曝英伟达129 亿美元收购Hugging Face！黄仁勋：我只后悔没有更早、更多投资OpenAI、Anthropic

作者 | 褚杏娟

据 Business Insider 报道，英伟达近期一直在与 Hugging Face 洽谈收购事宜。Hugging Face 是一个备受欢迎的、用于分享开源模型以及基于开源模型进行开发的 AI 平台。如果交易最终达成，这可能成为这家芯片巨头迄今规模最大的交易之一。

据知情人士透露，双方最近几周已经就收购展开谈判，这笔交易对 Hugging Face 的估值可能超过 130 亿美元。目前双方尚未达成协议，谈判仍有可能破裂。

不过，The Information 报道称，英伟达已同意以 129 亿美元收购 Hugging Face。截至发稿，双方均未对此做出回应。

而就在该消息曝出前数小时，英伟达发布了最新的季度财报。

在最新的 2027 财年第二季度财报电话会上，黄仁勋判断，客户对英伟达算力的需求明年可能增长约 100%，但受供应限制，公司目前只能有把握实现约 70% 的营收增长。英伟达预计，至少到 2028 财年结束，供应仍将是主要瓶颈。

需求的拐点是，AI 从“人发起一次请求”迅速转向“智能体持续工作”。黄仁勋称，一个 AI 智能体完成任务所需的计算量，可能是人类直接使用 AI 时的 15—100 倍。就在过去一个月，AI 使用已经跨过某个临界点，“现在大多数 AI 工作已经开始变成 Agent 式的”。他甚至预计，未来英伟达约 4 万名员工可能对应 40 万个、甚至 400 万个持续运行的 AI 智能体。

相比“什么时候实现 AGI”，黄仁勋认为更重要的事实已经发生：AI 开始真正承担有生产力的工作，Token 已经可以产生利润，而更多算力能够直接生成更多“可盈利 Token”。“这正是我们现在所处的阶段，也是为什么所有人都在加大投入。”

1 营收翻倍后，首次提前一年给出 70% 增长预期

根据财报，英伟达第二季度总营收达到 960 亿美元，同比超过翻倍，营收增速连续第四个季度加快；数据中心收入环比增长 18% 至 890 亿美元。

其中，超大规模云客户贡献 490 亿美元，环比增长 13%；AI 云、工业与企业（ACIE）业务收入达到 400 亿美元，环比增长 25%、同比增长 138%。英伟达预计，非超大规模云业务未来将占数据中心业务约一半。

客户预测指向约 100% 的需求增长，但英伟达只给出了 70% 的收入增长判断。黄仁勋解释称，需求增长是很多因素共同推动的，但真正的问题是供给。

建设 AI 数据中心已经不再是“买到 GPU”这么简单。土地、电力和机房壳体往往需要提前 2—3 年锁定，还要同步协调施工、制冷、劳动力、存储器、晶圆制造等整个供应链。黄仁勋表示，目前“几乎每一个环节都在满负荷运转”，英伟达已经拥有能够支持约 70% 增长的供应，但实际需求“远高于此”。

这也是英伟达首次愿意提前一年公开增长预期的原因。黄仁勋称，公司希望让客户、股东和供应链看到同一套需求信息，因为所有参与者都需要提前投入巨额资源。“明年会是非常重要的一年，规模会非常惊人。”他特别说道。

2 回应“循环融资”质疑，云租赁增收

黄仁勋特别指出，市场没有完全看到英伟达增长中另一部分非常独特的来源：今天 AI 算力需求已经不仅来自超大规模云厂商，主权 AI、区域新型云厂商（Neocloud）、AI 初创公司和企业客户组成了另一半市场，这部分业务目前大约每年增长 100%，长期甚至可能比传统云市场更大。

他表示，市场长期过度关注 AWS、Microsoft、Google、Meta 等超大规模云厂商，却忽略了另一批迅速扩张的客户：Neocloud、主权 AI、企业和 AI 初创公司。这部分客户往往不会自己设计定制芯片，也缺乏从芯片、网络到机柜完整建设 AI 集群的能力，因此反而更依赖英伟达的全栈 AI 工厂。

英伟达预计，其 Neocloud 合作伙伴到今年年底总装机容量将达到 8GW，高于 2025 年底约 3GW。

围绕 AI 基础设施融资，英伟达也正在尝试一种更深度介入客户商业模式的方式。

以英伟达与 OpenAI 的合作为例，英伟达通过与 SoftBank Energy 合作锁定了土地、电力和机房等资源，并将在其 Portsouth 园区独家部署，首期预计将支持 4.25GW 的 AI 工厂容量，并由 OpenAI 使用。这个项目进而深化了英伟达与 OpenAI 的长期合作关系：OpenAI 已经承诺到 2030 年前大规模部署 NVIDIA AI 基础设施，其现有和规划中的承诺合计大约对应 12GW NVIDIA 算力。

因此，双方的合作可以概括成三个层面：第一层是最传统的算力采购，OpenAI 持续部署 NVIDIA GPU；第二层是基础设施合作，英伟达帮助其提前锁定土地、电力和机房资源；第三层则是资本层面的合作，英伟达联合大型机构资本，为其基础设施建设寻找融资。

这种支持规模非常大，外界把部分行为称为“循环融资（Circular Financing，即供应商向客户进行投资或入股，而客户再用这笔资金购买该供应商的产品或服务的商业与资本安排）”，但英伟达并不认同这一说法。

其逻辑是，前沿 AI 公司的客户需求和技术能力已经得到验证，真正限制其增长的是基础设施融资和算力供给；与此同时，英伟达计算平台具备较强的通用性，即便客户出现问题，算力也可以重新部署给其他客户。

针对 Neocloud，英伟达还引入了一种收入分成模式。公司会针对数据中心部分容量提供照付不议承诺（Take-pay Commitment）和最低收入保证，帮助贷款方为项目融资；作为交换，英伟达可以分享云厂商超过最低收入水平之后的一部分收入。

“我们并不是在发放贷款。”Kress 解释称，Neocloud 目前面对的是非常强劲、而且高度多元化的承购需求。传统数据中心融资通常要求云厂商把绝大多数容量通过单一长期承购协议锁定，贷款方才愿意独立为项目融资。而引入新的收入分成模式后，独立资本仍然会根据每个项目自身的经济性来进行承销。

对于英伟达来说，未来不只是从 GPU 和整机销售中一次性获得收入，还能持续分享算力租赁收入。Kress 表示，中长期来看，这类与使用量挂钩的经常性收入有潜力贡献数十亿美元。

3 英伟达想吃下整座 AI 工厂

英伟达反复把“智能体 AI”作为解释下一轮算力需求的核心变量。

黄仁勋表示，大模型正在变得更大、更聪明，而智能体不只是生成一次答案，还会进行推理、规划和多轮工具调用。根据任务不同，一个智能体所消耗的计算量可能是人类直接调用 AI 的 15—100 倍。

在被问及递归自我改进（RSI）和通用人工智能是否会进一步刺激算力需求时，他给出了更激进的判断：“需求会进一步出现拐点。”

黄仁勋称，今天大多数 AI 仍由人类发起提示，但这一结构已经开始改变。未来每家公司都会拥有大量长期在线的智能体，英伟达自己目前约有 4 万名员工，未来可能对应 40 万个、甚至 400 万个智能体。这些智能体会 24 小时运行，在后台彼此协作并持续完成工作。

他还认为，一种粗粒度的递归自我改进其实已经出现：智能体完成任务后会反思如何改进，并更新 Skill 文件，下一次执行时继续提升。“对于很多任务，我们甚至可以说已经实现了某种意义上的 AGI。”

不过，他认为继续争论 AGI 的定义已经没有太大意义。真正决定产业投入的是三件事：AI 已经能完成有生产力的工作；AI 已经能够生成可以盈利的 Token；如果有更多算力，就可以生成更多可盈利 Token，并转化为 AI 服务商的更多利润。

英伟达现下正在不断扩大自己在每座 AI 数据中心中的价值占比。

公司披露，Hopper 时代，每 GW 数据中心对应的英伟达收入机会约为 180 亿美元；到 Grace Blackwell 提高到约 250 亿美元；Vera Rubin 则进一步达到约 400 亿美元。

黄仁勋表示，这一数字未来还会继续提高。英伟达的目标，是在有限土地和电力条件下部署尽可能多的计算能力。“如果我们能在 1GW 电力、同一块土地和机房里放进去价值 1 万亿美元的计算设备，那当然是理想结果。”

这种收入扩张来自英伟达从单颗 GPU 向整套 AI 工厂平台延伸。Vera Rubin 已经覆盖 Vera CPU、Rubin GPU、NVLink、InfiniBand、以太网以及 LPU 等产品。英伟达称，与 Grace Blackwell Ultra 相比，Vera Rubin 每兆瓦吞吐量提升 30 倍，Token 成本降低约 97.1%。

Vera Rubin 本月已经开始量产出货，公司称已获得所有主要超大规模云厂商、AI 云平台和系统 OEM 的采购订单，预计将成为英伟达历史上爬坡速度最快的一代产品。第三季度，Vera Rubin 预计将贡献约 20% 的数据中心收入。

CPU 也正在成为新的增长来源。过去 12 个月 Grace CPU 收入已超过 50 亿美元，下一代 Vera CPU 已经全面量产。英伟达预计 2028 财年 CPU 收入将增长超过一倍，并称自己有望成为全球领先的服务器 CPU 供应商之一。

在推理侧，英伟达还在补上高交互、低延迟场景。黄仁勋表示，Groq 3 可以作为高交互服务的附加加速器，但全球绝大多数数据中心的主力架构仍会是 Vera Rubin NVLink 72。

对于英伟达每 GW 收入机会未来是否会进一步上升，黄仁勋没有给出上限，只表示方向就是在固定土地和电力条件下持续提高计算密度。只要每一代产品的生产力、耐久性和通用性继续提升，客户就会愿意投入更高资本。

他还提到一个反馈：部分 AI 基础设施的投入资本回报周期已经短于 1 年，“而我们讨论的是规模达到 500 亿美元的数据中心”。黄仁勋表示，“如果投资回收期真的能够低于 1 年，那已经足以说明英伟达技术的生产力有多高，也说明这些算力的出租能力和盈利能力有多强。”

不过，需求强劲的另一面，是成本压力已经开始直接反映到利润率。

英伟达第二季度 GAAP 和 non-GAAP 毛利率均为 75%，但公司预计第三季度毛利率将降至约 74%，第四季度进一步触底至 71%—72%，之后随着提价生效，2028 财年预计稳定在 72%—73%。

英伟达执行副总裁兼首席财务官 Colette Kress 表示，当前存储市场处于“极端定价环境”，涨价幅度已经超过此前预期，而且明年还会继续上涨。她认为，存储短缺本身也是 AI 基础设施建设需求过热的结果。公司同时预计，至少到 2028 财年结束，供应仍会是主要瓶颈。

另外，中国市场则继续被排除在增长展望之外。第二季度，英伟达向中国客户出货的 Hopper 200 产品不到数据中心收入的 1%，且目前相关产品会稀释整体毛利率。考虑到地缘政治不确定性，英伟达没有在前瞻指引中计入任何中国数据中心计算收入。

4 OpenAI、Anthropic 自研芯片，黄仁勋：我只后悔没有更早、投得更多

另一个备受关注且更为尖锐的问题是：英伟达正在投入巨额资金支持前沿 AI 实验室，但 OpenAI、Anthropic 等公司又在开发自己的定制芯片，这是否意味着英伟达正在资助未来的竞争对手？

黄仁勋对此认为，这些定制 xPU 往往只针对某一家云或某一种推理服务，而英伟达提供的是覆盖数据处理、预训练、后训练和智能体推理完整生命周期的 AI 工厂平台，并且能够部署在任何云、任何地区。

他表示，对英伟达技术有 100% 的信心。无论是数据处理、训练、后训练，还是智能体处理，英伟达技术对这些公司来说都会继续具备非常出色的性价比。即使前沿 AI 公司拥有自己的芯片，它们未来全球扩张时仍然会大量使用英伟达基础设施，“我有 100% 的信心，在相当长的一段时间里，它们的大量计算仍然会使用英伟达算力。”

值得注意的是，他把投资前沿 AI 实验室称为“一代人只有一次的机会”。“我唯一的遗憾，是没有更早、也没有投得更多。这两家公司中至少有两家很可能很快上市，其他公司也会陆续跟上。这些公司很可能会成为科技史上最重要的一批企业。”

英伟达披露，公司已经向前沿 AI 实验室投资接近 500 亿美元。为了支持这些公司的基础设施建设，英伟达还与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 合作，希望建立能够募集超过 5000 亿美元第三方资本的融资平台。

英伟达预计，明年那些需要其提供支持的 AI 实验室，大约会贡献公司全部业务的四分之一。

对于开放模型是否会削弱 OpenAI、Anthropic 等前沿实验室，从而间接影响英伟达需求，黄仁勋同样保持乐观。

他认为，闭源模型和开放模型都会高速增长，而且“几乎所有开放模型都运行在英伟达上”。开放模型达到前沿水平后，企业、国家和初创公司才能基于这些模型建设自己的行业专用 AI 和专有能力，因此开放模型本身正在打开一个更大的企业 AI 市场。

黄仁勋表示，英伟达几乎是唯一能够同时运行所有主要闭源和开放前沿模型的平台。“只要任何模型成功，我都会很高兴。”在他看来，两类模型不是此消彼长，而是在同时推动英伟达销售增长。

https://www.businessinsider.com/nvidia-in-talks-to-buy-hugging-face-13-billion-dollars-2026-8

https://www.theinformation.com/articles/nvidia-agrees-buy-open-source-model-repository-hugging-face-12-9-billion

https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-second-quarter-fiscal-2027

https://www.youtube.com/watch?v=jhMbFf7jUnw

声明：本文为 InfoQ 整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。