Nvidia compra Hugging Face: ¿Quién controla la puerta de entrada a la IA abierta?

Inteligencia Artificial

La empresa que domina el hardware de la inteligencia artificial pasa a ser dueña del principal almacén mundial de modelos abiertos. La operación viene acompañada de promesas de neutralidad, pero no trae un mecanismo que obligue a cumplirlas.

Queridos lectores, el 2 de septiembre de 2026 Nvidia firmó el acuerdo definitivo para comprar Hugging Face. La compañía lo comunicó a la Comisión de Bolsa y Valores estadounidense mediante el formulario 8-K y lo anunció públicamente al día siguiente. La cifra total asciende a 12.930,3 millones de dólares: unos 11.900 millones pagaderos a los accionistas de Hugging Face, sujetos a ajustes, y hasta 1.000 millones adicionales en un programa de retención en acciones para los empleados que se incorporen a Nvidia. La operación necesita el visto bueno de los reguladores y no se espera que cierre antes del primer semestre de 2027.

Es la segunda mayor compra de la historia de Nvidia, solo por detrás de los 20.000 millones que pagó en diciembre por activos de Groq. También es una de las operaciones más difíciles de digerir para el ecosistema de la inteligencia artificial abierta, y conviene entender por qué antes de entrar en las valoraciones.


¿Qué es exactamente lo que cambia de manos?

Hugging Face no es una empresa de modelos ni un laboratorio de investigación. Es el sitio donde se guardan y se descargan los modelos que otros construyen. Según las cifras que la propia Nvidia recogió en su anuncio, más de 18 millones de desarrolladores, investigadores y creadores utilizan la plataforma para compartir más de tres millones de modelos, medio millón de conjuntos de datos y un millón de aplicaciones. Más de 200.000 empresas la emplean para descubrir, evaluar, adaptar y desplegar sistemas de IA.

Esa posición convierte al servicio en algo más parecido a una infraestructura compartida que a un producto comercial. Cuando un laboratorio chino publica un modelo de pesos abiertos, lo sube ahí. Cuando un investigador español quiere reproducir un resultado, lo descarga de ahí. Cuando una universidad monta un servicio de inferencia, tira de las librerías transformers o diffusers, mantenidas por la misma casa. En The Register, el análisis más contundente que ha publicado la prensa especializada contra la operación recurría a una comparación industrial para explicar la incomodidad: no se dejaría a un fabricante de coches quedarse con la red de distribución de combustible.

El precio ayuda a medir el cambio de escala. Hugging Face estaba valorada en 4.500 millones de dólares en su ronda de 2023. Según The Register, la compañía había rechazado una inversión de 500 millones de Nvidia hacía apenas un año. Doce meses después ha aceptado casi trece mil millones.


La versión oficial

Jensen Huang defendió la compra con un argumento de escala: la operación permitirá «ampliar la plataforma de Hugging Face, reforzar su infraestructura y expandir el acceso a la IA para desarrolladores e instituciones de todo el mundo». Y añadió dos compromisos explícitos que conviene citar con precisión, porque son el núcleo de todo el debate posterior. El primero: «Hugging Face seguirá siendo una plataforma abierta para todo el ecosistema de IA». El segundo, más concreto: «no será necesario usar computación de Nvidia para construir o desplegar a través de Hugging Face». La plataforma, según el anuncio, continuará soportando desarrollo y despliegue en múltiples nubes y múltiples aceleradores.

Nvidia tiene argumentos para sostener su buena fe. Es, hoy, el mayor contribuidor de modelos abiertos al propio repositorio, con más de 500 modelos y 250 conjuntos de datos publicados. Y su negocio depende de que existan modelos que alguien quiera ejecutar: cuanto más rica sea la oferta abierta, más demanda de cálculo genera.

Clément Delangue, consejero delegado de Hugging Face, explicó en la CNBC que fue su empresa la que se acercó a Huang semanas antes. «Durante el verano nos dimos cuenta de que Hugging Face, y la IA de código abierto en general, estaba en un punto de inflexión, y que necesitaba más recursos, más escala, más visibilidad», declaró en Squawk Box. Su lectura del momento es de dos caminos posibles: uno en el que las interfaces propietarias dominan el campo y todo el mundo acaba alquilando su inteligencia artificial a un tercero, y otro en el que la IA abierta está disponible para cualquiera y cada cual puede ser propietario y constructor de la suya. Huang, por su parte, zanjó la cuestión del precio con una frase que resume su estilo: «12.900 millones de dólares es lo que costó cerrar el acuerdo, y vale hasta el último centavo».

Buena parte de los analistas ha leído la compra en clave defensiva. La tesis, recogida por CNBC y por firmas como DA Davidson y Morningstar, sostiene que Nvidia ha pagado sobre todo para que la plataforma no acabe en manos de un rival, sea un gran laboratorio o un competidor con hardware propio. Protege así el ecosistema abierto que alimenta la demanda de sus tarjetas y evita que otro controle el punto de paso.


El problema que ven los reguladores

Todo lo anterior es compatible con un riesgo de competencia serio, y aquí es donde el consenso periodístico se rompe. Una compra directa de este tamaño no admite las estructuras cuasi-fusión con las que Nvidia ha resuelto otras operaciones. Exige notificación bajo la ley Hart-Scott-Rodino en Estados Unidos y, casi con seguridad, revisión formal en la Unión Europea y en el Reino Unido. La Comisión Federal de Comercio y la Comisión Europea tendrán que examinar si combinar la capa de hardware con la capa de distribución levanta barreras anticompetitivas.

La pregunta técnica que deberán responder tiene nombre propio en el derecho de la competencia: self-preferencing, el trato de favor que una plataforma dispensa a sus propios productos. ¿Puede Nvidia favorecer los modelos optimizados para CUDA o los de su familia Nemotron en los resultados de búsqueda del repositorio o en los espacios destacados? No hace falta prohibir nada para desplazar a un competidor. Basta con que las novedades de las librerías, los formatos de cuantización o las optimizaciones de servicio lleguen primero a un fabricante y meses después a los demás. La priorización de la hoja de trabajo, por sí sola, produce efectos que los reguladores reconocen.


El contexto tampoco ayuda a Nvidia. El Departamento de Justicia mantiene abiertas dos investigaciones antimonopolio sobre sus prácticas comerciales, centradas en la venta agrupada de productos y en la asignación de GPU a clientes, con acusaciones de rivales según las cuales quien compra chips y cables a la compañía obtiene mejor precio, y quien usa aceleradores de AMD o Intel recibe peor trato en plazos o condiciones. Nvidia lo niega y sostiene que reparte sus GPU con equidad. En febrero de 2026, además, la FTC y el Departamento de Justicia abrieron una revisión conjunta de las colaboraciones competitivas en el sector.

Y existe un precedente que la propia empresa conoce bien. En diciembre de 2021 la FTC demandó por unanimidad para bloquear la compra de ARM por 40.000 millones de dólares, con el argumento de que Nvidia podría controlar el acceso a una arquitectura que sus competidores necesitaban. En febrero de 2022 la operación se abandonó. La estructura del problema entonces y ahora es la misma: una compañía dominante adquiriendo un recurso del que dependen sus rivales.


La hipótesis del cierre: cómo se inclina una plataforma sin cerrarla

Aquí conviene ser escrupuloso. Circula, con distinta intensidad según el medio, la sospecha de que el objetivo último de la operación sería restringir el uso de la plataforma a las tarjetas de Nvidia y dificultar el entrenamiento y la ejecución de modelos sobre hardware chino o de terceros. Esa afirmación no está probada, nadie la ha documentado y la compañía se ha comprometido públicamente a lo contrario. Merece la pena, sin embargo, analizar la hipótesis con seriedad, porque varios analistas la han formulado como escenario y porque describe un riesgo que no requiere mala fe para materializarse.

El mecanismo que describen esos análisis no pasa por prohibiciones. Pasa por la fricción. Un modelo puede publicarse con núcleos de cálculo optimizados para CUDA desde el primer día mientras el resto de motores esperan meses; la experiencia deja de ser neutral aunque ninguna cláusula lo diga. El buscador, las recomendaciones, las fichas de modelo, los botones de despliegue y las herramientas para empresas pueden convertir gradualmente a un fabricante en el camino de menor resistencia mientras la plataforma sigue siendo formalmente abierta. Como resumía uno de estos análisis, el riesgo no son los modelos vetados, sino una inclinación lenta de la visibilidad en la que lo optimizado para Nvidia carga más rápido y aparece destacado mientras lo demás pierde presencia sin que nadie anuncie nada.

Contra esa deriva juega un hecho técnico importante: los pesos de los modelos son ficheros, las librerías principales tienen licencias libres y cualquiera puede replicarlas o alojar los modelos en otro sitio. Pero también hay un matiz que distingue este caso del de GitHub y Microsoft, la analogía que más se ha usado estos días. Un repositorio de código se bifurca con relativa facilidad; un catálogo de pesos, con sus descargas, su historial, su comunidad y sus dependencias, es mucho más costoso de mover una vez que los incentivos de la plataforma cambian.

Queda un último elemento, el más incómodo para la promesa de apertura: los compromisos anunciados por Huang no tienen contraparte, ni plazo de vigencia, ni mecanismo de exigencia. Son declaraciones corporativas, no obligaciones ejecutables. Si los reguladores quieren que se cumplan, tendrán que convertirlas en condiciones del expediente.


El ángulo chino

La hipótesis anterior gana relieve al mirar quién ocupa hoy la plataforma. Los modelos chinos de pesos abiertos han pasado a dominar sus descargas: alrededor del 41 % del total del último año, según los recuentos que manejan varios análisis del sector. La familia Qwen, de Alibaba, superó los mil millones de descargas acumuladas en marzo de 2026, más rápido que ninguna otra estirpe de modelos abiertos, y sumó más de 3.000 millones en el primer semestre del año. Cerca del 40 % de los nuevos modelos derivados que se crean en el repositorio parten de Qwen. En las listas de tendencias de junio, cinco de los diez primeros puestos eran chinos.

Esos modelos tienen una particularidad relevante. Nacidos bajo controles de exportación estadounidenses que impiden depender del hardware de Nvidia, se publican con soporte para aceleradores nacionales chinos. La propia Hugging Face lo documentó en un análisis del panorama global de computación: DeepSeek-V3.2 llegó con soporte desde el primer día para Ascend, de Huawei, y para Cambricon. El repositorio que Nvidia acaba de comprar es, por tanto, el principal canal de distribución de una familia de modelos diseñada explícitamente para funcionar sin sus tarjetas.

De ahí que la pregunta pertinente no sea si Nvidia quiere expulsar a los modelos chinos, sino algo más prosaico y probablemente más importante: quién decide qué permanece alojado y qué ocurre si la política estadounidense exige más adelante cambios en la disponibilidad de determinados modelos. Nvidia está sujeta a restricciones sobre lo que puede vender a China, y la compañía no ha explicado qué haría un propietario estadounidense de la plataforma ante una eventual presión regulatoria sobre el alojamiento de modelos de origen chino. Esa incógnita no depende de las intenciones de la empresa.


Qué habrá que vigilar

La operación tardará meses en resolverse y el escrutinio será intenso. Mientras tanto, hay indicadores comprobables que permitirán distinguir el cumplimiento real de la declaración de intenciones: si las optimizaciones y los formatos nuevos llegan a la vez a todos los aceleradores o llegan antes a CUDA; si los criterios de ordenación del buscador y de los modelos destacados se hacen públicos y auditables; si la integración con motores como vLLM, SGLang o llama.cpp —este último adquirido por la propia Hugging Face— mantiene la paridad entre fabricantes; y si los compromisos de apertura acaban recogidos como condiciones vinculantes en las decisiones de la FTC y de la Comisión Europea, con plazos y supervisión.

Nvidia sostiene que los reguladores verán la operación como una plataforma de desconcentración que llevará la IA a todos los países. Puede que tenga razón. Pero la neutralidad de una infraestructura crítica no se acredita con una frase en una nota de prensa, sino con reglas que sigan en pie el día en que dejen de convenir a su dueño.
​

Referencias

Bloomberg. (3 de septiembre de 2026). Nvidia to Buy Hugging Face for $13 Billion in Open-Source Push. https://www.bloomberg.com/news/articles/2026-09-03/nvidia-agrees-to-13-billion-deal-for-ai-platform-hugging-face

CNBC. (3 de septiembre de 2026). CNBC Exclusive: Transcript: Nvidia Founder & CEO Jensen Huang and Hugging Face CEO Clément Delangue Speak with CNBC's Becky Quick on «Squawk Box» Today. https://www.cnbc.com/2026/09/03/cnbc-exclusive-transcript-nvidia-founder-ceo-jensen-huang-and-hugging-face-ceo-clment-delangue-speak-with-cnbcs-becky-quick-on-squawk-box-today.html

CNBC. (4 de septiembre de 2026). Why Nvidia's «defensive move» to acquire Hugging Face is about much more than chips. https://www.cnbc.com/2026/09/04/nvidia-hugging-face-deal-chips.html

Federal Trade Commission. (2 de diciembre de 2021). FTC Sues to Block $40 Billion Semiconductor Chip Merger. https://www.ftc.gov/news-events/news/press-releases/2021/12/ftc-sues-block-40-billion-semiconductor-chip-merger

Federal Trade Commission. (14 de febrero de 2022). Statement Regarding Termination of Nvidia Corp.'s Attempted Acquisition of Arm Ltd. https://www.ftc.gov/news-events/news/press-releases/2022/02/statement-regarding-termination-nvidia-corps-attempted-acquisition-arm-ltd

Hugging Face. (29 de octubre de 2025). On the Shifting Global Compute Landscape. https://huggingface.co/blog/huggingface/shifting-compute-landscape

NVIDIA. (3 de septiembre de 2026). NVIDIA to Acquire Hugging Face. NVIDIA Blog. https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

NVIDIA Corporation. (2 de septiembre de 2026). Form 8-K. U.S. Securities and Exchange Commission. https://www.sec.gov/Archives/edgar/data/0001045810/000104581026000078/nvda-20260902.htm

Tech Wire Asia. (septiembre de 2026). Nvidia's Hugging Face acquisition: what now for the Chinese open models that lead its downloads? https://techwireasia.com/2026/09/nvidia-hugging-face-acquisition-chinese-open-models/

The Information. (27 de agosto de 2026). Nvidia Agrees to Buy Open Source AI Platform Hugging Face For $12.9 Billion. https://www.theinformation.com/articles/nvidia-agrees-buy-open-source-model-repository-hugging-face-12-9-billion

The New Stack. (27 de agosto de 2026). Nvidia's $12.9B Hugging Face deal has an open-source problem. https://thenewstack.io/nvidia-hugging-face-acquisition-neutrality/

The Register. (3 de septiembre de 2026). Hugging Face is too important to fall into Nvidia's hands. https://www.theregister.com/ai-and-ml/2026/09/03/hugging-face-is-too-important-to-fall-into-nvidias-hands/

Tom's Hardware. U.S. DoJ launches Nvidia antitrust investigation — investigating potential strong-arm tactics related to AI GPU supply. https://www.tomshardware.com/tech-industry/artificial-intelligence/us-doj-launches-nvidia-antitrust-investigation-investigating-potential-strong-arm-tactics-related-to-ai-gpu-supply

Autor: Manuel Castelló