9月3日，英偉達宣佈了一筆乍看起來相當昂貴的交易。

它將以129.303億美元收購Hugging Face。

這個價格是什麼概念？

按照The Information此前披露的數據，Hugging Face最近的年化收入啱啱超過1.5億美元。也就是說，英偉達給出的收購價格，相當於其年化收入的80多倍。單純從財務角度看，這很難算是一筆便宜的交易。

但英偉達真正買下的，是一個位置。

如果說過去十年的GitHub解決了一個問題——「全世界的代碼放在哪裏」，那麼Hugging Face正在解決AI時代另一個越來越重要的問題：

全世界的模型放在哪裏。

截至這次收購，Hugging Face已經擁有超過1800萬開發者、300多萬個模型、50萬個數據集和100萬個AI應用，超過20萬家公司使用這個平台尋找、評測、修改和部署AI模型。

它當然還遠沒有達到GitHub在軟件開發世界裏的統治地位，但邏輯已經非常清楚。

而且，如果把這筆交易放到最近一年中美AI競爭的背景裏看，就會發現一個比「英偉達又擴大了業務版圖」更值得注意的問題：

當中國正在迅速追上美國的模型能力時，美國科技公司正在爭奪模型之上的下一層基礎設施。

芯片戰爭還沒有結束，開發者入口的戰爭已經開始了。

模型世界的入口

很多普通用戶第一次接觸Hugging Face，會把它理解成一個下載模型的網站。

這種理解大致相當於把GitHub理解成「下載代碼的網站」。

沒錯，但遠遠不夠。

一個AI開發者今天要做一個應用，首先需要找到合適的模型。

他可能需要比較幾十種大語言模型、視覺模型、語音模型；接着尋找數據集，測試效果，下載權重，進行量化、微調；隨後再選擇推理框架，把模型部署到本地機器、雲服務器或者GPU集群。

Hugging Face幾乎已經進入了這個流程的每一個環節。

這裏有模型倉庫，有數據集，有Transformers這樣的核心開發工具，有模型評測，有Spaces這樣的應用展示平台，也開始越來越深入地參與訓練、推理和雲端部署。

更重要的是，AI模型的數量正在爆炸。

Hugging Face今年8月發布的報告顯示，僅僅從2026年初到8月，其公開模型倉庫就從243萬個增長到了接近296萬個，數據集從71.1萬個增長到100萬個，Spaces應用從100萬個增加到144萬個。

面對幾百萬個模型，開發者到哪裏尋找它們？相信誰的評測？使用什麼格式？通過什麼工具進行微調？最後又通過誰的基礎設施部署？

這就是入口的價值。

它有點像過去的搜索引擎和應用商店。

互聯網發展到一定階段之後，網頁越多，搜索引擎就越重要；電商商品越多，Amazon、淘寶這樣的交易平台就越重要；手機App越多，App Store和Google Play就越重要。

AI也正在經歷同樣的過程。

模型數量越多，模型平台反而越值錢。

所以英偉達花129億美元買Hugging Face，本質上不是買了300萬個模型——這些模型中的絕大部分本來就是開放的。

它買的是：

1800萬開發者尋找這300萬個模型時，已經形成的行為習慣。

這是完全不同的資產。

英偉達從供給端走向需求端

過去幾年，討論英偉達的護城河，幾乎繞不開CUDA。

英偉達真正可怕的地方，從來不只是GPU跑得快。

真正讓AMD、英特爾和各種AI芯片公司頭疼的是，大量AI軟件已經圍繞CUDA構建。

開發者習慣CUDA，框架優先適配CUDA，模型首先在CUDA上優化，企業內部又積累了大量基於CUDA的軟件和工程經驗。

結果是一個典型的正反饋：

英偉達GPU用戶多，所以開發者優先支持英偉達；

開發者優先支持英偉達，所以更多用戶繼續購買英偉達GPU。

芯片由此變成了生態。

但這個生態仍然存在一個風險。

過去英偉達主要控制的是算力供給端。

AI公司決定訓練什麼模型、怎麼訓練、在哪裏部署，然後向英偉達購買GPU。

問題是，現在英偉達最大的客戶正在越來越積極地製造自己的芯片。

Google有TPU，Amazon有Trainium，微軟、Meta以及OpenAI都在不斷推進自研ASIC。大型模型公司的規模越大，它們擺脫英偉達的動力反而越強。

對於一家已經站在AI產業鏈頂端的公司而言，僅僅繼續賣GPU是不夠的，它必須向上下游延伸。

Hugging Face的意義就在這裏。

過去的鏈條是：

開發者選擇模型——選擇雲——選擇硬件——最終形成GPU需求。

英偉達處在鏈條後端。

收購Hugging Face以後，它開始有機會向前移動：

開發者發現什麼模型、測試什麼模型、用什麼格式下載、怎麼微調、怎樣部署，也開始進入英偉達的生態範圍。

這並不意味着以後Hugging Face只能使用英偉達GPU。

恰恰相反，黃仁勳在收購公告中專門強調，Hugging Face仍將保持開放，開發者仍然可以自由選擇模型、框架、雲、推理服務商和計算平台，使用Hugging Face「不要求NVIDIA compute」。

Hugging Face最大的資產就是中立性。如果英偉達買下來以後立刻把AMD、Google TPU和其他芯片趕出去，反而會迅速摧毀它花129億美元買來的東西。

但是Hugging Face可以在潛移默化中影響用戶的決策：

哪個模型最容易部署？

哪個推理引擎優先優化？

新的量化格式首先適配什麼硬件？

Benchmark採用什麼標準？

這些微小的選擇，最終會累積成技術路徑。

CUDA當年也不是靠強迫開發者使用建立起來的。最強大的生態從來不是禁止你離開，而是讓你沒有理由離開。

這纔是英偉達真正想從Hugging Face獲得的東西。

中國正在贏模型，美國仍然掌握「貨架」

英偉達收購Hugging Face的這筆交易，也再次把中美AI生態中的一個軟性差距放在聚光燈下。

2023年以前，中美AI產業的差距相對簡單。

美國擁有最先進的GPU，擁有最強的基礎模型，也擁有最完整的軟件和開發者生態。

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

從芯片一直到模型、雲和開發工具，美國幾乎佔據了完整鏈條。

但過去兩年，第一個明顯的缺口出現了。

模型這一層，中國正在迅速追上來。

DeepSeek之後，中國開源模型的崛起已經不再只是「中國公司自己的說法」，而開始體現在全球開發者真正的使用數據裏。

Hugging Face自己在今年8月發布的《State of Open Models》報告甚至專門寫了一節：

「Qwen has become the community's base model。」（千問已經成為社區的基石模型）

數據顯示，目前Hugging Face上基於Qwen產生的衍生模型已經達到151448個，是Meta全部模型生態衍生量的2.6倍，是Llama系列的4.7倍。

今年前7個月，平均每天還在增加180到210個新的Qwen衍生倉庫。

另一個更有意思的數據來自本地推理。

Hugging Face統計顯示，Qwen的GGUF版本每月下載量已經達到3960萬次，接近Gemma的兩倍，是Llama約750萬次的五倍以上。

這已經不能簡單理解為「阿里發布了一個性能不錯的模型」。

它意味着一箇中國模型家族，正在成為全球大量開發者進行微調、量化和二次開發的底座。

DeepSeek、智譜、MiniMax、Kimi也在發生類似的事情。

今年3月，美國國會下屬的美中經濟與安全審查委員會已經公開警告，中國開源模型正在形成競爭優勢；路透社今年8月也報道，中國開放權重模型憑藉性能和成本優勢，已經越來越多地進入硅谷開發者的技術棧。

甚至8月28日騰訊發布新的開源模型時，面向國際開發者的發布渠道之一仍然是Hugging Face。

於是一個非常有意思、甚至有些荒誕的局面出現了：

Hugging Face上最繁榮的模型生態之一來自中國，但Hugging Face本身即將屬於Nvidia。

這可能纔是這筆收購在中美競爭中的真正象徵意義。

中國開始能夠生產越來越好的「商品」，但全球開發者購買、比較、改造這些商品的「商場」，仍然主要由美國公司建設。

中國自己的平台正在起步

這裏必須說一句，中國並非沒有類似Hugging Face的平台。

最典型的就是阿里旗下的魔搭ModelScope。

而且如果只看賬面規模，魔搭的發展速度並不慢。

今年3月公布的數據顯示，ModelScope用戶已經從2025年6月底的1600萬增長到2500萬，平台開源模型數量從7萬個增加到17萬個；僅Qwen的衍生模型就已經超過3.4萬個。

2500萬用戶，甚至比Hugging Face公布的1800萬開發者還高。

所以問題顯然不能簡單概括為「中國沒有自己的Hugging Face」。

中國真正缺少的是：

全球開發者心目中的默認平台。

這是兩回事。

一家中國AI公司發布模型時，幾乎一定會上ModelScope。

但如果它希望獲得真正的全球影響力呢？

答案往往還是：

GitHub + Hugging Face。

智譜今年發布GLM-5.2時，同時在Hugging Face和ModelScope開源；中國氣象局今年啓動「風和」模型全球開源計劃，同樣選擇GitHub、Hugging Face和ModelScope三個平台同步發布。

這已經非常直觀地說明了平台之間的區別。

ModelScope解決了中國模型「有沒有自己的基礎設施」的問題。

Hugging Face解決的是「全球開發者在哪裏」的問題。

而後一個問題顯然更難。

因為開發者生態是典型的網絡效應。

優秀模型越多，開發者越願意來；

開發者越多，模型公司越必須來；

模型公司越多，工具開發者、推理服務商、雲廠商又越願意接入；

最後，所有人都因為「其他人已經在這裏」而繼續留下。

這就是所謂的入口。

它最難複製的從來不是代碼，而是人。

所以，英偉達收購Hugging Face真正給中國AI產業提出的問題，並不是：

「我們要不要再建一個Hugging Face？」

ModelScope已經證明，中國完全可以建設一個大型模型社區。

真正的問題是：

我們還需要做些什麼，才能讓全球開發者把中國的AI基礎設施也當成默認選項？

過去，我們沒有世界級的搜索引擎和應用商店，未來我們是否願意看到同樣的局面？