原創(chuàng) | 文 BFT機器人

01

生成式AI競爭激烈，“技術寡頭”引人憂

橫空出世的ChatGPT無疑是目前科技界最耀眼的“紫微星”。

Chat GPT一經推出，便憑借其秒殺過往聊天機器人的“超級大腦”轟轟烈烈地占據了輿論場，在博得眾多人工智能巨頭的青睞，成為AI投資新風口的同時；ChatGPT在自然語言處理任務上表現出的強大性能，展現了大語言模型的強大潛力，并引發(fā)諸如元學習、模型可解釋性等研究方向，對人工智能研究范式產生了革命性影響。

如今，各大科技巨頭正針對大語言模型展開空前競爭，搶灘生成式AI應用開發(fā)，更大的數據集、更強大的算力、更廣闊的市場、更雄厚的資金已成為這個“卷生卷死”賽道的入場券。

?

但與此同時，大語言模型的核心技術被龍頭企業(yè)牢牢掌握，沒有一定的技術沉淀，普通企業(yè)、研究機構與普通人根本吃不下“ChatGPT”這塊大蛋糕。對于產業(yè)而言，技術的開發(fā)與共享就是“潤滑劑”，如果核心技術被少數人壟斷，不僅會產生“閉門造車”的困境，技術開發(fā)的準入門檻和研發(fā)成本大大提高，也會導致創(chuàng)業(yè)空間縮小，對產業(yè)生態(tài)活力產生不良影響。

在此前提下，Hugging Face奉行的開源精神就格外引人側目。Hugging Face提供了大量高質量的開源模型與工具，將研發(fā)成果最大程度地惠及全社區(qū)，極大地降低了人工智能的技術門檻，讓AI更加平民化，能夠惠及更多普通大眾。這對激發(fā)人工智能創(chuàng)新活力，促使更多樣化、個性化的應用涌現有重要意義。

02

Hugging?Face的前世今生

2016年，一家命名為Hugging Face的公司成立了。

16年創(chuàng)辦初期，它與許多類似創(chuàng)業(yè)公司一樣奔跑在聊天機器人賽道上，Hugging Face還知識一個基于LSTM的聊天機器人應用程序，主要服務于青少年的情感于娛樂。但由于技術的不成熟和難以變現的商業(yè)模式，Hugging Face雖然擁有了一部分核心用戶，但從企業(yè)的發(fā)展來看，其的發(fā)展速度是滯緩的。

2018年開始，苦于破局之策的創(chuàng)始人干脆開放聊天機器人AI模型，讓用戶自行開發(fā)服務，初衷是從用戶共創(chuàng)中為開發(fā)提供靈感。這一“無心插柳”的舉動，卻成為了Hugging Face踏進高速發(fā)展快車道，收獲“綠柳成蔭”的開始。

由于開源的AI模型寥寥可數，Hugging Face很快成為人工智能開發(fā)者的聚集地，創(chuàng)始團隊見此也順勢跟進用戶需求，將本身聊天平臺轉化為開發(fā)者社區(qū)，慢慢形成了全網最大的自然語言處理開源模型數據庫。

同年，Hugging Face發(fā)布Transformers框架，該框架基于注意力機制,廣泛應用于機器翻譯、語音識別、文本生成等自然語言處理任務。Transformers高性能與開源屬性，一舉成為機器學習工具庫中最重要的資源之一,Hugging Face的知名度與影響力迅速提高。

今天的Hugging Face已儼然是機器學習模型研究的中心，成為GitHub史上增長最快的AI項目。

03

打造機器學習領域的“GitHub”

Hugging Face專注NLP技術，致力于讓人工智能更加友好開放，通過技術創(chuàng)新不斷豐富產品與服務，構建機器學習領域的GitHub，成為廣大研究人員和技術開發(fā)者的合作伙伴。

技術DNA：Transformers

2018年開源的面向自然語言處理的預訓練語言模型——Transformers，是Hugging Face最核心的項目。Transformers基于注意力機制，被廣泛應用于翻譯、語音識別、圖像分類、文本生成等自然語言處理任務。Hugging Face開發(fā)的模型與數據集，可以直接使用進行推理、遷移學習，使Transformers框架在性能與易用性上達到業(yè)界領先水平。

BERT模型通過兩個Transformers網絡進行預訓練，讓模型能夠同時學習當前與歷史位置的信息；GPT-3模型也利用Transformers進行訓練，并在語言生成上展現出了大語言模型的巨大潛力。

Transformers徹底改變了深度學習在NLP領域的發(fā)展范式，降低了相關研究與應用的門檻，讓Hugging Face一躍成為行業(yè)翹楚，成為人工智能社區(qū)最具影響力的技術供應商。

?

豐富產品，矩陣服務

在Transformers框架基礎上，Hugging Face提供了豐富的產品與服務。例如用于生成與分析文本的AI知識庫 Anthropic;用于處理與分析圖像的Computer Vision;用于遷移學習的Model Hub等。這些產品與服務廣泛應用于內容審核、網絡安全等場景,覆蓋各個行業(yè)的需求。

此外，截至2023年4月，Hugging?Face還提交共享了166894個訓練模型，26900個數據集，涵蓋NLP、語音、生物學、時間序列、計算機視覺、強化學習等領域，彌補了科學與生產之間的鴻溝。

在數十萬的模型中，有一半是公開的，任何人均可使用，這些模型已服務數萬家企業(yè)進行資源開發(fā)應用，幫助科研人員和相關從業(yè)人員更好地構建模型、更好地參與到產品和工作流程中，其中不乏Meta、亞馬遜、微軟、谷歌等知名AI團隊。

網址：https://huggingface.co/

04

AI界“笑臉頂流”的商業(yè)化之路

2021年才初步探索商業(yè)化的Hugging Face，2022年5月就完成了由Lux Capital領投、紅杉資本參投的1億美元C輪融資，估值狂飆到20億美元，成為名副其實的AI領域的“笑臉頂流”。

?

Hugging是如何一炮而紅，實現商業(yè)化的呢？簡單來說，就是走對了路，又把路走對了。

Hugging Face選擇了正確的發(fā)展方向——開源。憑借開源項目Transformers，Hugging Face積累了巨大的影響力，聚集了廣大開發(fā)者構建了龐大的社區(qū)，也贏得了客戶與投資者的信任。開源讓Hugging Face擁有了足夠強大的技術實力和市場資源，為其商業(yè)化轉型奠定了重要基礎。

其次，Hugging Face制定了合理的商業(yè)化發(fā)展路徑。憑借開源社區(qū)積累影響力，而后逐步向SaaS產品和企業(yè)服務拓展。這種漸進式的轉型，讓Hugging Face在開源和商業(yè)件取得了良好的平衡，也是其能取得成功的重要原因。

Hugging Face的主要盈利業(yè)務主要有三類，一是付費制會員；二是數據托管；三是定制化解決方案。Hugging Face圍繞NLP、Vision等方向為企業(yè)客戶提供個性化功能應用，以獲得技術服務費用；企業(yè)級SaaS產品可幫助企業(yè)集中管理多個模型、數據集和實驗,實現標準化作業(yè)和協(xié)作；此外，Hugging Face構建了廣大開發(fā)者社區(qū)，在線課程和社區(qū)受到眾多開源工具和框架開發(fā)者的喜愛，并通過會員訂閱的方式獲得收益。

?

Hugging Face之所以能成功實現商業(yè)化，與其開源積累的強大影響力分不開關系。開源讓Hugging Face聚集廣大技術開發(fā)人才產生協(xié)同，技術讓Hugging Face領先同行，影響力讓Hugging Face贏得信任與支持

2021年的Hingging Face就已服務千家客戶，并獲得了英特爾、高通等知名企業(yè)的青睞，實現1000萬美元的營收。從數據來看，Hugging Face這套的“開源帶動商業(yè)”的策略是非常成功的，并讓Hugging Face不斷擴張版圖，成為AI界獨樹一幟的存在，也為其他AI初創(chuàng)公示提供借鑒范式。

05

結語

“無論是谷歌、亞馬遜還是Facebook，你一開始會認為是競爭對手的公司，現在幾乎都成了支持者，就像生態(tài)系統(tǒng)中的一塊不動產。”

“秉持做好機器學習和實現機器學習“平民化”的信念，采取一種非常開放的協(xié)作方式，讓任何人都可以一起做出貢獻“

?

Hugging Face轉型成功或許是一場偶然，但后來的持續(xù)發(fā)展與團隊的正確維護和研發(fā)活力脫不開干系，Hugging Face從未放棄科研領域的深挖，就像把模型開源的初衷，是為了集思廣益提升技術做出更好的產品一樣。

Hugging Face選擇了開源，又把開源做成功了；選擇了商業(yè)化，又在技術與商業(yè)之間找到了平衡。通過開源與商業(yè)雙輪驅動的“獨門武功”，Hugging Face在影響力和盈利上實現雙豐收，既能引領技術潮流，又能獲得資本青睞。

如今的Hugging Face已成功躋身人工智能領域的佼佼者，它站在技術與產業(yè)發(fā)展的前沿，相信在未來，Hugging Face也將持續(xù)書寫人工智能產業(yè)發(fā)展的重要篇章。

更多精彩內容請關注公眾號：BFT機器人

本文為原創(chuàng)文章，版權歸BFT機器人所有，如需轉載請與我們聯(lián)系。若您對該文章內容有任何疑問，請與我們聯(lián)系，將及時回應。