开源模型军团出海：英伟达130亿美元抢占桥头堡从 DeepSeek 时刻到 Qwen 生态，看 Hugging Face、OpenRouter 与 Lepton 如何构成开源模型从“上市”到 Token 生产的新市场基础设施

东方大国以开源模型军团扑向全球，DeepSeek只是第一声炮响

过去几年，全球AI竞争最受关注的往往是谁拥有最强的闭源模型、谁掌握最先进的GPU、谁能建设最大的AI Factory。但另一条并不总被资本市场给予同等权重的战线上，东方大国正在以开源模型生态扑向全球。

如果说2025年春节前后的DeepSeek时刻是里程碑，那么真正改变市场的并不只是DeepSeek-R1一款模型曾震动全球，而是它证明了一件更深刻的事情：先进智能可以像一种数字生产资料一样，被下载、复制、蒸馏、量化、微调、重新组合，并在全球开发者之间继续繁殖。

Hugging Face在2026年1月回顾这一事件时直接使用“DeepSeek Moment”这一表述。到了2026年夏季，Qwen进一步证明这不是一次性冲击：HF统计的Qwen衍生仓库达到151,448个，2026年前七个月仍以每天约180–210个速度增加。DeepSeek是“时刻”，Qwen更像“生态”。

开源模型军团由此逐渐成为两个大国科技博弈的重要着力点，并引起西方政策、产业与资本越来越严肃的关注。NVIDIA在本次收购的SEC文件中甚至专门写道：全球许多最受欢迎、最成功的开源模型源自中国，随后被美国及全球开发者下载、修改、微调和测试；任何限制这类模型流动的监管措施，都可能对Hugging Face以及NVIDIA自身业务产生重大影响。

从DeepSeek-R1出发：一款开源模型怎样从“发行”走到真实Token

2025年1月，DeepSeek发布R1。其官方Hugging Face页面显示，R1系列采用MIT License，允许商业使用、修改和衍生，包括蒸馏；原始R1为671B总参数、37B激活参数，并同步发布多个基于Qwen与Llama的蒸馏版本。

截至2026年9月4日页面快照，`deepseek-ai/DeepSeek-R1`最近一个月仍有1,013,158次下载；围绕原始模型已形成122个Adapter、326个Fine-tune、4个Merge、71个Quantization，并被100个公开Spaces使用。当前模型页还直接显示Novita作为Inference Provider。

这组数据解释了为什么“模型发布”与传统软件产品发布完全不同。一个开源模型进入HF以后，不是静态地等待下载，而会快速生长出Fine-tune、Adapter、量化版、Merge、Demo与推理服务。原始模型像一只“基础证券”，其上不断产生新的衍生版本。

因此，理解Hugging Face最好的起点不是公司沿革，而是一款真实模型的生命周期。模型一旦进入全球开发者生态，Hugging Face便自然成为最难绕开的基础设施之一。

Hugging Face到底是什么：它已经远远不只是“AI世界的GitHub”

开源AI的发行、存储、协作、评估、展示、部署与分发基础设施官方Logo来自Hugging Face Brand Assets。NVIDIA收购公告披露HF已覆盖18M+开发者/研究者/创作者、3M+模型、500K数据集、1M应用与200K+企业。

今天的HF至少同时覆盖七块能力：Model Hub、Dataset Hub、Transformers等开发库、Spaces / Gradio、Enterprise、Inference Providers、LeRobot / Physical AI。其中最重要的变化，是平台已经从“模型在哪里”继续下沉到“模型怎样被执行”。

从青少年聊天机器人到$12.93B交易：HF本身也是一次极端战略转型

Hugging Face成立于2016年，创始团队包括Clément Delangue、Julien Chaumond与Thomas Wolf。它最初做的并不是开发者基础设施，而是一款面向年轻用户的聊天机器人。真正的转折来自团队把NLP工具链开源，并在2018年前后围绕Transformers形成开发者社区。

它的融资史也很说明问题：资本最初投的是“开源NLP工具”，后来逐渐把它定价成AI开发者基础设施，再到2026年NVIDIA直接把它视为战略控制面。

Series D的股东结构特别值得注意：NVIDIA、AMD、Intel、Qualcomm、Google、Amazon这些在芯片、云和AI平台上互相竞争的公司，曾经愿意同时成为HF股东。这本身就是HF“中立性资本”的一个早期证明。2023年$4.5B估值到2026年约$12.93B交易价值，相当于不到三年战略价值提升约2.9倍。

HF靠什么赚钱：重点不是向每枚Token征税，而是把开源网络效应变成企业与Compute收入

HF的开源社区很大，但商业模式并不是“下载模型收费”。平台主要在企业协作、私有模型与安全治理、Storage、Spaces Compute、Jobs、Inference Endpoints以及其他Compute服务上变现。

最有意思的是Inference Providers：HF官方当前提供200+可调用模型，通过一个HF Token完成统一认证与Billing，并明确写明No Markup——底层Provider报什么价格，HF不在推理价格上额外加价。

这也解释为什么用传统SaaS P/S直接评价$12.93B收购会失真。HF自身收入当然重要，但NVIDIA真正关心的可能是它能影响多少下游Compute Demand。

五次收购不是流水账，而是一张“开源模型生命周期”补完图

2026年，ggml.ai / llama.cpp团队又加入HF，但HF并未把这件事列成“第六次公司收购”。它补的是另一块重要能力：Local AI。于是HF开始同时连接Cloud Inference、Local Inference与Physical AI。

HF在开源模型生态中的真正行业地位：它不需要押中谁赢

HF最强的护城河不是某个单一产品，而是一个典型多边网络效应：

DeepSeek赢，HF受益；Qwen赢，HF受益；Llama、Mistral、Kimi、GLM、Nemotron继续增长，HF仍然受益。模型层越碎片化，搜索、托管、版本、评测、分发与部署的基础设施价值反而越高。

Qwen的151,448个衍生仓库尤其说明问题：这些并不是Qwen官方发布了15万个模型，而是社区围绕同一底座持续再生产。开源模型的关键特征不是“被消费”，而是可以繁殖。HF控制的是这个繁殖网络的重要节点。

一级发行基础设施 vs 二级流动性市场：功能分工正在重叠

如果把模型公司看成发行人，那么HF更靠近模型资产本身，OpenRouter更靠近一笔Token订单的实时执行。这个类比不是法律意义上的严格映射，但非常有助于理解市场结构。

一句话：HF解决“模型在哪里、是什么、如何被再生产”；OpenRouter解决“这一条请求现在应该在哪里执行”。

但边界正在靠近：HF已经通过Inference Providers提供统一API、自动Provider选择、Failover与集中Billing；OpenRouter则不断加强Model Discovery、Analytics、Routing、Cost Management与市场数据。HF正在向交易市场下沉，OpenRouter正在向AI Model Exchange上升。

Novita、DeepInfra、Nscale：把Provider放回同一张流量账，赛道突然变清楚了

Provider的本质不是“又一家云”。它们把真实GPU / ASIC capacity转化成可交易Token，并在不同分发平台争取订单流。因此，Provider研究不能只停留在GPU数量，还需要追踪：接入哪些分发平台、路由排名如何、订单流来自哪里。

因此，Kerwin《Inference Manufacturing Unified Ledger》新增以下跟踪字段：HF Presence、OpenRouter Presence、Router-sourced Token Flow、Routing Rank、Price、TTFT、Throughput、Uptime、Distribution Concentration。GPU Capacity只是生产能力，Distribution决定产能能否被填满。

Stripe为什么买OpenRouter：AI开始长出自己的“交易、计量与结算层”

2026年8月19日，Stripe正式宣布同意收购OpenRouter。OpenRouter当时披露其每天处理超过10万亿Token、覆盖400+模型、服务超过1000万开发者与企业；Stripe官方没有公布交易价格，媒体报道的约$8B+只能作为二级信息，不应写成官方对价。

OpenRouter解决“模型和Provider怎么选”，Stripe解决“Token成本怎么计量、企业怎么Billing、钱如何收回来”。更早之前，OpenRouter就已经使用Stripe Invoicing、Stripe Tax与Radar。收购后，Stripe第一次同时站在AI企业的Revenue Side与Compute Cost Side。

Lepton的市场角色：HF聚合需求，Lepton聚合NVIDIA GPU供给

如果Hugging Face帮助开发者找到模型，DGX Cloud Lepton帮助开发者找到NVIDIA GPU。Lepton把不同Cloud / NeoCloud的NVIDIA GPU Capacity组织进一个全球Compute Marketplace，合作方包括CoreWeave、Nebius、Nscale、Together、AWS、Crusoe、Fluidstack、Lambda、Scaleway等。

更关键的是，HF × Lepton不是收购之后才想象出来的协同。2025年6月，两家公司已经推出Training Cluster as a Service：研究机构提出GPU型号、数量、区域和使用时间，HF与NVIDIA共同处理sourcing、pricing与provisioning，后台由DGX Cloud Lepton接入Cloud Partner的GPU集群。

这条链对 Kerwin《AI Capital Cycle / 1GW统一账本》的意义很大。过去经常把Utilization直接设成70%、80%、85%；现在它应继续向上拆成长期合同需求 + Enterprise Direct + HF Training Demand + Router-sourced Inference + Compute Marketplace Demand。拥有1GW电力与拥有1GW持续满载的GPU，从来不是同一件事。

NVIDIA不是刚刚进入开源模型世界：它自己已经是参与者，而且DeepSeek就在它的训练链里

NVIDIA的Nemotron已经不是“几款开放权重模型”那么简单。NVIDIA在HF官方文章中把Nemotron定义成模型 + 开源数据 + 训练Recipe的组合，并明确表示：它会通过公开实验理解模型训练和推理，再反过来指导下一代GPU、软件与网络的设计。

其中最关键的一条真实链，是DeepSeek → NVIDIA → Hugging Face。

NVIDIA OpenReasoning-Nemotron-32B模型卡明确写明，其训练语料包含5M DeepSeek-R1-0528 generated responses。这是一条非常具象的事实：东方大国的开源Reasoning能力进入NVIDIA的数据生产，再被蒸馏成新的模型，重新在HF“上市”，继续被全球开发者使用。

这就是经典的“Commoditize the Complement”逻辑：如果闭源模型高度集中在少数超级客户手中，这些客户会获得更强议价能力，也更有动力开发TPU、Trainium和Custom ASIC；反过来，开源模型越繁荣，客户越分散，NVIDIA越有机会把GPU卖给企业、创业公司、主权AI、NeoCloud与Physical AI。

哪些协同已经发生，哪些仍只是推演？NIM提示：不能强行闭环

NIM这一点很重要，因为它不符合“收购之后一切都已经无缝连接”的漂亮叙事。HF当前官方Inference Endpoints文档明确保留“NVIDIA NIM (no longer available in UI)”提示。因此，Surprise Ledger必须保留：事实不漂亮，就不能为了故事完整性硬塞进框架。

真正值得期待的是另外一种锁定方式：不是禁止AMD/TPU，而是保持平台中立，同时让NVIDIA路径因为CUDA、TensorRT、Lepton、优化工具与GPU Supply更充足而成为摩擦最小的默认选择。

HF的下一块“上市地”，可能不是语言模型，而是机器人数据与Policy

HF收购Pollen Robotics以后，Physical AI已经不能被当作旁支。HF官方称LeRobot已成为开放机器人模型、数据、Spaces与软件的重要平台；2026年7月，NVIDIA Isaac Teleop与Isaac GR00T 1.7正式进入LeRobot。

这条链直接接入Kerwin《Physical Agent Unified Ledger》：未来研究Figure、Optimus、1X、Apptronik、Agility、Boston Dynamics、Unitree时，除了每家公司自己的封闭栈，还应增加LeRobot兼容度、数据贡献、VLA参与度、开放机器人生态渗透等字段。

$12.93B到底贵不贵：不能只用HF Revenue做分母

NVIDIA FY2027 Q2季度收入$96.2B，Data Center收入$89.0B，GAAP毛利率75%，Data Center简单年化约$356B。$12.93B大约相当于一个季度总收入的13.4%、一个季度Data Center收入的14.5%。对今天的NVIDIA而言，这是战略上重要、财务上完全可承受的下注。

市场报道估计HF年化收入约$150M；如果机械地用交易价格除收入，约为86× Revenue，看起来极贵。但如果HF的真正作用是创造或保护NVIDIA Compute Demand，正确分母就不应是HF standalone revenue。

HF Developer Activity → Training / Inference Conversion → Incremental GPU-hours → Incremental NVIDIA Revenue → Incremental NOPAT → Acquisition ROIC这是Kerwin Research的战略回报模型，不是NVIDIA管理层指引，也不是完整DCF。

最重要的反模型是：Routed Demand ≠ Incremental Demand。如果客户原本就准备在CoreWeave运行H100，只是未来通过HF → Lepton进入同一座集群，那么NVIDIA只改变了订单入口，没有创造新需求。未来必须追踪的是Incremental GPU-hours，而不是被NVIDIA生态重新路由的既有GPU-hours。

交易最大的矛盾：NVIDIA买下的恰恰是HF最珍贵的“中立性资本”

HF之所以能成为行业基础设施，一个关键原因是不同硬件和云生态都愿意接入。它与AWS长期合作，明确帮助开发者使用Inferentia和Trainium；与Google Cloud合作推动TPU原生支持；当前Optimum-AMD仍直接连接HF Libraries与AMD ROCm / Ryzen AI。

所以NVIDIA不能简单把HF变成“自家商店”。SEC文件也专门承诺，交易完成后HF将继续保持开放，开发者仍可选择自己的模型、框架、云与Compute，并继续支持其他Silicon Vendor。

在这一背景下，OpenRouter的价值反而可能上升。HF属于NVIDIA以后，一个由Stripe拥有、而Stripe本身不生产GPU也不训练Frontier Model的Router，可能更容易获得“中立交易层”的市场定位。未来潜在分工可能是：NVIDIA/HF偏Model Supply + Developer Ecosystem + Compute Integration；Stripe/OpenRouter偏Neutral Model Selection + Token Execution + Billing。

这笔交易真正修改的是 Kerwin《AI Capital Cycle / 1GW统一账本》的市场结构图

NVIDIA已经高度控制Data Plane中的高价值节点：GPU、NVLink、Networking、CUDA、TensorRT与AI Factory。DGX Cloud Lepton进一步聚合Compute Supply；HF则带来NVIDIA过去很难自己制造的Model Distribution、Developer Demand、Model Graph与Control Plane。

主要来源与证据边界