 $500M-1B）。McKinsey State of AI 报告确认，大型组织企业 AI 采用率已超过 72%，验证了企业需求背景；但 Decart 能分到多少仍未量化。Statista 将 2025 年全球移动游戏市场规模估为约 $92 billion，这是 Decart API 可直接触达的总游戏 TAM 子集。 [CV013, CV014, CV015, CV016, CV017, CV018]

8.4 收入情景与财务建模

由于没有任何公开收入数据，估值建模只能靠假设情景构建。主要收入驱动因素包括：（A）电商和直播的 Lucy 模型 API 费用（当前 traction）；（B）Oasis 3 游戏模拟 API 费用，定价 $0.02/second（2026 年 6 月推出）；（C）潜在 AV 企业合同（尚未宣布，暂无公开证据）。CBInsights 确认 Decart 未公开披露 ARR 或财务指标。牛市情景下，Decart 将 100,000+ 开发者社区转化为付费客户，即便留存适中，也拿下 3-5 个企业游戏或 AV 合同，到 2026 年底达到 $30 million ARR、2028 年达到 $200 million；按 20x forward multiple，可支撑当前估值。基准情景下，采用更慢，Decart 到 2026 年底达到 $15 million ARR，2028 年达到 $80-100 million；按 20x multiple，隐含估值 $1.6-2.0 billion，相比当前 $4 billion 定价显著折价。熊市情景下，物理失败关闭 AV 市场，Runway 和 Google 竞争限制游戏采用；Decart 2028 年 ARR 仅 $25 million，按 20x 估值为 $500 million，较当前定价折价 87.5%。Roblox Corporation 的 SEC 10-K 文件提供了公开公司锚点：Roblox 2025 财年收入约 $3.9 billion，市值接近 $26 billion，隐含 price/revenue multiple 约 6-7x；这说明即便 Decart 达成牛市收入，若按成熟阶段倍数，要支撑 $4 billion 市值也需要异常出色。 [CV020, CV021, CV022, CV023, CV024, CV025]

8.5 估值框架、风险因素与 Thesis 破裂点

当前 $4 billion 估值可拆成三部分：（1）已展示的技术 optionality——在当前延迟和保真度规格下独特的实时世界模型架构；（2）基础设施合作溢价——AWS Trainium3 生产交易和 Amazon Bedrock 分发，提供了多数同阶段初创公司没有的规模；（3）战略投资者溢价——客户兼投资者结构意味着早期采用概率较高。反面 thesis 同样实质：TechCrunch 2026 年 6 月独立评测记录了 Oasis 3 物理一致性失败，CEO 承认这是正在攻关的研究问题，说明核心产品限制不是表面瑕疵。CBInsights 因缺乏财务披露将 Decart 评为高风险。物理限制是 AV 垂直的关键 thesis-break 触发器，而 AV 可能占牛市估值的 30-50%。另外三个 thesis-break 触发器是：（A）到 2026 年 Q4 仍无法展示 enterprise-grade ARR；（B）EU 针对 Decart 训练数据发起重大版权执法行动；或（C）Runway 或 Google 在 12-18 个月内推出价格 / 质量有竞争力的实时世界模型。按当前可比估值，AWS 和 Nvidia 战略合作不足以解释相对同行的溢价：Runway 也有类似战略关系（Adobe 潜在收购候选），并披露了商业 traction。任何建议升级到「跟踪」以上之前，尽调会议必须拿到经审计收入、毛利率、burn rate 和客户集中度数据。 [CV027, CV028, CV029, CV030, CV031, CV032]

8.6 建议、尽调问题与披露限制

建议立场：跟踪。置信度：中。风险评级：高。估值立场：偏贵。Decart 的投资案例具有不对称性——技术差异化、AWS 合作和战略投资者质量确实优于同类，但 $4 billion 价格内嵌的执行假设，尚未被任何公开财务披露证明。建议跟踪而非直接放弃，是因为 TAM 足够大、技术 moat 也足够真实，过早「放弃」可能错过代际平台机会；但「买入」建议需要财务验证，目前拿不到。升级为「买入」的触发器是：（1）披露 ARR 达到或超过 $25 million，并有 YoY 增长；（2）至少一个公开 AV 企业合同，且披露 TCO；（3）发布带可衡量里程碑的物理一致性路线图。降级为「放弃」的触发器是：任何重大版权执法行动、确认物理失败阻断 AV 采用，或 Runway/Google 以价格平价推出世界模型。披露限制：本章所有财务预测都由假设驱动；截至 2026 年 6 月，Decart 未公开披露收入、ARR、bookings、burn rate、毛利率、客户数或留存指标。本章只给出情景区间，明确不能支撑具体投资价格建议。投资者应把 $4 billion 估值视为待验证假设，而非已经验证的市场价格。 [CV034, CV035, CV036, CV037, CV038, CV039]

8.7 图表