Nvidia zahlte 12,9 Milliarden Dollar für das Regal, auf dem die Modelle stehen
Nvidias 12,93-Milliarden-Dollar-Übernahme von Hugging Face verschafft einem Chiphersteller den Vertriebspunkt für die offenen Modelle, mit denen der Modehandel Kataloge taggt, Embeddings baut und Anproben rendert. Die Abhängigkeit bestand nie in den Gewichten; sie bestand im Hostnamen, der sie auflöst.
Neritus Vale
Am 2. September unterzeichnete Nvidia eine verbindliche Vereinbarung, 12.930.300.000 Dollar für Hugging Face zu zahlen – die Adresse, von der aus der Großteil der funktionierenden KI im Modehandel stammt. Jensen Huang veröffentlichte die Zahl bis auf die letzte Stelle, ein seltsamer Kraftakt für ein Unternehmen, das normalerweise rundet. Hugging Face erzielte zum Zeitpunkt der Unterzeichnung einen annualisierten Umsatz von 150 Millionen Dollar, eine Zahl, die zuerst The Information berichtete und die TechCrunch bestätigte. Diesen Umsatz kauft niemand zu diesem Preis.
Der volle Kaufpreis impliziert das 86-Fache des Umsatzes, doch der Kaufpreis ist nicht das, was tatsächlich den Besitzer wechselt. Nvidias 8-K schlüsselt die 12,93 Milliarden Dollar auf: rund 11,9 Milliarden Dollar gehen an die Aktionäre von Hugging Face, bis zu 1 Milliarde Dollar entfallen auf Retention-Equity, die über die Zeit für Mitarbeiter vestet – nicht für Verkäufer. Bezogen allein auf die Aktionärssumme liegt das Vielfache eher beim 79-Fachen des Umsatzes – immer noch ein Preis für eine Position, nicht für ein Geschäft.
Diese Position ist ein Auflösungspunkt: der Hostname, der aus einer Zeichenkette in einer Konfigurationsdatei Gewichte auf einer Festplatte macht. Nvidias eigene Ankündigung beziffert die Zahl der geteilten Modelle auf der Plattform auf mehr als drei Millionen, eine Zahl, die im Filing selbst nirgends auftaucht. Was das 8-K tatsächlich festhält, ist die Zusage: Nvidia hat sich verpflichtet, die Plattform offen zu halten, „im Einklang mit den bestehenden Praktiken von Hugging Face”, einschließlich der Unterstützung für „andere Silizium-Anbieter”. Eine solche Zusage zu Silizium-Anbietern schreibt man, wenn man selbst einer ist.
Die günstigste KI-Fähigkeit des Modehandels lebt seit Jahren an genau dieser Adresse. FashionCLIP, das Modell, zu dem Teams greifen, wenn sie Produktfotos und Produkttexte im selben Vektorraum brauchen, verzeichnet genug monatliche Downloads, um eher als Infrastruktur denn als Forschungskuriosität zu gelten; seine Nachfolger, darunter Marqo-FashionSigLIP, stehen im selben Regal. Dieses Volumen ist keine Forschungsgemeinschaft. Es sind Build-Pipelines, die unbeaufsichtigt in Unternehmen laufen, deren Einkäufer noch nie einem ML-Engineer begegnet sind. Das Modell trägt eine freizügige Open-Source-Lizenz und wurde mit mehr als 700.000 Bild-Text-Paaren von Farfetch-Produkten trainiert, gezogen aus einem Katalog von 800.000 Artikeln, veröffentlicht 2022 in Scientific Reports. Frei im starken Sinne – und das beste Argument, das ein Retail-CTO je hatte, um keinen Tagging-Anbieter zu kaufen.
Die Anprobe-Ebene, die tatsächlich Umsatz generiert, war nie wirklich kostenlos. IDM-VTON, das Kleidungs-Diffusionsmodell, das am häufigsten in einen Retail-Proof-of-Concept eingebaut wird, läuft unter der Lizenz cc-by-nc-sa-4.0. Das ist eine nicht-kommerzielle Lizenz, und sie betrifft genau die Nutzung, die ein Händler will. Die monatlichen Downloads gehen in die Zehntausende, und nicht der gesamte Traffic ist akademischer Natur – jeder kommerzielle Einsatz darunter ist entweder separat lizenziert oder nicht lizenzkonform. Die Kostenuntergrenze war schon vor Nvidias Einstieg eine Fiktion; was sich jetzt ändert, ist, wer an der Tür steht, wenn jemand nachfragt.
Die Provenienz läuft über dieselbe Adresse wie der Download. Nvidias Ankündigung beziffert die Zahl der Datensätze auf der Plattform auf 500.000 – genau von dort stammt die Antwort eines Händlers auf die Frage „Womit wurde das trainiert?”, wenn eine Aufsichtsbehörde oder ein Rechteinhaber nachfragt. Eine Marke, die ein Embedding-Modell auf ihrem eigenen Katalog feintunt, erbt trotzdem die Trainingsdaten des Basismodells, und die Dokumentation dieser Daten ist eine Seite, die von einem Unternehmen gehostet wird, das jetzt einem Hardware-Anbieter Rechenschaft schuldet. Das bedeutet nicht, dass die Dokumentation verändert wird. Es bedeutet, dass Archiv und Vertriebskanal jetzt demselben Vorstand unterstehen.
Die Abhängigkeit bestand nie in den Gewichten; sie bestand im Hostnamen, der sie auflöst.
Nvidias Zusage betrifft den Katalog, nicht die Voreinstellungen. Huangs Formulierung ist sorgfältig gewählt: Entwickler „werden die Modelle wählen, die sie wollen, die Frameworks, die sie wollen, die Clouds und Inference-Anbieter, die sie wollen […] und die Rechenplattformen, die sie wollen”, und „NVIDIA-Rechenleistung wird nicht erforderlich sein, um über Hugging Face zu entwickeln oder auszuliefern.” Beide Sätze beschreiben, was die Plattform erlauben wird, und keiner berührt, was sie nahelegen wird. Welche Quantisierung featured wird, welcher Inference-Container einen Klick entfernt liegt, von welcher Laufzeitumgebung die Download-Seite ausgeht: Nichts davon ist Einschränkung, und genau dort liegt die Marge eines Compute-Anbieters.
Die meisten Berichte werteten das als Konsolidierung. Charlie Dai von Forrester sagte The Register, Nvidia habe bereits Reichweite über GPUs, CUDA, Netzwerktechnik und Inference-Software aufgebaut, und Unternehmen sollten „auf künftige Verschiebungen achten”. Das stimmt – richtet sich aber an Unternehmen, die Modelle trainieren. Der Modehandel trainiert keine Modelle. Er lädt sie herunter, was ihn zu einem Kunden der Vertriebsschicht macht, nicht der Compute-Schicht, und die Vertriebsschicht ist der Teil, der den Besitzer gewechselt hat.
Der stärkste Einwand lautet, dass offene Gewichte sich nicht wieder schließen lassen. Eine freizügige Lizenz ist für jede bereits erstellte Kopie unwiderruflich, und die Gewichte von FashionCLIP liegen auf Mirrors, in Storage-Buckets, in Container-Images, die letztes Jahr gebaut wurden. Damit dieses Argument hier nicht greift, müsste eine Bedingung erfüllt sein: Retail-Teams müssten von Artefakten abhängen, die sie besitzen, statt von einer Auflösung, die sie jedes Mal neu durchführen. Das tun sie nicht. Die Standardzeile in einer Produktions-Pipeline lautet from_pretrained("patrickjohncyh/fashion-clip"), typischerweise ohne fixierte Revision und typischerweise ausgeführt beim Build – ein Netzwerkaufruf im Kostüm einer lokalen Variable. Die meisten dieser Systeme besitzen das Modell nicht; sie haben die Angewohnheit, es abzurufen.
Wenn Retail-Teams Modelle beim Build weiterhin gegen einen Hostnamen auflösen, der demselben Unternehmen gehört, das ihnen die Rechenleistung verkauft, dann wird die günstigste Zeile im KI-Budget von einer Gegenpartei bepreist, die selbst ein Interesse am Ergebnis hat. Die Abhilfe ist unspektakulär und fast kostenlos: die Revision fixieren, die Gewichte in eine selbst kontrollierte Registry spiegeln, die Lizenz neben dem Modell dokumentieren – und lesen. Nichts davon erfordert Misstrauen gegenüber Nvidia, das ein konkretes Versprechen gegeben hat und dessen Wortlaut bis zum für das erste Halbjahr 2027 erwarteten Closing wohl eingehalten wird. Es erfordert nur, zu bemerken, dass ein Lieferant existiert. Die Branche nennt diese Modelle seit drei Jahren „kostenlos”. Das Wort, das sie eigentlich gesucht hat, war: unbilled – nicht abgerechnet.
Heads-up unrelated to the translation: src/content/en/nvidia-paid-12-9-billion-shelf-your-models-sit-on.md has duplicated/corrupted frontmatter (title, slug, locale, date, summary etc. repeated twice, two conflicting heroImage values). I used the intact values to produce this clean German version, but you’ll likely want to fix the English source file too.