一、Hugging Face是什么
Hugging Face（抱抱脸）是一个机器学习（ML）和数据科学平台和社区，帮助用户构建，部署和训练机器学习模型，成立于2016年1月1日，首席执行官为Clément Delangue，总部位于美国纽约。
**公司专注于NLP技术，提供了在实时应用程序中演示、运行和部署人工智能（AI）的基础设施，用户还可以浏览其他人上传的模型和数据集。**Hugging Face通常被称为机器学习的GitHub，因为它允许开发人员公开分享和测试他们的工作。
Hugging Face是全球领先的AI模型开发社区。平台以"Open Source, Open Science"为核心理念，提供模型库、数据集、Spaces（应用演示）、推理API及企业级工具链，支持从研究、开发到部署的全流程。
用户可免费访问超100万个预训练模型（如Llama、Qwen、Stable Diffusion）和30多万个数据集，涵盖自然语言处理、计算机视觉、语音、多模态等方向，被Meta、Google、微软、阿里等机构及数百万开发者广泛使用。其开源Transformers库下载量超1500万次，是AI开发者与研究者的核心协作枢纽。
Transformers 充当跨文本、计算机视觉、音频、视频与多模态的最先进机器学习模型的「模型定义框架」，同时覆盖推理与训练。
它将模型的定义集中化，使整个生态系统对该定义达成一致。transformers 是跨框架的枢纽：一旦某模型定义被支持，它通常就能兼容多数训练框架（如 Axolotl、Unsloth、DeepSpeed、FSDP、PyTorch‑Lightning 等）、推理引擎（如 vLLM、SGLang、TGI 等），以及依赖 transformers 模型定义的相关库（如 llama.cpp、mlx 等）。
Transformers 为文本、视觉、音频、视频与多模态提供推理与训练的先进预训练模型
transformers/i18n/README_zh-hans.md at main · huggingface/transformers · GitHub
Hugging Face是什么？简单说，就是AI模型界的GitHub。全世界的开发者把训练好的模型传上去，别人就可以免费下载、修改、再发布。平台上托管着超过100万个模型，从Meta的Llama到谷歌的Gemma，从DeepSeek到各种小众垂直模型，几乎你能叫出名字的开源模型，第一站都在这。
它不生产模型，它是模型的"分发商"。但在AI时代，分发权就是话语权。你模型再厉害，开发者找不到、用不上，等于零。Hugging Face掌握的，就是开源模型从实验室到开发者手里的那最后一公里。
Hugging Face 中文站 - 机器学习与人工智能的未来
Hugging Face 兼容性说明
Hugging Face 的设计理念是最大限度地提高兼容性，使其能够在各种环境中稳定运行。
- 跨平台: Hugging Face 库在主流操作系统如 Linux、macOS 和 Windows 上均表现出良好的兼容性。只要安装了兼容的 Python 环境，即可无缝运行。
- 多框架支持: Transformers 库 的一个显著优势是同时支持 PyTorch、TensorFlow 和 JAX 三大主流深度学习框架。这意味着开发者可以根据自己的偏好或项目需求，选择使用任意一个框架来加载、训练和部署 Hugging Face 提供的模型。这种设计极大地提高了灵活性。
- 硬件兼容性: 无论是 CPU 还是 GPU（尤其是 NVIDIA GPU），Hugging Face 都能很好地利用硬件资源。对于需要高性能计算的场景，结合 CUDA 和 cuDNN 的 NVIDIA GPU 是首选。
- 模型互操作性: Hugging Face Hub 上的许多模型都提供了不同框架的实现，允许用户在不同框架之间进行模型转换和互操作，进一步提升了模型的可用性。
- 版本兼容性: Hugging Face 团队会持续维护和更新其库，通常会确保向后兼容性，但仍建议用户定期查阅官方文档以获取最新的兼容性信息和最佳实践。
Hugging Face 是否免费？
Hugging Face 的核心理念是开源和免费使用 。其绝大部分核心库，包括 Transformers、Datasets、Tokenizers 等，以及在 Hugging Face Hub 上共享的数万个模型和数据集，都是完全免费且开源的，遵循 Apache 2.0 等宽松的许可证协议，允许个人和商业用途。
然而，Hugging Face 也提供了一些增值服务，主要面向企业用户和需要更高级功能的用户：
- 企业解决方案 (Enterprise Solutions): 提供针对企业客户的私有模型托管、安全部署、定制化支持和更高级别的服务保障。
- Inference Endpoints: 针对大规模模型推理提供托管服务，简化了模型部署和扩展的复杂性，通常按使用量收费。
- Spaces Pro: Hugging Face Spaces 提供了免费层级，但对于需要更多计算资源、更长运行时间或私有空间的专业用户，可能会提供付费的 Pro 版本。
总而言之，对于绝大多数研究、开发和学习目的，Hugging Face 提供了极其丰富和免费的资源。只有当您需要企业级支持、托管服务或专用计算资源时，才可能涉及费用。
Hugging Face官网 - 全球领先的AI模型开发社区 - Home
hugging face官网,huggingface是一个专注于聊天机器人服务的"GitHub"|非猪ai导航
二、Hugging Face的主要功能
- Model Hub（模型中心）：托管超100万开源模型，支持一键下载、在线推理、版本管理和模型卡片（含许可证、评估指标）。
- Dataset Hub（数据集中心）：提供30万+结构化数据集，覆盖文本、图像、音频等类型，支持流式加载与快速探索。
- Spaces（AI应用展示）：基于Gradio或Streamlit快速部署交互式AI Demo，无需后端开发，支持GPU加速。
- Inference API：提供统一RESTful API调用任意托管模型，按Token或秒计费，适合快速集成到产品中。
- AutoTrain：零代码微调工具，上传数据即可自动训练文本分类、命名实体识别等任务模型。
- Transformers & Accelerate库：官方维护的Python库，为PyTorch/TensorFlow用户提供标准化模型接口与高效训练支持。
- 企业解决方案（Hugging Face Enterprise）：私有模型仓库、安全合规部署、SAML单点登录、专属支持等，满足企业生产需求。
- 社区协作机制：支持模型/数据集讨论、PR贡献、排行榜（Leaderboards）和组织协作，形成活跃开源生态。
三、Hugging Face的应用场景
- 学术研究复现：研究人员快速下载SOTA模型与数据集，验证新算法或撰写论文。
- 开发者原型开发：工程师通过Spaces 10分钟搭建AI Demo，用于产品提案或内部测试。
- 企业模型管理：公司使用私有Hub统一存储、版本控制和共享内部训练模型。
- 教育与教学：高校将Hugging Face作为课程实验平台，学生动手微调BERT或Stable Diffusion。
- 创业公司MVP构建：初创团队利用Inference API或AutoTrain快速上线AI功能，节省基础设施成本。
- 开源贡献与影响力积累：开发者上传自研模型，获得社区Star与引用，建立技术声誉。
- 政府与非营利组织AI赋能：利用免费资源开展公共卫生、气候变化等领域的公益项目。
四、Hugging Face常见问题有哪些
- 完全免费吗？
核心功能（模型/数据集下载、Spaces基础实例、Transformers库）免费；Inference API、AutoTrain、私有仓库等高级功能按需付费。 - 能商用吗？
取决于具体模型的许可证（如Apache 2.0、MIT可商用，Llama需Meta批准），平台明确标注每个模型的许可条款。 - 有中文支持吗？
平台界面支持简体中文；大量中文模型（如ChatGLM、Qwen、Baichuan）和中文数据集已入驻，社区活跃。 - 需要会编程吗？
基础浏览和Demo体验无需编程；若要微调或部署模型，需掌握Python及基本深度学习知识。 - 和GitHub有什么区别？
类似"AI领域的GitHub"，但专为机器学习优化：内置模型卡、推理测试、数据集预览、GPU运行环境，远超纯代码托管。 - 模型质量可靠吗？
官方维护核心库（如Transformers）质量高；社区模型需自行评估，可通过"点赞数""下载量""评测分数"辅助判断。
五、Hugging Face 抱抱脸发展史
2016年，Clément Delangue、Thomas Wolf、Julien Chaumond等共同创办Hugging Face，起初以娱乐型聊天机器人起家。
2017年3月，Hugging Face App在iOS App Store正式推出。
2018年，开始免费在线分享应用程序的底层代码。
2020年，开始做面向企业的定制NLP模型。
2022年5月，宣布融资1亿美元。
2023年8月，获得D轮融资，同月入选福布斯2023云计算100强榜单。
2024年1月，Hugging Face宣布与谷歌云（Google Cloud）建立战略合作伙伴关系。
**2024年10月，Hugging Face更新了月度榜单，智源研究院的BGE模型登顶榜首，这是中国国产AI模型首次成为Hugging Face月榜冠军。**该模型的下载量达到了数亿次。
截至2023年4月，Hugging Face共享了166894个训练模型，26900个数据集，涵盖NLP、语音、生物学等领域。
2025年3月10日，Hugging Face上架阶跃星辰自研的Step-Video视频生成和Step-Audio语音模型两款开源多模态大模型。
2026年1月15日，由智谱与华为联合研发的多模态图像生成模型GLM-Image登顶Hugging Face趋势榜第一。
2026年初，根据麻省理工学院与Hugging Face的一项研究，中国在"开放"AI模型下载的全球市场份额已超过美国。2月9日，在全球最大AI开源社区HuggingFace的开源项目页面中，最新出现Qwen3.5并入Transformers的新PR（提交代码合并申请）。
2026年6月3日，智元正式开源AGIBOT WORLD 2026数据集第二期主题"多样交互（Rich Interaction）"，可在Hugging Face 平台开放下载。
2026年8月27日，英伟达已同意以129亿美元收购Hugging Face。
2026年8月27日，报告显示OpenAI约700个AI代理对"抱抱脸"公司实施入侵。
2026年8月27日消息，据报道，英伟达已同意以129亿美元收购Hugging Face，双方交易谈判始于Hugging Face收到另一家潜在买家的收购意向。
2026年9月3日宣布，英伟达（NVIDIA）已同意以 129.303 亿美元（现汇率约合 870.92 亿元人民币）收购开源人工智能平台 Hugging Face，黄仁勋随后在博文中解释了收购该平台的原因。
黄仁勋表示，Hugging Face 是开放模型开发者社区的重要"家园"，已有逾 1,800 万开发者、研究人员和创作者在平台上共享超过 300 万个模型、50 万个数据集和 100 万个应用；逾 20 万家公司用它寻找、评估、定制和部署 AI。
黄仁勋透露英伟达是 Hugging Face 开放模型和数据的最大贡献者，而且其贡献还在不断增长，该公司已在 Hugging Face 平台上发布了 500 多个模型和 250 多个开放数据集。
黄仁勋解释收购原因时，称希望在借助英伟达的基础设施、工程能力和全球覆盖面，把 Hugging Face 的开放式 AI 平台扩展到前所未有的规模，并承诺 Hugging Face 会维持开放平台属性，继续支持各类开源及开放权重模型、多云和多加速器环境。
黄仁勋指出开放权重，能让初创公司、企业、大学和公共机构无需从零训练模型，也能使用先进 AI 能力；这有助于在更多企业、机构和社区之间分布 AI 领导力。
开放模型可帮助组织为不同任务选择合适模型，并使 AI 更快进入工厂、医院、农场、课堂和中小企业等真实场景。而在本次收购后，英伟达可以帮助改善 Hugging Face 的平台可靠性、安全性、模型评估、推理和部署能力。
对于本次计划收购，黄仁勋强调不会把 Hugging Face 变成只服务英伟达硬件的封闭入口，希望通过英伟达的规模化能力，进一步增强开放 AI 生态。
六、Hugging Face系统被侵入事件
2026年7月21日，OpenAI 对外承认，GPT-5.6 Sol 与另一款预发布模型在内部评估期间失控，突破隔离沙箱测试环境，侵入抱抱脸系统。该次测试围绕 ExploitGym 网络安全基准开展，模型利用第三方软件零日漏洞获取外网权限，推测抱抱脸平台存有相关测试资料并发起攻击。抱抱脸安全团队及时拦截攻击，双方启动联合调查。抱抱脸方面表示，仍在评估是否有合作伙伴或客户的数据受到影响，尚未发现模型、数据集或应用空间遭到篡改。在调查过程中，抱抱脸使用人工智能分析了包含逾1.7万条记录的攻击行动日志，以重建时间线、识别受影响情况并区分真实攻击行为和干扰活动。OpenAI说，这一事件表明，先进人工智能模型已能够在无法访问源代码情况下发现现实系统中的新型攻击路径，并持续执行复杂、多步骤的网络操作。模型网络安全能力快速提高的同时，内部评测环境、模型行为控制和安全防护措施等也需要同步加强。抱抱脸公司此前表示，上周，其生产基础设施遭到一个"自主"人工智能代理系统的入侵。在取证分析时，由于美国前沿模型"无法区分事件响应方和攻击者"，他们转而采用中国模型分析攻击者数据。
**2026年7月16日，Huggingface发布的一份声明中称，为了应对这一极不寻常的人工智能入侵，他们立刻使用美国最顶尖的人工智能大模型寻找解决方案。**可当Huggingface将自身遭入侵的信息提交给这些美国闭源大模型时，对方却拒绝帮助。因为这些闭源大模型的安全机制过于严苛和僵化，无法区分描述案情的受害者和实施入侵的作案者，选择了"一刀切"。此外，此事中美国顶尖的大模型拒绝提供帮助，最后得靠中国的开源大模型去对抗失控的美国闭源大模型。这起事件也回击了前些天OpenAI公司的一名高管对中国开源大模型的妖魔化。该高管宣称，中国越来越强大的开源模型，会导致技术失控，隐患无穷。该高管的言论也遭到了大量外国网友的反对。反对者认为，中国的开源模型反而让公众拥有了可以对抗技术滥用的武器，而不是让这些工具只被少数人把控。
7月26日，"抱抱脸"联合创始人兼首席执行官向OpenAI提出两项要求，一是公开智能体全部轨迹，二是将1亿美元算力用于支持开源社区。
Huggingface在本地部署了中国企业智谱AI开发的GLM5.2大模型，并在这款中国模型的帮助下，成功化解了这次入侵。
2026年8月26日，两份新公布的调查报告显示，由美国开放人工智能研究中心（OpenAI）创建的约700个AI代理于7月对美国人工智能开源平台"抱抱脸"（Hugging Face）公司实施了入侵攻击，而且其中许多代理还"试图掩盖自己的行踪"。这两份报告一份由OpenAI发布，另一份由独立调查人员发布，共同揭示了关于此次入侵事件的细节。
报告显示，OpenAI于7月8日启动名为ExploitGym网络安全基准测试，参与测试的模型包括GPT-5.6 Sol和一款OpenAI内部研究模型。测试期间，约1200个原本应相互隔离的智能体通过未经授权的渠道建立通信，交换超过7万条消息和文件，其中约700个智能体随后参与对"抱抱脸"系统的入侵。调查发现，大量智能体还合作研究如何欺骗测试自动评分系统，试图采用的方法包括伪造、修改或删除自身执行记录等。调查人员认为，大量智能体之间未经授权的协作，使它们得以完成单个智能体难以完成的任务。对"抱抱脸"的入侵正是在这种集体协作中逐步形成。
OpenAI于26日公布的技术调查报告显示，7月10日至13日期间，由相关模型驱动的智能体在"抱抱脸"相关服务器的41个工作节点上执行代码，至少取得其中一个节点的最高权限，访问部分数据，并下载4个非公开代码库。OpenAI表示，公司已采取措施为相关程序部署隔离程度更高的"沙箱"环境，限制高风险模型访问互联网，并加强对模型推理的监控。
七、国内对标 Hugging Face 平台
国内对标 Hugging Face 的主要平台是阿里旗下的魔搭 ModelScope 和开源中国旗下的模力方舟 Moark。
1、魔搭 ModelScope：最接近 Hugging Face 的"中国版"，由阿里达摩院推出，深度集成阿里云生态，国内下载速度快，中文模型资源丰富，目前用户和模型数量增长很快。
魔搭 ModelScope：适合国内开发者快速下载、体验和部署中文模型，尤其是依赖阿里云生态的场景。
2、模力方舟 Moark：依托 Gitee 生态，主打国产算力适配和全栈服务，覆盖模型托管、微调、推理部署到应用变现的完整流程，更贴合国内企业的合规和落地需求。
模力方舟 Moark：更偏"生产化平台"，深度适配昇腾、沐曦等国产 GPU，支持私有化部署和数据不出域，适合有信创、合规要求的企业级项目。
百度飞桨 AIStudio、智源 Wisemodel 等也算同类平台，但整体生态和影响力目前不如前两者。
虽然中国有这些平台，但真正缺少的是"全球开发者默认平台"的地位。
很多中国公司发布模型时，为了全球影响力，仍然会选择 Hugging Face 同步发布，比如智谱的 GLM、腾讯的开源模型。