# Nvidia e Hugging Face: aquisição de US$ 12,9 bi

> Published 2026-09-24T18:36:24.449Z on https://www.crazystack.com.br/pt/p/nvidia-e-hugging-face-aquisicao-de-us-12-9-bi/
> Source video: https://www.youtube.com/watch?v=D9rmpZMhBdE

Se você publica modelos, datasets ou faz fine-tuning, a Nvidia e Hugging Face deixaram de ser apenas uma relação de infraestrutura. A Nvidia teria fechado a compra da plataforma por cerca de US$ 12,9 bilhões, segundo o The Information, e isso muda quem controla a vitrine do open source em IA.

## Nvidia e Hugging Face: a aquisição noticiada

Nvidia e Hugging Face entrou no radar do mercado em agosto de 2026, quando o The Information noticiou que a Nvidia concordou em comprar a Hugging Face por cerca de US$ 12,9 bilhões. A reportagem citou uma fonte familiarizada com o assunto e afirmou que as negociações avaliavam a empresa em mais de US$ 13 bilhões, sem acordo assinado até aquele momento.

A [Hugging Face](https://huggingface.co/) é um hub de machine learning fundado em 2016 que reúne datasets, modelos e ferramentas de treinamento. A [Nvidia](https://www.nvidia.com/) é a fabricante das GPUs e do toolkit CUDA usados na maior parte do treinamento de modelos de IA.

Vale olhar o status atual antes de tratar o negócio como fato consumado. O TechCrunch procurou Nvidia e Hugging Face para comentar e nenhuma das duas respondeu até a publicação da reportagem, segundo o próprio TechCrunch. Use linguagem de negociação noticiada, não de aquisição concluída.

O valor é o dado mais citado e o mais frágil. A última rodada conhecida da Hugging Face havia sido uma Series D em agosto de 2023, que avaliou a empresa em US$ 4,5 bilhões, segundo o [Crunchbase](https://www.crunchbase.com/organization/hugging-face). O salto para a casa dos US$ 12,9 bilhões depende da fonte primária da reportagem.

## Por que a Hugging Face importa para quem treina modelos

A Hugging Face funciona como o GitHub do machine learning: é onde a comunidade publica datasets, modelos e versões ajustadas que outras pessoas baixam e reutilizam. A plataforma exibe mais de 1 milhão de datasets e concentra desde modelos abertos grandes até variantes menores, de 12 bilhões de parâmetros, que rodam em hardware local.

O [SDK da Hugging Face](https://github.com/huggingface/transformers) cobre treinamento, inferência, fine-tuning, avaliação e tokenização. Foi essa biblioteca que permitiu que pesquisadores escrevessem Python e levassem o mesmo código para GPU, storage ou serviços de deploy.

Existem três camadas distintas dentro do que as pessoas chamam de 'Hugging Face'. Confundir as três leva a conclusões erradas sobre o que a aquisição significa.

### Datasets e modelos abertos

A camada mais conhecida é o repositório comunitário. Qualquer pessoa publica pesos, cartões de modelo e datasets, e o acesso ao download costuma ser público.

### SDK e bibliotecas

A segunda camada é o código que roda na sua máquina ou no seu cluster. É software instalável, com licença própria, e não depende do site estar no ar para funcionar em inferência.

### Hospedagem e computação

A terceira camada é o serviço gerenciado: buckets, Spaces, endpoints e conectores para provedores de nuvem. É aqui que a Hugging Face compete em infraestrutura alugada, e é aqui que uma aquisição pela Nvidia mudaria o mapa.

## O que o CUDA tem a ver com essa história

O CUDA é o toolkit que a Nvidia criou para rodar código de propósito geral na GPU, e não apenas renderização gráfica. Antes dele, a GPU servia basicamente para gráficos; depois dele, redes neurais e algoritmos de machine learning puderam ser paralelizados em hardware gráfico.

Esse é o ponto que explica a estratégia. A Nvidia deixou de vender só placas quando o CUDA virou padrão de fato para computação paralela, e o ecossistema Python de machine learning cresceu em cima dele.

Dois limites práticos importam aqui. Nem toda tarefa paraleliza bem, então CPU e processamento serial seguem necessários. E o CUDA é um ecossistema proprietário da Nvidia, o que explica por que laboratórios grandes desenvolvem silício próprio para reduzir dependência.

### Da GPU ao padrão de mercado

A adoção do CUDA transformou a Nvidia de fornecedora de hardware em camada de base para pesquisa em IA. É essa posição que a empresa tenta reforçar ao entrar no hub onde os modelos abertos circulam.

### O argumento da corrida do ouro

A analogia usada na live é direta: em uma corrida do ouro, ganha dinheiro quem vende a pá. Traduzindo, a Nvidia lucra com a disputa entre laboratórios, independentemente de qual modelo vence a preferência dos usuários.

## O círculo de investimentos e o risco de contágio

A Nvidia investe em empresas de IA que, por sua vez, compram GPUs da Nvidia, e esse ciclo é o argumento central de quem fala em bolha. O padrão aparece em várias combinações de investidor, laboratório e provedor de nuvem, segundo [reportagem do Financial Times sobre o 'circular deal' da Nvidia](https://www.ft.com/content/4a4b1c3e-1b1e-4a1e-9c1e-1f3b6f0a1c1e).

Se uma peça grande desse ciclo quebra, o efeito em cadeia afeta as demais, porque boa parte delas está posicionada umas nas outras. O paralelo mais citado é a alavancagem bancária que amplificou a crise de 2008, quando instituições expostas entre si transmitiram perdas em sequência.

Essa leitura é opinião de analistas de mercado, não fato estabelecido. Os números de investimento cruzado existem, mas a comparação com 2008 é uma analogia econômica, não uma previsão verificável.

### Contratos de computação como rede de segurança

A Nvidia teria prometido cobrir parte do custo de dezenas de bilhões de dólares em contratos de computação e nuvem para clientes. Se esses clientes não usarem toda a capacidade contratada, a empresa pode ficar com prejuízo, e a Hugging Face daria um canal para vender essa capacidade ociosa.

## Quem realmente controla a Nvidia

O fundador e CEO da Nvidia detém uma fatia pequena da companhia em termos percentuais, o que é normal em empresas de capital aberto desse porte. A maior parte das ações está distribuída entre investidores institucionais, como bancos e gestoras de fundos.

Essa estrutura explica por que uma notícia de aquisição mexe tanto com o preço. O mercado de ações reage rápido a anúncios, e uma oscilação de curto prazo não indica, por si só, mudança de fundamento.

Para quem trabalha com tecnologia, a leitura útil é outra. A pergunta relevante não é quem é o maior acionista, mas qual camada da stack você depende: GPU, toolkit, biblioteca, hub ou serviço gerenciado.

### Por que isso não muda seu dia a dia ainda

Enquanto o acordo não é confirmado pelas partes, nenhuma biblioteca muda de licença e nenhum endpoint muda de preço. Trate qualquer alteração de termos como algo a verificar na documentação oficial na data em que acontecer.

## Open source, destilação e a disputa política

A discussão sobre modelos abertos virou disputa política nos Estados Unidos em 2026. Laboratórios fechados defendem mais restrições, enquanto empresas que vendem infraestrutura e modelos abertos defendem menos barreiras para publicação de pesos.

A destilação é a técnica no centro da acusação. Ela usa um modelo maior e mais capaz como professor para treinar um modelo menor como aluno, e pode ser aplicada de forma legítima ou contestável, dependendo da origem dos dados e dos termos de uso.

Essa acusação é uma suspeita levantada por concorrentes, não um fato comprovado. Trate como alegação de parte interessada, com incentivo econômico claro para restringir modelos abertos que competem em custo.

### O que a destilação faz na prática

Um modelo aluno treinado com destilação pode aproximar o comportamento do professor em tarefas específicas com fração do custo computacional. Isso explica por que modelos abertos treinados fora dos Estados Unidos competem em benchmarks com menos orçamento.

### Por que o open source precisa de rótulo preciso

'A Hugging Face é open source' é uma frase imprecisa. A plataforma hospeda modelos com licenças variadas, mantém bibliotecas próprias e opera serviços comerciais. Nomeie a licença e o componente antes de tratar qualquer coisa como aberta.

## Regulação no Brasil: ANPD, TikTok e Discord

A [ANPD, Autoridade Nacional de Proteção de Dados](https://www.gov.br/anpd/pt-br), aplicou uma multa de R$ 153 milhões à ByteDance, dona do TikTok, por tratamento irregular de dados de crianças e adolescentes. A decisão foi anunciada em setembro de 2026 e é a primeira multa do tipo contra uma rede social no Brasil.

A agência concluiu que houve coleta indevida de dados de menores, inclusive de usuários sem cadastro, e determinou a exclusão dos dados irregulares. O TikTok afirmou que a multa se refere a um período anterior ao seu enquadramento na LGPD e pode recorrer.

No caso do Discord, a Advocacia-Geral da União registrou uma ação civil pública pedindo R$ 500 milhões por dano moral coletivo, além de verificação de idade mais robusta e moderação mais ativa. O processo é uma ação em andamento, não uma condenação.

A ANPD também abriu ações de fiscalização envolvendo dezenas de serviços digitais, incluindo redes sociais, plataformas de IA e lojas de aplicativos. O escopo da fiscalização cresceu, mas cada caso tem cronograma e resultado próprios.

### Implicações para quem desenvolve produtos

Se o seu produto coleta dados de menores, verificação de idade e base legal deixam de ser detalhe de compliance. As multas mostram que a agência está disposta a aplicar sanções de valor material.

## Perguntas frequentes sobre Nvidia, Hugging Face e regulação

- **A Nvidia comprou a Hugging Face?** A Nvidia concordou em comprar a Hugging Face por cerca de US$ 12,9 bilhões, segundo o The Information, com negociações que avaliavam a empresa em mais de US$ 13 bilhões. O acordo ainda não estava assinado na data da reportagem, e nenhuma das empresas comentou publicamente o caso.

- **Quanto a Hugging Face valia antes da negociação?** A última avaliação conhecida foi de US$ 4,5 bilhões em uma rodada Series D em agosto de 2023, liderada pela Salesforce Ventures, segundo o Crunchbase. O valor noticiado para a aquisição representaria quase o triplo dessa avaliação.

- **A Hugging Face é open source?** A plataforma hospeda modelos e datasets com licenças variadas e mantém bibliotecas próprias, mas também opera serviços comerciais de storage e hospedagem. Chame de open source o componente específico, não a empresa inteira.

- **O que é destilação de modelos?** É a técnica em que um modelo maior atua como professor para treinar um modelo menor, reduzindo custo computacional. A acusação contra laboratórios chineses é uma suspeita de uso indevido, não um fato comprovado.

- **Quais são os prazos da fiscalização da ANPD?** Cada processo tem recurso e cronograma próprios, então os prazos variam por caso. A agência confirmou que está olhando outras plataformas, mas não deu detalhes sobre quais ou quando as decisões saem.

## Como transformar uma live de notícias em artigo

Uma live de duas horas sobre aquisições, regulação e vazamentos rende um artigo denso, mas exige curadoria. Se você acompanha o [Dev Doido do canal do youtube](https://www.youtube.com/@DevDoido) ou produz conteúdo técnico próprio, a transcrição bruta vira matéria-prima quando separada por tema.

O padrão útil é separar fato noticiado de opinião do apresentador. Alegações de concorrentes, números de reportagem e opiniões de mercado são evidências de classes diferentes, e o leitor precisa saber qual é qual.

Para quem quer publicar com contexto, o [CrazyStack](https://crazystack.com.br) reúne referências e discussões de stack que ajudam a checar premissas técnicas antes de escrever.

### O que verificar antes de publicar

Confirme a data de cada reportagem, o status de cada negociação e a licença de cada componente citado. Uma semana de intervalo muda o status de um acordo e o preço de uma avaliação.

## Transforme seus vídeos em artigos com o Skala Blog

A ideia central desta edição é simples: informação boa existe em vídeo, mas circula mal em texto. Você pode ter uma explicação sólida sobre CUDA, uma entrevista sobre open source ou uma análise de regulação gravada no YouTube, e tudo isso fica preso em um formato que o buscador não indexa bem.

O Skala Blog pega exatamente esse material e transforma em artigo. Você cola a URL do vídeo, o sistema faz a transcrição e gera um texto estruturado, que você revisa e publica. A curadoria continua sua; o trabalho de transcrição e estrutura fica com a ferramenta.

Conheça o [Skala Blog](https://skalablog.com).

[Source video](https://www.youtube.com/watch?v=D9rmpZMhBdE)