Laporan media pada 26–27 Agustus 2026 menempatkan Hugging Face dan NVIDIA di pusat perbincangan industri AI. The Information menulis bahwa NVIDIA telah menyepakati pembelian Hugging Face senilai 12,9 miliar dolar AS. Reuters, CNBC, TechCrunch, Forbes, dan Ars Technica kemudian mengamplifikasi laporan itu. Namun hingga pembaruan artikel ini, 28 Agustus 2026 pukul 14.03 WIB, baik NVIDIA maupun Hugging Face belum mengeluarkan pengumuman resmi. Business Insider bahkan menggambarkan pembicaraan yang belum menghasilkan perjanjian bertanda tangan.
Hubungan keduanya memang jauh lebih tua dari isu akuisisi. Sejak 2023, NVIDIA menjadi salah satu investor Hugging Face, memasok GPU untuk workload training dan inference, merilis model keluarga Nemotron di Hugging Face Hub, serta membangun integrasi software seperti NIM, TensorRT-LLM, dan akses compute melalui DGX Cloud. Di sisi lain, Hugging Face tetap menjadi tempat developer menemukan model, dataset, library, dan jalur deployment.
Pentingnya hubungan ini terletak pada dua lapisan yang jarang dimiliki satu pasangan perusahaan. Hugging Face menguasai jalur distribusi model terbuka. NVIDIA menguasai sebagian besar infrastruktur komputasi yang menjalankan model itu. Jika keduanya hanya bekerja sama, dampaknya adalah kemudahan teknis. Jika kepemilikan berubah, dampaknya bisa merambah netralitas platform.
Artikel ini memisahkan tiga hal yang sering dicampur: kolaborasi teknologi, investasi, dan akuisisi. Ketiganya tidak sama. Kolaborasi bisa berjalan tanpa kepemilikan. Investasi tidak otomatis berarti kontrol. Laporan kesepakatan belum sama dengan transaksi yang sudah closing.
Apa Itu Hugging Face?
Hugging Face adalah perusahaan dan platform yang menjadi salah satu pusat distribusi model AI, dataset, demo, dan library machine learning. Pengguna dapat mengunggah model, menulis model card, menjalankan demo di Spaces, serta memakai library seperti Transformers, Diffusers, Datasets, dan Optimum.
Analogi “GitHub untuk AI” membantu, tetapi tidak lengkap. GitHub terutama menyimpan kode. Hugging Face Hub menyimpan artefak machine learning: bobot model, tokenizer, konfigurasi, dataset, evaluasi, dan antarmuka untuk mencoba model. Kode bisa ada di Hub atau GitHub, tetapi yang membuat Hub strategis adalah distribusi weights dan jalur dari “model ditemukan” ke “model dijalankan”.
Hugging Face juga bukan hanya komunitas sukarela. Perusahaan ini menjual layanan berbayar: Hub enterprise, Inference Endpoints, Inference Providers, dan dukungan organisasi. Platformnya menampung model dengan lisensi sangat beragam, dari Apache-2.0 hingga lisensi yang membatasi penggunaan komersial.
Apa Itu NVIDIA dalam Ekosistem AI?
NVIDIA bukan sekadar pembuat kartu grafis. Dalam AI, perannya mencakup GPU data center, software CUDA, server DGX, jaringan antar-GPU, cloud compute DGX Cloud, microservices inference NIM, compiler dan runtime seperti TensorRT serta TensorRT-LLM, plus model sendiri seperti Nemotron dan Cosmos.
CUDA adalah ekosistem perangkat lunak proprietary NVIDIA untuk menjalankan komputasi paralel di GPU miliknya. Banyak framework open source—PyTorch, vLLM, Transformers—berjalan di atas CUDA ketika memakai GPU NVIDIA. Artinya, model terbuka tetap bisa bergantung pada tumpukan perangkat lunak yang tidak sepenuhnya terbuka.
Kepentingan NVIDIA di Hugging Face tidak hanya “agar orang memakai GPU”. Hugging Face adalah persimpangan tempat developer memilih model. Model yang mudah diunduh dan dioptimalkan cenderung menghasilkan lebih banyak workload training, fine-tuning, dan inference. Workload itulah yang membutuhkan GPU, server, jaringan, dan software stack NVIDIA.
Apa Sebenarnya Kerja Sama Hugging Face dan NVIDIA?
Hubungan keduanya adalah kombinasi investasi minoritas, integrasi produk, distribusi model NVIDIA di Hub, dan program compute yang berubah dari waktu ke waktu. Bukan satu kontrak tunggal yang tidak pernah berubah.
| Area | Hugging Face | NVIDIA | Manfaat |
|---|---|---|---|
| Model distribution | Hub, model cards, discovery | Mengunggah Nemotron, Cosmos, dan model lain | Developer menemukan model di satu tempat |
| Training | Library, AutoTrain, permintaan cluster | GPU, DGX Cloud, Lepton | Akses cluster untuk riset dan fine-tuning |
| Fine-tuning | Transformers, TRL, recipe komunitas | GPU + software training | Eksperimen lebih cepat |
| Inference | TGI, Inference Endpoints, Providers | NIM, TensorRT-LLM, GPU | Serving lebih mudah dioptimalkan |
| GPU access | Marketplace/endpoint/cloud partner | Hardware dan cloud GPU | Compute tersedia, tetapi berbayar |
| Software optimization | Optimum, Transformers | CUDA, TensorRT-LLM | Throughput lebih tinggi di GPU NVIDIA |
| Open models | Hosting dan komunitas | Nemotron dan dataset terkait | Pilihan model terbuka bertambah |
| Research | Big science/community projects historis | Compute dan model riset | Kolaborasi selektif, bukan merger riset |
Timeline Kerja Sama Hugging Face dan NVIDIA
| Tahun/Tanggal | Perkembangan | Status Saat Ini |
|---|---|---|
| 2016 | Hugging Face didirikan | Perusahaan masih independen pada tanggal artikel |
| 2023 | Kemitraan compute DGX Cloud diumumkan | Bentuk layanan awal kemudian berubah |
| 24 Agustus 2023 | Series D 235 juta dolar AS, valuasi 4,5 miliar dolar AS; NVIDIA ikut serta bersama Salesforce, Google, Amazon, AMD, Intel, IBM, Qualcomm, dan lainnya | Historis; NVIDIA investor, bukan pemilik |
| Juli 2024 | NVIDIA NIM API serverless di Hugging Face | Dihentikan 10 April 2025 |
| 2024–awal 2025 | Train on DGX Cloud untuk organisasi Enterprise Hub | Dihentikan 10 April 2025 |
| 10 April 2025 | HF mengumumkan deprecation Train on DGX Cloud dan NIM serverless; alternatif inference: Inference Providers | Sudah dihentikan |
| 11 Juni 2025 | Training Cluster as a Service diumumkan di GTC Paris bersama DGX Cloud Lepton | Halaman layanan masih waitlist |
| 21 Juli 2025 | Blog HF: NIM dapat men-deploy rentang LLM yang sangat luas dari Hub, memakai TensorRT-LLM, vLLM, dan SGLang | Masih relevan sebagai produk NVIDIA, bukan layanan serverless HF lama |
| Akhir 2025 | Menurut FT (Januari 2026), HF menolak investasi 500 juta dolar AS dari NVIDIA pada valuasi 7 miliar dolar AS | Historis; menunjukkan keengganan terhadap investor dominan |
| 2025–2026 | NVIDIA terus merilis Nemotron, Cosmos, dan model domain lain di Hub | Masih berjalan |
| 26–27 Agustus 2026 | The Information: NVIDIA menyepakati pembelian HF 12,9 miliar dolar AS; Business Insider: pembicaraan belum tentu sudah ditandatangani | Dilaporkan; belum closing |
Angka pengguna, model, dan pendapatan platform berubah cepat. Klaim “13 juta pengguna” atau “lebih dari 2 juta model publik” muncul di liputan 2026 sebagai data perusahaan atau media, bukan hasil audit independen artikel ini. Organisasi NVIDIA di Hub menampilkan ratusan model; halaman organisasi sempat menunjukkan sekitar 920 model pada pemeriksaan sumber primer.
Apakah NVIDIA Investor di Hugging Face?
Ya. NVIDIA adalah salah satu investor Series D Hugging Face pada Agustus 2023. Putaran itu mengumpulkan 235 juta dolar AS dan menempatkan valuasi perusahaan di 4,5 miliar dolar AS. Pesertanya luas: Salesforce, Google, Amazon, NVIDIA, AMD, Intel, IBM, Qualcomm, dan lainnya.
Ini harus dibaca dengan tepat. NVIDIA ikut investasi, bukan memiliki Hugging Face. Tidak ada sumber primer yang menyatakan NVIDIA memegang saham pengendali setelah 2023. Forbes dalam satu liputan sempat menulis seolah NVIDIA “menuangkan 235 juta dolar AS” ke Hugging Face; angka itu adalah ukuran seluruh putaran, bukan porsi NVIDIA yang diumumkan secara terpisah. Porsi individual NVIDIA tidak dipublikasikan secara rinci pada sumber primer yang diperiksa.
Pada akhir 2025, Financial Times kemudian memberitakan bahwa Hugging Face menolak tawaran investasi 500 juta dolar AS dari NVIDIA yang akan menilai perusahaan 7 miliar dolar AS. Alasan yang dilaporkan: Hugging Face tidak ingin satu investor terlalu dominan. Laporan itu penting karena menunjukkan posisi historis perusahaan sebagai platform yang ingin tetap netral.
Apa Itu Hugging Face Hub dan Mengapa Penting bagi NVIDIA?
Hub adalah lapisan distribusi. Developer mencari model, membaca lisensi, mengunduh weights, mencoba Spaces, lalu men-deploy lewat endpoint, provider, atau server sendiri.
Bagi NVIDIA, Hub adalah titik penemuan. Jika model Nemotron, checkpoint NVFP4, atau container NIM mudah ditemukan di Hub, jalur dari riset ke produksi menjadi lebih pendek. Semakin banyak model yang dijalankan, semakin besar permintaan GPU. Itu insentif bisnis yang dapat dianalisis, bukan pengakuan resmi bahwa “NVIDIA mendukung open source hanya untuk menjual GPU”.
Apa Peran NVIDIA GPU di Hugging Face?
Alur konseptualnya:
Pilih model di Hub → unduh atau panggil API → inference engine (Transformers, vLLM, TGI, TensorRT-LLM, NIM) → perangkat keras → aplikasi.
GPU NVIDIA sering menjadi pilihan default karena ekosistem CUDA matang, dokumentasi berlimpah, dan banyak benchmark komunitas memakai kartu NVIDIA. Namun Hub sendiri tidak memaksa semua model hanya berjalan di NVIDIA. Model dapat dijalankan di CPU, GPU AMD lewat ROCm, akselerator Intel, AWS Inferentia/Trainium, Apple Silicon, atau TPU jika framework dan kernel mendukung.
Inference Endpoints Hugging Face, pada dokumentasi harga yang diperiksa, memang menampilkan banyak instance NVIDIA di AWS dan GCP, plus opsi INF2. Itu fakta tentang katalog hosted service, bukan bukti bahwa seluruh ekosistem HF hanya NVIDIA.
Apa Itu NVIDIA DGX Cloud?
DGX Cloud adalah layanan cloud NVIDIA untuk workload AI, terutama training dan pengembangan model pada infrastruktur GPU kelas data center. Pengguna tidak membeli rak server sendiri, melainkan menyewa kapasitas yang dikelola.
DGX Cloud secara umum tetap produk NVIDIA. Integrasi tertentu di antarmuka Hugging Face tidak otomatis abadi. Train on DGX Cloud di Hub sudah dihentikan pada 10 April 2025. Pada Juni 2025, keduanya mengumumkan Training Cluster as a Service yang memakai DGX Cloud Lepton sebagai jalur akses kapasitas GPU dari jejaring NVIDIA Cloud Partners. Halaman huggingface.co/training-cluster pada pemeriksaan terbaru masih meminta organisasi masuk waitlist.
Pisahkan tiga hal: DGX Cloud sebagai produk NVIDIA; integrasi “Train on DGX Cloud” lama yang sudah mati; dan Training Cluster as a Service 2025 yang masih terbatas.
Apa Itu NVIDIA NIM?
NIM (NVIDIA Inference Microservices) adalah cara NVIDIA mengemas model sebagai layanan inference siap deploy, biasanya dalam container, dengan API yang mendekati pola OpenAI, dioptimalkan untuk GPU NVIDIA.
NIM bukan library setara Transformers. NIM adalah lapisan serving. Di belakangnya, container dapat memakai engine seperti TensorRT-LLM, vLLM, atau SGLang. Developer tetap membutuhkan GPU NVIDIA, driver CUDA, dan biasanya akun NGC untuk image resmi.
Hubungan Hugging Face dengan NVIDIA NIM
Integrasi lama
Pada Juli 2024, Hugging Face dan NVIDIA menawarkan NVIDIA NIM API serverless di Hub untuk organisasi Enterprise. Pengguna memanggil model lewat API tanpa mengelola server sendiri. Layanan itu memakai infrastruktur DGX Cloud.
Status sekarang
Layanan serverless itu dihentikan 10 April 2025. Hugging Face mengarahkan pengguna ke Inference Providers. Daftar provider resmi mencakup Together, Fireworks, Groq, Cerebras, Replicate, dan banyak nama lain; NVIDIA tidak tampil sebagai merek provider terpisah pada indeks dokumentasi yang diperiksa.
Apa yang berubah?
Integrasi bergeser dari “tombol serverless NIM di Hub” menjadi “NIM sebagai produk NVIDIA yang dapat menarik model dari Hub”. Blog Juli 2025 menjelaskan NIM dapat men-deploy LLM dari Hugging Face dengan backend TensorRT-LLM, vLLM, atau SGLang. Itu masih aktif sebagai pola deployment NVIDIA, bukan sebagai layanan pay-as-you-go lama di antarmuka Hugging Face.
Apa Itu Training Cluster as a Service?
Diumumkan 11 Juni 2025 di GTC Paris. Tujuannya: organisasi riset dan perusahaan dapat meminta cluster GPU sesuai ukuran, wilayah, dan durasi, lalu membayar selama training berjalan, bukan menyewa cluster menganggur. Kapasitas datang dari NVIDIA Cloud Partners, diorkestrasi lewat DGX Cloud Lepton, dengan tooling Hugging Face sebagai pintu masuk.
Targetnya organisasi, bukan hobbyist. Harga publik per jam tidak dicantumkan di halaman waitlist yang diperiksa. Status pada Agustus 2026: tersedia sebagai penawaran, akses masih melalui waitlist organisasi.
Apa Hubungan NVIDIA dengan Hugging Face Transformers?
Transformers dibuat dan dikelola Hugging Face bersama komunitas. NVIDIA bukan pembuatnya. Hubungan yang terverifikasi adalah kompatibilitas, optimasi, dan kontribusi ekosistem: model NVIDIA dapat dimuat lewat Transformers jika arsitekturnya didukung; Optimum-NVIDIA menargetkan percepatan inference di GPU NVIDIA; kernel dan format presisi seperti FP8/NVFP4 sering dioptimalkan lebih dulu untuk perangkat NVIDIA.
Jangan menyamakan “berjalan baik di GPU NVIDIA” dengan “NVIDIA mengembangkan Transformers”.
TensorRT-LLM vs vLLM vs Hugging Face Transformers
| Teknologi | Fungsi utama | Dibuat/dikembangkan oleh | Posisi dalam stack |
|---|---|---|---|
| Transformers | Memuat, melatih, dan menjalankan model | Hugging Face + komunitas | Library model |
| TensorRT-LLM | Optimasi dan runtime inference LLM di GPU NVIDIA | NVIDIA | Inference engine khusus NVIDIA |
| vLLM | Serving LLM berthroughput tinggi, PagedAttention | Komunitas open source | Inference engine portabel |
| NIM | Mengemas model jadi microservice inference | NVIDIA | Lapisan deployment |
Keempatnya tidak identik. Transformers adalah pintu masuk developer. vLLM dan TensorRT-LLM adalah mesin serving. NIM adalah kotak distribusi yang dapat berisi mesin-mesin itu.
Apa Hubungan CUDA dengan Open-Source AI?
CUDA adalah platform proprietary NVIDIA. Banyak proyek open source berjalan di atas CUDA, tetapi itu tidak membuat CUDA itu sendiri open source.
Konsekuensinya sederhana: model boleh open weight, library boleh Apache-2.0, tetapi jalur performa tertinggi sering melewati kompiler, driver, dan kernel yang terikat GPU tertentu. “AI terbuka” di lapisan model tidak otomatis berarti seluruh infrastruktur terbuka.
Apa Manfaat Kerja Sama Ini bagi Developer?
Akses compute. Cluster dan endpoint mempercepat eksperimen, dengan biaya yang tetap harus dihitung.
Training dan fine-tuning. Resep Hugging Face plus GPU NVIDIA adalah jalur yang paling terdokumentasikan di banyak tutorial komunitas.
Inference. Pilihan engine banyak: Transformers untuk prototipe, vLLM/TGI untuk serving, TensorRT-LLM/NIM untuk jalur NVIDIA yang dioptimalkan.
Deployment enterprise. NIM dan Inference Endpoints mengurangi pekerjaan ops, tetapi menambah ketergantungan pada layanan terkelola.
Eksperimen open models. Hub membuat perbandingan Llama, Mistral, Gemma, Qwen, Nemotron, dan ratusan varian lain menjadi pekerjaan sehari-hari, bukan proyek pengadaan data center.
Workflow konseptual: pilih checkpoint di Hub, uji lokal atau lewat provider, lalu pindahkan ke endpoint atau cluster jika traffic naik.
Apa Dampaknya bagi Peneliti dan Universitas?
Manfaatnya adalah jalur menuju GPU yang lebih pendek daripada pengadaan hardware sendiri. Risiko tetap ada: kuota, antrean waitlist, biaya per jam, dan ketergantungan pada wilayah data center.
GPU tidak menjadi “murah” hanya karena ada halaman produk. Training fondasi tetap mahal. Yang berubah adalah friction: organisasi kecil lebih mudah meminta kapasitas untuk jangka pendek. Reproduksi riset juga tidak otomatis selesai; dataset, seed, dan stack software harus terdokumentasi.
Dampak bagi Startup AI
Peluang: prototipe cepat, model siap unduh, managed inference, waktu engineering lebih singkat.
Risiko: harga GPU, perubahan produk (lihat deprecation 2025), switching cost CUDA, dan ketidakpastian kepemilikan platform jika akuisisi benar terjadi. Startup yang membangun seluruh pipeline hanya di satu cloud GPU dan satu format kuantisasi proprietary menanggung risiko lebih besar daripada startup yang menjaga portabilitas model.
Apakah Kerja Sama NVIDIA–Hugging Face Baik untuk AI Open Source?
Tidak ada jawaban “ya” yang bersih.
Argumen positif: model lebih mudah dipakai, optimasi masuk ke workflow developer, Nemotron menambah pilihan open weight, dan compute yang sebelumnya tersebar jadi lebih mudah diminta.
Argumen kritis: konsentrasi infrastruktur, default GPU NVIDIA di banyak hosted service, lapisan komersial di atas komunitas, dan pertanyaan netralitas jika pemilik Hub adalah vendor GPU terbesar.
Perspektif developer: yang paling terasa adalah kecepatan “dari model card ke API”. Perspektif ekosistem: yang paling rawan adalah siapa yang mengontrol default distribusi.
Kesimpulan seimbang: kolaborasi teknis membantu adopsi model terbuka. Kedekatan bisnis yang terlalu rapat dapat menggeser insentif platform dari netralitas ke integrasi vertikal. Laporan akuisisi membuat ketegangan itu tidak lagi teoretis.
Open Source AI dan Open Weight Itu Berbeda
Open source software berarti kode sumber tersedia dengan lisensi yang memenuhi kriteria tertentu, misalnya kebebasan memakai, mempelajari, memodifikasi, dan mendistribusikan.
Open weight model berarti bobot model dapat diunduh. Dataset pelatihan bisa tertutup. Kode training bisa tidak lengkap. Lisensi bisa melarang penggunaan tertentu. Prosesnya sering tidak reproducible.
Menyebut semua model Hub “open source” adalah kesalahan. Yang benar: Hub menampung spektrum keterbukaan.
Apakah Semua Model di Hugging Face Open Source?
Tidak.
Ada model Apache-2.0 atau MIT. Ada model dengan lisensi sumber terbuka yang masih membatasi penggunaan. Ada model dengan lisensi perusahaan. Ada model gated yang memerlukan persetujuan. Ada model yang weights-nya terbuka tetapi data latihnya tidak.
Contoh NVIDIA: keluarga Nemotron dirilis dengan lisensi model NVIDIA / varian OpenMDW pada beberapa rilis, disertai klaim weights, sebagian dataset, dan resep training. Itu lebih terbuka daripada banyak model frontier tertutup, tetapi setiap checkpoint tetap harus dibaca model card-nya sendiri.
Mengapa NVIDIA Berkepentingan dengan Open Models?
Salah satu insentif bisnis yang dapat dianalisis: semakin banyak model dijalankan secara luas, semakin besar permintaan training, fine-tuning, dan inference. Permintaan itu jatuh ke GPU, jaringan, server, cloud, dan software CUDA.
Insentif lain yang juga masuk akal: open models menjadi tandingan sistem tertutup yang mulai merancang chip sendiri. Jika developer tetap membangun di atas model yang berjalan baik di CUDA, posisi NVIDIA di lapisan infrastruktur bertahan.
NVIDIA juga memakai model terbuka sebagai kendaraan co-design: merilis checkpoint NVFP4, menguji stack serving, dan menarik developer ke NIM. Itu strategi platform, bukan amal.
Apakah NVIDIA Membuat Model AI Sendiri?
Ya. NVIDIA merilis Nemotron untuk bahasa dan agen, Cosmos untuk world/video model, plus model robotics, speech, retrieval, dan domain lain di organisasi huggingface.co/nvidia.
Jangan menyebut semuanya open source tanpa memeriksa lisensi tiap repo. Banyak yang lebih tepat disebut open weight, kadang disertai dataset dan resep.
Posisi Nemotron di Hugging Face
Nemotron adalah keluarga model NVIDIA yang diposisikan untuk agen, reasoning, dan efisiensi serving. Hub menjadi saluran utama distribusi weights. Integrasi yang relevan: Transformers jika didukung, vLLM/SGLang untuk serving komunitas, TensorRT-LLM dan NIM untuk jalur NVIDIA.
Daftar versi lengkap cepat kedaluwarsa. Yang perlu diingat: NVIDIA tidak hanya menjual GPU; NVIDIA juga menjadi model publisher di platform yang dilaporkan ingin dibelinya.
Apakah Hugging Face Hanya Mendukung NVIDIA?
Tidak, berdasarkan struktur platform saat ini.
Optimum memiliki jalur AMD, Intel (OpenVINO/IPEX), AWS Neuron, dan akselerator lain. Series D 2023 memasukkan AMD dan Intel sebagai investor, sinyal awal bahwa HF ingin tampil sebagai platform netral. Inference Providers merutekan ke banyak backend cloud, bukan satu vendor GPU.
Namun netralitas library tidak sama dengan netralitas default hosted GPU. Katalog Inference Endpoints yang terlihat publik masih sangat kental NVIDIA. Itu fakta produk, bukan tuduhan niat.
Bisakah Model Hugging Face Berjalan Tanpa GPU NVIDIA?
Bisa, secara konseptual, jika model dan framework mendukung perangkat tujuan. CPU untuk model kecil. GPU AMD lewat ROCm. Apple Silicon lewat MLX atau PyTorch MPS. TPU lewat jalur JAX/cloud tertentu. Inferentia di AWS.
Tidak semua model dan tidak semua optimasi tersedia merata. Model yang dikuantisasi ke format khusus NVIDIA bisa kehilangan keunggulan di hardware lain.
Apakah Kerja Sama Ini Membuat Hugging Face Bergantung pada NVIDIA?
Indikator yang terlihat: integrasi software paling matang sering muncul lebih dulu di NVIDIA; hosted GPU default banyak yang NVIDIA; NVIDIA adalah investor dan publisher model besar.
Indikator penyeimbang: investor dan partner hardware lain ada; Optimum multi-vendor; Inference Providers multi-cloud; model dapat di-self-host.
Tanpa data pendapatan per vendor, kesimpulan “HF bergantung secara finansial pada NVIDIA” tidak dapat ditegaskan. Yang dapat ditegaskan: ketergantungan teknis ekosistem AI global pada CUDA sudah ada, dengan atau tanpa akuisisi.
Risiko Vendor Lock-In
Vendor lock-in terjadi ketika pindah penyedia menjadi mahal karena format, API, kernel, atau skill engineer terikat satu pihak.
Di sini lock-in bisa muncul dari CUDA, engine TensorRT-LLM, konfigurasi NIM, kuantisasi NVFP4, dan kebiasaan tim yang hanya mengetes di satu merek GPU.
Peredam lock-in: format model portabel (safetensors), multi-engine (vLLM, TGI, SGLang), multi-cloud, dan library Optimum untuk vendor lain. Peredam itu ada, tetapi tidak menghapus biaya pindah.
Bagaimana dengan AMD dan Intel?
AMD dan Intel bukan penonton. Keduanya pernah berinvestasi di Hugging Face dan memiliki jalur Optimum. Pertanyaan utamanya bukan “GPU siapa lebih cepat hari ini”, melainkan apakah hubungan NVIDIA–Hugging Face yang makin rapat mengurangi insentif HF untuk menjaga jalur non-NVIDIA tetap kelas satu.
Jawaban faktual hari ini: dukungan multi-vendor masih ada. Jawaban spekulatif jika akuisisi closing: risiko penurunan prioritas kompetitor meningkat, tetapi itu skenario, bukan kebijakan yang sudah diumumkan.
Apakah NVIDIA Akan Menguasai Distribusi Model AI?
Hugging Face adalah hub distribusi yang sangat berpengaruh, bukan satu-satunya. Ada GitHub, cloud marketplace, ollama-style local hubs, dan self-hosting.
Pengaruh besar ≠ kontrol absolut. Bahkan jika transaksi 12,9 miliar dolar AS terjadi, developer masih dapat mengunduh weights dan menjalankannya di luar layanan NVIDIA. Yang bisa berubah adalah default, ranking, integrasi satu klik, dan insentif komersial di dalam Hub.
Status Terbaru Isu NVIDIA Mengakuisisi Hugging Face
Per 28 Agustus 2026, isu ini dilaporkan, bukan transaksi selesai.
| Pertanyaan | Status |
|---|---|
| Ada laporan akuisisi? | Ya. The Information, 26–27 Agustus 2026 |
| Siapa yang pertama melaporkan kesepakatan 12,9 miliar dolar AS? | The Information, dikutip Reuters dan media lain |
| Nilai transaksi | Dilaporkan 12,9 miliar dolar AS; Business Insider menyebut pembicaraan di atas 13 miliar |
| NVIDIA mengonfirmasi? | Belum, menurut permintaan komentar media |
| Hugging Face mengonfirmasi? | Belum |
| Agreement ditandatangani? | The Information: disepakati. Business Insider: belum tentu ada signed agreement |
| Regulator menyetujui? | Belum ada pengumuman |
| Transaksi sudah closing? | Tidak |
Konflik sumber wajib dicatat. The Information menggambarkan kesepakatan. Business Insider menggambarkan pembicaraan yang masih bisa batal. CNBC mendapat konfirmasi sumber bahwa akuisisi termasuk dalam pembicaraan. Tidak ada filing publik atau siaran pers perusahaan yang memeriksa tuntas status hukum transaksi.
Pendapatan tahunan Hugging Face sekitar 150 juta dolar AS yang disebut The Information adalah angka yang dilaporkan media, bukan laporan keuangan audited yang dikutip dari dokumen perusahaan. Rasio harga terhadap pendapatan yang beredar di media adalah analisis, bukan fakta regulator.
Apa Dampaknya Jika NVIDIA Benar-Benar Mengakuisisi Hugging Face?
Bagian ini skenario, bukan fakta.
- Netralitas Hub. Pemilik GPU terbesar akan mengendalikan etalase model.
- Dukungan kompetitor. Jalur AMD/Intel bisa tetap ada atau terpinggirkan.
- Distribusi model. Default deploy bisa makin condong ke NIM dan GPU NVIDIA.
- CUDA. Dominasi software stack makin mengunci kebiasaan developer.
- Startup. Satu pintu Hub-plus-GPU mempercepat buildup, menaikkan switching cost.
- Komunitas open source. Library Transformers bisa tetap terbuka, tata kelola platform berubah.
- Enterprise. Bundling model + inference + hardware menarik bagi pengadaan.
- AMD/Intel. Kehilangan pengaruh di titik discovery model.
- Cloud providers. AWS, Azure, GCP tetap relevan, tetapi layer model bisa bergeser.
- Antitrust. Transaksi sebesar ini secara analitis berpeluang menarik perhatian regulator; hasilnya tidak dapat diprediksi di sini.
Apa yang Bisa Berubah Jika Akuisisi Terjadi?
| Area | Kondisi saat ini | Potensi perubahan | Kepastian |
|---|---|---|---|
| Hugging Face Hub | Platform independen | Bisa menjadi unit NVIDIA | Skenario |
| Model hosting | Multi-publisher | Prioritas model NVIDIA naik | Skenario |
| Integrasi NVIDIA | Sudah dalam | Makin dalam | Skenario |
| Dukungan AMD | Ada lewat Optimum | Bisa bertahan atau melemah | Tidak diketahui |
| Dukungan Intel | Ada lewat Optimum/OpenVINO | Sama | Tidak diketahui |
| Cloud support | Multi-cloud | Bisa diarahkan ke partner NVIDIA | Skenario |
| Pricing | Beragam layanan berbayar | Bisa berubah setelah closing | Tidak diketahui |
| Proyek open source | Transformers dkk tetap publik | Lisensi library tidak otomatis berubah | Analisis |
Kekhawatiran yang Wajar bagi Komunitas Open Source
Tanpa mengarang “kemarahan massal”, isu yang logis dan sudah muncul di analisis industri meliputi: netralitas hardware, kontrol korporat atas distribusi, default deployment, akses API, dan tata kelola Hub. The New Stack secara eksplisit menyinggung masalah netralitas jika vendor GPU memiliki hub model. Itu analisis media, bukan petisi resmi komunitas.
Hal yang Kemungkinan Tidak Berubah dalam Waktu Dekat
URL model, kebiasaan transformers, format safetensors, dan workflow “cari di Hub lalu deploy di server sendiri” memiliki inersia tinggi. Akuisisi, jika terjadi, tidak menghapus file weights yang sudah tersebar. Yang lebih mungkin berubah lebih dulu adalah produk berbayar, bundling, dan tombol deploy default.
Tidak ada jaminan apa pun tidak berubah.
NVIDIA–Hugging Face vs Ekosistem AI Tertutup
Platform tertutup menjanjikan dukungan, performa, dan kontrol privasi lewat API. Platform terbuka menjanjikan kustomisasi, inspeksi weights, dan opsi self-host. Keduanya punya biaya. Kerja sama NVIDIA–Hugging Face berada di tengah: model dapat diunduh, tetapi jalur cepat sering melewati stack komersial.
Open tidak otomatis baik. Closed tidak otomatis buruk. Yang perlu dilihat: siapa yang dapat memeriksa model, memindahkan workload, dan menolak default vendor.
Contoh Alur Developer Menggunakan Hugging Face + NVIDIA
Pilih model di Hub → unduh weights atau panggil endpoint → pilih engine (Transformers/vLLM/TGI/TensorRT-LLM) → jalankan di GPU NVIDIA → bungkus jadi API aplikasi
Jika memakai NIM:
Model di Hub → container NIM → GPU NVIDIA → API aplikasi
Implementasi berbeda-beda. Serverless NIM di Hub sudah tidak tersedia.
Mana yang Open Source dan Mana yang Proprietary?
| Komponen | Status | Catatan |
|---|---|---|
| Hugging Face Transformers | Open source | Library publik |
| Hugging Face Hub | Platform komersial + fitur gratis | Bukan “semua isinya open source” |
| Model tertentu | Bervariasi | Cek lisensi per repo |
| CUDA | Proprietary | Ekosistem NVIDIA |
| vLLM | Open source | Engine serving komunitas |
| TensorRT-LLM | Proyek NVIDIA; cek lisensi repo resmi | Bukan sinonim Transformers |
| NVIDIA NIM | Produk proprietary | Container/microservices |
| DGX Cloud | Layanan komersial | Bukan open source |
Dampak terhadap Biaya AI
Managed service dapat memangkas biaya engineering, bukan otomatis memangkas total cost of ownership. TCO mencakup GPU time, penyimpanan weights, jaringan, observasi, on-call, dan lock-in.
Deprecation 2025 adalah pengingat: layanan yang hari ini nyaman bisa hilang. Harga H100 pada katalog Inference Endpoints yang tercantum di dokumentasi HF adalah contoh tarif hosted, bukan harga “resmi industri” yang berlaku di semua cloud.
Tidak ada klaim artikel ini bahwa kerja sama membuat AI “lebih murah untuk semua orang”.
Dampak terhadap Kecepatan Inference
Kecepatan bergantung pada model, GPU, presisi, batch, engine, dan versi software. Klaim marketing “Nx lebih cepat” tanpa konteks tidak dipakai di sini. Optimum-NVIDIA pernah mempublikasikan angka percepatan pada konfigurasi tertentu di blog lama; angka itu historis dan tidak digeneralisasi ke seluruh model 2026.
Apa Artinya untuk Masa Depan AI Open Source?
- Compute: akses cluster makin menjadi produk, bukan hanya lab universitas.
- Software: library terbuka tetap penting, runtime tercepat sering proprietary.
- Models: open weight tumbuh, termasuk dari NVIDIA sendiri.
- Distribution: Hub menjadi aset strategis, bukan sekadar hosting file.
- Governance: siapa pemilik Hub akan menentukan default ekosistem.
Dalam 1–3 tahun, dua cabang mungkin berjalan bersamaan: self-hosting model terbuka tetap hidup, sementara jalur “satu klik” makin terikat vendor infrastruktur.
Potensi Manfaat dan Risiko Hubungan NVIDIA–Hugging Face
| Potensi manfaat | Potensi risiko |
|---|---|
| Akses compute | Ketergantungan hardware |
| Optimasi inference | Vendor lock-in |
| Distribusi model | Konsentrasi ekosistem |
| Developer tooling | Kekhawatiran netralitas |
| Dukungan open model | Ketergantungan komersial |
Ini analisis, bukan daftar akibat yang sudah terbukti semuanya.
Yang Sudah Diketahui vs Belum Diketahui
Sudah diketahui. NVIDIA investor Series D 2023. Ada kolaborasi DGX dan NIM. Dua layanan Hub 2024 dihentikan April 2025. Training Cluster 2025 masih waitlist. NVIDIA publisher aktif di Hub. Laporan akuisisi 12,9 miliar dolar AS beredar 26–27 Agustus 2026 tanpa konfirmasi resmi.
Belum diketahui. Apakah perjanjian sudah ditandatangani. Apakah regulator akan meninjau. Bagaimana struktur organisasi setelah closing. Apakah dukungan AMD/Intel akan berubah. Bagaimana harga layanan HF ke depan. Berapa persis porsi saham NVIDIA saat ini.
Fakta vs Analisis
| Klaim | Jenis | Dasar |
|---|---|---|
| NVIDIA investor HF | Fakta | Liputan Series D 2023 dari media kredibel dan pernyataan putaran |
| Kolaborasi DGX/NIM | Fakta | Blog HF dan NVIDIA |
| Layanan 2024 dihentikan | Fakta | Update resmi blog/forum HF 10 April 2025 |
| NIM menarik model dari Hub | Fakta | Blog HF Juli 2025 |
| NVIDIA membeli HF | Dilaporkan | The Information dkk; belum ada siaran pers |
| HF tidak lagi netral | Analisis/skenario | Bergantung pada closing dan kebijakan pasca-deal |
| Kerja sama = lock-in total | Analisis berlebihan | Library multi-vendor masih ada |
Featured snippet
Hugging Face dan NVIDIA kerja sama apa? Keduanya berkolaborasi di distribusi model, akses GPU, training cluster, dan inference. NVIDIA juga investor Series D 2023. Pada Agustus 2026 media melaporkan pembicaraan akuisisi sekitar 12,9 miliar dolar AS, tetapi perusahaan belum mengonfirmasi dan transaksi belum closing.
Apakah NVIDIA memiliki Hugging Face? Belum terkonfirmasi. NVIDIA adalah investor, bukan pemilik yang diumumkan. Laporan pembelian masih berstatus pemberitaan.
Apa hubungan Hugging Face dengan NVIDIA GPU? Banyak model di Hub dijalankan di GPU NVIDIA lewat PyTorch, vLLM, TGI, TensorRT-LLM, atau NIM. Hosted endpoints HF juga banyak memakai instance NVIDIA. Model tidak secara hukum terikat hanya pada GPU itu.
Apakah Hugging Face open source? Library intinya banyak yang open source. Hub adalah platform. Model di dalamnya bercampur lisensi.
Apakah semua model Hugging Face open source? Tidak.
Apa dampak kerja sama NVIDIA–Hugging Face?
- Mempermudah jalur model ke GPU.
- Mempercepat adopsi open weight.
- Menambah pertanyaan tentang netralitas hardware.
- Membuka skenario konsentrasi jika akuisisi terjadi.
FAQ
1. Apa itu Hugging Face? Platform dan perusahaan untuk berbagi model AI, dataset, demo, dan library machine learning, plus layanan berbayar untuk organisasi.
2. Apa hubungan Hugging Face dan NVIDIA? Kolaborasi teknologi, distribusi model NVIDIA di Hub, integrasi inference/training, dan investasi NVIDIA pada 2023. Laporan akuisisi 2026 belum resmi.
3. Sejak kapan keduanya bekerja sama? Kemitraan publik yang menonjol tercatat pada 2023, lalu berlanjut lewat NIM, DGX, dan rilis model.
4. Apakah NVIDIA investor Hugging Face? Ya, peserta Series D Agustus 2023 bersama banyak perusahaan lain.
5. Apakah NVIDIA membeli Hugging Face? Itu laporan media akhir Agustus 2026. Belum ada pengumuman resmi closing.
6. Berapa nilai akuisisi jika dilaporkan? The Information menyebut 12,9 miliar dolar AS. Angka itu belum dikonfirmasi perusahaan.
7. Apakah akuisisi sudah selesai? Tidak, pada tanggal pembaruan artikel ini.
8. Apa itu NVIDIA NIM? Microservices inference NVIDIA untuk men-deploy model, biasanya dalam container di GPU NVIDIA.
9. Apa itu NVIDIA DGX Cloud? Layanan cloud NVIDIA untuk komputasi AI kelas data center.
10. Apa itu Training Cluster as a Service? Program 2025 agar organisasi meminta cluster GPU lewat HF dan DGX Cloud Lepton; akses masih waitlist.
11. Apakah Hugging Face gratis? Banyak fitur komunitas gratis. Layanan enterprise, endpoint, dan compute berbayar.
12. Apakah Hugging Face open source? Library utama ya. Platform dan seluruh modelnya tidak.
13. Apakah semua model di Hub open source? Tidak.
14. Apa beda open source dan open weight? Open source soal kode dan lisensi kebebasan perangkat lunak. Open weight soal bobot model yang dapat diunduh, sering tanpa data dan training code lengkap.
15. Apakah Hugging Face hanya memakai GPU NVIDIA? Tidak. Library mendukung akselerator lain, meski hosted GPU sering NVIDIA.
16. Bisakah memakai GPU AMD? Ya, lewat jalur ROCm dan Optimum-AMD, dengan tingkat kematangan yang berbeda per model.
17. Mengapa NVIDIA mendukung model terbuka? Salah satu bacaan bisnis: open models memperluas workload yang berjalan di infrastruktur NVIDIA dan menahan konsentrasi pada API tertutup.
18. Apa untungnya bagi developer? Model mudah dicari, banyak contoh, jalur deploy lebih pendek. Compute tetap mahal.
19. Apakah ini membuat NVIDIA makin dominan? Kolaborasi memperkuat posisi NVIDIA di lapisan distribusi. Dominasi penuh atas semua model AI tidak terjadi hanya karena satu laporan deal.
20. Apa dampaknya ke masa depan open-source AI? Library terbuka kemungkinan tetap ada. Yang rawan berubah adalah default platform, bundling hardware, dan tata kelola Hub jika kepemilikan berpindah.
Penutup
Hugging Face dan NVIDIA sudah lama terhubung di tiga lapisan: hardware, distribusi model, dan kepentingan bisnis. GPU menjalankan model. Hub menyebarkan model. Investasi 2023 mengikat keduanya secara finansial tanpa menjadikan NVIDIA pemilik.
Bagi AI terbuka, hubungan ini mendua. Developer mendapat model, tool, dan jalur serving yang lebih mulus. Ekosistem menanggung risiko default yang makin terikat CUDA. Laporan akuisisi 12,9 miliar dolar AS menaikkan taruhan itu, tetapi tetap harus dibaca sebagai pemberitaan sampai ada konfirmasi perusahaan, persetujuan yang diperlukan, dan closing.
Pantau siaran pers Hugging Face, NVIDIA Newsroom, dan dokumen regulator. Jangan menyamakan headline dengan sertifikat kepemilikan.
Sumber dan Referensi
Sumber primer
- Hugging Face Blog, “Serverless Inference with Hugging Face and NVIDIA NIM”, 29 Juli 2024, diakses 28 Agustus 2026. Status deprecation 10 April 2025.
- Hugging Face Forums, pengumuman deprecation DGX Cloud Training dan NIM API serverless, 10 April 2025.
- Hugging Face Blog, “Introducing Training Cluster as a Service”, 11 Juni 2025.
- Hugging Face, halaman huggingface.co/training-cluster, status waitlist, diakses 28 Agustus 2026.
- Hugging Face Blog, “Accelerate a World of LLMs on Hugging Face with NVIDIA NIM”, 21 Juli 2025.
- Hugging Face Docs, Inference Providers; Optimum installation; Inference Endpoints pricing.
- Hugging Face org huggingface.co/nvidia, daftar model organisasi, diakses 28 Agustus 2026.
- NVIDIA / Hugging Face materials terkait Nemotron dan Open Model License.
Media/jurnalistik
- The Verge, TechCrunch, Reuters, Bloomberg, Axios: Series D Hugging Face, 24 Agustus 2023.
- Financial Times, laporan penolakan investasi 500 juta dolar AS, Januari 2026.
- The Information, laporan kesepakatan 12,9 miliar dolar AS, 26–27 Agustus 2026.
- Reuters, CNBC, TechCrunch, Forbes, Ars Technica, Business Insider: liputan akuisisi, 26–27 Agustus 2026.
Disclaimer
Artikel ini membahas kolaborasi, investasi, integrasi teknologi, dan perkembangan terbaru hubungan NVIDIA dan Hugging Face berdasarkan informasi yang tersedia pada tanggal pembaruan. Status layanan, produk, kesepakatan bisnis, maupun laporan akuisisi dapat berubah. Informasi mengenai transaksi perusahaan yang belum dikonfirmasi atau belum ditutup secara resmi harus dipahami sebagai laporan, bukan kepemilikan final.
