NVIDIA以129.3亿美元收购Hugging Face：对开放AI生态系统的决定性押注

2026年9月3日，黄仁勋在NVIDIA官方企业博客上亲自签署了这一公告：公司已同意以12,930,300,000美元收购Hugging Face。这一精确到个位数的金额，是这家芯片制造商33年历史上规模最大的一笔单项交易，并在硅谷经历了数周的传言后正式尘埃落定。

在这笔总额中，约119亿美元将分配给Hugging Face的投资者，另有最高达10亿美元将作为股权留任计划，专门预留给加入NVIDIA的员工。这种结构的设计初衷不仅是为了获取资产，更是为了留住人才：在一个社区型平台上，维护它的人才与代码本身具有同等价值。

NVIDIA此次收获的并非一款封闭的产品，而是一个完整的生态系统：托管着300万个模型、50万个数据集、100万个应用程序，以及一个拥有超过1800万名开发者的庞大社区——毫无疑问，它如今已成为全球机器学习领域的交汇中心。

这笔交易中最敏感的关键点并非价格，而是治理结构。黄仁勋（Huang）明确表示：Hugging Face将继续作为一个开放平台运营，且不会强制要求使用NVIDIA芯片。与以往一样，模型依然可以在任何制造商的任何加速器上进行训练和运行。

这一承诺比表面看起来更为理性。NVIDIA的业务并不依赖于闭门封锁，而是取决于是否存在越来越多需要被训练和部署服务的模型。平台上发布的每一个新模型——无论来自何处——都会推高全球的算力需求，而NVIDIA依然是这种算力最天然的供应商。

创始人Clément Delangue、Julien Chaumond和Thomas Wolf在不到十年的时间里，建立起了以往任何企业都无法买到的资产：社区的信任。破坏这种信任将彻底摧毁所收购资产的价值所在。保持中立并非出于慷慨，而是维护这129.3亿估值潜力的唯一策略。

要理解这次收购的深远影响，必须回溯到1993年，当时黄仁勋（Jensen Huang）、克里斯·马拉科夫斯基（Chris Malachowsky）和柯蒂斯·普里姆（Curtis Priem）在加利福尼亚州圣何塞的一家Denny's餐厅创立了NVIDIA。最初的设想很简单：个人电脑将需要专用的图形处理器。1995年推出的首款产品NV1在商业上几乎是一个彻底的失败。

该公司凭借1997年的RIVA 128得以生存，并在1999年凭借GeForce 256实现爆发，NVIDIA将其命名为全球首款GPU。同年，公司挂牌上市。在接下来的十年里，它主要是一家属于电子游戏玩家的企业：专注于性能、每秒帧数以及与ATI的基准测试大战。

决定性的转折出现在2006年CUDA的推出，这一平台使得GPU能够用于通用计算编程。这是一个代价高昂的决定，在分析师中不受看好，且多年来缺乏明确的市场。黄仁勋依然坚持了下去。2012年，当基于GeForce GPU训练的AlexNet赢得ImageNet竞赛时，事实证明，深度学习所急需的正是NVIDIA历时六年筹备的硬件。

从那时起，后面的历史便为人熟知：Tesla、Volta、Ampere、Hopper与Blackwell相继问世；数据中心超越电子游戏成为最主要的收入来源；2024年更是跻身全球最具价值公司俱乐部，市值突破四万亿美元。这家昔日销售游戏显卡的公司，最终成为了构建人工智能的底层基础设施。

黄仁勋（Jen-Hsun "Jensen" Huang）于1963年出生于台湾台南。他的家庭先是移民至泰国，随后在他还是个孩子时，将他与哥哥一同送往美国。他最终进入了肯塔基州的一所乡村寄宿学校，据他本人回忆，他在那里打扫过厕所，并与比他粗暴得多的学生同住一个宿舍。他同时学习英语和乒乓球，后来甚至参加了全美青少年级别的比赛。

他在俄勒冈州立大学（Oregon State）学习电气工程——并在那里结识了妻子洛里（Lori）——随后在斯坦福大学获得了硕士学位。在三十岁创立英伟达（NVIDIA）之前，他曾在AMD和LSI Logic担任微处理器设计师。自那时起，他一直执掌这家公司，成为科技行业任期最长、最成功的创始人兼CEO之一。

他的管理风格是一种深思熟虑后的特立独行。他不采用传统的层级式邮件沟通，维持着数十位直接向其汇报的下属，摒弃正式的绩效评估，并反复强调公司始终处于“距离破产只有三十天”的状态，以此来保持紧迫感。他在接受采访时最喜欢的一句话，比任何分析都能更深刻地概括他的职业生涯：伟大并非源于聪明，而是源于品格，而品格是在苦难中铸就的。

黑色皮夹克成为了他的个人视觉标志，但真正关键的在于另一件事：在如今使CUDA变得不可或缺的市场成型之前的整整十年，黄仁勋就已重金押注CUDA。这次对Hugging Face的收购同样体现了这种长期主义逻辑。

在软件行业中，最难复制的资产不是算法，而是使用习惯。Hugging Face 已经成为研究人员发布模型、初创公司下载模型以及大学评估模型的首选平台。这种习惯是无法单靠营销预算买来的。

对 NVIDIA 而言，这笔收购补齐了其战略闭环。它已经掌控了硬件（Blackwell GPU 及其后续产品）、编程层（CUDA）、推理库（TensorRT、NIM），如今又掌握了开源模型的分发渠道。这是对整个 AI 价值链的垂直整合，且无需在任何环节强推排他性。

这同样是一步明智的防御性布局。闭源模型的主流实验室正在自主设计加速芯片，云服务提供商亦是如此。强化开源生态系统——让成千上万的团队在异构硬件上训练各自的模型——能够使算力需求多元化，并降低 NVIDIA 对少数巨头客户的依赖。

短期来看，变化不大：平台仍照常运行，代码库依然可访问，开源许可证也未发生改变。中期来看，可以预见的是基础设施将显著增强——包括存储、带宽和下载速度——这一切都将由另一量级的资金实力提供支持。

对于打造人工智能产品的企业而言，这一消息令人振奋，原因非常具体：它强化了开源模型作为封闭式 API 真正替代方案的可行性。在自有基础设施上运行开源模型意味着能够掌控成本、掌控数据，并摆脱对单一供应商的依赖。

在 Geniales.co，我们正专注于此：我们将开源和商用模型集成到使用 React 19、TypeScript、TanStack 和 PostgreSQL 定制打造的平台中，在每种情况下选择最能平衡成本、延迟和隐私的模型。全球最大的芯片制造商对开源生态系统的支持，为任何希望应用人工智能而又不愿受制于单一供应商的企业验证了这一架构的合理性。

目前仍存在两个严峻的未知数。首先是监管层面的问题：一笔近130亿美元、将占据主导地位的算力加速器供应商与最核心的开源模型库联合起来的交易，必将在美国和欧盟受到极为严格的审查。关于硬件中立性的承诺，很可能是NVIDIA向监管机构阐述的核心论据。

第二个则是文化层面的挑战。Hugging Face是一个具有极强自身认同感的社区，对大公司的权力心存戒备，并极其珍视其独立性。高达10亿美元的人才挽留计划表明，圣克拉拉方面对这一风险心知肚明：如果原有团队分崩离析，所收购资产的价值将迅速缩水。

如果这笔交易运作得当，最终结果将是一个资金更加充裕、比以往任何时候都更稳定的开源生态系统。如果运作不当，社区完全可以直接迁移到其他平台，因为开源并不存在退出成本。NVIDIA深知这一点，而这种认知正是其兑现承诺的最佳保证。