內(nèi)容摘要：

1.Hugging Face的開源精神起源于創(chuàng)始人23歲的大學時代。

2.發(fā)布自定義版本BERT模型的嘗試，讓Hugging Face轉(zhuǎn)型開源社區(qū)。

3.AI原生創(chuàng)業(yè)公司將顛覆舊有的公司。

4.AI發(fā)展太快，現(xiàn)有的盈利方式可能3-5年后就不適用了。

5.非典型創(chuàng)始人：投資人不該搶創(chuàng)業(yè)者的活。

Hugging Face是一家估值20億美元的AI獨角獸，有24個投資人，包括Lux Capital，紅杉資本等。

在大模型領(lǐng)域，我們已經(jīng)看多了巨額融資，例如OpenAI獲得微軟的百億美元投資，以及最近InflectionAI獲得微軟和英偉達的13億美元融資。

但是Hugging Face這家估值“僅20億美元”的公司，卻是目前AI領(lǐng)域的創(chuàng)造力中心之一。

因為它是一個“構(gòu)建未來的AI開源社區(qū)”，被稱為“AI領(lǐng)域的Github”，不僅有人數(shù)眾多的開發(fā)者和產(chǎn)品經(jīng)理在它的社區(qū)里研究和發(fā)布自己訓練或微調(diào)的AI模型，客戶也超過5000個（其中3000個是付費客戶）。

Hugging Face的一個重要組成部分是名為Transformers的自然語言處理庫，其Transformers庫在GitHub上擁有62000顆星和14000個分叉。這意味著開發(fā)人員和數(shù)據(jù)科學社區(qū)正在積極使用和改進Hugging Face的技術(shù)。

HuggingFace是一家估值20億美元的AI獨角獸，有24個投資人，包括LuxCapital，紅杉資本等。

在大模型領(lǐng)域，我們已經(jīng)看多了巨額融資，例如OpenAI獲得微軟的百億美元投資，以及最近InflectionAI獲得微軟和英偉達的13億美元融資。

但是HuggingFace這家估值“僅20億美元”的公司，卻是目前AI領(lǐng)域的創(chuàng)造力中心之一。

因為它是一個“構(gòu)建未來的AI開源社區(qū)”，被稱為“AI領(lǐng)域的Github”，不僅有人數(shù)眾多的開發(fā)者和產(chǎn)品經(jīng)理在它的社區(qū)里研究和發(fā)布自己訓練或微調(diào)的AI模型，客戶也超過5000個(其中3000個是付費客戶)。

HuggingFace的一個重要組成部分是名為Transformers的自然語言處理庫，其Transformers庫在GitHub上擁有62000顆星和14000個分叉。這意味著開發(fā)人員和數(shù)據(jù)科學社區(qū)正在積極使用和改進HuggingFace的技術(shù)。

根據(jù)HuggingFace的說法，Transformers提供了API，可以輕松下載和訓練最先進的預訓練模型。使用預訓練模型可以降低計算成本、減少碳足跡，并節(jié)省大量訓練模型的時間。

HuggingFace提供了一個免費增值模型，客戶可以使用其推理API，獲得基礎(chǔ)的AI推理能力以及免費的社區(qū)支持;其付費服務(wù)允許客戶輕松訓練模型，提高推理API的性能等。

它的其他產(chǎn)品和服務(wù)還包括Datasets(應(yīng)用于多模態(tài)模型的數(shù)據(jù)集)，Hub(模型和數(shù)據(jù)集的托管服務(wù))，Tokenizers(高速分詞器，幫助把數(shù)據(jù)轉(zhuǎn)化成模型能理解的形式)等。

這家具有巨大潛力的AI開源獨角獸，由一位出身法國小鎮(zhèn)，在都柏林大學上學的極客ClemDelangue創(chuàng)立。正是他在大學時期就具備的極客精神和開源精神，讓他在機器學習的道路上探索，并最終形成了HuggingFace獨特的社區(qū)文化和企業(yè)文化。

這位非典型的創(chuàng)業(yè)者對于AI本身有深刻理解，也對創(chuàng)業(yè)，開源社區(qū)以及融資有自己的意見。

本文結(jié)合HuggingFace的投資人紅杉資本對它的深度報道以及創(chuàng)投圈著名播客20VC的主理人HarryStebbings對ClemDelangue的深度訪談，梳理出HuggingFace從0到1的進化道路，以及ClemDelangue的創(chuàng)業(yè)故事。

適道注:20VC是創(chuàng)投圈著名的播客，主理人HarryStebbings與美國最熱門的創(chuàng)投大佬都有過對話。(比如Benchmark的BillGurley，ARKInvest的CathieWood，Accel創(chuàng)始人ArthurPatterson/JimSwartz，以及紅杉資本的DougLeone。)

1 Hugging Face的開源精神起源于創(chuàng)始人23歲的大學時代

當Clem Delangue還是都柏林大學的學生時，就打造了一個叫UniShared的教育平臺，它旨在解決學習資源全球性分配不公問題，向全球每個人提供大學教育的好處。這使23歲的Clem Delangue登上了TEDx的講臺。

在Delangue的少年時代，他的世界并沒有超出法國北部小鎮(zhèn)La Bassée的邊界。在Delangue的家鄉(xiāng)，年輕的他探索機會有限，然而互聯(lián)網(wǎng)的到來打破了這一切。“當我得到自己的第一臺電腦時，它就像一扇窗戶，讓我看到了更大的世界，那種感覺真是令人震驚。”他回憶道。

Delangue的UniShared并沒有改變世界，但這為他種下了開源和分享的精神種子，也讓Google向他遞上了橄欖枝。不過Delangue拒絕了這個機會，因為他覺得在小型、靈活的環(huán)境中更加舒適。

他為一家名叫Moodstocks的巴黎計算機視覺創(chuàng)業(yè)公司工作。Moodstocks開發(fā)一款應(yīng)用，當用戶掃描物品就能立即查看相關(guān)評論和電商門戶。這是Delangue與機器學習的初次接觸，他感到十分震撼。

在巴黎的一次會議上，Delangue偶遇了著名的Apple市場營銷專家Guy Kawasaki（他打造了當年十分著名的麥金塔電腦系列廣告），Delangue走近正在簽名的Kawasaki，并向他介紹自己和他的應(yīng)用。

Kawasaki對這項技術(shù)表示懷疑，尤其是對它隨機識別野生物種的能力。因為在當時，機器學習仍需依靠工程師指定相對短暫、固定的定義列表和規(guī)則才能獲得準確的結(jié)果。“他說的大意是，你無法創(chuàng)建規(guī)則來識別世界上所有的物體。”Delangue回憶道。

于是，Delangue給Kawasaki做了一個演示，他將智能手機對準Kawasaki的水瓶。令Kawasaki驚訝的是，應(yīng)用正確地識別了品牌并提取了社交媒體上的評論。

對于Delangue，那一刻真正的激動人心的不僅僅是他的應(yīng)用程序的工作效果，更重要的是他看到了機器學習以新方式連接人與人的潛力。

“兩個從未見過面的人——一位法國極客工程師和這位美國硅谷的家伙——他們因為機器學習發(fā)現(xiàn)他們其實喜歡同一個飲料品牌。”Delangue說。毫無疑問，機器學習有巨大的潛力——但是當與用戶社區(qū)一同開發(fā)時，它的潛力更大。

在離開Moodstocks之后，Delangue在一些初創(chuàng)公司中負責產(chǎn)品和市場營銷工作。

2016年，他渴望再次為自己做點什么。在紐約，他與Julien Chaumond（一位在法國經(jīng)濟部門工作的計算機工程師）聯(lián)系上了。他認識Julien多年，Julien是一位精英數(shù)學家，也是他的朋友，兩人長久以來都對彼此有著專業(yè)上的認可與尊重。

兩人決定一起參加斯坦福大學的在線工程課程，并如他們一貫的方式，聚集了三十多人的學習小組，Thomas Wolf（一位受過科學訓練的專利律師）就是其中之一。在課程結(jié)束時，Julien和Delangue邀請Thomas與他們一起工作。

他們共同設(shè)定的目標是解決機器學習領(lǐng)域中一個最為棘手的問題：利用NLP技術(shù)，構(gòu)建一個開放領(lǐng)域的、會話式的AI聊天機器人。一個可以和你談?wù)撊魏问虑榈臋C器人。Siri從2011年開始出現(xiàn)；Alexa從2014年開始。“它們極其無聊，只會做生產(chǎn)力相關(guān)的事情。我們對建立一個有趣的會話式AI感到興奮。”Delangue說。

在2023年，打造一個人性化的聊天機器人聽起來像是一個顯而易見的目標。但在2016年，依賴深度神經(jīng)網(wǎng)絡(luò)進行學習的NLP領(lǐng)域（與過去基于統(tǒng)計、規(guī)則的NLP相比）還處于萌芽階段，他們的目標幾乎接近科幻。聊天機器人需要整合多種學習模型，進行信息提取，理解情感，并生成答案。

這些模型需要對大量的數(shù)據(jù)進行訓練，而管理這些數(shù)據(jù)（包括如何收集足夠的數(shù)據(jù)，標記它，托管它）是他們面臨的首個重大挑戰(zhàn)。正是對不可能的挑戰(zhàn)，使得Hugging Face走上了當前的軌道，成為全球最大的開源AI社區(qū)。

從一開始，Hugging Face團隊就展現(xiàn)出屬于開源社區(qū)特有的慷慨和民主精神，Delangue和他的聯(lián)合創(chuàng)始人賦予員工權(quán)力，擁有他們自己的產(chǎn)品，為他們的聊天機器人創(chuàng)建和發(fā)布功能。

最終，這個機器人活躍在社交網(wǎng)絡(luò)、移動APP上，用戶們發(fā)送了超過十億條信息。隨著時間的推移，它采用了開源的策略。

2  發(fā)布自定義版本BERT模型的嘗試讓Hugging Face轉(zhuǎn)型開源社區(qū)

沒有什么時刻能比Hugging Face發(fā)布其自定義版本的機器學習模型BERT（一種基于Transfomer的變種模型）更好地體現(xiàn)這種精神了。

當時，機器學習的進步常常通過冗雜、理論性的學術(shù)文章傳達。例如，當Google在2018年10月首次發(fā)布BERT時，它對大多數(shù)用戶來說過于復雜，而且BERT只在Google的TensorFlow平臺上可用。

Hugging Face團隊希望BERT能被更多開發(fā)者和用戶使用。一周內(nèi)，他們創(chuàng)建了一個可以使用PyTorch機器學習框架的BERT工作版本。然后，他們將其轉(zhuǎn)化為開源，并在Github上免費贈送給任何想要使用或進一步微調(diào)和修改它的人。

“那是個分水嶺時刻”，Hugging Face在紅杉資本的主管投資人Pat Grady說，“人們都在說，‘我的天，我可以使用一個最新的語言模型。’以前這是不可能的。這讓Hugging Face在當時規(guī)模還很小的自然語言處理人群中成為了英雄。”當Grady后來問Delangue是什么激發(fā)他們把BERT發(fā)布給全世界的，他被他的答案的直接性所打動。“我們只是覺得，這是許多人會喜歡使用的東西”，Delangue回答。

Delangue也在與20VC主管人Harry訪談時聊到了開源對AI的重要性：“AI的大部分進步都是基于開放科學和開源的，因為AI的開放，所有人都能用最新算法搭建應(yīng)用，這形成了非常有趣的正反饋和改進，專家實驗的循環(huán)使我們能夠非常快速的推進AI的發(fā)展。沒有開放科學，沒有開源，沒有Google分享他們的《Attention Is All You Need》論文，分享他們的Bert論文，也許AI發(fā)展的進度會比現(xiàn)在慢很多年。

機器學習社區(qū)對自定義版本BERT模型的反應(yīng)證實了Delangue多年前在都柏林大學時的感覺——分享知識對每個人都有益。那時，Hugging Face的使命改變了。Delangue和他的聯(lián)合創(chuàng)始人決定開始分享他們在構(gòu)建聊天機器人過程中學到的關(guān)于機器學習的所有東西。漸漸地，他們開始成為工程師、研究人員和機器學習領(lǐng)域愛好者的首選資源。

在構(gòu)建他們的BERT適配版的過程中，Delangue和他的團隊成為Transformer模型的專家。所有的AI模型都接受大量數(shù)據(jù)的訓練，Transformer能從未標記的數(shù)據(jù)中產(chǎn)生優(yōu)秀的結(jié)果。這種無監(jiān)督學習形式為數(shù)據(jù)管理員節(jié)省了大量的時間，并使更多的數(shù)據(jù)可用于訓練機器學習系統(tǒng)。

Hugging Face團隊看到了Transformer的潛力，并將Hugging Face建立為開發(fā)它們的首選開源中心。機器學習社區(qū)也注意到了這一點——編程者和研究者開始涌向Hugging Face，他們帶來新的洞察和專業(yè)知識，使大量的機器學習項目和工具互相影響。

如今，任何想要使用Transformer的人都可以在Hugging Face訪問約20萬種不同的公共模型。

Delangue意識到，鑒于這些工具的巨大潛力，理解它們需要一個社區(qū)：圍繞共同目標、需求和價值觀組織起來的人們。

隨著他們轉(zhuǎn)向開源，Hugging Face正開始成為Delangue希望能夠建立的社區(qū)。

紅杉資本合伙人Sonya Huang說：“真正善于創(chuàng)建社區(qū)的人實際上非常少。Delangue理解用戶——他就是用戶——并且他對草根社區(qū)有直覺。他以極其真實的方式培育它。”

Huang還被Delangue展現(xiàn)出來的開源精神所打動。她指出，Delangue沒有雇傭?qū)Ｂ毶鐓^(qū)經(jīng)理與Hugging Face的用戶接觸，而是自己做這件事，經(jīng)常在Twitter上發(fā)布bug修復信息，與超過1000名AI研究人員和追求生物技術(shù)、影像和語言處理領(lǐng)域AI突破的10000多家公司一起解決功能問題。

至今，Hugging Face不僅沒有單一的社區(qū)經(jīng)理，還期望其160名員工每個人都積極參與這個在線社區(qū)。“我們覺得如果我們開始擁有社區(qū)經(jīng)理，那就是將所有成員都應(yīng)負的責任外包出去。”Delangue說。為此，每個員工都可以訪問公司的官方Twitter和LinkedIn賬戶。如果AI的未來要依賴眾包，Delangue正在確保Hugging Face將自己定位為眾人的來源。

今天，Hugging Face社區(qū)的龐大規(guī)模推動了其戰(zhàn)略地位的慣性，使它成為機器學習的進化策源地，例如，視覺大模型Stable Diffusion選擇將其模型、數(shù)據(jù)集和演示發(fā)布到Hugging Face時，它激發(fā)了用戶引領(lǐng)的活動，修改和改進模型（在他們的演示空間里產(chǎn)生了如“一個橡皮鴨在講臺上發(fā)表演講”和“在被輻射的皮卡丘”等杰作）。

2023年3月，Delangue在推特上宣布他將在即將到來的舊金山之行中與Hugging Face的用戶舉行一個臨時聚會。在幾小時內(nèi)，超過400人使用他在推特上分享的密碼ossftw（開源軟件永遠勝利）進行了注冊。

到了正式舉行時，它已經(jīng)贏得了“AI的伍德斯托克”的稱號。大約5000人（和三頭羊駝）參加了活動。從活動的視頻中，你可以看到一種類似于狂歡派對與機器人競賽交叉的氛圍。AI公司擁擠在攤位中。其中一家，在幾天前的黑客馬拉松中組建的AI教育公司，在此活動上進行了公開發(fā)布。

Delangue和一個身穿亮黃色緊身衣，身體是一個巨大的Hugging Face表情符號的吉祥物跳舞。他向推動AI前進的每一個人（所以，基本上是全場的人）表示感謝。“這個活動是對開源力量的慶祝，”Delangue告訴他們。“記住，在AI領(lǐng)域，我們所處的位置全都歸功于開放科學和開源。”

3 AI原生創(chuàng)業(yè)公司將顛覆舊有的公司

在短時間內(nèi)，人工智能已經(jīng)疾速發(fā)展。大型語言模型已經(jīng)從幫助Gmail為用戶提供建議的簡短回復的后臺技術(shù)，演變成了一些更奇妙（在某些情況下，也更可怕）的東西。文生圖工具和ChatGPT在短時間內(nèi)擴大了我們對可能性的想象，而ChatGPT成為了歷史上增長最快的應(yīng)用程序。

數(shù)以百萬計的開發(fā)者和產(chǎn)品經(jīng)理涌入AI領(lǐng)域，擠滿了這個長期以來只有博士和工程師出入的空間。我們現(xiàn)在都在使用AI，而這群終端用戶即將在整個空間上施加更大的影響。

在Delangue的觀點中，任何對AI未來有所投資的人都應(yīng)該成為Hugging Face社區(qū)的一部分。“如果用戶不理解這項技術(shù)是如何構(gòu)建的，”他說，“它會帶來很多風險，很多誤解。”

Delangue認為，對尚未實現(xiàn)的通用人工智能的崛起的擔憂是錯位的。

他同意Andrej Karpathy，（前特斯拉AI總監(jiān)，現(xiàn)在是OpenAI的人工智能專家）于2017年提出的觀點——AI是Software 2.0。在這個觀點中，AI是現(xiàn)代世界運作方式的重大進步，它也已經(jīng)開始塑造經(jīng)濟。但是，它不是萬能的。

“AI是構(gòu)建所有技術(shù)的新范式，但它不是新的人類形式，它不是超級感知生物。但它確實擁有龐大的潛力，它會比互聯(lián)網(wǎng)大，比傳統(tǒng)軟件大。它將為技術(shù)創(chuàng)造新的能力，與大多數(shù)技術(shù)公司編寫軟件一樣，大多數(shù)技術(shù)公司將編寫AI。”Delangue說。

Delangue從他的經(jīng)驗談通用大模型與開源小模型的適用性問題:“有兩種AI世界觀，一種是一個通用的大模型解決所有問題，另一種是許多開源小模型解決不同的問題。選擇哪一種路線，取決于你的使用情況，限制情況和你想做什么。

如果你是Facebook，那一個巨大的模型能為你的用戶做任何你想幫他們做的事情；如果你是一個消費品公司，那么你需要針對你的實際場景選擇和優(yōu)化AI模型，這些模型要更快，更便宜，更高效。所以，如何選擇，取決于你如何定位你自己。“

對于企業(yè)是直接使用大公司模型的API還是自己訓練和微調(diào)開源模型，Delangue的觀點是：“直接使用OpenAI的API在開始階段更快，更容易，但是從長期來看，創(chuàng)業(yè)者面臨的挑戰(zhàn)更大，因為你沒有真正建立核心競爭力。

如果一個使用AI的創(chuàng)業(yè)公司沒有能力優(yōu)化模型，那么它面臨的風險是在與競爭對手競爭時，無法使自己脫穎而出。如果創(chuàng)業(yè)公司想讓自己具有差異化競爭能力，就必須針對它的用戶做一些真正有價值的事情，并能持續(xù)進行優(yōu)化。就像傳統(tǒng)軟件公司需要編寫代碼來構(gòu)建技術(shù)產(chǎn)品一樣，AI公司也要在機器學習范式中訓練或定制自己的模型。“

Delangue進一步指出，這是新公司顛覆舊有企業(yè)的巨大機會：因為舊企業(yè)會選擇容易的解決方案，而其他更需要AI的公司會選擇更具顛覆性的方式，這就是具有模型訓練能力的AI原生創(chuàng)業(yè)公司的機會。它們自己訓練模型，自己微調(diào)模型，它們在同樣的任務(wù)上可以比只使用現(xiàn)成API的公司好得多，它們就有很大機會顛覆舊有的解決方案。

4 AI發(fā)展太快現(xiàn)有的盈利方式可能3-5年后就不適用了

對于Hugging Face的商業(yè)模式，Delangue介紹道：“我們就是經(jīng)典的免費+增值付費模式（一種經(jīng)典的開源軟件商業(yè)模式，基礎(chǔ)版本免費，更高級的功能收費）。“他還透露公司目前已經(jīng)有包括Bloomberg，Grammarly在內(nèi)的3000家付費客戶。

對于公司目前的第一要務(wù)，Delangue認為并不是盈利：“我們的主要優(yōu)先事項是作為一個具有網(wǎng)絡(luò)效應(yīng)的平臺，被更多人采納和使用，這也是我們的KPI。

“在AI這樣的領(lǐng)域，你期望公司愿意為AI付費，所以如果Hugging Face繼續(xù)成為公司使用的第一AI平臺，很明顯我們將能夠從中獲得大量的收入，并建立一個好的業(yè)務(wù)。”

“對于盈利，我們必須把它看作是逐步解鎖一些學習的階段。從六位數(shù)的收入開始，公司成員從中學習，看看它是如何運作的，然后是七位數(shù)、八位數(shù)和九位數(shù)的收入。每一步你都在學習，特別是在AI領(lǐng)域，因為底層技術(shù)的發(fā)展速度非常快，可能我們今天賺錢的方式在三年后或五年后就不適用了。”

5  非典型創(chuàng)始人：投資人不該搶創(chuàng)業(yè)者的活

在與20VC的訪談中，Delangue還介紹了自己的融資原則。

首先，在兩輪融資之間，他不會與任何外部投資者交談。因為建立公司已經(jīng)足夠困難，必須百分之百的專注于這件事。

第二，當他融資時，通常會進行得非常快，一旦已經(jīng)獲得足夠公司發(fā)展的資金，就不再與不熟悉的新投資人接觸。因為很多投資人并不真的對創(chuàng)業(yè)者正在建立的業(yè)務(wù)足夠了解或感興趣。尤其是像Hugging Face這樣在種子輪時做聊天機器人，之后又做AI開源社區(qū)的，這兩輪的投資人，是完全不同的。

第三，他在選定投資人后，會與這位投資人共度3天時間，深度地互相了解和盡調(diào)，并且搞清楚一些重要問題：我們的目標一致嗎？我們的期望相似嗎？我們能在之后保持一個良好的互相支持的關(guān)系么？

對于風險投資人，Delangue認為部分投資人遺忘了風險投資對于創(chuàng)業(yè)公司的幫助首先是財務(wù)幫助，而把大部分時間都花在了其他事情上，有時甚至表現(xiàn)得像CEO，他認為這其實并不是他們的工作。

“更糟糕的是，我感覺有時候創(chuàng)業(yè)者是為投資者而建立公司，而投資者表現(xiàn)得像創(chuàng)業(yè)者。有時這上會導致公司崩潰，因為不幸的是，與創(chuàng)業(yè)者相反，投資人會同時管理很多不同的被投公司，所以他們只能在每家公司上花費很短的時間。即使他們是世界上最聰明的人，由于時間的限制，他們對技術(shù)的理解有時可能過于簡單化，例如對公司和其他事物的理解。”他這么表述自己對于風險投資人的不同看法。

而對于自己最喜歡的投資人，Delangue表示是Richard Socher：他是NLP領(lǐng)域最杰出和最有影響力的研究者之一，現(xiàn)在是You.com的創(chuàng)始人。Richard和Delangue相識很早，在很多方面都幫助過Delangue和Hugging Face，無論是科學，商業(yè)還是創(chuàng)業(yè)方面。