تصور کنید تمام مدلهای هوش مصنوعی جهان در یک کتابخانه بزرگ جمع شده باشند و حالا صاحب این کتابخانه، همان کسی باشد که کاغذ و قلم را میسازد. طبق گزارش The Information در ۲۷ اوت ۲۰۲۶، انویدیا با پیشنهادی ۱۲.۹ میلیارد دلاری، در حال تصاحب Hugging Face است.
این معامله در حالی رخ میدهد که صنعت در دو جبهه تقسیم شده است: آزمایشگاههای بسته و جامعهٔ مدلهای وزنهای باز (Open Weights) — یعنی مدلهایی که دستور پخت آنها علناً منتشر شده و هر کسی میتواند آنها را اجرا کند. Hugging Face در واقع «گیتهابِ عصر هوش مصنوعی» است؛ جایی که توسعهدهندگان مدلهای خود را به اشتراک میگذارند. همانطور که در پوشش پیشین ما دربارهی امنیت مدلهای بازمتن دیدیم، این پلتفرم پیش از این با چالشهای امنیتی جدی و حملات عاملهای OpenAI مواجه شده بود.
به نقل از این گزارش، جزئیات مالی این قرارداد بسیار تهاجمی است:
- قیمت خرید: ۱۲.۹ میلیارد دلار
- ضریب درآمد: تقریباً ۸۰ برابر درآمد سالانه
- درآمد فعلی: حدود ۱۵۰ میلیون دلار در سال (به گفتهی کلم دلانگ، مدیرعامل پلتفرم)
انویدیا با این خرید میخواهد «خندق» دفاعی خود را عمیقتر کند. طبق گزارشهای صنعتی، ارائهدهندگان مدلهای بسته برای فرار از وابستگی مطلق به یک فروشنده، در حال خروج از اکوسیستم سختافزاری انویدیا هستند. این تحولات در حالی صورت میگیرد که تغییرات در استراتژیهای سرمایهگذاری انویدیا و رشد رقبایی چون آنتروپیک پیش از این نشان داده بود که غول سختافزاری جهان با چالشهای جدیدی در حفظ سلطه خود روبروست. برای مثال، OpenAI با Broadcom برای ساخت تراشههای اختصاصی همکاری میکند و قراردادی میلیارد دلاری با Cerebras بسته است. همچنین Anthropic و Google روی سختافزارهای اختصاصی خود سرمایهگذاری کردهاند.
انویدیا با جذب Hugging Face میتواند کسبوکار ابری این پلتفرم را به مرکزی متمرکز برای مدلهای باز تبدیل کند. این استراتژی باعث میشود توسعهدهندگان جهان برای ساخت مدلهای خود، همچنان به ابزارها و تراشههای انویدیا متکی بمانند.
گام بعدی شما
- تاییدیه رسمی انویدیا را در هفته جاری دنبال کنید تا ابعاد نهایی ادغام سختافزار و توزیع مدل مشخص شود.
- بررسی کنید که آیا این تصاحب باعث تغییر در دسترسی به مدلهای رایگان در Hugging Face میشود یا خیر.
- نظارت بر واکنش نهادهای ضد انحصار در آمریکا به دلیل تمرکز قدرت در دست انویدیا.
اما اثر این ادغام بر قیمت تراشههای نسل بعد حتی پیچیدهتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو