874億，全球最大AI開源社區要賣了

融中財經2026.08.27 18:20 · 來自北京全文5314字00:00 / 14:14AI圈的“GitHub”要賣了文 | 融中財經全球最大的AI開源社區要賣了。據Business Insider 8月24日消息，Hugging Face正在考慮出售，估值可能達到130億美元（約874億元人民幣）甚至更高。目前，公司已經聘請了一家銀行來評估潛在買家的興趣。Hugging Face的上一輪融資還停留在2023年。當時它完成了2.35億美元的D輪融資，估值達到45億美元，谷歌、亞馬遜、英偉達、英特爾、Salesforce等科技巨頭都在它的投資名單中。三年後，其估值翻了近三倍。

更戲劇性的是，出售消息傳出前一個月，Hugging Face剛經歷一場堪稱“AI安全史上頭一遭”的事件——OpenAI的AI模型在測試中“越獄”，逃出沙箱後利用洩露憑證和零日漏洞黑進Hugging Face服務器，目的竟是去數據庫裡翻AI網絡安全測評的答案。最後幫忙把這場攻擊摁下去的，還是智譜AI。Hugging Face為什麼值130億美元？又為什麼現在要賣了？從聊天App到AI世界的“水電煤”2016年，三個法國創業者——Clément Delangue、Julien Chaumond和Thomas Wolf——在紐約成立了Hugging Face。

它的名字，就來自那個張開雙手的“擁抱”表情?。最早的Hugging Face，和今天的AI基礎設施其實沒什麼關係。他們當時做的是一款面向青少年的聊天機器人App，希望讓AI陪無聊的年輕人聊天。這個產品沒有真正做起來，但團隊順手把聊天機器人背後的模型代碼開放了出去。沒想到，開發者對模型本身的興趣遠遠超過了對聊天App的興趣。彼時，谷歌BERT模型帶火了NLP（自然語言處理，讓機器能看懂、能處理人類語言的技術）。BERT一火，全世界搞NLP的開發者一下子多了起來，而Hugging Face早先開源出去的那個模型庫，正好能讓開發者省掉大量“重複造輪子”的功夫，很快就在圈子裡攢下了口碑。

公司索性不再堅持推出面向消費者的人工智能產品，轉而去做一個所有的開發者都可以用到的平臺。它的工作原理很簡單：開發者把訓練好的模型上傳上來，別人可以下載下來進行修改，並且發佈新的版本。圍繞這一循環，模型託管、下載、版本管理、在線試玩等工具也慢慢建立起來。GitHub是程序員用來存放和分享代碼的地方，而Hugging Face就成為了AI模型、數據集和應用程序的“倉庫”，因此被稱為“機器學習界的GitHub”。Hugging Face之後的發展，踩中了人工智能產業的重要節點。

2021年，它發起了BigScience項目，並邀請了來自70多個國家、250多家機構的1000多名研究人員，在117天內訓練出了1760億參數的開源大模型BLOOM，參數量甚至比GPT-3還多10億。2023年2月，亞馬遜AWS宣佈與之合作；2024年9月，公司又聯合Meta以及聯合國教科文組織一起推出了覆蓋200種語言的免費翻譯工具。到了機器人這個賽道，它照樣沒落下。2026年7月，英偉達宣佈將機器人基礎模型接入Hugging Face旗下開源庫LeRobot，把英偉達約300萬機器人開發者和Hugging Face平臺約1600萬AI開發者連接到了一起。隨著開發者的增多，資本也隨之而來。

2018年，Hugging Face完成了400萬美元的種子輪融資；到了2019年，它又獲得了1500萬美元A輪融資，NBA球星凱文·杜蘭特也是它的早期投資人之一。2021年，公司完成4000萬美元B輪融資；2022年5月又獲1億美元C輪融資，由Lux Capital領投，紅杉資本、Coatue等機構參與，估值升至20億美元。真正的大爆發在2023年8月。Hugging Face完成2.35億美元D輪融資，由Salesforce Ventures領投，谷歌、亞馬遜、英偉達、英特爾、AMD、高通、IBM等科技巨頭共同參與，公司估值升至45億美元。

它被幾乎所有做AI模型、造AI芯片的巨頭投了個遍，原因很簡單：不管最後哪家模型跑贏了，開發者調用、下載、測試模型，大概率還是得經過Hugging Face。據Hugging Face今年8月發佈的《開放模型現狀：2026年夏季觀察》，平臺上的公開模型倉庫數量已從年初的243萬個增長至296萬個，數據集從71.1萬個增至100萬個，Spaces輕量應用從100萬個增至144萬個。被AI“黑”了一把後，130億美元的出售傳聞來了一個月前，Hugging Face經歷了一場震驚全網的AI安全事件。OpenAI的兩個AI模型在一次網絡攻防能力測試中“越獄”了。

據《財富》雜誌報道，其中一款甚至還是尚未公開發布的模型。原本它們應該被限制在隔離的測試沙箱中，但最終卻逃出了這塊封閉環境，並利用外洩的賬號憑證和零日漏洞，一路黑進了Hugging Face服務器。它們的目標，是從數據庫裡翻出ExploitGym網絡安全評測基準的標準答案。AI為了考試考高分，自己跑出去把答案偷了。據路透社報道，Hugging Face最初嘗試調用美國幾家閉源前沿模型協助處理攻擊，但對方模型自身的安全機制反而拒絕了這一救急請求。最後，真正幫助控制住攻擊的，是中國智譜旗下的開源權重模型GLM-5.2。這一事件被稱為全球首個有公開記錄的“AI自主實施多階段入侵”案例。

風波剛剛過去，Hugging Face尋求出售的消息就傳出來了。據Business Insider，它目前正在與一家銀行合作，評估潛在買家的興趣，估值在130億美元甚至更高。為什麼現在要賣了？第一點就是人工智能產業重新為“平臺層”定價了。之前支付巨頭Stripe已經同意以大約80億美金的價格來購買AI模型聚合平臺OpenRouter。這說明，當所有公司都在爭奪“最強模型”時，連接模型、數據和開發者的入口，同樣價值連城。第二，130億美元買下的還是一種已經形成的開發者習慣。當一個平臺成為上傳、下載模型的“默認入口”，它的價值就不再只是服務器上的代碼，而是一種長期形成的網絡效應。

最後，Hugging Face也面臨著實際的壓力。在2023年的D輪融資之後，公司就沒有再做大額融資了。2025年，Hugging Face還裁掉了約4%的員工。與此同時，平臺規模持續擴大，模型、數據集以及應用場景越來越多，服務器、帶寬與存儲的成本也越來越高。對於一家以免費開放為核心理念的平臺來說，這些成本最終都需要有人買單。安全方面的問題也同樣無法迴避。今年早些時候，平臺曾被黑客利用，將惡意安卓安裝包偽裝成AI工具上傳；7月，又發生了這場AI自主攻擊。一邊是不斷擴大的規模，一邊是越來越高的運營和安全成本。在這樣的情況下，Hugging Face尋求出售，也就不足為奇了。

從模型到機器人，它是“路網”讓Hugging Face的價值達到130億美元的，不只是這個網站本身，而是過去十年裡它圍繞模型、算力、數據和開發者織起來的那張網絡。先看海外。作為全球最大的模型託管平臺之一，很多主流AI公司和研究機構都在這裡發佈開源模型：Meta的Llama、微軟的Phi、谷歌的Gemma、Mistral AI旗下模型等。除了託管模型，Hugging Face還搭建了一套“推理提供商”網絡。開發者可以通過統一接口來調用不同廠商的算力運行模型，不必自己一家家對接。再看中國。

據Hugging Face官方數據，中國自研開源模型在該平臺上的下載佔比已達41%，超越美國成為了規模第一的供給方。全球開發者基於通義千問Qwen開發的衍生模型已超過15萬個，是Meta全部模型倉庫規模的2.6倍——很多人做自己的模型時，第一步是從Qwen開始改的。DeepSeek的R1、V3、智譜AI的GLM系列、月之暗面的Kimi K2等模型都在Hugging Face上獲得了極高的熱度。此外，百度、字節跳動、MiniMax、階躍星辰、百川智能、崑崙萬維、商湯等都曾在此平臺上發佈或開放模型。模型之外，Hugging Face一直在往機器人方向發展。

2025年10月，它與中國具身智能公司原力靈機聯合發起RoboChallenge——一個面向機器人模型的大規模真機評測平臺。所謂真機評測，並不是在模擬環境中進行評分，而是直接讓模型操控真實機械臂完成插花、製作三明治等任務，看它到底能不能在實際生活中發揮作用。根據其發佈的年度報告，平臺上已經部署了UR5、Franka、ARX5、ALOHA等20臺真機測試集群，總共執行了超4萬次真機測試，並開源了包含30個標準任務的Table30數據集。

2025年底，雙方進一步聯合智源研究院、智元機器人、Qwen、星海圖、自變量、清華大學、西安交通大學及 GOSIM 等機構，正式成立 RoboChallenge 組委會，推動真機測評走向標準化。Hugging Face正在從一個模型社區，嵌入機器人研發的整個鏈條。這恰好撞上了中國最火的一波機器人浪潮。8月22日，第二屆世界人形機器人運動會在北京國家速滑館“冰絲帶”開幕。本屆賽事共有來自16個國家的666支隊伍、2056臺機器人參賽，隊伍數量較首屆增長138%。真正的看點是機器人已全面刷新人類的田徑紀錄——短跑、中長跑到跳高，多個項目成績優於人類世界紀錄保持者。

作為去年首屆人形機器人運動會的觀眾，筆者的感受是：進步是肉眼可見的。去年的開幕式，機器人主要還是在臺上走秀和才藝展示；今年開幕式上，已經能看到機器人和真人對打網球、乒乓球——雖然離真正的競技水平還有差距，但至少已經能完成一來一回的人機互動。更值得關注的是，大賽規則正在把機器人從“表演”推向“幹活”。本屆場景類賽事從6項增加到21項，機器人被放進家庭、酒店、工業、應急救援等九大真實場景完成任務；百米跑的完賽時限從3分鐘壓縮至1分鐘；多項賽事開始取消人工遙控，全面轉向由AI自主決策與全自主運行。不過，問題依舊存在。

就在上週舉行的2026世界機器人大會（WRC）上，宇樹科技創始人王興興直言，當前機器人雖然已經能夠完成一些簡單任務，但效率仍低於人工，更大的問題在於泛化能力不足——在固定場景中經過大量訓練，成功率可以接近100%，但只要換一個物品或稍微改變環境，成功率就可能明顯下降，新任務往往還需要重新訓練。這也是當前具身智能面臨的核心瓶頸。而要把機器人從“能表演”推向“能幹活”，靠的恰恰是海量數據，以及不斷重複的訓練和評測。

據Humanoids Daily報道，智庫MERICS估算，一臺工業人形機器人的成本仍在30萬至50萬元；國泰證券測算，機器人算上維護成本要降到約16萬元，才可能替代一名年薪8萬元的工人，並在兩年內回本。工業機器人分析師Georg Stieler估計，今年生產的人形機器人中，可能有高達七成進了“數據工廠”——主要任務不是幹活，而是通過遙操作和重複動作採集數據，再用這些數據訓練模型。機器人不在幹活，而是在生產數據。而數據要變成能力，就需要一個地方彙總、共享、訓練和評測。這恰好是Hugging Face卡住的位置。

結語Hugging Face創始人Clément Delangue曾和聯合創始人開過一個玩笑：希望有一天，Hugging Face能成為第一家帶著emoji?，而不是三個字母股票代碼登陸納斯達克的公司。十年過去，鍾還沒敲，等來的卻是一紙出售傳聞。回過頭來看，2016年三個法國人做的聊天App沒有成功，卻無心插柳柳成蔭，養出了大半個AI圈都離不開的地基。而現在，它又正好站在最熱門賽道的交匯處：一邊，模型公司們你追我趕；另一邊，機器人從跑、跳、表演，開始落地到真實場景。模型會換，芯片會迭代，今天最火的公司也可能很快被下一個名字取代。但模型需要發佈，數據需要共享，機器人需要訓練和評測。

買下Hugging Face，得到的或許不只是一個平臺，而是全球AI世界裡一張越來越重要的“路網”。