9月3日，英伟达宣布了一笔乍看起来相当昂贵的交易。

它将以129.303亿美元收购Hugging Face。

这个价格是什么概念？

按照The Information此前披露的数据，Hugging Face最近的年化收入刚刚超过1.5亿美元。也就是说，英伟达给出的收购价格，相当于其年化收入的80多倍。单纯从财务角度看，这很难算是一笔便宜的交易。

但英伟达真正买下的，是一个位置。

如果说过去十年的GitHub解决了一个问题——“全世界的代码放在哪里”，那么Hugging Face正在解决AI时代另一个越来越重要的问题：

全世界的模型放在哪里。

截至这次收购，Hugging Face已经拥有超过1800万开发者、300多万个模型、50万个数据集和100万个AI应用，超过20万家公司使用这个平台寻找、评测、修改和部署AI模型。

它当然还远没有达到GitHub在软件开发世界里的统治地位，但逻辑已经非常清楚。

而且，如果把这笔交易放到最近一年中美AI竞争的背景里看，就会发现一个比“英伟达又扩大了业务版图”更值得注意的问题：

当中国正在迅速追上美国的模型能力时，美国科技公司正在争夺模型之上的下一层基础设施。

芯片战争还没有结束，开发者入口的战争已经开始了。

模型世界的入口

很多普通用户第一次接触Hugging Face，会把它理解成一个下载模型的网站。

这种理解大致相当于把GitHub理解成“下载代码的网站”。

没错，但远远不够。

一个AI开发者今天要做一个应用，首先需要找到合适的模型。

他可能需要比较几十种大语言模型、视觉模型、语音模型；接着寻找数据集，测试效果，下载权重，进行量化、微调；随后再选择推理框架，把模型部署到本地机器、云服务器或者GPU集群。

Hugging Face几乎已经进入了这个流程的每一个环节。

这里有模型仓库，有数据集，有Transformers这样的核心开发工具，有模型评测，有Spaces这样的应用展示平台，也开始越来越深入地参与训练、推理和云端部署。

更重要的是，AI模型的数量正在爆炸。

Hugging Face今年8月发布的报告显示，仅仅从2026年初到8月，其公开模型仓库就从243万个增长到了接近296万个，数据集从71.1万个增长到100万个，Spaces应用从100万个增加到144万个。

面对几百万个模型，开发者到哪里寻找它们？相信谁的评测？使用什么格式？通过什么工具进行微调？最后又通过谁的基础设施部署？

这就是入口的价值。

它有点像过去的搜索引擎和应用商店。

互联网发展到一定阶段之后，网页越多，搜索引擎就越重要；电商商品越多，Amazon、淘宝这样的交易平台就越重要；手机App越多，App Store和Google Play就越重要。

AI也正在经历同样的过程。

模型数量越多，模型平台反而越值钱。

所以英伟达花129亿美元买Hugging Face，本质上不是买了300万个模型——这些模型中的绝大部分本来就是开放的。

它买的是：

1800万开发者寻找这300万个模型时，已经形成的行为习惯。

这是完全不同的资产。

英伟达从供给端走向需求端

过去几年，讨论英伟达的护城河，几乎绕不开CUDA。

英伟达真正可怕的地方，从来不只是GPU跑得快。

真正让AMD、英特尔和各种AI芯片公司头疼的是，大量AI软件已经围绕CUDA构建。

开发者习惯CUDA，框架优先适配CUDA，模型首先在CUDA上优化，企业内部又积累了大量基于CUDA的软件和工程经验。

结果是一个典型的正反馈：

英伟达GPU用户多，所以开发者优先支持英伟达；

开发者优先支持英伟达，所以更多用户继续购买英伟达GPU。

芯片由此变成了生态。

但这个生态仍然存在一个风险。

过去英伟达主要控制的是算力供给端。

AI公司决定训练什么模型、怎么训练、在哪里部署，然后向英伟达购买GPU。

问题是，现在英伟达最大的客户正在越来越积极地制造自己的芯片。

Google有TPU，Amazon有Trainium，微软、Meta以及OpenAI都在不断推进自研ASIC。大型模型公司的规模越大，它们摆脱英伟达的动力反而越强。

对于一家已经站在AI产业链顶端的公司而言，仅仅继续卖GPU是不够的，它必须向上下游延伸。

Hugging Face的意义就在这里。

过去的链条是：

开发者选择模型——选择云——选择硬件——最终形成GPU需求。

英伟达处在链条后端。

收购Hugging Face以后，它开始有机会向前移动：

开发者发现什么模型、测试什么模型、用什么格式下载、怎么微调、怎样部署，也开始进入英伟达的生态范围。

这并不意味着以后Hugging Face只能使用英伟达GPU。

恰恰相反，黄仁勋在收购公告中专门强调，Hugging Face仍将保持开放，开发者仍然可以自由选择模型、框架、云、推理服务商和计算平台，使用Hugging Face“不要求NVIDIA compute”。

Hugging Face最大的资产就是中立性。如果英伟达买下来以后立刻把AMD、Google TPU和其他芯片赶出去，反而会迅速摧毁它花129亿美元买来的东西。

但是Hugging Face可以在潜移默化中影响用户的决策：

哪个模型最容易部署？

哪个推理引擎优先优化？

新的量化格式首先适配什么硬件？

Benchmark采用什么标准？

这些微小的选择，最终会累积成技术路径。

CUDA当年也不是靠强迫开发者使用建立起来的。最强大的生态从来不是禁止你离开，而是让你没有理由离开。

这才是英伟达真正想从Hugging Face获得的东西。

中国正在赢模型，美国仍然掌握“货架”

英伟达收购Hugging Face的这笔交易，也再次把中美AI生态中的一个软性差距放在聚光灯下。

2023年以前，中美AI产业的差距相对简单。

美国拥有最先进的GPU，拥有最强的基础模型，也拥有最完整的软件和开发者生态。

Nvidia、CUDA、AWS、Azure、Google Cloud、OpenAI、GitHub……

从芯片一直到模型、云和开发工具，美国几乎占据了完整链条。

但过去两年，第一个明显的缺口出现了。

模型这一层，中国正在迅速追上来。

DeepSeek之后，中国开源模型的崛起已经不再只是“中国公司自己的说法”，而开始体现在全球开发者真正的使用数据里。

Hugging Face自己在今年8月发布的《State of Open Models》报告甚至专门写了一节：

“Qwen has become the community's base model。”（千问已经成为社区的基石模型）

数据显示，目前Hugging Face上基于Qwen产生的衍生模型已经达到151448个，是Meta全部模型生态衍生量的2.6倍，是Llama系列的4.7倍。

今年前7个月，平均每天还在增加180到210个新的Qwen衍生仓库。

另一个更有意思的数据来自本地推理。

Hugging Face统计显示，Qwen的GGUF版本每月下载量已经达到3960万次，接近Gemma的两倍，是Llama约750万次的五倍以上。

这已经不能简单理解为“阿里发布了一个性能不错的模型”。

它意味着一个中国模型家族，正在成为全球大量开发者进行微调、量化和二次开发的底座。

DeepSeek、智谱、MiniMax、Kimi也在发生类似的事情。

今年3月，美国国会下属的美中经济与安全审查委员会已经公开警告，中国开源模型正在形成竞争优势；路透社今年8月也报道，中国开放权重模型凭借性能和成本优势，已经越来越多地进入硅谷开发者的技术栈。

甚至8月28日腾讯发布新的开源模型时，面向国际开发者的发布渠道之一仍然是Hugging Face。

于是一个非常有意思、甚至有些荒诞的局面出现了：

Hugging Face上最繁荣的模型生态之一来自中国，但Hugging Face本身即将属于Nvidia。

这可能才是这笔收购在中美竞争中的真正象征意义。

中国开始能够生产越来越好的“商品”，但全球开发者购买、比较、改造这些商品的“商场”，仍然主要由美国公司建设。

中国自己的平台正在起步

这里必须说一句，中国并非没有类似Hugging Face的平台。

最典型的就是阿里旗下的魔搭ModelScope。

而且如果只看账面规模，魔搭的发展速度并不慢。

今年3月公布的数据显示，ModelScope用户已经从2025年6月底的1600万增长到2500万，平台开源模型数量从7万个增加到17万个；仅Qwen的衍生模型就已经超过3.4万个。

2500万用户，甚至比Hugging Face公布的1800万开发者还高。

所以问题显然不能简单概括为“中国没有自己的Hugging Face”。

中国真正缺少的是：

全球开发者心目中的默认平台。

这是两回事。

一家中国AI公司发布模型时，几乎一定会上ModelScope。

但如果它希望获得真正的全球影响力呢？

答案往往还是：

GitHub + Hugging Face。

智谱今年发布GLM-5.2时，同时在Hugging Face和ModelScope开源；中国气象局今年启动“风和”模型全球开源计划，同样选择GitHub、Hugging Face和ModelScope三个平台同步发布。

这已经非常直观地说明了平台之间的区别。

ModelScope解决了中国模型“有没有自己的基础设施”的问题。

Hugging Face解决的是“全球开发者在哪里”的问题。

而后一个问题显然更难。

因为开发者生态是典型的网络效应。

优秀模型越多，开发者越愿意来；

开发者越多，模型公司越必须来；

模型公司越多，工具开发者、推理服务商、云厂商又越愿意接入；

最后，所有人都因为“其他人已经在这里”而继续留下。

这就是所谓的入口。

它最难复制的从来不是代码，而是人。

所以，英伟达收购Hugging Face真正给中国AI产业提出的问题，并不是：

“我们要不要再建一个Hugging Face？”

ModelScope已经证明，中国完全可以建设一个大型模型社区。

真正的问题是：

我们还需要做些什么，才能让全球开发者把中国的AI基础设施也当成默认选项？

过去，我们没有世界级的搜索引擎和应用商店，未来我们是否愿意看到同样的局面？