英伟达129亿美元押注Hugging Face，范式智能走出另一条路

英伟达拟以129亿美元收购Hugging Face的消息，再次将模型平台推到了AI基础设施的聚光灯下。

英伟达作为芯片巨头，能够愿意为一家年化收入约1.5亿美元的模型平台支付高额溢价，与公司的开发者入口、模型分发能力和对未来算力需求的影响力等因素均有所关系。与此同时，Stripe也已经收购模型路由平台OpenRouter。

海外巨头接连出手，说明模型、算力与应用之间的连接层正成为新的战略资产。

把视线转回国内，范式智能的动作也十分值得分析。中国拥有大量开源模型，也在快速增加国产算力供给，但模型跨芯片部署仍然耗时、昂贵且高度碎片化。

而范式智能推出的ModelHub XC，正在把模型适配、异构算力管理和Token服务连成一套基础设施。数据显示，2026年上半年，公司API收入同比增长860.8%，ModelHub已沉淀超过20万组“模型×芯片”适配组合。

由此范式智能的基本面开始出现一条新主线：从企业AI平台供应商，向国产算力连接层和Token运营平台延伸。

Hugging Face身价暴涨，范式智能找到中国市场的另一种答案

据The Information报道，英伟达同意以129亿美元收购Hugging Face，英伟达和Hugging Face尚未公开确认交易，部分媒体仍将交易描述为谈判阶段。不过无论最终能否落地，129亿元的报价已经改变了行业对模型平台的定价方式。

Hugging Face在2023年融资时估值45亿美元，媒体披露的年化收入约为1.5亿美元。简单计算，公司的收购价格达到年化收入的约86倍。

英伟达愿意支付如此高的战略溢价，原因并不复杂：Hugging Face位于开源模型、开发者和算力需求的交汇处，开发者在哪里选择模型、使用什么工具完成微调、最终采用哪套部署环境，都会影响芯片和云计算资源的流向。

Stripe收购OpenRouter则提供了另一个参照。

路透社援引消息人士称，该交易金额略高于80亿美元。OpenRouter连接超过400个模型，每日处理超过10万亿Token，服务超过1000万开发者和企业。 Hugging Face掌握模型发现与开发者协作，OpenRouter承担模型选择、调用、计费与路由，资本正在沿着模型调用链寻找更稳定的入口。

范式智能面对的是更具中国特色的产业环境。

海外开源模型和工具链长期围绕英伟达GPU及CUDA生态生长，模型从下载到部署的链路相对标准化；国内算力市场同时存在昇腾、寒武纪、昆仑芯、天数智芯、沐曦等多种芯片架构，每家厂商拥有不同的运行时、编译器、算子库和开发工具。在该种背景下，同一个模型换一张卡，往往要重新处理环境兼容、算子适配和性能优化。

这正是ModelHub XC的切入点。范式智能将把业务重心放在“模型能否在国产芯片上真正跑起来”。平台通过EngineX引擎体系处理底层适配，再将适配结果沉淀为可复用的技术资产。2025年9月上线时，ModelHub XC已经覆盖昇腾、寒武纪、天数智芯、昆仑芯、沐曦和曦望等国产算力平台。

国产芯片厂商可以借助平台扩大模型覆盖，让模型开发者获得更多部署出口，企业客户则可以减少选型、迁移和调优成本。

范式智能处于三方之间，承担的是国产AI生态中最麻烦、重复率最高，又很难被单一芯片厂商彻底解决的一环。范式智能的定位看起来偏工程，商业价值却很直接。

中国市场并不缺模型榜单和开源社区，稀缺的是跨芯片、跨模型、跨部署环境的共同语言。范式智能将ModelHub XC放在此处，避开了与大型互联网平台正面争夺开发者流量，也把自身多年积累的企业交付、私有化部署和算力管理能力转化为进入壁垒。

20万组适配背后，范式智能正在积累一张“模型算力地图”

范式智能最新披露，ModelHub已经沉淀超过20万组“模型×芯片”适配组合。该数据的含义不是简单的20万个彼此独立的模型，实际上其指向模型与芯片之间形成的适配关系。

从商业角度看，“组合数量”甚至比单纯的模型数量更重要。模型仓库增加一个模型，主要获得一份新的数字资产；ModelHub每增加一组适配组合，就意味着平台又进一步地掌握了某个模型在某类芯片上的运行环境、部署方法和性能特征。适配组合不断增加后，范式智能积累的便是一张持续扩张的“模型算力地图”。

这张地图解决了国产算力规模化应用中的现实问题。企业采购国产芯片之后，通常还要面对模型兼容、性能调优、资源调度和长期运维。模型版本持续迭代，芯片型号也在更新，项目制适配很容易变成无底洞。大量研发资源消耗在重复工程上，AI项目的部署周期和总拥有成本随之上升。

弗若斯特沙利文发布的《2026年AI基础设施管理平台白皮书》也把多芯片环境下的软件栈差异和跨平台部署复杂度列为行业主要矛盾。国产算力供给逐渐丰富之后，竞争已经从有没有芯片，进一步深入到芯片能否被高效管理、模型能否快速迁移以及有效算力能否稳定释放。

范式智能的优势来自完整链路。ModelHub负责模型与芯片适配，HAMi及其商业版RISE vGPU负责异构算力管理，API业务负责把底层能力转化为企业可以直接采购的Token服务。

单独看，每一项能力都能找到竞争者，但如果能把算力纳管、模型适配、推理优化和Token交付放进同一体系，范式智能便拥有了从企业需求到算力消耗的完整闭环。

规模效应也会由此产生，这对平台型业务来说十分关键。芯片覆盖越广，ModelHub对模型开发者和企业客户越有价值；模型适配组合越多，芯片厂商越容易借助平台扩大生态；调用规模上升后，范式智能又能够获得更多真实运行数据，用于改善调度效率和推理性能。

平台积累的核心资产由代码扩展到适配经验、性能数据和客户场景，这些能力是很难通过短期资本投入直接复制的，将会成为范式智能的核心优势。

ModelHub XC的价值则更多的在于范式智能能否成为国产模型上车前的标准转换站。芯片数量增加、模型迭代加快、企业私有化需求扩大，都在增加这个转换站的使用频率。

API收入暴增860.8%，范式智能开始把技术壁垒换成财务结果

技术逻辑最终要落到财务报表。范式智能2026年上半年实现收入37.65亿元，同比增长43.4%；归母净利润1.19亿元，经调整归母净利润1.50亿元，均较上年同期扭亏。可见公司已经由规模扩张进入收入增长与盈利改善并行的阶段。

分业务看，AI平台收入30.88亿元，同比增长30%，仍是公司最大的收入来源；API业务收入4.64亿元，同比增长860.8%；智能体业务收入2.14亿元，同比增长4.9%。截至上半年末，公司在手订单约70亿元，为后续收入提供了较高的能见度。

这份中报最有分量的变化，是API业务从补充业务成长为新的增长引擎。

AI平台为范式智能积累企业客户、私有化部署环境和行业数据，ModelHub与HAMi解决算力适配及管理，API则按照实际调用持续产生收入。客户使用越深入，Token消耗越大，范式智能与客户业务流程的联系也越紧密。

2026年上半年，范式智能客户Token调用量同比增长约620%，可用算力资源增至2.8万PFLOPS；以RISE vGPU为主要需求的付费客户数量同比增长约5倍。 上述经营指标可以与API收入相互验证：调用需求增长、算力资源扩张和付费客户增加同时出现，收入增长具备真实业务活动支撑。

更重要的是，范式智能的业务结构正在改善。企业AI项目以往普遍依赖定制交付，收入确认受项目周期影响，人力投入较重，规模扩张容易受到交付能力约束。

API与Token服务提高后，模型适配成果可以服务多个客户，算力资源也能够统一调度，收入的持续性和可复制性随之增强。范式智能仍然保留AI平台这一稳健基本盘，同时又增加了一条更具规模效应的增长曲线。

范式智能也在为该条曲线提前投入。

数据显示公司上半年资本开支达到22.37亿元，借款总额16.60亿元，综合授信规模约66.16亿元。较高的资本开支会增加折旧和资金压力，但在Token需求快速扩张阶段，算力资源不足同样会限制订单承接和客户体验。评价该部分投入，需要结合后续算力利用率、API毛利率和经营现金流，而不能孤立地把资本开支视为负担。

范式智能接下来需要兑现三项经营结果：ModelHub继续扩大主流模型与国产芯片的覆盖范围，API收入在高基数下保持增长质量，算力利用率提升能够消化前期资本投入。当前数据已经提供了一个积极起点，公司收入增长提速、实现扭亏，API业务开始放量，在手订单也为主业提供支撑。那么未来，市场或将以新的平台价值框架重新审视范式。

范式智能在中国市场走出了一条更贴近产业现实的路线。20万组适配组合、4.64亿元API收入、约70亿元在手订单以及整体盈利转正，让该条路径开始具备基本面支撑。

那么未来就不能只按企业AI软件公司理解范式智能，后续若模型适配能够继续规模化，算力调度效率持续改善，API收入保持较好的增长和盈利质量，范式智能有机会从企业AI解决方案供应商，进一步成长为国产算力生态中的模型连接层和Token运营平台。