Nvidia 於 9 月 3 日正式落實以 129.3 億美元（約港幣 1,008.5 億元）收購開源人工智能平台 Hugging Face，將服務 1,800 萬名開發者、存放 300 萬個模型、50 萬個數據集與 100 萬個應用的分發樞紐納入自家版圖，作價相當於對方約 1.5 億美元（約港幣 11.7 億元）年度化收入的 86 倍，行政總裁黃仁勳當日公開承諾平台維持開放，開發者可以自由選擇模型、框架、雲端服務與運算平台，建立或部署均毋須使用 Nvidia 的運算資源。
這宗交易仍需通過美國與歐洲的合併審查，而買方本身掌握人工智能加速器市場的壓倒性市佔率，企業技術主管真正要處理的問題，是自家模型供應鏈會否從此依附於單一硬件廠商的商業判斷。
129 億美元買下的是模型分發的入口
Clem Delangue 等人於 2016 年創立 Hugging Face，累計融資超過 3.95 億美元（約港幣 30.81 億元），最後一輪於 2023 年由 Salesforce Ventures 領投，Google、Amazon、IBM 與 Nvidia 同時入股，今日買家正是當年的投資者之一，平台上有超過 20 萬間企業使用，Nvidia 本身也是最大的開源模型與數據集貢獻者，累計發布逾 500 個模型與 250 個開放數據集。
Hugging Face 於 12 個月前曾拒絕 Nvidia 一份 5 億美元（約港幣 39 億元）的收購建議，作價在 1 年之間飆升逾 25 倍，反映買方看重的並非現有收入，而是平台在開發者選型流程中的位置。交易完成後，Hugging Face 將保留獨立品牌與管理團隊，Clem Delangue 及其他創辦人會繼續參與營運。
分發槓桿不容忽視
以 1.5 億美元年度化收入計算，129.3 億美元的作價代表約 86 倍市銷率，價格反映買方看重人工智能供應鏈中最上游的開發者選型環節，開發者在 Hugging Face 挑選模型的時間，往往比實際的 GPU 訂單早幾個月，Nvidia 因此可以在需求成形之前，掌握哪些模型架構與工作負載正在冒起。
平台的 Inference Endpoints 與 Inference Providers 業務，亦為 Nvidia 提供一個摩擦較低的運算資源出口，在 DGX Cloud 因與雲端夥伴關係緊張而收縮後，這條經常性且毛利較高的軟件收入，可以平衡硬件銷售本身的週期波動。
往後產品決定值得留意
黃仁勳的開放宣示回應了社群最直接的憂慮，可是平台能否保持中立，最終落在一連串細碎的產品決定上面，例如搜尋排序將哪些模型放在前列、新的推理後端先支援哪一種加速器、Optimum AMD 與 Optimum Intel 這類讓非 Nvidia 硬件可用的程式庫還有多少工程資源，Nvidia 亦會比 AMD、Intel 更早看到市場的採用趨勢，這種資訊優勢直接影響硬件路線圖的編排。
市場常用 Microsoft 收購 GitHub 作為對照，但 Microsoft 當年維持中立，部分原因是要在雲端市場與 AWS、Google Cloud 競爭，而 Nvidia 在加速器市場並沒有同等壓力，Google 與 Amazon 等舊股東亦有動機將開發者引向別處。
監管審查將這宗交易與過往幾筆準收購安排明確分開
Nvidia 在過去 1 年以技術授權加人才轉移的方式，先後與 Groq 達成約 200 億美元（約港幣 1,560 億元）的安排、與 poolside 達成約 70 億美元（約港幣 546 億元）的安排，再加上 Enfabrica 約 9 億美元（約港幣 70.2 億元）的交易，3 者合共接近 270 億美元（約港幣 2,106 億元）卻避開了正式合併審查，今次收購的金額與結構，令《哈特-斯科特-羅迪諾法》（Hart-Scott-Rodino Act）的事先申報成為強制要求，Nvidia 必須向聯邦貿易委員會與司法部提交文件並等候審查期，歐盟會展開第一階段審查並在有需要時延長至第二階段，英國方面同樣有機會介入。
參議員 Elizabeth Warren 與 Richard Blumenthal 早前已經就 Groq 一案質疑交易結構是否為了規避審查，聯邦貿易委員會主席 Andrew Ferguson 亦在今年 1 月表明會審視這類人才收購安排，整個程序有機會拖到 2027 年才有結論。
企業應考慮模型供應鏈多樣化
企業實際受影響的程度短期內未必明顯，Futurum 的調查顯示以模型平台採購的企業比例維持在 27% 至 29%，直接與開發者建立關係的比例則由 37% 升至 47%，真正的風險在於依賴的深度，Transformers 程式庫的 from_pretrained() 呼叫嵌入在數以十萬計的生產流程之中，審視一套生產管線的依賴關係通常要花數星期，大規模遷移更加以月計。
務實的做法是先盤點哪些模型屬於業務關鍵、哪些可以自行託管，再把關鍵模型鏡像存放到第二個位置，並在採購合約加入平台分散條款，要求供應商將模型同時放在單一廠商以外的地方。以中文市場為例，阿里巴巴的魔搭社區已經提供另一條取得開源模型的途徑，多一個來源就多一分議價能力。
開源生態的重心正由中立平台移向硬件廠商
這宗收購將人工智能供應鏈的整合推進至分發層，Nvidia 上一財季收入達 962 億美元（約港幣 7,503.6 億元），其中數據中心業務佔 890 億美元（約港幣 6,942 億元），手上現金與等價物達 224 億美元（約港幣 1,747.2 億元），以這個規模衡量，129.3 億美元更接近一筆生態保險費，用以確保開源模型的重心繼續建立在自家硬件之上。
當 OpenAI 與 Anthropic 相繼投資自研晶片，一個活躍且多元的開源社群，正好分散 Nvidia 對單一前沿實驗室的依賴。往後值得留意的訊號，是 Nvidia 會否為了通過審查而作出更具約束力的多硬件支援承諾，例如獨立董事席位或平台章程，而 AMD、Intel 與雲端服務商亦會加速扶植另一個中立的模型分發點。企業在未來 12 個月要做的，是將模型來源當成供應鏈風險管理，而不是當成一個技術選型的預設值。
來源：Nvidia
