Thomas Wolf 估算 Hub 共享开源训练算力近 10 亿美元，2023 年底还不足 4000 万
据 jls42 对 10 月 18 日动态的汇编（https://jls42.org/ko/news/ia-actualites-18-oct-2026 ），Hugging Face 联合创始人 Thomas Wolf 在 X 上发布一份草稿估算，@huggingface 账号转发：把各实验室在 Hub 上免费共享、可下载的开源权重模型，其最终训练所消耗的 GPU 若按租赁计价，总值约 9.91 亿美元，10 到 90 百分位区间为 8.16 亿至 13.45 亿美元，覆盖 75 个模型家族、35 家机构。账面排序为 Meta 约 1.56 亿、阿里巴巴约 1.49 亿、英伟达约 1.14 亿，月之暗面约 5500 万、Mistral AI 约 4900 万、DeepSeek 约 4700 万。作为对照，2023 年底同口径总额还不足 4000 万美元。Wolf 自己把合计称为下界：约一半 5.02 亿基于开发者公开的算力数字，其余靠假设，长尾模型与 Hub 上约 90 万次社区微调都没有计入，他把这份公共资产比作志愿者贡献时间的维基百科，只不过捐的是 GPU 时长与数据。 从 4000 万到 9.91 亿两年涨了多少个量级？ 2023 年底不足 4000 万到如今近 10 亿，二十多倍的增长主要由两件事驱动：模型家族数量从几个头部扩展到 35 家机构，单家族训练规模从数十亿参数跳到万亿级。这个数字衡量的不是谁最慷慨，而是开源权重已经成为一种需要真金白银训练成本支撑的公共品，过去社区默认下载免费等于零成本，Wolf 的账把训练这一环重新摆到桌面上。对下游用户，免费权重背后是上游已经垫付的巨额算力，这也是开源项目长期可持续性必须回答的问题：垫付方退出后谁来续。 ...