NVIDIA compra Hugging Face per 12,9 miliardi: cosa cambia per l'AI

Dopo settimane di indiscrezioni, NVIDIA annuncia di aver firmato un accordo definitivo per acquisire Hugging Face, una delle piattaforme più importanti per distribuire, modificare, valutare e mettere in produzione modelli AI. Il valore complessivo comunicato arriva a circa 12,93 miliardi di dollari. La cifra, però, richiede una precisazione: non significa che NVIDIA abbia già versato 12,93 miliardi agli azionisti né che l’acquisizione si sia già conclusa.

Il documento depositato presso le Autoità competenti indica circa 11,9 miliardi di dollari destinati agli azionisti di Hugging Face, ai quali si aggiunge un programma di retention basato su azioni fino a circa 1 miliardo per i dipendenti che entreranno in NVIDIA.

L’operazione arriva dieci anni dopo la nascita di Hugging Face. Fondata nel 2016 da Clément Delangue, Julien Chaumond e Thomas Wolf, la società aveva iniziato sviluppando un chatbot rivolto soprattutto agli adolescenti. L’apertura del codice portò rapidamente il progetto verso una strada differente: Hugging Face diventò prima un punto di riferimento per l’elaborazione del linguaggio naturale e poi una vera infrastruttura per il machine learning, con repository di modelli, dataset, applicazioni dimostrative e strumenti per addestramento e inferenza.

Secondo i dati comunicati dall’azienda, Hugging Face conta più di 18 milioni di sviluppatori, ricercatori e creator, oltre 3 milioni di modelli, circa 500.000 dataset e un milione di applicazioni; più di 200.000 aziende utilizzano la piattaforma per trovare, provare, personalizzare o distribuire sistemi AI. Nel 2023 Hugging Face aveva raccolto 235 milioni di dollari con una valutazione di 4,5 miliardi: al round parteciparono, tra gli altri, Salesforce, Google, Amazon, IBM e la stessa NVIDIA.

Perché Hugging Face vale così tanto per NVIDIA

Guardando soltanto ai ricavi, la valutazione appare molto aggressiva: secondo fonti informate, Hugging Face aveva raggiunto circa 150 milioni di dollari di ricavi annualizzati e Clément Delangue dichiarava a luglio che la società si stava avvicinando alla redditività. Ma NVIDIA non sta comprando semplicemente un’azienda SaaS: acquisisce uno dei principali punti di passaggio tra chi crea un modello e chi vuole scaricarlo, provarlo, adattarlo oppure eseguirlo.

Hugging Face Hub non è soltanto un sito dal quale scaricare modelli AI. Funziona più come un grande archivio tecnico condiviso: sviluppatori e aziende possono pubblicare un modello, aggiornarlo nel tempo, mantenere versioni differenti e accompagnarlo con documentazione che spiega come usarlo, con quali dati è stato addestrato e quali limiti presenta.

Lo stesso vale per i dataset e per gli Spaces, piccole applicazioni web utilizzate spesso per mostrare concretamente cosa sa fare un modello.

Hugging Face conserva la cronologia delle modifiche e permette quindi di sapere quale versione si sta usando o di tornare a una precedente. È un aspetto importante perché i modelli AI possono occupare molti gigabyte e cambiare frequentemente. Per gestire file di queste dimensioni la piattaforma utilizza anche Xet, una tecnologia che evita di trasferire nuovamente interi file quando cambia soltanto una parte dei dati: memorizza e riutilizza i blocchi già presenti, riducendo spazio occupato e quantità di dati da scaricare.

Dal repository all’esecuzione dei modelli AI

Hugging Face, però, non si ferma alla distribuzione dei modelli. Permette anche di eseguirli. Con Inference Providers uno sviluppatore può inviare una richiesta a un modello attraverso Hugging Face lasciando poi alla piattaforma il compito di appoggiarsi a uno dei fornitori di capacità di calcolo compatibili.

Chi preferisse mantenere tutto sui propri server può comunque usare i modelli scaricati dall’Hub con software come Ollama, llama.cpp o vLLM. In pratica, Hugging Face copre quasi l’intero percorso: permette di trovare un modello, scaricarlo, confrontarne le versioni, provarlo e infine decidere se eseguirlo nel cloud oppure su hardware proprio.

Transformers conta quasi quanto il catalogo dei modelli

Per NVIDIA la posizione detenuta da Hugging Face è particolarmente interessante: la società guidata da Jensen Huang domina il mercato degli acceleratori usati per addestramento e inferenza, ma una parte crescente del valore economico dell’AI si sposta verso software, servizi di distribuzione, ottimizzazione dei modelli e strumenti utilizzati dagli sviluppatori. Possedere Hugging Face permette di avvicinarsi proprio a quel livello.

La libreria Transformers è diventata uno dei punti di riferimento per utilizzare modelli preaddestrati in applicazioni testuali, audio, video, vision e multimodali.

La sua importanza nasce dall’interoperabilità: la definizione di un modello supportata da Transformers può interagire con strumenti di addestramento come DeepSpeed, FSDP e PyTorch Lightning oltre che con motori di inferenza quali vLLM, SGLang e TGI; altri progetti, compresi llama.cpp e MLX, utilizzano a loro volta informazioni o definizioni compatibili con quel mondo. Hugging Face gestisce inoltre librerie come Datasets e Diffusers.

NVIDIA acquisisce una società che si trova in mezzo a moltissimi flussi di lavoro AI senza imporre necessariamente il proprio hardware. Proprio tale neutralità rappresenta contemporaneamente la maggiore attrattiva dell’operazione e il problema più delicato da gestire.

NVIDIA promette che non serviranno GPU NVIDIA

Huang ha affrontato direttamente il punto nell’annuncio ufficiale: Hugging Face continuerà a permettere agli sviluppatori di scegliere modelli, framework, cloud, fornitori di inferenza e piattaforme di calcolo. NVIDIA afferma esplicitamente che non sarà necessario utilizzare hardware NVIDIA per sviluppare o distribuire un progetto attraverso Hugging Face.

La dichiarazione compare anche nel documento depositato alla Securities and Exchange Commission (SEC) statunitense: NVIDIA si impegna a mantenere la piattaforma aperta secondo le pratiche attuali, consentendo il caricamento e il download dei modelli e dei dataset scelti dagli utenti e continuando a supportare chip prodotti da altri fornitori.

Hugging Face ha valore proprio perché sviluppatori e aziende possono incontrarvi modelli destinati a CUDA ma anche software ottimizzato per CPU, acceleratori AMD, hardware AWS Trainium, dispositivi Apple e numerose altre architetture. Se il servizio diventasse, anche solo nei fatti, una vetrina privilegiata delle GPU NVIDIA, una parte della comunità avrebbe molteplici motivi per cercare alternative.

Open source e open weight non significano la stessa cosa

L’annuncio utilizza spesso espressioni come “open models“, ma sul piano tecnico conviene fare qualche, a nostro avviso, importante puntualizzazione.

Un modello open weight rende disponibili i parametri numerici appresi durante l’addestramento e consente di scaricare ed eseguire il modello sulla propria infrastruttura. Non implica automaticamente che siano pubblici anche dataset di addestramento, codice completo, procedura di training o tutti gli elementi necessari a riprodurre il modello da zero.

Neppure la licenza è un dettaglio: alcuni modelli distribuiscono i pesi con licenze molto permissive; altri impongono limitazioni sull’impiego commerciale, sul numero di utenti o su determinate applicazioni. Metterli tutti in un unico calderone “open source” non è corretto.

NVIDIA insiste molto sui modelli con pesi aperti perché dietro questa scelta c’è anche un interesse economico molto concreto. I “pesi” sono, semplificando, l’enorme insieme di valori numerici che una rete neurale modifica durante l’addestramento. Sono quei numeri a determinare come il modello reagisce a un input: quali parole considera più probabili, quali caratteristiche riconosce in un’immagine e, più in generale, quale comportamento ha appreso dai dati utilizzati durante il training. Nei grandi modelli linguistici (LLM) si parla di miliardi, e in alcuni casi centinaia di miliardi, di parametri.

Quando un produttore rende disponibili questi pesi, permette di scaricare il modello ed eseguirlo direttamente, a condizione naturalmente di rispettarne la licenza. È una differenza sostanziale rispetto ai servizi completamente chiusi accessibili soltanto via API. In quel caso il modello rimane sui server del produttore: l’azienda cliente invia una richiesta, riceve la risposta e normalmente paga in funzione del numero di token elaborati, senza poter prendere il modello e installarlo sulle proprie macchine.

Il vantaggio dei modelli a pesi aperti per NVIDIA

Con un modello dai pesi scaricabili, l’impresa può scegliere dove farlo funzionare. Può installarlo nei propri server, utilizzarlo in un data center privato, noleggiare GPU presso un cloud provider oppure affidarlo a un servizio specializzato di inferenza. Può anche quantizzarlo (ridurre la precisione numerica con cui sono rappresentati i pesi del modello, per occupare meno memoria e accelerare l’esecuzione, accettando eventualmente una piccola perdita di qualità), adattarlo ai propri dati o scegliere una versione ottimizzata per ridurre memoria e costi.

Ed è qui che NVIDIA fa già la parte del leone, e vuole ovviamente continuare a ricoprirla.

L’esecuzione locale o su infrastrutture scelte dal cliente richiede comunque potenza di calcolo; per i modelli più grandi significa spesso usare una o più GPU.

Se aumenta il numero di aziende che scaricano modelli aperti e decidono di eseguirli autonomamente, cresce anche il mercato per gli acceleratori, i server e il software necessario a farli funzionare. NVIDIA può quindi guadagnare dalla diffusione dei modelli open weight anche senza possedere i modelli: molte delle macchine sulle quali finiscono per essere eseguiti utilizzano GPU NVIDIA.

Un modello scaricabile distribuisce la domanda di calcolo tra data center, cloud provider e aziende che acquistano direttamente hardware. Per NVIDIA, che vende proprio l’infrastruttura necessaria a eseguire quei modelli, è una situazione particolarmente favorevole.

La partita vera inizierà dopo la chiusura ufficiale dell’accordo

Il prezzo da quasi 13 miliardi attira inevitabilmente l’attenzione, ma probabilmente non rappresenta nemmeno l’aspetto più importante della vicenda.

NVIDIA controlla già una parte fondamentale dell’infrastruttura fisica con cui l’AI moderna funziona; con Hugging Face può ottenere una posizione molto più vicina al momento in cui uno sviluppatore decide quale modello utilizzare, come adattarlo e dove eseguirlo.

Per Hugging Face significa avere a disposizione risorse finanziarie e capacità di calcolo enormemente superiori. Per NVIDIA significa entrare in modo diretto in una comunità che non ruota soltanto attorno ai suoi prodotti e che comprende anche concorrenti, cloud provider e architetture hardware alternative.

Il valore di Hugging Face deriva dalla sua apertura; NVIDIA ha interesse economico a mantenere quell’apertura perché più modelli liberamente distribuibili significano anche più occasioni per vendere calcolo. Al tempo stesso possedere il luogo nel quale una parte consistente dei modelli AI nasce, circola e arriva in produzione attribuisce alla società di Jensen Huang un’influenza senza precedenti. Il closing dell’intesa è previsto entro la prima metà del 2027.