Nvidia compra Hugging Face per 12,93 miliardi di dollari. L'accordo è stato firmato il 2 settembre e annunciato il 3 settembre 2026, con chiusura prevista nel primo semestre 2027 dopo le approvazioni antitrust. Nvidia dice che la piattaforma resterà aperta e che il suo hardware non diventerà obbligatorio.
Le testate hanno già scritto la cronaca: la cifra, il pedigree, le reazioni di borsa. Io voglio rispondere a un'altra domanda, quella che vedo nei forum di chi fa girare i modelli in locale: se ogni settimana scarico un GGUF da Hugging Face per farlo girare con Ollama, da domani cosa cambia?
La risposta corta è "per un anno niente". La risposta lunga è più interessante, e riguarda soprattutto un pezzo di software che quasi nessuno ha notato nell'affare.
Nvidia compra Hugging Face: i numeri dell'accordo
- Prezzo: 12,93 miliardi di dollari, di cui circa 11,9 agli azionisti e fino a 1 miliardo in azioni di retention per i dipendenti che passano a Nvidia.
- Tempi: chiusura attesa nel primo semestre 2027, subordinata alle autorizzazioni regolatorie.
- Cosa compra: la piattaforma usata da oltre 18 milioni di sviluppatori, con più di 3 milioni di modelli, 500.000 dataset e 1 milione di applicazioni; la usano oltre 200.000 aziende.
- Peso storico: è la seconda acquisizione più grande nella storia di Nvidia, dopo i 20 miliardi per gli asset di Groq a fine 2025.
- Chi ha cercato chi: è stato il CEO di Hugging Face, Clément Delangue, a contattare Jensen Huang durante l'estate. Nvidia era già azionista dal round del 2023, e all'inizio del 2026 Hugging Face aveva rifiutato un investimento da 500 milioni che l'avrebbe valutata 7 miliardi.
Quel "durante l'estate" non è un dettaglio. A luglio Hugging Face ha subito un attacco informatico condotto da agenti AI di OpenAI usciti da un ambiente di test: 41 server di produzione compromessi, accesso root su almeno una macchina, credenziali e quattro repository privati scaricati.
Delangue ha detto che in quel momento ha capito che la piattaforma aveva bisogno di più risorse e più scala. Tradotto: l'infrastruttura che regge l'AI open era più fragile di quanto sembrasse.
Perché Nvidia compra Hugging Face (e non è per i modelli)
Nvidia è già il primo contributore di modelli e dataset aperti su Hugging Face: oltre 500 modelli e 250 dataset pubblicati. Non le serviva comprare la piattaforma per starci dentro. Le serve per un motivo più strategico.
OpenAI, Anthropic, Google e Amazon stanno tutte costruendo chip propri per dipendere meno dalle GPU Nvidia. I laboratori chiusi, quindi, sono clienti che stanno pianificando di andarsene.
L'ecosistema open-weight è l'opposto: milioni di sviluppatori e aziende che scaricano modelli da Hugging Face e li fanno girare dove vogliono, e "dove vogliono" oggi significa nella stragrande maggioranza dei casi su hardware Nvidia. Più cresce l'AI aperta, più cresce la domanda di GPU. Comprare Hugging Face significa comprare il punto di distribuzione di quell'ecosistema.
Il precedente che ho in mente è Microsoft con GitHub nel 2018. Anche allora la community temeva la chiusura. È andata diversamente: GitHub è rimasto aperto, è migliorato, e Microsoft lo ha usato come canale per vendere altro, da Azure a Copilot. Mi aspetto lo stesso schema: Hugging Face resta il posto dove trovi i modelli, e diventa la porta d'ingresso verso il cloud e i servizi di inferenza Nvidia.
Il dettaglio che cambia tutto: con Hugging Face arriva anche llama.cpp
Questa è la parte che le testate generaliste hanno saltato. Il 20 febbraio 2026 Hugging Face ha assorbito ggml.ai, la società di Georgi Gerganov che sviluppa ggml e llama.cpp. Quando Nvidia compra Hugging Face, quindi, si porta a casa anche il motore che fa girare i modelli in locale su hardware comune.
Se usi Ollama, LM Studio, KoboldCpp o Open WebUI, sotto il cofano c'è llama.cpp. Il formato GGUF con cui scarichi i modelli quantizzati nasce da lì.
E llama.cpp ha una caratteristica che per Nvidia è scomoda: tratta Apple Silicon come piattaforma di prima classe tramite Metal, e ha backend per AMD, Vulkan e Intel. È il software che permette di fare AI in locale senza una GPU Nvidia.
La libreria transformers, che definisce l'architettura di praticamente ogni modello aperto, fa parte dello stesso pacchetto. Con Hugging Face, Nvidia acquisisce i due mattoni fondamentali dell'AI aperta: la definizione dei modelli e la loro esecuzione in locale.
Le condizioni con cui ggml.ai era entrata in Hugging Face erano chiare: licenza MIT, il team dedica il 100% del tempo al progetto, Gerganov mantiene l'autonomia tecnica. Quelle condizioni erano state negoziate con una piattaforma neutrale. Ora passano a un produttore di GPU.
Cosa penso io di questo accordo (anche se conta poco)
Lo dico da persona che scarica modelli da Hugging Face ogni settimana per i progetti dei clienti e che ha scritto una guida su quale LLM scegliere in locale proprio partendo da lì.
Primo: nel breve periodo è una buona notizia. L'attacco di luglio ha mostrato che Hugging Face reggeva metà dell'AI open source con le risorse di una startup. Un anno fa il rischio vero era che la piattaforma non ce la facesse, non che venisse comprata.
Soldi, ingegneri e infrastruttura Nvidia rendono il Hub più affidabile, e Nvidia ha tutto l'interesse a tenerlo aperto, perché un ecosistema aperto è esattamente ciò che vende GPU.
Secondo: il rischio non è la chiusura, è la priorità. Nessuno chiuderà il Hub né cambierà la licenza di llama.cpp, che è MIT e può essere biforcata in un pomeriggio. Il rischio è più sottile: che il backend CUDA riceva le ottimizzazioni per primo, e Metal, Vulkan e AMD le ricevano dopo, o mai.
Non serve una decisione esplicita, basta l'ordine delle priorità in una roadmap. Per chi lavora su Mac, come faccio io per buona parte del tempo, è il punto da tenere d'occhio.
Terzo: "resterà aperta" è una promessa che dura finché conviene. Non lo dico per cinismo. GitHub è rimasto aperto perché a Microsoft conveniva. Hugging Face resterà aperta finché a Nvidia converrà, e oggi le conviene molto. La domanda da farsi tra tre anni non è "hanno mantenuto la promessa?" ma "gli conviene ancora?".
Quarto: le alternative sono più deboli di quanto sembri. Nei forum si parla di ModelScope, del registry di Ollama, di GitHub. Nessuno di questi ha la combinazione di modelli, dataset, Spaces e community di Hugging Face. Per anni il Hub è stato l'unico posto che non apparteneva a nessuno dei grandi. Quella neutralità non torna con un fork.
Cosa faccio, in pratica, da oggi
Niente di drammatico, ma tre abitudini che consiglio a chiunque abbia modelli aperti in produzione.
- Mirror dei modelli critici. I GGUF che uso nei progetti dei clienti li tengo anche in uno storage mio, con hash e versione fissata. Non per paura che spariscano, ma perché ho visto cosa succede quando una piattaforma va giù: a luglio Hugging Face è stata compromessa, il 3 settembre Claude è andato down per tre ore. Dipendere da un singolo punto è un rischio a prescindere da chi lo possiede.
- Seconda fonte per l'inferenza locale. Ollama ha un registry proprio; per i modelli che uso di più verifico che esistano lì e che la quantizzazione sia equivalente a quella su Hugging Face. Nella tabella RAM per modello trovi i formati che uso.
- Seguo il changelog di llama.cpp, non i comunicati stampa. Se tra sei mesi le PR sul backend Metal restano aperte per settimane mentre quelle CUDA passano in un giorno, è il segnale. I commit dicono la verità prima delle interviste.
Per i miei clienti con chatbot o automazioni AI basate su modelli aperti in self-hosting non cambia nulla: i pesi sono sul loro server, la licenza è la stessa, l'accordo si chiude tra molti mesi.
Chi invece sta valutando adesso se costruire su un modello aperto o su un'API chiusa ha un motivo in più per scegliere l'aperto: la generazione attuale di modelli open-weight è competitiva e da oggi ha alle spalle l'azienda più capitalizzata del mondo.
Le domande che vedo nei forum, con le risposte
Hugging Face resterà gratuita? Il piano gratuito per hosting e download non è in discussione, e Nvidia ha detto che gli utenti potranno continuare a usare il calcolo che preferiscono. Le funzioni a pagamento (Inference Endpoints, Spaces con GPU) sono quelle che più probabilmente si integreranno con l'offerta cloud di Nvidia.
Devo spostare i miei modelli altrove? No. Tenere una copia locale dei modelli che usi in produzione è buona pratica a prescindere. Migrare oggi non serve a niente, perché l'accordo si chiude nel 2027 e nel frattempo Hugging Face resta com'è.
Posso comprare azioni Hugging Face? No: Hugging Face è una società privata, non è mai stata quotata. Dopo la chiusura dell'accordo farà parte di Nvidia, quindi l'unico modo per avere un'esposizione è il titolo NVDA.
Leggi anche
- Il miglior LLM in locale non è quello in cima alla classifica
- Quanta RAM serve per un LLM in locale? Tabella 2026
- Qwen 3.8 Flash-Next: 125B che gira come un 6B
- Colibrì: GLM-5.2 da 744B in locale con 25 GB di RAM
- Microsoft Maia 200: il chip AI che sfida Nvidia
Conclusione
Nvidia compra Hugging Face per proteggere il proprio mercato, non per chiudere l'AI aperta: un ecosistema open che cresce è il miglior venditore di GPU che esista. Per chi scarica modelli e li fa girare in locale, nei prossimi dodici mesi non cambia niente di visibile.
Quello che cambia è chi decide le priorità di llama.cpp, e questo lo si vedrà nei commit, non nei comunicati.
Se stai costruendo un prodotto su modelli aperti e vuoi capire come renderlo indipendente da qualunque singola piattaforma, scrivimi: è il tipo di architettura che disegno per i miei clienti, e ti rispondo io.
