NVIDIA 联手 Hugging Face：把 DGX Cloud 搬进开源社区

很多做大模型的团队都遇到过同一个槛：开源社区里的优质模型越来越多，代码和权重直接就能下载，但只要想拿自家业务数据做个深层微调，手里的显卡马上就报内存溢出。

在 SIGGRAPH 大会上，NVIDIA 和 Hugging Face 宣布联手，要把前者的顶级 AI 超算算力直接搬进 Hugging Face 的平台里。

两家公司正在把 NVIDIA DGX Cloud 深度集成到 Hugging Face 中，开发者在网页上就能直接调用多节点的超算资源，省去了自己折腾底层算力集群的麻烦。

把八卡超算塞进开源社区

为了这次合作，Hugging Face 准备推出一项叫做「Training Cluster as a Service」（训练集群即服务）的新功能。

简单来说，以前企业如果想基于开源模型做定制，往往需要先把模型下载到自己的服务器，或者在主流云厂商那里手动配置集群和网络。不仅环境容易踩坑，跨节点通信的调优也极其磨人。

新功能上线后，开发者可以直接在 Hugging Face 平台上一键拉起由 NVIDIA DGX Cloud 驱动的训练任务，整个服务预计在接下来的几个月内正式开放。

硬件底座方面的配置相当下本。每个 DGX Cloud 实例都配有 8 块 NVIDIA H100 或 A100 80GB 显卡，单节点显存高达 640GB。

为了解决大规模训练中最头疼的通信瓶颈，节点之间跑的是 NVIDIA 的低延迟网络。此外，购买服务的客户还能直接获得 NVIDIA 专家的技术支持，帮着一起排查模型训练和优化过程中的技术难题。

目前 Hugging Face 社区里已经沉淀了超过 25 万个模型和 5 万个数据集，有超过 15000 家机构在使用。把这些现成的开源资产和现货算力绑在一起，省掉的就是中间漫长的搬运和适配工作。

为什么重要

对于需要定制专有模型的企业和开发者来说，这一步能省下大把时间。大家不用再纠结怎么去跨平台搬运几百 GB 的权重文件，也不用自己养团队去死磕多卡并行与通信优化，直接在模型 hub 内部就能完成从选型到微调的全流程。

不过门槛依然存在，DGX Cloud 的规格注定了这主要是面向有预算的企业级用户，普通独立开发者或者学生党恐怕很难把它当成日常练习工具。

从行业竞争来看，NVIDIA 这步棋下得很聪明。它没有局限在卖显卡或推销自己的云平台，而是把自家算力直接插进了全球最大的 AI 开发者大本营。

我们认为，AI 算力战场的下一阶段不仅仅是拼芯片参数，更是拼谁能离开发者的工作流更近。Hugging Face 正在从一个单纯的模型托管仓库，变成拥有完整闭环的 AI 开发平台；而 NVIDIA 则借此牢牢锁定了开源生态最顶层的商业微调需求。