Kyle Chung
← 文章
EN繁中

一款青少年聊天機器人，如何成為 AI 界的 GitHub：Hugging Face 創業故事

6 分鐘閱讀作者：
aientrepreneurship

今天使用 Hugging Face 的大多數人，可能完全不知道它最初是一款為青少年打造的聊天機器人。

這不是比喻，也不是上線第一週就被放棄的早期原型——它是一款真正的消費型應用程式，擁有真正的使用者，而且持續營運了兩年，之後公司才轉型成為 AI 領域最重要的基礎設施之一。

那個沒有人記得的聊天機器人

Hugging Face 由三位法國工程師 Clément Delangue（執行長）、Julien Chaumond（技術長）與 Thomas Wolf（首席科學長）於 2016 年在紐約創立。公司名稱源自 🤗 emoji——這是刻意的選擇，因為他們希望產品給人溫暖、親切的感覺。

那款產品是一個以青少年為目標族群的 AI 夥伴應用程式：由團隊自研的 NLP 模型驅動，提供一個可以聊天的對象。它確實吸引到使用者，巔峰時期超過一百萬人使用，這樣的市場反應已經超越絕大多數新創公司。用任何一般的新創評估標準來看，它都算是成功的。

只不過，它並不是最重要的那件事。

三位創辦人是透過一門線上工程課程認識，而不是因為對 AI 基礎設施的未來抱持共同信念而聚在一起。他們起初都沒有打算開發工程師工具，而是想做出一款青少年會喜歡與它聊天的產品。底層的 NLP 技術棧原本只是讓這件事得以運作的管線——直到他們發現，這套管線比為它而生的應用程式更有意思。

改變一切的那一週

2018 年底，Google 發布 BERT。這種新的語言模型方法，效能超越了當時幾乎所有既有方案。Hugging Face 團隊沒有只把它拿來使用，而是將 BERT 從 TensorFlow 移植到 PyTorch，並開源釋出實作——據說從論文發布到完成只花了大約一週。

這一個決定為公司帶來的影響，超過此前兩年對聊天機器人的反覆改良。

想在 PyTorch 使用 BERT 的研究人員與工程師，終於有一個乾淨、明確的取得管道。這套函式庫持續擴充並支援更多模型，開源社群也開始把它視為使用現代 NLP 的標準方式。創辦人眼看一個副專案超越了原本由它支援的產品——於是決定追隨真實的市場動能，而不是原訂計畫。

這個副專案後來成為 transformers。聊天機器人走入歷史，基礎設施則成為公司的核心。團隊於 2019 年參加加速器後，正式確立這次轉型：開源 ML 工具不再只是支援產品的副專案，而是公司真正的業務。

值得仔細想想，這個決定在當時有多違反直覺。聊天機器人已經擁有使用者、品牌與成長動能；PyTorch 移植版卻沒有商業模式、沒有定價頁面，也沒有任何投資人能以傳統標準稱為「市場驗證」的指標——只有一套不斷被陌生人 Clone、加上 Star 並用來開發產品的函式庫。放棄擁有百萬使用者的產品，把公司押在一個尚未產生營收的項目上，正是多數創辦人最後會說服自己不要做的決定。

從副專案函式庫，到人人都在用的 Hub

正式轉型後，成長迅速累積：

  • A 輪（2019）：1,500 萬美元
  • B 輪（2021）：4,000 萬美元
  • C 輪：1 億美元
  • D 輪（2023）：2.35 億美元，據報導公司估值達 45 億美元

到了 2025 年，平台已託管超過 200 萬個公開模型、50 萬個以上的公開資料集，並擁有超過 1,300 萬名使用者；其版圖涵蓋 Hub、transformers 函式庫、Spaces（託管式模型 Demo）與推論基礎設施。

這些成就並不像聊天機器人公司那樣，源自單一旗艦產品的規模化，而是來自同一種模式不斷重複：推出其他人需要的基礎設施，讓他們在開放環境中基於它繼續開發。如此一來，Hugging Face 不需要親自建立每一層，平台涵蓋的範圍也能持續擴大。transformers 第一次證明了這個模式；Hub、Datasets 與 Spaces 則是對同一個信念再押注三次。

為什麼稱它為「AI 界的 GitHub」仍低估了它？

人們經常做這個類比，而方向上確實沒錯：兩者都以 Git 為基礎，都採用相同的 username/repo 命名方式，也都是技術社群公開儲存與分享成果的地方。但 GitHub 託管的是程式碼；Hugging Face 託管的是產物——可能高達數十 GB 的訓練模型權重、資料集，以及可直接執行的 Demo。這是另一種資產，也帶來不同的問題。普通 Git 面對數 GB 的二進位檔會難以負荷；Hugging Face 必須在 Git 之上建立自己的大型檔案儲存與版本控制機制，才能讓模型權重像一般 Repo 一樣運作。「AI 界的 GitHub」準確描述了它在社群文化中的角色，卻低估了這家公司最終解決的基礎設施難題。

給創業者的啟發

這個故事最有意思的地方，不是退場倍數，而是做出決定背後的紀律。

創辦人手上已經有一款真正有人使用的消費型產品——也就是所有早期創辦人都被告知應該保護並持續改良的東西。但他們注意到的，卻是產品底層的基礎設施產生了比產品本身更強的自然需求。這個訊號很容易被忽略，因為它看起來不像失敗，反而更像一個副作用。

這次轉型並不是放棄一個壞點子，而是察覺到：原本為了支援點子而打造的東西，其實才是真正的點子——這與知道何時該自行建立基礎設施，而不是向外購買，是同一種直覺。

簡短版

一款為青少年打造的聊天機器人、一次快速完成的 BERT PyTorch 移植，以及放棄那款曾為公司帶來使用者的產品的勇氣——這就是 Hugging Face 如何成為開源 AI 真正落腳之處的故事。工具底下的工具，最終才是真正的事業。

資料來源

分享這篇文章XLinkedInThreads