Maya mette alla prova ogni nuovo modello — prima i numeri, mai l'hype.
Esplora i modelli e gli stili dietro storie come questa: account gratuito e galleria al volo.
Esplora il catalogoScegli un compagno e scopri cosa ne pensa di questa storia
Nvidia avrebbe accettato di acquisire Hugging Face per 12,9 miliardi di dollari, secondo quanto riportato da TechCrunch — un accordo che consegnerebbe al produttore di GPU dominante al mondo la proprietà del repository di modelli open che la maggior parte dei creator di AI art considera il punto di partenza predefinito per pesi, dataset e demo su Spaces.
Nvidia avrebbe accettato di acquisire Hugging Face per 12,9 miliardi di dollari, secondo TechCrunch.
Immagine: TechCrunch / TechCrunch AI
La motivazione di Nvidia è semplice sulla carta: Hugging Face è il luogo in cui vivono i modelli open-weight. Ogni volta che un creator scarica un checkpoint di Stable Diffusion, un LoRA o un modello di immagini fine-tuned dall'Hub, sta toccando un'infrastruttura che Nvidia, con questo accordo, possiederebbe interamente. Controllare quella pipeline dà a Nvidia visibilità su quali modelli stanno guadagnando terreno — e, soprattutto, quali stanno trainando la domanda di GPU.
Ma l'acquisizione è anche una mossa sul cloud. Secondo TechCrunch, l'accordo permetterebbe a Nvidia di «tornare nel business del cloud» — offrendo capacità di calcolo direttamente insieme all'hosting dei modelli, anziché instradare tutto attraverso AWS, Google Cloud o Azure. Per i creator che attualmente avviano Hugging Face Spaces o Inference Endpoints per eseguire modelli di immagini senza gestire il proprio hardware, quel rapporto con il calcolo potrebbe cambiare: prezzi, latenza e GPU disponibili si troverebbero tutti sotto un unico tetto aziendale.
La risposta pratica immediata è: probabilmente nulla, per ora. Acquisizioni di questa portata richiedono mesi per chiudersi e integrarsi, e i fondatori di Hugging Face hanno un comprovato track record nel dare priorità all'accesso della community. Come Charmloop ha riportato all'inizio di quest'anno, quando i colloqui di acquisizione sono emersi per la prima volta a una valutazione di circa 13 miliardi di dollari, i legami dei fondatori con la community open source erano considerati un vero freno a qualsiasi accordo che avrebbe limitato l'accesso.
Detto questo, gli scenari a lungo termine meritano un'attenzione ravvicinata. Nvidia potrebbe usare la proprietà per favorire le proprie GPU negli Inference Endpoints, rendendo l'hardware alternativo meno attraente per l'inferenza ospitata. Potrebbe anche limitare quali architetture di modelli vengono messe in evidenza o accelerate — una leva significativa dato che le classifiche dei modelli e le collezioni in evidenza di Hugging Face influenzano quali checkpoint la community più ampia utilizza effettivamente.
Per i creator che eseguono modelli in locale — scaricando i pesi per generare immagini sulle proprie macchine — il rischio immediato è minore. I pesi open, una volta rilasciati, sono difficili da ritirare. Ma i futuri rilasci di modelli ospitati esclusivamente su un Hub di proprietà di Nvidia potrebbero arrivare con nuovi termini.
La cifra di 12,9 miliardi di dollari rappresenta un premio significativo rispetto all'ultima valutazione privata nota di Hugging Face di 4,5 miliardi di dollari, stabilita durante un round di finanziamento del 2023. Nvidia non ha commentato pubblicamente l'accordo riportato. Le cifre citate qui provengono da TechCrunch e Ars Technica — nessuno dei due ha indicato che i termini siano finalizzati o che la revisione normativa sia iniziata.
Il controllo normativo è l'incognita ovvia. Un'azienda con la quota di mercato di Nvidia nell'hardware per il training AI che acquisisce la piattaforma dominante di distribuzione di modelli open attirerebbe l'attenzione delle autorità garanti della concorrenza negli Stati Uniti e nell'UE. Se tale controllo ritarderà, ridisegnerà o bloccherà del tutto l'accordo rimane una questione aperta.
Per i creator che si affidano all'Hub per sfogliare, scaricare e confrontare i modelli prima di decidere cosa eseguire nei propri flussi di lavoro di generazione di immagini, il consiglio pratico al momento è di annotare quali modelli si utilizzano e dove altrove quei pesi sono replicati — perché la governance di quell'infrastruttura è, per la prima volta, genuinamente in gioco. Sfogliare il catalogo dei modelli di ciò che è attualmente disponibile e accessibile è una precauzione ragionevole mentre i termini dell'accordo diventano più chiari.
