Hugging Face太重要，绝不能落入英伟达手中？黄仁勋：我本想让它独立，但有其他竞购者
InfoQ 中文 · 软件开发
原创 褚杏娟 2026-09-05 10:15 北京 当地时间周四，英伟达正式宣布已与 Hugging Face 达成最终收购协议，将以 129 亿美元买下这家全球最重要的开放模型平台之一。 编译 ｜ 褚杏娟 当地时间周四，英伟达正式宣布已与 Hugging Face 达成最终收购协议，将以 129 亿美元买下这家全球最重要的开放模型平台之一。交易预计将在 2027 年上半年完成，但仍需获得监管批准并满足其他惯常交割条件。 表面看，这笔交易的商业逻辑并不复杂：开放基础模型以及基于它们构建的应用，会持续拉动 GPU、推理软件和 AI 基础设施需求；而 Hugging Face 恰好位于开放模型发现、分发、部署和社区协作的核心位置。拿下 Hugging Face，意味着英伟达不再只是站在 AI 产业最底层卖算力，而是进一步向模型分发、开发者生态和社区入口延伸。 但有外媒对这比收购的评价是：“监管机构应该阻止这笔交易。” The Register 认为，这可能是 AI 行业迄今最值得认真审查的一笔并购之一。“你不会允许一家汽车制造商收购主要的燃料分销渠道，也不会允许它把培训维修技师的主要体系一并买下，但英伟达收购 Hugging Face，本质上几乎同时做了这两件事。” 英伟达已经通过 GPU、CUDA、网络、推理软件和 AI 框架占据极强位置，如今又进一步掌握开放模型生态最重要的入口之一，纵向整合程度正在明显加深。真正的问题是当一个原本被视为“AI 界瑞士”的中立平台变成行业最强势基础设施公司的资产之后，它还能在多大程度上保持真正的中立。 尽管如此，Hugging Face CEO Clément Delangue 在周四的采访中仍然高度赞扬英伟达，并将此次收购以及英伟达带来的资金视为扩大 Hugging Face 用户规模的机会。Hugging Face 目前大约拥有 1800 万用户，Delangue 希望未来几年将这一数字提升到 1 亿以上。 但就在一年前，Hugging Face 还曾拒绝英伟达一笔 5 亿美元的投资。这至少意味着 Delangue 很可能清楚，自己刚刚达成的是一笔“与魔鬼做交易”般的协议。不过，这笔交易中有整整 10 亿美元将专门分配给加入英伟达的 Hugging Face 员工，因此 Delangue 和他的团队即使未来真的产生后悔情绪，也会有足够多的钱来“擦干眼泪”。 1 收购 Hugging Face，英伟达得到了什么？ 英伟达可能更希望把此次收购描述成一种具有公益性质的举动：通过提供资金支持，确保互联网时代最重要的 AI 资源之一能够获得长期财务保障。 “完全可以认为，Hugging Face 就是支撑整个 AI 生态的一块关键砖石。一旦它耗尽资金、无法继续运营，带来的后果很可能是灾难性的。”而 Hugging Face 本身也是一项资本密集型业务。存储以 PB 计的 AI 模型和数据集绝非廉价生意，持续以大规模方式向用户分发这些模型所需的网络带宽同样成本高昂。有了英伟达的介入，Hugging Face 未来几乎不需要再担心基础设施需求带来的资金压力。 但英伟达这种“资助”带来的好处显而易见，它对英伟达竞争对手可能造成的伤害同样明显。 Hugging Face 经常被拿来和 GitHub 比较，但它早已不只是一个用来保存和共享模型权重、训练数据的仓库。 例如，Hugging Face 拥有可能是互联网上最完整的 AI 开发文档体系之一。对于英伟达而言，利用新获得的控制地位，让自家产品始终拥有比竞争对手更加完善的文档支持，并不困难。英伟达当然可以不断强调平台仍然是“开放”的，但开放并不意味着它一定是无偏向的。 此外，还有 Hugging Face 在软件生态中的重要贡献。今年早些时候，流行的本地 AI 推理引擎 llama.cpp 已经正式加入 Hugging Face 体系。与此同时，Hugging Face 的 Transformers Python 库，也是 vLLM、SGLang 等主流推理平台的重要基础组件，而这些平台正好直接与英伟达自家的 TRT-LLM 形成竞争。 此次收购使英伟达处在一个极其有利的位置，可以优先扶持自身硬件和软件产品。英伟达这个“AI 军火商”甚至不需要采取停止支持竞争平台这种明显而粗暴的做法，只需要确保自己青睐的模型和框架始终拥有更完整的文档，并且能够第一时间在英伟达硬件上运行，就足以产生巨大影响。 一种能够悄悄改变竞争天平的方法，就是向 Hugging Face 大量注入廉价、基于英伟达硬件的算力。过去几年，Hugging Face 已经通过 Inference Endpoints、Providers 以及 Spaces 等形式向用户提供计算资源。为了提供这些算力