NVIDIA wird Hugging Face übernehmen, welche Auswirkungen hat das auf die chinesischen Open-Source-Modelle?
Nvidia bereitet sich darauf vor, 12,9 Milliarden US-Dollar für ein Unternehmen auszugeben, das im vergangenen Jahr einen Umsatz von nur 150 Millionen US-Dollar erzielte.
Umgerechnet auf den Umsatz beträgt das etwa das 80-fache.
Dieser Preis ist wirklich sehr hoch, aber wenn man versteht, dass das, was Nvidia wirklich kaufen will, ein unvermeidbarer Zugangspunkt für Entwickler ist, ist er nicht mehr so unangemessen – HF ist die unverzichtbare Schnittstelle bei der Suche und dem Herunterladen von Modellen, und es ist für Nvidia natürlich notwendig, einen solchen kritischen Punkt in den eigenen Händen zu halten.
Für inländische Open-Source-Modelle wie Qwen und DeepSeek war diese Schnittstelle in der Vergangenheit die wichtigste Station bei der Expansion auf internationale Märkte. Die Sichtbarmachung, Erprobung und Weiterentwicklung von Modellen findet größtenteils hier statt. Streng genommen ist HF von Anfang an ein US-Unternehmen, das Risiko der Exportkontrolle besteht nicht erst seit heute; die eigentliche Veränderung durch diese Übernahme besteht darin, dass die Plattform von nun an mit dem globalen Herrscher der Rechenleistung und gleichzeitig dem zentralen Vollstrecker der Exportkontrolle verbunden wird – alte Risiken werden vergrößert, und es kommt eine neue Variable der geschäftlichen Voreingenommenheit hinzu: Für wen standardmäßig optimiert wird, wie die Kriterien der Ranglisten festgelegt werden und wohin die Ein-Klick-Bereitstellung führt, gibt es nun Manipulationsspielraum.
Am 14. August veröffentlichte Hugging Face selbst einen Bericht mit dem Titel "State of Open Models: Summer 2026". Ein Abschnittstitel im Bericht ist sehr interessant.
Qwen has become the community's base model.
Genau, Qwen ist bereits das Basismodell dieser Community geworden.
Noch interessanter ist, dass Nvidias eigenes OpenCodeReasoning-Nemotron-7B in der Modellkarte explizit angibt, dass es von Qwen2.5-7B-Instruct abgeleitet ist, und auf der Seite auch das qwen2-Tag angezeigt wird.
Dadurch wird die Beziehung zwischen Nvidia und inländischen Unternehmen wie Alibaba recht komplex: Beide nutzen Open-Source-Modelle derselben Familie und hoffen, mit der hinter den Modellen stehenden Rechenleistung Gewinne zu erzielen.
Der Unterschied besteht darin, dass Nvidia GPUs verkauft und Alibaba Cloud-Dienste anbietet.
Im roten Kasten: Die offizielle Modellkarte von Nvidia trägt das qwen2-Tag, und die Beschreibung gibt klar an, dass es sich um ein abgeleitetes Modell von Qwen2.5-7B-Instruct handelt
12,9 Milliarden für einen Zugangspunkt
Was ist Hugging Face? Es ist wie ein Supermarkt für KI-Modelle.
Entwickler, die Modelle suchen, Gewichte herunterladen und Bereitstellungslösungen einsehen, kommen normalerweise zuerst hierher. Die Plattform verdient kaum Geld, aber wertvoll ist ihre Position im Arbeitsablauf der Entwickler.
Nvidia fehlt es auch nicht an Wachstum. Im jüngsten Quartal betrug der Umsatz 96,2 Milliarden US-Dollar, der Umsatz des Rechenzentrumsgeschäfts belief sich auf 89 Milliarden US-Dollar und wuchs im Jahresvergleich um 117 %. Das Unternehmen hat in seiner Umsatzprognose den Umsatz mit Rechenleistung für chinesische Rechenzentren auf null gesetzt, um zu beweisen, dass sein Geschäft auch ohne den chinesischen Markt schnell wachsen kann.
Daher ist das Geld, das Nvidia für den Kauf von Hugging Face ausgibt, eher wie der Kauf einer Versicherung. Heute laufen eine große Anzahl von Open-Source-Modellen standardmäßig auf CUDA, aber diese teure Rechnung macht AMD, Googles TPU und die von Cloud-Anbietern selbst entwickelten ASICs sehr neidisch.
Das Wichtigste für Nvidia ist, dass Entwickler immer finden, dass CUDA am einfachsten zu bedienen ist, egal ob sie das Modell wechseln oder die Bereitstellungsmethode ändern.
Aber! Die Übernahme von Hugging Face bedeutet nicht, dass man die Standardeinstellungen der Plattform beliebig ändern kann. Der Wert der Plattform ergibt sich aus ihrer Neutralität, sie unterstützt gleichzeitig AMD, AWS Inferentia und Googles TPU.
Wenn Nvidia sie zu einem exklusiven Produkt für sich selbst macht, wird es dieses neu erworbene Vermögen zwangsläufig schwer schädigen.
Daher können wir eine realistischere Vorgehensweise vermuten: Nvidia wird höchstwahrscheinlich einige scheinbar kleine Entscheidungen beeinflussen, z. B. wer die Ersttagsanpassung schneller erhält; welche Tools bei empfohlenen Bereitstellungslösungen vorrangig verwendet werden; welche Kriterien für die Leistungsrangliste gelten; zu welcher Cloud die Ein-Klick-Bereitstellung standardmäßig springt, und so weiter.
Nach dem Kauf von HF muss Nvidia Wettbewerber wie AMD nicht direkt auf der Plattform unterdrücken, es reicht aus, wenn sein eigenes integriertes Ökosystem aus Hard- und Software weiterhin die Option mit dem geringsten Widerstand bleibt.
Für inländische Modelle, die auf HF angewiesen sind, um auf internationale Märkte zu expandieren, bedeutet dies, dass sie auf einer Plattform, die sie nicht vollständig kontrollieren können, einer immer wahrscheinlicher voreingenommenen Regelumgebung gegenüberstehen.
Wie groß ist der Anteil von Qwen an diesem Zugangspunkt
Sehen wir uns direkt die eigenen Daten von Hugging Face an: Es gibt insgesamt 151.448 abgeleitete Modelle, die auf Qwen basieren.
Was bedeutet das? Sogar Google steht nur an zweiter Stelle mit nur 82.506 Modellen; die Anzahl von Qwen beträgt etwa das 2,6-fache der Summe der Meta-Serie, und wenn man nur Llama betrachtet, ist es das 4,7-fache.
Und diese Zahl steigt ständig. In den ersten 7 Monaten des Jahres 2026 hat Hugging Face durchschnittlich 180 bis 210 neue Qwen-abgeleitete Repositories pro Tag hinzugefügt. Bei diesem Tempo werden jährlich mehr als 60.000 Projekte hinzukommen.
Im roten Kasten: 151.000 Qwen-abgeleitete Modelle, fast doppelt so viele wie bei dem Zweitplatzierten Google. Quelle: Hugging Face
Lokale Betriebsdaten geben ein besseres Bild von der tatsächlichen Nutzung wieder. GGUF ist ein gängiges Format für Entwickler, ein Format, das häufig verwendet wird, um Modelle auf den lokalen Computer herunterzuladen und auszuführen. Monatlich beträgt die Download-Zahl von Qwen 39,6 Millionen, die von Gemma 20,8 Millionen und die von Llama 7,5 Millionen; Qwen ist mehr als 5-mal so groß wie Llama.
Im roten Kasten: Bei der lokalen Ausführung durch Entwickler erreicht Qwen monatlich 39,6 Millionen Nutzungen, mehr als das Fünffache der 7,5 Millionen von Llama. Quelle: Hugging Face
Warum wurde Qwen als Open-Source veröffentlicht?
Warum stellen inländische Unternehmen so beliebte Modelle wie Qwen und DeepSeek als Open-Source zur Verfügung?
Erstens ist dies eine aktive Ökosystemstrategie, keine passive Preisgabe von Vorteilen.
Die Modellgewichte können kostenlos sein, aber Inferenz, APIs, Agenten und Cloud-Rechenleistung sind kostenpflichtig. Nachdem Entwickler mit Open-Source-Modellen Produkte erstellt haben, erreichen sie die Bereitstellungsphase, und inländische Cloud-Anbieter erhalten eine weitere Chance, Aufträge zu erhalten.
Alibaba fördert diese Nutzungsgewohnheit weiter nach unten. Am 26. Mai veröffentlichte Alibaba Cloud in Singapur die internationale Version von Qwen Cloud, brachte gleichzeitig das Agentenprodukt MuleRun und die Programmierplattform Qoder auf den Markt und veranstaltete einen Hackathon für globale Entwickler. Es wurde keine weitere internationale Version von ModelScope erstellt, um mit Hugging Face um das Modell-Hosting zu konkurrieren – da die Hosting-Plattform selbst kaum Gewinne erzielt. Alibaba verfolgt das Ziel, das Hosting zu umgehen und direkt um den Inferenzzugang zu konkurrieren.
Auch DeepSeek wählt den parallelen Betrieb von Open-Source-Gewichten und eigenen APIs, um Entwickler auf die kontrollierte Dienstleistungsebene zu lenken.
Zweitens ermöglicht Open Source es inländischen Herstellern auch, den direkten Verbrauchskrieg um Closed-Source-Modelle zu vermeiden. OpenAI und Anthropic haben bereits die Markenbekanntheit und die Nutzungsgewohnheiten von APIs erobert; es ist zu schwierig, Benutzer davon zu überzeugen, zu einem anderen Closed-Source-Dienst zu wechseln. Die Hürde für offene Gewichte ist viel geringer: Entwickler können sie zuerst kostenlos nutzen und dann entscheiden, ob sie langfristig dabei bleiben wollen.
Drittens sind mehr als 150.000 abgeleitete Modelle auch gleichbedeutend mit einem groß angelegten kostenlosen Test. Einige setzen Qwen in Mobiltelefone ein, andere verwenden es für medizinische Frage-Antwort-Verarbeitung, juristische Dokumente und Übersetzungen in kleine Sprachen. Alibaba kann nicht alle Szenarien selbst abdecken, Entwickler können dies für es tun und dann Probleme und Verbesserungsvorschläge kontinuierlich zurückmelden.
An diesem Punkt ist die Absicht, Modelle kostenlos zur Verfügung zu stellen, sehr offensichtlich: Open-Source-Modelle sind ein hervorragendes Werkzeug, um Rechenleistung zu verkaufen.
Der Bericht von Hugging Face erwähnt auch, dass die beiden Unternehmen, die im Jahr 2026 die meisten Open-Source-Modelle veröffentlicht haben, AMD und Nvidia sind. Ihr Vorgehen ist leicht zu verstehen, denn offene Modelle, die für ihre eigene Hardware optimiert sind, sind selbst ein Leistungsnachweis.
Die Beurteilung der kommerziellen Rendite im Bericht ist ebenfalls direkt: Diese Modelle werden nicht veröffentlicht, um Lizenzgebühren zu erhalten, die Einnahmen werden aus APIs, Cloud-Geschäften, Hardwareverkäufen und der Position auf der Plattform erzielt. Mit anderen Worten: Die Modelle ziehen Nutzer an, die darunter liegende Infrastruktur generiert Gewinne.
Aus dieser Perspektive führen Nvidia und inländische Cloud-Anbieter eigentlich dieselbe Aktion durch – sie nutzen beide kostenlose Modelle, um Kunden für ihre Rechenleistung zu gewinnen.
Der Unterschied besteht darin, dass Nvidia nur die Chip-Ebene hat; während inländische Unternehmen einschließlich Alibaba nicht nur Modelle und Cloud-Dienste, sondern auch eigene Chips besitzen.
Im roten Kasten: Die beiden Unternehmen, die in diesem Jahr die meisten neuen Open-Source-Modelle veröffentlicht haben, sind die Hardware-Hersteller AMD und Nvidia. Quelle: Hugging Face
Nvidia kauft die Position, Alibaba pflegt die Nutzungsgewohnheit
Bei demselben Geschäft verfolgen die beiden Parteien völlig unterschiedliche Ansätze.
Nvidia kauft den Weg. Nvidias Vorgehen ist sehr direkt: Mit dem Kauf von Hugging Face hat es die Möglichkeit, zu beeinflussen, was Entwickler zuerst sehen und was am einfachsten bereitzustellen ist. Es muss niemanden offen ablehnen, es reicht aus, die Standardeinstellungen zu seinen Gunsten zu verschieben. Dies ist eine teure, aber schnell wirksame Investition.
Alibaba pflegt Gewohnheiten. Qwen behält ein vollständiges Layout von kleinen Modellen, die auf Mobiltelefonen ausgeführt werden können, bis hin zu Flaggschiff-Modellen. Der Bericht von Hugging Face weist darauf hin, dass Entwickler dazu neigen, Standards um eine Modellfamilie herum aufzubauen, anstatt jedes Mal nur ein einzelnes Flaggschiff-Modell auszuwählen. Nachdem man sich an kleine Modelle gewöhnt hat, ist der Aufwand, bei großen Projekten weiterhin dieselbe Familie zu verwenden, geringer, da Werkzeugketten, Prompts und Feinabstimmungsskripte erhalten bleiben.
Alibaba bemüht sich auch, diese Nutzungsgewohnheit weiter nach unten zu fördern. Am 26. Mai veröffentlichte Alibaba Cloud in Singapur die internationale Version von Qwen Cloud, brachte gleichzeitig das Agentenprodukt MuleRun und die Programmierplattform Qoder auf den Markt und veranstaltete einen Hackathon für globale Entwickler.
Noch wichtiger ist, dass Alibaba "Modell-Cloud-Chip" zu einer zusammenhängenden Kette verbindet:
Modellebene: Die Qwen-Serie ist Open-Source und deckt das gesamte Spektrum von kleinen Modellen auf Endgeräten bis hin zu großen Flaggschiff-Modellen ab;
Cloud-Ebene: Internationale Version von Qwen Cloud, Alibaba Cloud API, MuleRun Agent, Qoder-Programmierplattform;
Chip-Ebene: Der Zhenwu M890 Trainings- und Inferenz-Chip von T-Head, der Panjiu AL128 Superknoten.
Es wurde keine weitere internationale Version von ModelScope erstellt, um mit Hugging Face um das Modell-Hosting zu konkurrieren. Der Grund liegt auf der Hand: Hosting-Plattformen verdienen wirklich kein Geld. Hugging Face erzielt einen Jahresumsatz von nur etwa 150 Millionen US-Dollar, und die wirklich umfangreichen Einnahmen stammen aus Inferenzaufrufen und dem Verbrauch von Cloud-Ressourcen. Alibaba verfolgt das Ziel, das Hosting zu umgehen und direkt um den Inferenzzugang zu konkurrieren.
Am 20. Mai dieses Jahres veröffentlichte T-Head den Zhenwu M890. Die gesamte Auslieferung der Zhenwu-Serie belief sich auf etwa 560.000 Stück, die mehr als 400 Kunden abdecken. Sechs Tage später wurde die internationale Version von Qwen Cloud veröffentlicht. Dass Chip und internationaler Cloud-Zugang in derselben Woche vorgestellt wurden, zeigt, dass Alibaba diese drei Ebenen in dieselbe Geschäftsplanung einbezieht.
Dieses Geschäftssegment hat bereits Einnahmen erzielt. Der Finanzbericht vom 20. August zeigt, dass der Umsatz von Alibabas Bereich AI Cloud and Compute Services 48,