经过数周传闻发酵，英伟达正式宣布签署最终协议，收购 Hugging Face —— 全球最重要的 AI 模型分发、修改、评估与落地部署平台之一。本次交易总对价约 129.3 亿美元。不过这个数字需要厘清：并不代表英伟达已经向股东支付 129.3 亿美元，也不意味着收购已经完成。

提交给监管机构的文件显示，其中约 119 亿美元将支付给 Hugging Face 原有股东；另外还有最高约 10 亿美元的股权激励留存计划，用于留在英伟达的原 Hugging Face 员工。

NVIDIA 将收购 Hugging Face

这笔收购交易发生在 Hugging Face 成立十周年之际。公司由克莱芒·德朗格（Clément Delangue）、朱利安·肖蒙（Julien Chaumond）与托马斯·沃尔夫（Thomas Wolf）在 2016 年创立。最初团队开发的是一款面向青少年的聊天机器人，而代码开源之后，项目迅速转向全新赛道：Hugging Face 先是成为自然语言处理领域的标杆项目，继而成长为一套完整的机器学习基础设施，包含模型仓库、数据集、演示应用，以及模型训练与推理全套工具链。

根据该公司公布的数据，Hugging Face 平台拥有超过 1800 万名开发者、研究人员与创作者，托管 300 多万个 AI 模型、约 50 万套数据集以及 100 万个应用演示；超 20 万家企业借助该平台检索、测试、定制和部署 AI 系统。2023 年 Hugging Face 完成一轮 2.35 亿美元融资，投后估值 45 亿美元，本轮投资方包括 Salesforce、谷歌、亚马逊、IBM，以及英伟达本身。

为什么 Hugging Face 对英伟达价值如此巨大？

单看营收规模，这笔估值显得相当激进。据知情人士透露，Hugging Face 年化营收约 1.5 亿美元，其 CEO 克莱芒·德朗格曾在 7 月表示公司即将实现盈利。但英伟达收购的不只是一家 SaaS 软件服务商，而是拿下了 AI 产业链上的核心枢纽：连接模型创作者，与所有想要下载、测试、微调、部署模型的用户。

Hugging Face Hub 不只是一个下载 AI 模型的网站，更像一座大型共享技术档案库。开发者和企业可以上传模型、持续迭代更新、维护多个版本，并附带文档说明模型使用方法、训练所用数据集以及自身存在的局限。

数据集与 Spaces 应用同理，Spaces 是轻量网页应用，常用来直观展示模型的实际能力。

Hugging Face 会完整保存所有修改记录，使用者随时确认当前版本或回滚至历史版本。这点至关重要，因为 AI 模型动辄数 GB，迭代更新十分频繁。为管理这类超大文件，平台内置 Xet 技术：当仅部分数据改动时，无需重新传输完整文件，只复用已有数据块，以此节省存储空间、减少下载流量。

从模型仓库到模型运行：打通 AI 全链路

Hugging Face 的能力不止模型分发，还支持直接运行模型。依托推理服务商网络，开发者可向 Hugging Face 提交模型调用请求，由平台自动调度至兼容的算力供应商执行。

如果企业希望所有运算保留在自有服务器，也可以从 Hub 下载模型，搭配 Ollama、llama.cpp、vLLM 等软件本地部署。简单来说，Hugging Face 几乎覆盖 AI 完整工作流：查找模型、下载、版本对比、测试，最后选择在云端或是自有硬件上部署运行。

Transformers 库的分量不亚于模型库本身

Hugging Face 的行业地位对英伟达极具吸引力：黄仁勋执掌的英伟达早已垄断 AI 训练与推理加速芯片市场，但 AI 产业越来越多的价值正在向软件、分发服务、模型优化以及开发者工具转移。收购 Hugging Face，正是让英伟达切入这一层价值赛道。

Transformers 库已经成为在文本、音频、图像、多模态等场景调用预训练模型的核心标杆工具。

它最大优势在于良好的互操作性：基于 Transformers 定义的模型，可对接 DeepSpeed、FSDP、PyTorch Lightning 等训练框架，同时兼容 vLLM、SGLang、TGI 等推理引擎；llama.cpp、MLX 等大量第三方项目，同样兼容这套体系的定义与接口。除此之外，Hugging Face 还维护 Datasets、Diffusers 等热门开源库。

英伟达收购的这家企业，处在海量 AI 工作流的中心位置，而且平台本身并不强制绑定英伟达硬件。这份中立属性，既是本次收购最大吸引力，也是后续最难处理的敏感难题。

英伟达承诺：使用 Hugging Face 无需英伟达 GPU

黄仁勋在官方公告中直接回应了这一核心问题：Hugging Face 将继续允许开发者自由选择模型、框架、云厂商、推理服务商与算力平台。英伟达明确表态，开发者在 Hugging Face 上开发或发布项目，不强制要求使用英伟达硬件。

这项承诺同样写入提交至美国证券交易委员会（SEC）的文件：英伟达承诺维持平台现有开放机制，用户可以自由上传、下载模型与数据集，并持续支持其他厂商生产的芯片。

Hugging Face 的核心价值，正是开发者与企业能在这里找到适配 CUDA 的模型，也能拿到针对 CPU、AMD 加速器、AWS Trainium、苹果芯片以及众多其他硬件架构优化的软件方案。一旦平台在事实上变成英伟达 GPU 的专属展示窗口，大量社区开发者就会转向替代平台。

开源 ≠ 开放权重模型，二者不能混为一谈

本次公告频繁使用“开放模型”这类表述，但从技术角度，有几个关键点需要厘清。

开放权重模型：对外放出训练得到的模型参数，用户可以下载模型并部署在自己的基础设施中。但这不代表训练数据集、完整源码、训练流程、从零复现模型所需全部资料都会一并公开。

许可协议也绝非细枝末节：部分开放权重模型采用宽松许可；另一些会限制商业用途、用户规模或特定场景。把它们全部笼统称作“开源模型”并不严谨。

英伟达反复强调开放权重模型，背后存在非常现实的商业诉求。简单理解，权重就是神经网络在训练过程中不断调整的海量数值集合。正是这些数值决定模型如何响应输入：判断哪些词汇概率更高、识别图片里的特征，以及模型从训练数据中学到的全部行为。大语言模型拥有数十亿甚至上千亿参数。

厂商开放权重，用户就能下载并直接部署模型（前提是遵守许可协议）。这和仅能通过 API 调用的闭源服务有着本质区别：闭源模式下模型始终留在厂商服务器，客户提交请求、接收结果，一般按 token 计费，无法拿到模型文件部署到自有设备。

开放权重模型给英伟达带来巨大红利

企业拿到可下载权重模型后，可以自由选择运行环境：部署在自有服务器、私有数据中心，向云厂商租赁 GPU，或是交由专业推理服务托管。还可以对模型做量化 —— 降低参数数值精度，减少显存占用、提升推理速度，代价是精度小幅下降；或是基于自身数据微调，选用轻量化版本节省内存与成本。

而这正是英伟达占据优势的地方，并且它希望持续巩固这一优势。

本地部署或企业自选基础设施运行模型，都需要算力；大模型往往需要一块甚至多块 GPU。

如果越来越多企业下载开放权重模型并自主部署，加速器、服务器以及配套软件的市场需求就会随之上涨。因此，即便不拥有这些模型本身，英伟达依然能借着开放权重模型的普及获益：大量部署这些模型的机器，搭载的正是英伟达 GPU。

可下载模型把算力需求分散到企业自建机房、云厂商与直接采购硬件的客户群体。对于主打售卖AI算力基础设施的英伟达而言，这是极为有利的局面。

真正的博弈将在交易正式交割之后开启

近130亿美元的收购价固然引人瞩目，但这或许还不是整件事件最重要的部分。

英伟达已经掌控现代 AI 运行所需核心物理基础设施；收购 Hugging Face 之后，它将深度介入开发者选择模型、微调模型、确定部署位置的关键环节。

对 Hugging Face 来说，收购意味着获得远高于从前的资金与算力资源；而英伟达则直接切入一个不完全依附自家产品的开发者社区，其中包含大量竞品、云服务商以及其他硬件架构。

Hugging Face 的价值根基在于开放性。维持开放对英伟达本身具备商业利好：可自由分发的模型越多，算力产品的销售机会就越多。但与此同时，掌握这个 AI 模型诞生、流通、落地部署的核心平台，将给黄仁勋的公司带来前所未有的行业影响力。

本次交易预计将在 2027 年上半年完成交割。