估值130亿美元,AI开源平台Hugging Face出售,开源生态会否被收编?

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

序号1

AI开源平台Hugging Face探索出售,估值或达130亿美元

据Business Insider援引知情人士消息,最重要的AI开源平台Hugging Face(抱抱脸)正在探索出售,已聘请投行评估买家兴趣,但尚未达成交易。其估值可能达到130亿美元(约870亿元人民币)甚至更高。2023年,Hugging Face的估值还是45亿美元(PitchBook数据),不到三年,翻了近三倍。

序号2

扩张背后的Hugging Face:从模型托管到多元业务

Hugging Face 2016年在纽约成立,最初做的是一款聊天机器人。2018年前后,团队开源了Transformers库,从此变成AI模型的集散地。截至2026年春季,平台托管了超过200万个公开模型和50万个数据集,注册用户超过1300万,各大开源模型公司都在上面发布模型,财富500强中超过30%开设了认证账号,业内常把它叫做「AI界的GitHub」。

过去一年半,Hugging Face的扩张方向远超「模型托管」。2026年2月,llama.cpp的创建者带着GGML团队加入;2025年4月收购法国开源机器人公司Pollen Robotics开始卖机器人;2026年5月推出开源人形机器人LeRobot Humanoid;7月,NVIDIA把相关技术整合进LeRobot平台。加上此前对Gradio和XetHub的收购,已完成五次并购。据估算,其年化经常性收入(ARR)在2026年突破1亿美元,员工人数在800人左右。

序号3

130亿美元估值背后:开源生态的信任危机与价值悖论

消息传出后,X上的反应迅速分化,一部分人认为130亿美元合理甚至偏低,另一部分人担忧如果被大公司收购,开源生态会被收编。这种担忧有前车之鉴,2018年微软收购GitHub时,开源社区也曾炸开锅,一批坚定的开源支持者把代码迁到了GitLab。Hugging Face的CEO Clément Delangue也担忧「少数几家大公司最终控制一切」,若收购方是其中一家,社区信任危机将更严重。

130亿美元贵不贵,可参照2018年微软75亿美元收购GitHub的案例,当时GitHub未盈利,年收入约3亿美元,微软出价约25倍年收入,后来证明买到了软件开发生态的入口。Hugging Face走的是同一条路,130亿美元对应约130倍ARR,溢价倍数远高于当年的GitHub,但买方算的账可能一样:开发者在哪里找模型,生态就在哪里。

此外,安全也是一个变量。2026年7月,OpenAI披露其一个AI智能体入侵了Hugging Face,对一家托管着数百万模型的平台来说,安全能力在估值谈判中的权重不会低。这也是130亿美元估值里最大的悖论:Hugging Face的价值建立在开源社区的信任之上,而出售本身可能动摇这种信任。

编辑观点:Hugging Face出售若达成,短期或引发开源社区震荡。虽溢价高,但买方看重其生态价值。长期看,交易成败取决于能否维持社区信任,否则将冲击AI开源格局。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

AI界的GitHub要卖?Hugging Face 130亿美元出售传闻怎么看

8 月 23 日,Business Insider 报道称,全球最大的 AI 模型社区之一 Hugging Face 正在探索整体出售,已委托一家银行评估潜在买家的兴趣,潜在估值可能达到 130 亿美元(约合 874 亿元人民币)或更高。截至报道发布,尚未达成任何交易。消息一出,"AI 界的 GitHub 要卖身"迅速成了开发者圈的热门话题。

chunmiao3032的专栏 211

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

Hugging Face 130亿美元出售传闻拆解:不训大模型的“中央车站”,凭什么三年翻三倍

OpenRouter 卡住的是推理阶段的 Token 分发,Hugging Face 卡住的是训练和部署之前的模型发现与获取。一个管用模型的环节,一个管拿模型的环节,合起来就是开发者的完整工作流。知道什么必须攥在自己手里,清楚依赖的边界在哪里,把该备份的提前备份好。坏的一面在于,一家托管着三百多万个模型的平台被人打穿了生产环境,基础设施的安全叙事破了一个洞。一部分人认为 130 亿物有所值,枢纽地位明摆在那里,另一部分人担心的是更实际的问题,免费托管会不会开始收费,开放的推荐位会不会偏袒自家模型。

deepseek23的博客 796

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

刚被AI入侵完,Hugging Face就要卖了:130亿美元的悖论,谁买谁尴尬

HuggingFace寻求出售:AI开源生态的十字路口 全球最大AI开源社区HuggingFace正以超130亿美元估值寻求出售,距其拒绝英伟达70亿收购仅一年。这个托管300万模型、拥有1300万开发者的"AI界GitHub",在经历OpenAI智能体入侵事件后估值不降反升,凸显其作为开源生态核心节点的战略价值。但130亿美元180倍市销率的估值背后,隐藏着根本矛盾:最需要其中立性的巨头收购,恰恰会破坏其中立价值。若交易达成,可能加速开源生态分流,重塑AI行业格局。这场出售不仅关乎商业

也非的博客 184

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

全球最大开源AI社区Hugging Face拟出售,潜在估值至少130亿美元!

截至2026年年中,Hugging Face平台托管着超300万个公开模型、100万个以上数据集,注册开发者近1500万,有面向企业的服务,财富500强企业超30%开设认证账号。尽管其130亿美元估值比上一轮正式融资时涨了85亿美元(约合人民币571亿元),但陈冉判断最终成交价格“会更高,可能150亿美元,甚至200亿美元”,因为收购是AI开源分发权的定价。开发者找开源大模型、下载Qwen、DeepSeek等模型版本、获取训练模型的数据集,以及上传自己训练好的模型,都可以去Hugging Face。

IT界那些事儿 28

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

深度 | 开源中枢终局:Hugging Face 传 130 亿美元洽购、Stripe 70 亿买 OpenRouter——谁将拥有「开源 AI」|深度分析

开源中枢终局:Hugging Face 传 130 亿美元洽购、Stripe 70 亿买 OpenRouter——谁将拥有「开源 AI」|深度分析这是一篇深度研究,不是新闻简报。基于 12 个来源的交叉验证。

summerliyang的博客 360

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

英伟达129亿美元收购Hugging Face:整个开源AI世界为什么焦虑

据The Information报道,英伟达已同意以129亿美元收购「AI界的GitHub」Hugging Face,市销率高达86倍。芯片之王拿下开源模型的默认分发层后,行业真正的焦虑是:开源AI可能从此不再有真正中立的枢纽。

m0_66083353的博客 152

Box2D-Lite源码阅读笔记(2)

0.初始化函数 static void InitDemo(int index) { world.Clear(); numBodies = 0; numJoints = 0; bomb = NULL; demoIndex = index; demos[index](bodies, joints); } 在这个初始化函数中,一般会默认执行index=0的函数,这个函数就是一个示例,因为示例比较简单,所以也便于研究,示例效果如下。 就是一个方块。 进入第一个示例函数。(忽略我加的注释)

ARTELE的博客 977

Quartus II设计程序计数器PC、由PC产生ROM的地址(含仿真)

设计程序计数器PC,正常工作模式下,系统启动,设置PC的初始值,之后每来一个clk,PC的输出值应该增加1;当程序发生跳转时,PC的值应该发生改变,级将跳转的地址值赋进行输出。PC后端连接一个ROM,由PC来产生ROM的地址,仿真进行验证。

m0_73700621的博客 1818

2026‑08‑24 AI产业深度解读|算力涨价潮、Hugging Face寻求出售、AI训练版权诉讼、模型溯源争议

梳理8月24日对AI研发人员高价值产业动态:覆盖英伟达高端AI服务器涨价传闻、Hugging Face被曝探索出售、Twitch训练数据集体诉讼、OpenAI AI网络攻击安全预警、开源模型溯源知识产权争议;每条附带工程视角解读、收益与现实约束;适合大模型后端、开源生态、Agent安全、AI产品研发人员。关键词AI服务器涨价;训练数据版权;Agent安全;开源模型知识产权;

分享日常学习生活 585

关于RTP时间戳以及播放器对时间戳的处理

首先,了解时间戳几个基本概念: 时间戳单位:时间戳计算的单位不是秒之类的单位,而是由采样频率所代替的单位,这样做的目的就是为了是时间戳单位更为精准。比如说一个音频的采样频率为8000Hz,那么我们可以把时间戳单位设为1 / 8000。 时间戳增量:相邻两帧之间的时间差(以时间戳单位为基准)。 采样频率: 有些地方也叫时钟频率,即 每秒钟抽取样本的次数,例如音频的采...

toshiba689的专栏 3052

Hugging Face潜在出售,模型资产离线化备份与工程解耦指南

在AI工程实践中,模型资产的管理与分发逐渐成为技术团队的核心关注点。以Hugging Face为代表的开源模型托管平台,通过Transformers等库建立了从模型仓库到应用代码的标准通道,大幅降低了开源大模型的使用门槛。然而,当平台面临商业调整或潜在出售,开发者的在线依赖就可能成为单点故障。理解模型分发基础设施的原理,掌握模型仓库同步、本地路径加载、容器镜像打包等离线部署方法,是保障AI应用稳定性的关键。无论是研究实验还是生产环境,模型资产的本地化备份与解耦设计都能有效降低外部平台变动带来的风险。本文从工

weixin_29058331的博客 335

VR大空间开发前期,设备选项与流程

欢迎开发者加入 VR 大空间开发之旅!本系列教程将以 Pico 和 HTC 设备为核心,系统拆解从基础搭建到功能实现的全流程,助你快速掌握开发要点。本系列共 12 篇,专为有编程基础但缺乏大空间开发经验的开发者设计。前 7 篇针对 Pico 和 HTC 设备差异分别讲解,后续步骤通用。核心目录如下:​1. 空间环境要求 - 灯光设置 - 场地面积规划 - 识别图案设计2. 网络部署方案3. 客户端体验模式解析 - 一体机模式 - 云渲染模式 - 背包体验模式4. Pico空间录制方法

unitygroup的博客 1357

AgentScope 2.0 API完全指南:构建企业级AI智能体应用的技术实践

本文系统梳理AgentScope 2.0框架的完整API体系,涵盖智能体核心引擎、统一模型适配层、工具系统、消息协议、权限控制与工作空间管理等七大核心模块。通过深入的源码级分析与架构图示,详细解读Agent类的推理-行动循环、ChatModelBase的多模型抽象、Toolkit的工具管理机制、ContentBlock的多模态内容表达、PermissionEngine的安全决策流程,以及Local/Docker/E2B三种工作空间实现。文章还提供了智能客服系统的完整实战案例,展示从自定义工具开发到流式服务部

program哲学 484

英伟达129亿美元收购Hugging Face,开源AI未来走向几何?

路透社评价,英伟达买的是战略影响力,与当期利润关系不大。短期来看,这对开发者是好事。对于发布模型的厂商,英伟达是Hugging Face最大的开放模型与数据贡献者,当它既是货架主人又是品牌时,竞争对手的模型上架后的展示位置和推荐情况将由其决定,这是交易前未有的变数。他还表示,过去拒绝了很多投资和收购要约,但「这个夏天,行星连珠了」,他们的目标是把开发者从1800万做到1亿,靠现有收入和融资难以支撑庞大基建,而英伟达能提供算力、基础设施和全球渠道,是最佳选择。消息传出后,马斯克在两人的帖子下留言「恭喜」。

IT界那些事儿 26

如何用 ABAP 以程序方式把指定表项写入 Transport Request

本文探讨了在SAP系统中运输自定义配置表数据时如何确保主表和相关文本表数据同步运输的问题。文章分析了两种实现方案:一是直接操作CTS表结构(E071和E071K)手动添加运输条目,二是使用SOBJ对象类型自动推导依赖关系。重点阐述了第一种方法的实现细节,包括如何正确拼接表键值到TABKEY字段,并提供了示例代码说明如何将ZXA_HEADER主表和ZXA_HEADERT文本表数据同时加入运输请求。文章特别指出在全球化交付场景中,文本表缺失会导致界面显示异常,强调理解底层运输机制对解决此类问题的重要性。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 223

Hugging Face 传 $130 亿「卖身」、OpenAI 自研芯片超 Blackwell、Agent 记忆成标配 —— AI 软件简报 08.22-08.26

每期覆盖 3-4 天的 AI 软件动态。个人视角,不追求面面俱到。周三、日更新。这三天,AI 软件栈的三条线同时交缠:开源的中枢想卖身、模型厂开始自己造芯片、Agent 记忆从工程拼装变成默认产品。Hugging Face 传以 $13B 被接触洽谈出售,距离 Stripe $70 亿买 OpenRouter 还不到两周。我判断,这已经不是"模型决定一切"的时代,护城河正漂移到"谁掌握开源社区、谁的推理硅片便宜、谁让 Agent 记住你"。

summerliyang的博客 403

PyQt5简介和安装

在initUI方法中,设置了窗口的标题和大小,并创建了一个按钮。PyQt5是一个功能强大的Python界面开发框架,可以轻松创建跨平台的图形用户界面应用程序。本文介绍了PyQt5的简介和安装方法,并提供了一个简单的示例应用程序来演示PyQt5的基本用法。PyQt5是一个功能强大的Python界面开发框架,它提供了丰富的工具和组件,用于创建跨平台的图形用户界面(GUI)应用程序。信号是控件发出的事件,槽是与之关联的处理函数。接下来,我们将编写一个简单的PyQt5应用程序,以演示PyQt5的基本用法。

XdKwargs的博客 226

uniapp - 解决uni.getLocation定位不准有偏差,定位经纬度不准确有几百米误差、获取地图定位有偏差怎么办,已配置高精确度但依旧不精准(uni.getLocation定位不准如何解决)

uni.getLocation,获取当前的地理位置、速度。已经设置altitude高精度,uniapp API获取定位有差异问题解决,获取定位有几百米偏差,uni.getLocation(OBJECT)中使用默认type ”wgs84“会导致定位不准的问题,gcj02,uni.getLocation地图定位不准,获取经纬度错误偏移了几十公里,经纬度的精确度误差,怎么消除经纬度偏差,解决 uniapp uni.getLocation 定位经纬度不准问题,使用定位不准,定位不准误差问题,解决定位不准问题,高德地

✅ 精选推荐文章 1万+
上一篇: AI服务器涨价超15%,原来是内存“惹的祸”!代工厂、巨头如何应对?
下一篇: 2026世界机器人大会:具身智能迈入万元时代,草根企业各显生存绝招
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值