輝達129億美元收購Hugging Face!黃仁勳為何押注開放模型?3個理由看懂交易
輝達129億美元收購Hugging Face!黃仁勳為何押注開放模型?3個理由看懂交易

輝達(NVIDIA)9月3日宣布達成最終協議,擬以129.303億美元(約新台幣4,106億元)收購Hugging Face。若交易完成,將成為輝達歷來規模最大的整體公司收購案之一;若計入2025年約200億美元的Groq資產與技術交易,則為歷來第二大交易。交易仍待監管機關批准,預計2027年上半年完成。

這筆交易發生在開放模型快速發展、大型客戶陸續投入自研AI晶片之際。輝達為什麼願意花近130億美元買下Hugging Face?這筆交易又能替它補上什麼?

輝達收購hugginG FACE
圖/ 輝達

Hugging Face是什麼?為何被稱為AI界GitHub?

Hugging Face成立於2016年,是一個開放AI模型平台,開發者可以在上面尋找、下載與部署各家公司和開發者發布的模型,也能取得資料集與相關開發工具。大量開發者會在平台上分享模型、程式碼與資料集,因此Hugging Face也常被稱為「AI界GitHub」。

根據輝達資料,目前Hugging Face聚集超過1,800萬名開發者、研究人員與創作者,平台上已有超過300萬個模型、50萬個資料集及100萬個AI應用,使用平台的企業超過20萬家。

輝達為什麼要買Hugging Face?三個理由

1. 補上模型與開發者入口

輝達目前的優勢主要集中在AI運算基礎設施。開發者訓練或執行模型時,可能使用輝達GPU、CUDA與相關系統,但在挑選模型、取得資料集到開始建立AI應用的階段,Hugging Face才是許多開發者直接使用的平台。

路透社指出,收購Hugging Face可以讓輝達更靠近平台上的開發者,也可能增加潛在的處理器客戶。《衛報》則引述Forrester首席分析師Naveen Chhabra,指出這筆交易能讓輝達更直接了解客戶偏好與模型使用情況,包括哪些模型正在受到關注、哪些資料集被下載,以及哪些模型架構開始增加使用,進一步掌握AI開發趨勢。

2. 押注開放模型,擴大AI運算需求

輝達近來持續提高對開放模型的支持。今年7月24日,黃仁勳在X分享一封支持開放權重AI模型的公開信,首波共有25家企業與機構連署,包括輝達、Microsoft、Meta、IBM及Hugging Face等。輝達本身也持續推出Nemotron等開放權重模型。

開放模型普及和輝達的GPU業務有直接關係。企業與開發者取得模型後,可以自行微調、部署與執行,後續需要相應的GPU與AI基礎設施。輝達在提交給美國證券交易委員會(SEC)的文件中直接指出,開源基礎模型與相關應用的需求,會促進旗下產品在全球的使用。

Hugging Face正好位在開放模型流通的重要環節。模型透過平台發布後,可以被大量企業與開發者下載、修改和部署;使用規模增加,也可能進一步帶動AI運算需求。若交易完成,輝達也將更直接參與開放模型從發布到實際部署的過程。

3. 大客戶開始自研晶片,輝達要擴大客戶來源

另一個背景是,輝達部分大型客戶正在發展自己的AI晶片。路透社在這次交易報導中指出,包括Meta、OpenAI與Microsoft都投入自研AI晶片,希望降低對輝達處理器的依賴。

這些公司目前仍是輝達的重要客戶,但隨著自研晶片增加,擴大企業與開發者客群也變得更加重要。Hugging Face背後超過1,800萬名使用者,提供輝達另一個接觸市場的入口。路透社指出,這筆交易可能增加輝達潛在的處理器客戶,並讓公司接觸更廣泛的AI開發者。

延伸閱讀:黃仁勳反駁比爾蓋茲:AI是史無前例的工作創造者!

輝達AI帝國,再往模型與開發者延伸

輝達過去已逐步把GPU業務往外擴張。CUDA建立軟體生態,Mellanox補上高速網路,DGX與機架級產品則把GPU、CPU、網路等元件整合成完整AI系統。Hugging Face的位置更靠近模型與應用開發端,若交易完成,輝達的布局也會再往開發者使用AI的前端延伸。

#1 黃仁勳GTC
圖/ 侯俊偉攝影

《WIRED》指出,這筆交易反映輝達持續擴大生成式AI軟體布局。開發者可以先在Hugging Face取得模型與資料集,再進行微調與部署;模型和開發工具若與輝達硬體進一步整合,也有助輝達讓更多開發工作留在自己的平台。

《金融時報》也指出,許多開放模型目前仍運行在輝達晶片上,Hugging Face與輝達既有業務具有高度互補性。對其他AI晶片業者而言,未來競爭範圍也可能從GPU效能與CUDA軟體生態,繼續往模型平台和開發工具延伸。

延伸閱讀:2026 AI概念股完整地圖!誰含金量高、誰只沾邊?川湖、大同、日月光⋯5大產業鏈受惠股一次看

至於未來交易若順利完成,Hugging Face能否維持原有的開放與硬體中立性,黃仁勳已承諾會維持開放,開發者仍可自行選擇模型、框架、雲端、推論服務商及運算平台。

其實Hugging Face在2025年曾拒絕輝達5億美元投資,原因之一是避免單一大型投資者對公司產生過大影響。本次交易案公布後,Hugging Face共同創辦人暨執行長德朗格(Clément Delangue)表示,開放AI若要進一步擴大,需要更多運算資源、支援、合作與能見度。

根據SEC文件,輝達與Hugging Face已於9月2日簽署最終收購協議,但交易仍須取得監管機關批准,預計在2027年上半年完成。

延伸閱讀:台灣供應鏈新戰略!鴻海劉揚偉:不能只想Made in Taiwan,要走向Made with Taiwan

關鍵字: #Nvidia
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓