Nvidia Corp. a confirmé aujourd'hui avoir accepté d'acheter Hugging Face Inc. pour un peu plus de 12,93 milliards de dollars.
CNBC a rapporté que les négociations d'acquisition avaient commencé il y a quelques semaines. Des rumeurs selon lesquelles un accord était en cours ont fait surface lundi dernier, lorsque des sources ont informé Business Insider des discussions. Deux jours plus tard, The Information rapportait que Nvidia avait conclu l'accord.
Une partie des 12,9 milliards de dollars sera reversée aux principaux concurrents du fabricant de puces. Advanced Micro Devices Inc., Intel Corp. et Qualcomm Inc. soutenu Le dernier cycle de financement de Hugging Face. Ils ont été rejoints par Salesforce Inc., qui aurait cherché à racheter la société avant que Nvidia n'intervienne.
Hugging Face exploite une plate-forme de type GitHub que les chercheurs utilisent pour partager des modèles d'intelligence artificielle open source. Il héberge également des actifs techniques associés tels que des ensembles de données de formation. Le PDG de Nvidia, Jensen Huang, a révélé dans un communiqué article de blog aujourd'hui que la plateforme héberge plus de 500 000 jeux de données et quatre fois plus de modèles.
Hugging Face s'est aventuré sur quelques autres marchés au fil des ans. La semaine dernière, il a présenté un canard robot équipé d'un roller, capable de ramasser des objets avec son bec. Ventes surmonté 5 millions de dollars en cinq jours. L'entreprise plus tôt fait équipe avec un groupe de plus de 1 000 chercheurs pour développer son propre grand modèle de langage.
La principale source de revenus de Hugging Face est un ensemble de services cloud destinés aux équipes de développement d'IA. Une offre, Hugging Face Hub, permet de créer des versions privées de sa plateforme d'hébergement de projets d'IA. Les autres services de la société permettent aux développeurs d'héberger leurs modèles d'inférence sur une infrastructure cloud gérée.
Les produits payants de Hugging Face ne sont probablement pas la principale raison pour laquelle Nvidia dépense 19,3 milliards de dollars pour l'acquisition.
« Nvidia gagne en visibilité sur les préférences des clients et les modèles d'IA qu'ils utilisent », a déclaré Naveen Chhabra, analyste principal de Forrester. « Ils peuvent voir quels modèles sont à la mode, quels ensembles de données les clients téléchargent et les architectures qui gagnent du terrain des semaines avant qu'elles ne soient publiées dans l'actualité technologique grand public. »
Huang a écrit dans le billet de blog d'aujourd'hui que Hugging Face continuera à soutenir des projets d'IA capables de fonctionner sur plusieurs puces et cloud d'IA. Il a ajouté que Nvidia n'exigera pas que les utilisateurs de la plate-forme déploient leurs charges de travail sur du silicium.
« Nvidia bénéficie également d'une vision prospective basée sur les données sur les architectures de puces de nouvelle génération dont ils ont besoin pour construire en fonction des habitudes des développeurs », a déclaré Chhabra. « Ils sécurisent la couche logicielle parce que les entreprises spécialisées uniquement dans le matériel se banalisent au fil du temps. »
Roman Stanek, PDG de GoodData.AI, a déclaré à SiliconANGLE dans un e-mail que l'accord concernait moins la consolidation de l'IA par Nvidia que l'évolution du marché vers des modèles plus petits et plus spécialisés fonctionnant aux côtés des modèles frontières.
« L'acquisition par Nvidia de Câlins Affronter conforte notre conviction que des modèles plus petits et spécialisés, pour lesquels Câlins Affronter « Les modèles Frontier resteront importants, mais la plupart des charges de travail d'IA du monde réel privilégieront les modèles plus rapides, moins chers, plus spécialisés et pouvant fonctionner à proximité de l'application et de ses données. »
Cette acquisition est la deuxième plus grande transaction de startup de Nvidia après ses 20 milliards de dollars. contrat de licence avec Grok Inc. l’année dernière. Cette transaction a donné à l'entreprise l'accès à une architecture de puce optimisée pour l'inférence et à un nombre important de talents associés. Nvidia a utilisé cette technologie pour développer le Groq3LPUun processeur optimisé pour exécuter des LLM sensibles à la latence.
