据 TechCrunch 2026 年 7 月 10 日报道，Hugging Face 首席执行官 Clem Delangue 表示，开源 AI 正处在快速增长阶段。Hugging Face 近年逐渐发展成类似“AI 领域 GitHub”的平台，开发者和企业可以在上面分享、下载开放模型与数据集；来源显示，该平台目前已被约半数《财富》500 强企业使用。Delangue 的核心判断是：越来越多公司不再满足于长期“租用”外部 AI，而是希望把模型、数据和部署能力掌握在自己手中。
这类变化对 API 使用者、企业开发团队以及模型中转服务商都有直接影响。过去，企业接入 AI 往往从云端闭源模型 API 开始：上线快、体验稳定、无需自建推理环境。但随着业务深入，企业会越来越关注数据边界、成本曲线、模型可控性和供应商锁定风险。开源模型生态的成熟，让“先用 API 验证，再逐步引入自有模型能力”成为更现实的路径。
Hugging Face 的角色：从模型社区到企业 AI 基础设施入口
来源摘要将 Hugging Face 类比为 AI 领域的 GitHub，这一比喻说明它不只是模型下载站，更是开发者围绕模型、数据集和工具链协作的基础平台。对于企业来说，开放模型与数据集的价值在于降低试错门槛：团队可以先评估不同模型的能力，再决定是通过托管 API 调用、私有化部署，还是在内部数据上进行进一步适配。
约半数《财富》500 强企业使用 Hugging Face，也反映出开源 AI 已不再只是研究者和独立开发者的实验场。大型公司正在把开放模型纳入正式技术评估体系，尤其是在知识库问答、客服、代码辅助、文档处理、内部搜索等场景中，模型可控性与数据治理的重要性往往不低于单次调用效果。
为什么企业“不想一直租用 AI”
所谓“租用 AI”，通常可以理解为长期依赖外部闭源模型服务：企业按调用量、额度或订阅方式使用模型能力，但核心权重、训练过程、模型路线和服务策略都由供应商掌握。这样的方式非常适合早期验证，也适合对通用能力要求高、对部署灵活性要求较低的团队。
但当 AI 进入生产核心流程后，企业面临的问题会变得更复杂：
- 成本可预测性：调用量增长后，单次 API 成本、并发扩容和峰值流量都会影响预算。
- 数据与合规：部分行业不希望敏感数据频繁离开自有环境。
- 定制化需求：通用模型未必完全适配企业内部术语、流程和知识结构。
- 供应商依赖：价格、额度、模型版本和访问策略变化都可能影响业务稳定性。
因此，企业并不是简单抛弃外部 API，而是在“租用”和“自有”之间寻找平衡。开源模型的兴起，使企业可以在关键场景中建立更多自主权，同时继续使用 OpenAI、Claude、Gemini 等高性能模型完成复杂推理、创作或多模态任务。
对开发者与 API 中转服务的影响
从开发者视角看，未来的 AI 架构很可能不是单一模型路线，而是多模型组合：闭源大模型负责高难度任务，开源模型负责可控、低成本或私有化场景，中间再通过统一网关、路由和监控系统管理。对 API 中转与模型调用平台而言，价值也会从“提供一个可用接口”扩展到“帮助用户选择、调度和优化模型”。
这意味着 API 使用者需要更关注以下能力：是否支持多模型接入，是否能在不同模型间做降级与切换，是否能统一管理额度、并发、密钥和账单，以及是否便于把线上调用数据反馈到后续模型评估中。开源 AI 的升温并不会让 API 消失，反而会让 API 层变得更关键，因为企业需要一个稳定入口来连接闭源模型、开放模型和自有部署。
总体来看，Hugging Face CEO 的表态体现了一个正在形成的趋势：企业 AI 战略正在从“快速接入模型能力”走向“建设可控的 AI 能力栈”。对于正在规划模型调用方案的团队，现实选择不是押注单一供应商，而是尽早设计可迁移、可替换、可监控的架构，让闭源 API、开源模型和企业内部数据形成互补。