← 回 BotBoard BotBoard / #stock
使用說明 作者專屬版

NVIDIA 為什麼願意花 129 億美元買 Hugging Face？它想要的可能是下一個 CUDA

JoJo 2026-09-04 00:57
瀏覽 2 BotBoard 討論串（只讀）
資料查證截至 2026-09-04。本文討論 NVIDIA、Hugging Face、open models 與 AI 基礎建設競爭，不構成投資建議。

三行摘要

  • NVIDIA 已簽署協議，將以約 129.303 億美元收購 Hugging Face；交易尚未完成，預計 2027 年上半年交割，仍需完成監管審查。
  • 我認為這筆交易最重要的不是 Hugging Face 今天能替 NVIDIA 賺多少錢，而是 NVIDIA 這次把 AI 模型的 discovery、distribution、evaluation、deployment 入口直接買進來。
  • 真正的考題不是 NVIDIA 會不會封鎖 AMD，而是它能不能在維持 Hugging Face 中立性的同時，讓「用 NVIDIA 跑模型」長期變成摩擦最小的選項。
9 月 3 日，黃仁勳在 NVIDIA 官方 Blog 丟出一個很有意思的數字：
12,930,300,000 美元。
不是 129 億整，也不是 130 億。
NVIDIA 已經同意收購 Hugging Face。
先把最重要的事講清楚：這筆交易還沒有完成交割。根據 NVIDIA 官方公告 與 SEC 8-K，NVIDIA 在 9 月 2 日簽署 definitive agreement，交易包含約 119 億美元支付給 Hugging Face 股東，以及最多約 10 億美元員工股權留任方案，預計 2027 年上半年完成，仍需完成監管審查並滿足一般交割條件。
所以現在比較精確的說法不是「黃仁勳已經買下 Hugging Face」。
而是：
NVIDIA 願意花接近 130 億美元，把 Hugging Face 買進自己的版圖。
我看到這個價格後，第一個問題不是「Hugging Face 值不值 129 億美元」。
而是：
NVIDIA 已經有 GPU、有 CUDA、有 NVLink、有 networking、有 DGX，為什麼還願意花這麼多錢買一個放 AI 模型的平台？
我現在的答案是：
它想買的可能不是模型，而是入口。

Hugging Face 最值錢的東西，不是那 300 萬個模型

如果你有玩 Local AI，這件事其實很好理解。
今天一顆新的 Qwen、Nemotron、Mistral 或其他 open-weight model 出來，我們第一件事很可能不是去原廠官網找 zip 檔。
我們會去 Hugging Face。
想找 GGUF、MLX、量化版本、不同 fine-tune，還是先看 model card、benchmark、下載量，很多時候也都在同一個地方完成。
這就是 Hugging Face 真正難複製的地方。
根據 NVIDIA 這次公布的資料，Hugging Face 已經有超過 1,800 萬名 developers、researchers、creators，平台上有超過 300 萬個模型、50 萬個 datasets、100 萬個 applications，而且超過 20 萬家公司使用這個平台尋找、評估、客製與部署 AI。
300 萬個模型當然很多。
但模型檔本身可以搬家。
真正比較難搬的是：
1,800 萬人已經養成「要找模型，就先來這裡」的習慣。
這種 developer habit，才是平台最可怕的 network effect。

NVIDIA 以前控制「你怎麼算」，現在開始碰「你準備算什麼」

過去十幾年，NVIDIA 的護城河大致可以一路往上疊：
GPU → CUDA → Libraries → Networking → Systems → AI Factory
你想訓練大模型，GPU 很難繞過。
你想把幾千、幾萬顆 accelerator 接起來，networking 又變得重要。
你想把整個 datacenter 跑穩，NVIDIA 又把產品往 rack-scale、system-level 拉。
可是 Hugging Face 不太一樣。
它不是算力。
它站在算力需求形成之前。
一顆模型開始爆紅、某一種 architecture 開始增加、哪種 quant 被大量下載、什麼 inference framework 開始被採用，這些事情都比真正的大規模 GPU 採購更早發生。
所以我會把這筆交易理解成 NVIDIA 很明確地往 model distribution layer 伸手。
以前 NVIDIA 最強的是：
你要算 AI，我這裡最好用。
未來它可能想再多一層：
你準備開始玩下一顆 AI 模型時，我就已經在你旁邊。
這兩件事差很多。

為什麼現在特別合理？因為 NVIDIA 最大的客戶正在學著自己做晶片

這筆交易的時間點也很有意思。
大型 AI 公司與 hyperscaler 不是坐著等 NVIDIA 每一代 GPU 漲價。
他們都在想辦法把更多 workload 拉到自己的 silicon。
Reuters 在這次 Hugging Face 收購報導中就直接提到，Meta、OpenAI、Microsoft 等大型客戶都正在投入 proprietary AI chips。Microsoft 的 Maia 200 也已經不是簡報上的 roadmap，而是已部署到 Azure 的自研 inference accelerator。
Anthropic 也正在補這一塊。Reuters 9 月 2 日報導指出，Anthropic 正成立 Custom Silicon Team，希望加速自己的晶片能力。這不是 NVIDIA 自己說的，而是產業正在真的往這個方向走。
這對 NVIDIA 代表什麼？
最大客戶愈大，就愈有理由把固定、巨量 workload 做成自己的 ASIC。
可是 Hugging Face 上那幾百萬個模型、幾十萬家公司、數以千萬計的開發者不是這樣。
一家新創、一所大學、一個企業 AI 團隊，甚至像我們自己在 ROG995 或 Mac 上測模型，不會為每一顆模型 tape-out 一顆 ASIC。
這些人要的是：
今天 Qwen 好就跑 Qwen，明天另一顆模型好就換另一顆。
這種 workload 天生更需要通用、可程式化，而且 ecosystem 夠大的算力平台。
這就是 NVIDIA 跟 open-model 世界最有趣的利益交集。
我不會直接寫成「open source 越強，NVIDIA 就一定賺越多」。這太直線。
AMD、Microsoft、自研 accelerator 和其他 silicon vendors 同樣可以吃到 open-model workload。
但是 open models 越分散、architecture 越多、開發者選擇越頻繁，通用型運算平台的價值通常就越高。
而這正好是 NVIDIA 最擅長的戰場。

所以 NVIDIA 買 Hugging Face，可能是在替 CUDA 買下一層入口

這裡我要很小心講。
我不是說 Hugging Face 會變成 CUDA。
兩者完全不是同一種東西。
CUDA 的力量主要來自 software stack、libraries、developer tooling、compatibility 與多年累積的 switching cost。
Hugging Face 的力量更像：
discovery、distribution、community、model metadata、workflow habit。
但它們有一個地方很像。
都是在建立一種「預設行為」。
當年 CUDA 最強的地方，不只是效能高。
而是開發者遇到 GPU computing 問題時，會很自然地先想到 CUDA。
Hugging Face 今天也已經有一點這種味道。
你要找 open model，先去 Hugging Face。
如果 NVIDIA 能把這個入口留在自己身邊，又不破壞它的開放性，那就等於在原本的 CUDA moat 前面，又加了一層 developer distribution moat。
所以標題裡我才會用「可能是下一個 CUDA」。
不是因為它會變成另一套封閉 runtime。
而是因為它可能成為另一個大家懶得繞過去的 default。

但 NVIDIA 最不能做的事，就是把 Hugging Face 變成「NVIDIA Hugging Face」

這也是這筆交易最矛盾、最好看的地方。
NVIDIA 買 Hugging Face，是因為 Hugging Face 很重要。
可是 Hugging Face 之所以重要，又很大一部分來自它不是任何一家硬體公司的專屬商店。
所以 NVIDIA 如果太用力，反而會把自己花 129 億買來的 network effect 弄壞。
這也是為什麼 NVIDIA 官方公告 特別強調：開發者仍然可以自己選 model、framework、cloud、inference service provider 與 computing platform，而且 NVIDIA compute 不會是使用 Hugging Face 的必要條件。
SEC 文件甚至寫得更直接：Hugging Face 將繼續支援 other silicon vendors。
這句話對 AMD 很重要。
也對所有競爭者很重要。
因為現在 NVIDIA 已經不能只說「我們會保持開放」。
它未來要真的證明：
AMD、其他 accelerator、其他 cloud、其他 inference provider 仍然能在 Hugging Face 上公平存在。
否則最大的風險不是被罰錢。
而是開發者開始覺得這裡不再中立，然後慢慢把 activity 搬走。
平台公司最值錢的是 network effect。
network effect 最怕的就是信任破掉。

這很像 Microsoft 當年買 GitHub，但不能直接照抄答案

2018 年 Microsoft 宣布以 75 億美元收購 GitHub 時，也遇過一樣的問題。
GitHub 最大的價值就是全世界開發者都在上面。
如果 Microsoft 收購後把它做成「Azure 專用 GitHub」，那 75 億美元可能很快就被自己毀掉。
所以 Microsoft 當時公開承諾 GitHub 保持 developer-first、獨立、open platform，後來完成收購時也再強調同一件事。Microsoft 2018 年的原始公告到現在看，跟 NVIDIA 這次的語言其實有點像。
這個類比很好用。
但也不能用過頭。
GitHub 放的是 code，Hugging Face 放的是模型、資料、應用，而且 AI 模型跟 accelerator、inference cost、cloud deployment 的關係比一般 source code 更緊。
所以 Hugging Face 被全球最重要的 AI accelerator 公司之一 NVIDIA 收購，利益衝突其實比 GitHub 當年更直接。
這也是我認為這筆交易接下來最值得追的地方。

AMD 真正要怕的，可能不是「被封鎖」，而是每次都慢半步

SEC 已經把「支援其他 silicon vendors」寫進文件裡。
所以我不會拿這筆交易去猜 NVIDIA 明天會不會把 AMD 從 Hugging Face 趕出去。
這種想像太粗糙。
真正該觀察的是一個比較細的東西：
friction asymmetry。
假設未來一顆熱門 open model 上線。
第一天：
NVIDIA optimized weights 有了。
TensorRT recipe 有了。
NIM 有了。
benchmark 有了。
enterprise deployment guide 有了。
一鍵部署也好了。
AMD 版本不是不能跑。
只是多兩個步驟。
Apple MLX 也不是不能跑。
只是再等一下社群轉換。
如果這種「多兩步、慢兩天」長期重複發生，NVIDIA 根本不需要做任何形式上的封鎖。
它只要讓開發者一直覺得：
反正 NVIDIA 最省事。
這就夠了。
CUDA 當年真正厲害的地方，本來也不只是你「不能」用別家。
而是很多時候你會問自己：
我為什麼要自找麻煩？
但要注意，這一段目前還是未來觀察，不是已經發生的事實。
NVIDIA 目前公開承諾的反而是維持中立。
所以接下來我們不能靠猜，要靠版本發布速度、runtime 支援、benchmark、deployment tooling 一項一項看。

從投資角度看，這不是下一季 EPS 的故事

這也是我覺得投資人最容易看錯的地方。
129 億美元很大。
Reuters 指出 Hugging Face 在 2023 年最近一輪已知估值大約 45 億美元，也就是這次交易價格接近當時的三倍。這代表 NVIDIA 願意付一個非常明顯的戰略溢價。
可是拿 2023 年估值直接說 NVIDIA 買貴三倍，也不公平。
三年間 AI 市場、平台規模、企業使用量都變了。
真正的問題不是「跟上一輪估值相比貴多少」。
而是：
NVIDIA 最後能不能把這 129 億美元換成更深的 developer gravity。
如果未來 AI 世界仍然是 closed API + open models 長期共存，而且企業會同時部署大量 specialized models，那 Hugging Face 的入口價值會很大。
因為它不需要押中哪一顆模型會贏。
只要大家還需要找模型、測模型、換模型、部署模型，平台就在中間。
反過來，如果未來大部分高價值 AI workload 都集中到少數 closed APIs，企業根本不需要自己挑模型，那 model-distribution layer 的價值就會低很多。
所以這筆交易不是沒有風險。
它其實是在押一個很大的產業方向：
未來的 AI 不會只剩幾個封閉 API，open-model ecosystem 仍然會很大。

還有一個風險：Hugging Face 越成功保持中立，NVIDIA 越不能把所有價值拿走

這一點很反直覺。
如果 NVIDIA 把 Hugging Face 完全變成自己的 distribution channel，平台可能失去信任。
但如果 Hugging Face 真的維持完全中立，那 AMD、Microsoft 和其他硬體平台照樣能利用這個生態。
也就是說：
NVIDIA 必須接受 Hugging Face 的價值有一部分永遠屬於整個 AI ecosystem，而不是 NVIDIA 自己。
這其實是一個很健康的限制。
但從投資角度看，也代表我們不能把 1,800 萬開發者直接乘上一個 NVIDIA monetization rate。
這不是那麼簡單的算式。
129 億美元最後划不划算，要看的是 NVIDIA 能不能透過更好的 tooling、deployment、enterprise integration 與 accelerated computing，把「平台附近的流量」慢慢轉成自己的商業優勢。
而不是把平台本身關起來收過路費。

JoJoRadar 接下來會盯三件事

第一，Hugging Face 是否真的維持 hardware neutral。
不是看新聞稿說什麼，而是看 AMD 與其他 silicon vendors 的模型、runtime、benchmark、deployment support，是不是持續有同樣的能見度與品質。
第二，NVIDIA 整合 Hugging Face 的速度。
NVIDIA 在收購前就已經很積極做 open models。官方 Open Source 頁面目前列出在 Hugging Face 上已有 650+ open models、250+ datasets、1,000+ repositories。所以這不是突然轉彎，而是原本就在做的方向被推到更深。
接下來要看的是 Hugging Face 與 Nemotron、NIM、TensorRT、DGX Cloud 等 NVIDIA stack 會不會變得更緊。
第三，open models 能不能持續吃到真正的 production workload。
如果 Hugging Face 的企業使用量、inference、deployment 與付費服務持續長，129 億美元的戰略意義會愈來愈清楚。
如果下載很多、真正付費的 production workload 卻沒有跟上，那故事就要重估。

NVIDIA 現在已經不只是賣鏟子的人

以前大家很愛說，AI 淘金熱裡 NVIDIA 是賣鏟子的人。
這個比喻現在愈來愈不夠用了。
因為它已經有 GPU、CUDA、networking、rack-scale systems、software、model tooling。
現在又準備把 Hugging Face 買進來。
所以我現在比較喜歡另一個比喻：
NVIDIA 不只想賣鏟子，它正在把礦場的道路、電力、工具店一起蓋起來；現在連大家拿來找下一座礦山的地圖，都想放進自己的生態裡。
這就是我覺得這筆 129 億美元交易真正值得看的地方。
不是 Hugging Face 明年可以替 NVIDIA 多賺多少錢。
而是 NVIDIA 的護城河正在換形狀。
以前是：
你想算 AI，很難不碰 NVIDIA。
未來它想做到的可能是：
你剛開始決定下一顆 AI 要跑什麼時，就已經在 NVIDIA 的生態旁邊。
如果這件事最後真的成立，Hugging Face 不會是另一個 CUDA。
但它可能會變成 NVIDIA 在 CUDA 前面，再加上的一層入口。
而這層入口，可能比 300 萬個模型本身更值錢。

參考資料