估值45亿美元，年收入3000万：Hugging Face凭什么被谷歌亚马逊抢着投

2023年8月底，Hugging Face 官宣 D 轮：融资 2.35 亿美元，估值 45 亿。这笔钱占它历史总融资额的一半还多，此前累计融资不到 4 亿美元。投资人名单拉出来，谷歌、亚马逊、英伟达、英特尔、AMD、高通、IBM、Salesforce，还有 Sound Ventures，基本把算力圈的头部玩家凑齐了。

再看另一组数。这家公司年收入大约 3000 万美元，估值是收入的 150 倍上下，保守说也在 100 倍往上。距离上一轮才一年，估值翻倍。

主持人 Nathan Labenz 比公众早一个月闻到味道。他是创业者兼 AI 投资人，7 月上半月起，各家专家网络突然密集约他聊 Hugging Face，不同机构问的是同一批问题。他当时就判断有大动作。这期节目，等于把他对投资人讲的内容公开讲了一遍。

联合主持 Eric Torenberg 补了个坐标系。市面上高估值的 AI 公司不少：Runway 估值十亿美元以上，押的是模型；MosaicML 被收购，价格超过十亿美元，卖的是训练脚手架。Hugging Face 单论产品功能、单论收入，哪样都不拔尖，它特别的地方只有一个，站在整个生态的正中央。

从聊天机器人到 AI 界的 GitHub

Hugging Face 2016 年成立，最初做聊天机器人，路线更接近后来的 Replika，跟今天这个模型仓库八竿子打不着。转型后先做了开源库 Transformers，跑模型的标配代码；又在库上搭了 Model Hub，谁训了新模型就传上去，别人一键下载。库加仓库，成了社区的地基。

产品线一层层长出来。Diffusers 管图像生成，数据集有专区，arXiv 论文做了镜像，论文页直接挂模型权重。早年学界发论文附代码，图的是「可复现」，证明实验是真的，没打算让外人真用。现在社区规矩变成了「没放权重就等于没做」，还得配一个能跑的 demo。为此他们收购了做 demo 的 Gradio，模型套个壳就能跑，Pro 账号每月 9 美元，换更大的服务器。

Nathan 是 2022 年初变成重度用户的。当时他在自己的公司 Waymark，一个人顶一个 AI 研发部，到处找最好的图像描述模型。找着找着发现，最酷的 demo 总是先出现在 Hugging Face 上，这个规律持续了 18 个月还没变。后来他干脆买了 Expert Acceleration Program，每月能问专家团队固定数量的问题，相当于外挂了一个参谋部。他的评价：团队确实强，背景五花八门，「这个微调能不能做」「现在的最优解是什么」都接得住，虽然答案经常是「看你的场景」。

流量是真的大。他写稿时随手翻了翻，一个 Code Llama 34B 的微调版本，够小众了吧，一周下载 3.5 万次。平台上模型总数以万计，真正跑着大量推理的可能就几百个。

Nathan 反复给平台提一条意见：缺策展。他建议把任务页做成大门。平台现有约 20 个任务类目，图像描述、语音转文字、文生语音，每个类目配榜单，哪怕不跑分，靠点赞、下载量和社区评论也能排出前五名。用户进来先看五个最酷的 demo，挨个试，行就上手。这个体验他很喜欢。

这个变化有多夸张？Nathan 给过一组对比。几年前拿到一篇新论文，想验证能不能用在自己的场景，得读论文、找代码、配环境，运气不好还要重训一遍，折腾一周，最后可能发现学术数据漂亮，真实输入一上就拉胯。现在同样的验证，两小时搞定：任务页点开，试 demo，跑个小脚本，不行换下一个。开源社区用 18 个月，把「复现」升级成了「即取即用」。

社区守不住人，除非有东西沉淀

聊到护城河，Eric 先讲了个老故事。Digg，Reddit 崛起前最热闹的社区之一，一次改版惹毛用户，几乎一夜之间集体搬去 Reddit，Digg 直接凉透。用户在站内什么都没沉淀，换个用户名就能走，社区产品的死穴在这。

他还拿夜店打比方。一家店火了，人越聚越多，氛围就没了，Clubhouse 就这么凉的。社区越大往往越不特别，规模本身会产生负的网络效应。

对照组是 LinkedIn。用户骂了十五年，天天喊讨厌，身体却很诚实。人脉连接、职业履历、推荐信，全沉淀在站内，离开的社交成本和协调成本高到没人付得起，十五年没人颠覆成功。GitHub 同理，代码、提交记录、关注关系都在上面，等于工程师圈子的垂直 LinkedIn。

Product Hunt 和 Hacker News 就差这一步。热门榜每天重新挣一遍，今天的内容明天归零，没有复利。Eric 在 Product Hunt 待过，他的判断很直接：这类站做不成风险投资级别的大生意，站内没沉淀身份和数据，每天都是重新开始的老鼠赛跑。破局的路子是学 G2，把「今天什么火」变成历史评价库，评论积累，价值复利。G2、Yelp、Glassdoor 这类站，用户带着花钱的决策来，评论会沉淀，不用每天清零。Nathan 顺嘴补了一句：Yelp 现在的市值，搞不好比 Hugging Face 的估值还低。评论生意能上市，做到巨大，很难。

问题来了：Hugging Face 能沉淀什么？模型权重是开放的，整包可下载；demo 代码也是开源的。用户确实天天来，但站内没有非留不可的东西。它像一个热闹的广场，广场上摆的货，人人可以搬走。

变现押注算力，锁定几乎为零

Hugging Face 目前的主变现思路是推理服务，产品叫 inference endpoints。逻辑听着顺：你在我这发现模型，点几下，我把模型部署成 API，你直接调用，我赚一层差价。45 亿美元估值的故事，主要押在这。

Nathan 参加过内测。先声明，他是付费用户，但和公司没有任何财务关系，判断可以放心听。他的说法是，愿景我喜欢，产品还不行。拿 OpenAI 的 3.5 微调对比：那边微调完立刻能用，随叫随到，流量暴涨自动扩容，用完即走，定价结构全按你的方便来。Hugging Face 这边的端点得一直开着，自动扩容比较糙，成熟度差着一截。平台上几万个模型，工作负载千奇百怪，想把端点全部优化好，本身就是硬骨头。

用户随时可以走。权重摆在那，开源协议允许你把它直接搬去亚马逊、谷歌云或者微软 Azure。demo 代码也开源，搬走毫无障碍。Nathan 自己的用法是，原型阶段花 9 美元买 Pro 账号图方便；业务一上量、要控成本，立马比价走人，心里毫无负担。

社区带来的好感，转化不成推理产品的锁定，它更像一个获客入口。客户进门之后，还是按产品力和价格重新投票。

短期倒不用替它慌。推理需求涨得太快，雨露均沾，所有玩家都有增长。再看投资人名单，谷歌、亚马逊、英伟达都在桌上，云资源不愁，差价也有的赚。问题是这门生意的护城河，得靠产品本身硬，社区帮不上太多。

开源信仰，反过来挡了财路

节目后半段，话题落在开源立场和商业化的矛盾上。Hugging Face 把公司身份整个押在开源上，进美国参议院替开源社区发声，都成了公司叙事的一部分。社区氛围带点意识形态色彩：开放获取天然是善的。

Nathan 指了个具体例子。Open LLM Leaderboard，平台自己的大模型排行榜，上面没有 GPT-4，没有 GPT-3.5，Anthropic 的模型也缺席。榜单号称告诉你最好的模型，结果最好的那批商用模型全都不在。开源模型打不打得过商用模型，聪明的用户心里有数，装看不见没用。

他站在应用开发者角度说得很直白：我要完整菜单，每个模型性能如何、多少钱、限流什么样，最好一张表看全。开源和闭源我都考虑，商用模型还省心，脏活累活人家包了。假装那部分市场不存在，等于主动砍掉自己的策展价值。真要变现，帮用户同时发现开源和商用模型，从商用那边收钱，反而更合理。广告模式倒是不用想了，G2 能收广告费，因为厂商卖的是专有软件，投广告有回报；一个全开源的模型，没什么可广告的。

立场还堵住了别的路。分成模式？社区习惯了平台上一切开放免费，Hugging Face 哪天想训个闭源模型自己卖，大概率被自己的社区反噬。社区内部也不是没有反对声音，所谓 AI 安全鹰派的观点是，眼下这代模型开源问题不大，真正的隐患是「先放出去、再搞清楚它干什么」这个模式，模型越训越大，意外后果只会越多。Hugging Face 的话语体系里，这类声音基本没有位置。你的铁杆用户是冲着意识形态来的，你想做的任何商业化动作，都得先过他们这关。

Eric 补了一刀：GitHub 就在旁边看着。模型代码全开放，法律上抓取这些内容大概率合规，LinkedIn 有过类似判例。GitHub 哪天做个镜像，配上 demo 功能，再加一张含商用模型的完整菜单，Hugging Face 会很难受。开源立场赢得了社区，也关掉了一部分变现的门，还把模仿的门槛降到了零。

对照组 Replit：没包袱的跑得快

节目拿 Replit 做了对照。Nathan 给它的评语是「世界级执行」：写完代码点一下发布，应用直接上线，自动扩容。Replit CEO 最近连发演示，个人网站托管在 Replit 上，25 万个请求同时砸过去，稳得很，评论区齐刷刷的「哥们这也太帅了」。Nathan 把它和 Cursor、Copilot 并列，称它已经站在「最好的创作方式」的第一梯队。已有的大型工程不会搬过去，但每天新长出来的小应用，会先在这出生，长尾就是增量。

Replit 还在做 AI 开发者，让 AI 直接当结对程序员；配上悬赏系统，用户付钱给用户，用户付钱给 AI，甚至 AI 委托 AI，平台内经济就这么长出来。Nathan 说这套东西逻辑自洽，全指向一个目标：让你用最简单的方式把东西做出来、跑起来。真正的考验在上量之后，小应用涨到百万用户，成本结构还撑不撑得住，撑得住天花板就高，撑不住就封顶。

Hugging Face 这边，Nathan 点了 BLOOM 这个案例。开源社区协作训练的 1760 亿参数大模型，规模对标 GPT-3，目的是证明开源社区也干得成这事。确实干成了，上百人协同、共识决策，过程本身了不起。但模型性能不如 GPT-3，团队也没迭代打磨，如今基本成了历史注脚，没什么人用。

对比 Replit 自研代码模型：拿自家平台的使用数据去微调，产品和模型咬合在一起，性能自然出来。一个团队背着信仰做事，一个团队盯着目标做事，节奏差距在这。

终局猜想，和明天能用的三件事

那 45 亿美元的估值，故事怎么讲得通？Nathan 给的答案很直白：卖身。

微软 2018 年花 75 亿美元买 GitHub，图啥？图几千万开发者的入口位置，订阅收入反倒其次。微软当时市值两万亿，买的是「开发者逃不出我的引力场」。谷歌和亚马逊没有 GitHub，又处处要跟微软掰手腕，花大价钱买下 AI 开发者的社区层，顺理成章。Nathan 的原话大意是：买家甚至不在乎你有多少人交 9 美元月费，也不在乎推理产品是不是顶级，人家要的是超级技术栈上的社区层。他甚至给了个数：如果两三年后 Hugging Face 以 200 亿美元卖掉，收入大概率还是远远追不上估值，买家买的还是位置。

「机器学习是下一代的编程。这件事规模巨大，做它的人太重要了，拿下这个平台，就成了某家的战略优先级。」

他还做了个横向对比。Runway、Character 这类靠模型前沿站住的公司，位置其实更悬。Stable Diffusion 开源才一年，图像生成已经迭代了十来代，领跑者换了好几轮。用户全是 Adobe 的老客户，信用卡都在人家系统里，谁家模型严格更好，切换成本约等于零。Nathan 说，纯看财务回报，他反而更愿意押 Hugging Face，社区和发现是真实的价值，模型公司的领先是租来的。AI 价值链上哪里能沉淀出大钱，目前没人真看清楚，掌握基础设施的巨头大概率拿走大头。

Eric 收尾时总结：Hugging Face 手里的牌不差，社区、发现、策展都是真价值，相对估值也不算离谱，只是这手牌要打出大赢，战略上非常难。Nathan 接了句：走着瞧，答案几年内会见分晓。

最后是三件明天就能用上的事。

• 开发者把 Hugging Face 的任务页当第一入口。过去调研一个新模型要一周，读论文、配环境、复现实验，现在两小时能跑通五六个 demo，直接判断能不能用在你的场景里。
• 原型放在 Hugging Face 上做没问题，推理上量后单独比价。社区好感不当饭吃，OpenAI 和各大云厂商的报价单都摆着，按性能和价格重新投一次票。
• 做社区产品的创业者，动手前先答三个问题：用户在站内沉淀了什么？他离开要付多大代价？今天的价值明天能不能复利？有一个答不上来，护城河就是纸糊的。