Hugging Face：从聊天机器人到AI时代的开源基础设施

如果你关注人工智能，可能经常会看到一个名字：Hugging Face。

很多人第一次接触它，是因为想下载一个开源大模型；也有人是在寻找数据集、体验 AI Demo，或者部署模型时发现了它。简单来说，Hugging Face 很像“AI 时代的 GitHub”：GitHub 主要用来存放和分享程序代码，而 Hugging Face 更像是一个面向 AI 模型、数据集和应用的开放平台。

不过，今天的 Hugging Face 已经不只是一个“模型下载网站”。它正在逐渐变成连接 AI 模型、开发者、企业、Agent 和机器人 的重要基础设施平台。

近期，Hugging Face 也再次受到资本市场关注。2026 年 8 月，有报道称公司正在评估潜在收购兴趣，相关交易估值可能达到 130 亿美元以上。虽然目前并没有正式交易完成，但相比 2023 年融资时约 45 亿美元的估值，这一数字已经说明市场正在重新评估 Hugging Face 的平台价值。

一、从聊天机器人到“AI模型社区”

Hugging Face 成立于 2016 年，创始团队主要包括 Clément Delangue、Julien Chaumond 和 Thomas Wolf。

▲朱利安·肖蒙（左）、托马斯·沃尔夫（中）和克莱门特·德朗格（右）

有意思的是，它最开始并不是做今天这样的 AI 平台，而是一款面向年轻用户的聊天机器人。后来团队逐渐发现，真正有长期价值的并不是聊天应用本身，而是背后的自然语言处理技术、模型工具和开发框架。

于是，Hugging Face 开始转型，并推出了后来非常有名的开源工具 Transformers。

Transformer 是今天很多大语言模型背后的重要技术架构。早期不同公司和研究机构发布的模型，使用方式并不统一，开发者往往需要为不同模型重新适配。Transformers 的价值，就在于尽可能用统一的方式调用不同模型，大大降低了开发门槛。

随着 Transformers 越来越受欢迎，Hugging Face 又进一步推出了 Hugging Face Hub。

你可以把它理解成一个“AI 模型版 GitHub”。开发者可以在上面上传、下载、分享和测试模型，也可以发布数据集、模型说明和应用 Demo。

慢慢地，一个典型的平台效应形成了：模型越多，开发者越多；开发者越多，又会产生更多模型和应用。

这也成为 Hugging Face 最重要的竞争优势之一。

二、ChatGPT爆火后，Hugging Face反而更重要了

2022 年底 ChatGPT 发布之后，全球迅速进入生成式 AI 热潮。

随后，Meta 的 Llama、Google 的 Gemma、阿里巴巴的 Qwen、Mistral、DeepSeek，以及大量高校和创业公司的模型陆续出现。

模型越多，就越需要一个统一的平台去发布、分享、比较、下载和测试。Hugging Face 正好处于这个位置。

它最特别的一点是：不需要押注哪一个模型最终获胜。

今天 Llama 流行，可以放到 Hugging Face；明天 Qwen 更受欢迎，同样可以进入 Hugging Face；未来再出现新的开源模型，也依然可以通过这个平台传播。

这和 GitHub 的逻辑很像。GitHub 不需要预测哪一种编程语言最终胜出，只要软件开发持续增长，它就有价值。Hugging Face 押注的，同样不是某一个模型，而是整个开放 AI 生态。

2023 年，Hugging Face 完成了 2.35 亿美元融资，估值达到 45 亿美元。参与投资的公司包括 Google、Amazon、NVIDIA、AMD、Intel、Qualcomm、Salesforce 和 IBM 等。

这些企业很多彼此之间本身就是竞争关系，却愿意共同投资 Hugging Face，一个重要原因就是 Hugging Face 的“中立性”。它不绑定某一家云平台，也不只服务某一种芯片或某一家模型公司。

这种开放和中立的位置，使它成为 AI 产业链中非常特殊的一环。

三、现在的Hugging Face到底能做什么？

今天的 Hugging Face，已经形成了比较完整的 AI 开发生态。

最基础的能力仍然是找模型。如果想做聊天机器人、图片识别、语音识别、翻译、AI 绘图等应用，开发者通常可以先在 Hugging Face 上寻找现成模型，而不是从零训练。

其次是找数据。AI 训练离不开数据，Hugging Face 上已经积累了大量文本、图片、语音、视频和机器人操作数据集。

此外还有 Spaces，开发者可以把 AI 应用直接做成网页 Demo。比如上传图片自动识别、输入文字生成图片、上传 PDF 自动总结，都可以直接在线体验。

Hugging Face 也在不断加强模型推理和部署服务。以前开发者通常需要自己准备 GPU、服务器和部署环境，现在则可以直接使用平台提供的托管和推理能力。

所以，Hugging Face 的角色正在从“帮你找到模型”，逐渐升级成：

帮你找到模型、管理模型，并且把模型真正运行起来。

这也是它商业化的重要基础。

普通开发者可以免费使用大量基础功能，而企业则可以为私有模型、权限管理、安全控制、团队协作、模型部署、计算资源和技术支持等高级能力付费。

本质上，这是一个很典型的平台商业模式：用开源生态吸引开发者，再通过企业服务和计算能力实现收入。

四、Agent和机器人，正在成为新的增长方向

进入 2026 年之后，Hugging Face 一个很明显的新变化是：它的用户可能不再只是“人”。

随着 AI Agent 快速发展，越来越多 AI Agent 开始主动搜索模型、下载资源、运行任务和调用接口。Hugging Face 甚至提出了一个很有代表性的说法：

“Agents are the new user.”

也就是说，未来访问 Hugging Face 的，不只是程序员，还可能包括大量自动工作的 AI Agent。

比如一个编程 Agent 接到“开发图片识别工具”的任务后，可以自己去寻找模型、测试模型、写代码、运行程序，甚至完成部署。整个过程中，人类可能根本不需要打开 Hugging Face 页面。

如果这种趋势持续发展，Hugging Face 有机会从“开发者平台”进一步变成“AI Agent 的基础设施”。

另一个更值得关注的方向，是机器人。

Hugging Face 推出了开源机器人项目 LeRobot，希望降低机器人 AI 的开发难度。它的思路和当年的 Transformers 很相似：把原本非常分散的机器人模型、数据、训练方式和控制策略尽量标准化。

2025 年，Hugging Face 还收购了法国机器人公司 Pollen Robotics，进一步进入机器人领域。

这并不意味着 Hugging Face 想成为传统机器人制造商。它更可能希望建立一个开放的机器人 AI 生态：不同厂商负责生产硬件，而模型、数据、控制策略和训练工具则可以通过 Hugging Face 来共享和管理。

如果这条路线成功，Hugging Face 未来可能从互联网 AI 进一步延伸到现实世界中的“Physical AI”。

五、未来：从“AI版GitHub”走向AI基础设施平台

Hugging Face 真正的护城河，可能并不是某一个具体技术，而是长期积累的开发者习惯和社区网络。

今天很多研究团队已经形成一种习惯：训练完模型上传 Hugging Face，发布论文时附上 Hugging Face 地址，做完数据集也上传 Hugging Face，开发 Demo 时则直接创建一个 Space。

当越来越多人都在这里发布和寻找 AI 资源以后，平台真正的价值就不再只是某一项功能，而是：

整个生态都已经聚集在这里。

当然，Hugging Face 也面临挑战。最现实的问题仍然是，如何把庞大的开源影响力转化成稳定收入。与此同时，Google、Microsoft、Amazon 等云厂商也都拥有自己的 AI 平台，它们具备更强的云资源、GPU、企业客户和销售网络。

因此，Hugging Face 必须持续证明，一个开放、中立的平台，能够比单一厂商的封闭生态更有吸引力。

从目前的发展方向看，Hugging Face 正在连接模型、数据、应用、推理、Agent 和机器人。未来，它可能不再只是“AI 版 GitHub”，而更像一个完整的 AI 开发基础设施平台。

回头看它的发展路径也非常清晰：从聊天机器人起步，转向开源工具，再建立模型社区，随后扩展到数据、应用、部署、企业服务，如今又继续进入 Agent 和机器人。

它没有选择和 OpenAI、Google、Anthropic 一样，去争夺“谁拥有最强模型”这个位置，而是选择了另外一条路：

不一定制造最强的模型，而是让全球的模型都能在这里被找到、被使用、被连接。

未来几年，AI 行业最重要的问题或许不只是“谁能训练出最强的大模型”，还包括：

这么多模型、Agent 和机器人，最终会通过谁连接起来？

Hugging Face 想争夺的，正是这个位置。