NVIDIA 129 億美元買下 Hugging Face：從 GPU 巨頭一路吃進 AI 模型入口

NVIDIA 正在把自己的版圖，從「AI 算力供應商」一路往整個 AI 開發流程延伸。

根據 Reuters 報導，NVIDIA 已宣布收購人工智慧開發平台 Hugging Face，交易總價約 129.3 億美元，其中約 119 億美元將支付給 Hugging Face 投資人，另外最高約 10 億美元則以股權形式作為員工留任獎勵。

這筆交易的重要性，不只在於金額。

真正值得注意的是 NVIDIA 買下的是誰。

Hugging Face 並不是一家單純販售 AI 模型的公司，而更接近今天開源與開放權重 AI 生態系的基礎設施。研究機構、新創公司、企業工程團隊甚至個人開發者，都可以在 Hugging Face 上發布、下載與測試模型、資料集及相關工具。

如果把 AI 開發世界想成軟體產業，那麼 Hugging Face 扮演的角色某種程度上接近 GitHub：它本身不一定製造所有東西，卻成為大量技術被發布、交換與整合的入口。

而現在，這個入口即將進入 NVIDIA 的版圖。

NVIDIA 已經不只是 GPU 公司

過去幾年的 AI 熱潮讓 NVIDIA 成為全球最重要的算力供應商之一。

大型語言模型與生成式 AI 的訓練及推論，需要大量 GPU；GPU 又依賴 CUDA 軟體生態、NVLink 等高速互連，以及完整的伺服器與網路架構。

因此 NVIDIA 真正建立起來的優勢，從來不只是某一張 GPU 跑得比較快。

它逐漸形成一個垂直整合的 AI 技術堆疊：

GPU → CUDA → Networking → AI Server → AI Framework → Model → Developer

過去 NVIDIA 最強勢的位置主要集中在前半段，也就是算力、軟體平台以及資料中心基礎設施。

收購 Hugging Face 後，它則向開發者與模型生態再往前跨了一步。

開發者可能先在 Hugging Face 找到一個模型，下載、微調、部署，最後才決定需要多少 GPU、使用哪個雲端服務，以及如何進行推論。

換句話說，Hugging Face 所掌握的是一個非常靠近 AI 開發決策起點的位置。

為什麼 NVIDIA 願意付出接近 130 億美元？

Hugging Face 在 2023 年的上一輪融資中估值約為 45 億美元，而 NVIDIA 此次支付的價格接近其數倍。

單純用傳統軟體公司的營收倍數來看，很難完全解釋這個價格。

但如果將 Hugging Face 視為 NVIDIA AI 生態系的戰略入口，邏輯就不同了。

AI 開發者今天面臨的第一個問題通常不是「我要買哪張 GPU」，而是：

我要用哪個模型？

例如企業可能在 Hugging Face 尋找文字模型、影像模型、語音辨識模型或 Embedding Model，接著才進行微調與部署。

如果 NVIDIA 能讓這整條流程更容易使用自己的硬體與軟體，包括 CUDA、TensorRT、NIM、NeMo 以及 NVIDIA 自己推動的開放權重模型，那麼 Hugging Face 就可能成為非常有效的開發者導流入口。

這並不代表 NVIDIA 必須強迫使用者購買 NVIDIA GPU。

事實上，NVIDIA 與 Hugging Face 都強調，收購完成後 Hugging Face 將繼續維持開放平台，開發者仍可選擇不同模型、晶片與雲端服務。

這點相當重要。

Hugging Face 的價值很大一部分正來自其中立性。如果平台在被 NVIDIA 收購後變成只能服務 NVIDIA 硬體，它反而可能失去大量原本的開發者與研究社群。

因此 NVIDIA 面臨的課題會是：如何利用 Hugging Face 擴大自己的生態系，同時不要破壞 Hugging Face 原本最珍貴的開放性。

一場 Open AI 與 Closed AI 的另一條戰線

這筆交易還有另一層意義：開放權重模型正在成為 AI 市場的重要戰場。

目前大型 AI 服務大致存在兩種路線。

第一種是高度封閉的 API 模式，使用者透過雲端服務呼叫模型，本身無法直接取得完整模型權重。

另一種則是 Open Weight 模式，開發者可以取得模型權重，在自己的硬體或雲端環境中部署與修改。

對 NVIDIA 而言，後者具有非常有趣的商業效果。

如果企業全部透過某一家 AI 公司提供的 API 使用模型，那麼真正購買大量 GPU 的可能只是少數超大型 AI 公司。

但如果數百萬家公司、研究機構與開發者都自己部署模型，每一個組織都可能成為算力需求來源。

也就是說，越多人能自己部署 AI，理論上越有機會擴大 GPU、AI Server 與推論基礎設施的市場。

因此 NVIDIA 支持 Open Model 並不一定與自己的硬體商業模式衝突，反而可能互相強化。

Hugging Face 正好位於這個生態系的中心。

NVIDIA 也在替未來的 AI 晶片競爭買保險

目前 NVIDIA 在 AI 加速器市場仍具有極強優勢，但大型科技公司正在積極設計自己的晶片。

Google 有 TPU，Amazon AWS 有 Trainium 與 Inferentia，Microsoft、Meta 等公司也持續投資自研 AI 加速器。

這意味著 NVIDIA 長期面臨一個結構性問題：它最大的客戶，同時也可能成為未來最大的競爭者。

如果 NVIDIA 只依靠 GPU 本身，它就必須持續證明自己的晶片比客戶自研晶片更值得購買。

但如果 NVIDIA 同時掌握 CUDA、Networking、AI Software、企業部署工具，以及 Hugging Face 這類開發者平台，競爭就不再只是晶片效能。

客戶真正要考慮的會變成：離開 NVIDIA 生態系究竟需要付出多少軟體、開發、人力與部署成本？

這就是 Platform Strategy 的力量。

最強的平台不一定阻止競爭者出現，而是讓使用者離開的平台成本越來越高。

Hugging Face 的中立性將成為最大觀察點

這筆交易完成後，業界最值得觀察的並不是 Hugging Face 網站會不會換 Logo，而是平台推薦與技術整合方式會不會逐漸改變。

例如：

NVIDIA 自家的模型是否會得到更多曝光？

TensorRT、NIM 或 NVIDIA GPU 部署流程是否會成為預設選項？

AMD、Intel、Google TPU 或其他 AI 加速器是否仍能獲得相同程度的整合？

模型開發者是否仍然相信 Hugging Face 是一個相對中立的基礎設施？

這些問題短期可能不會立即出現答案，但將直接影響 Hugging Face 長期的生態系價值。

如果 NVIDIA 能做到「擁有平台，但不破壞平台」，這筆近 130 億美元的收購可能成為其 AI 戰略非常重要的一步。

但如果開發者認為 Hugging Face 開始過度偏向 NVIDIA，其他模型託管與開發平台也可能因此得到成長機會。

NVIDIA 正從賣鏟子的人，變成擁有整座礦區的人

過去描述 NVIDIA 最常使用的比喻，是 AI 淘金熱中的「賣鏟子者」。

但到了 2026 年，這個說法已經愈來愈不完整。

GPU 是鏟子，CUDA 是操作工具，NVLink 與 Networking 是運輸系統，AI Server 是礦場設備，而 Hugging Face 則更接近礦工尋找工具、技術與資源的集散地。

當這些環節逐漸被串在一起，NVIDIA 的競爭力就不再單純取決於下一代 GPU 能比競爭對手快多少百分比。

它正在打造的是一個從晶片一路延伸到模型與開發者的 AI Platform。

因此，129.3 億美元收購 Hugging Face 真正值得關注的地方，不是 NVIDIA 又買了一家公司。

而是全球最重要的 AI 晶片公司，開始正式進入 AI 模型分發與開發者入口。

AI 產業下一階段的競爭，也可能從「誰有最快的 GPU」，逐漸變成「誰控制了最多開發者每天工作的地方」。

Tech English 專有名詞

1. Open-weight Model｜開放權重模型：允許開發者取得模型權重並自行部署、微調或研究的 AI 模型。它與完全開源軟體並不完全等同，因此使用 Open-weight 通常比直接稱為 Open-source Model 更精確。

2. Model Hub｜模型中心／模型平台：集中提供 AI 模型搜尋、下載、發布與管理的平台，Hugging Face Hub 就是目前最具代表性的例子之一。

3. Inference｜推論：已訓練完成的 AI 模型實際接收輸入並產生結果的過程。例如聊天機器人回答問題，就是一次或多次模型推論。

4. AI Accelerator｜AI 加速器：專門加速人工智慧計算的處理器，包括 NVIDIA GPU、Google TPU，以及其他針對矩陣運算與神經網路設計的晶片。

5. Platform Strategy｜平台策略：企業不只銷售單一產品，而是建立包含硬體、軟體、工具、開發者與服務的完整生態系，使不同產品彼此強化並提高使用者轉換成本。

6. Vendor Lock-in｜供應商鎖定：當企業大量依賴某一家供應商的技術、API、軟體或基礎設施後，轉移到其他平台需要付出高昂成本的現象。NVIDIA 的 CUDA 生態經常被用來討論這個概念。