La compra de Hugging Face por Nvidia por 12,9 mil millones de dólares: qué significa para las empresas que trabajan con IA de código abierto

La respuesta, primero: los días 26 y 27 de agosto de 2026, varias informaciones de prensa afirmaron que Nvidia había alcanzado un acuerdo para comprar Hugging Face por unos 12,9 mil millones de dólares. Hugging Face es la plataforma que los desarrolladores de todo el mundo utilizan para publicar, descargar y probar modelos de IA de pesos abiertos. El acuerdo no se ha anunciado oficialmente, no se había firmado ningún acuerdo definitivo en el momento de esas informaciones y puede que nunca llegue a cerrarse. Pero la mera posibilidad merece la atención de cualquier empresa que ejecute, o se plantee ejecutar, modelos de IA en su propia infraestructura en lugar de depender por completo de API cerradas.

Qué ha pasado realmente

The Information informó la noche del miércoles 26 de agosto de 2026 de que Nvidia había acordado comprar Hugging Face por 12,9 mil millones de dólares. CNBC, Fortune, Forbes, TechCrunch y Bloomberg se hicieron eco de la noticia. La cifra sitúa la valoración de la empresa por encima de los 13 mil millones de dólares, lo que la convertiría en la mayor adquisición de la historia de Nvidia si se completa.

Los datos disponibles sobre la empresa adquirida explican la magnitud del salto. Hugging Face captó 235 millones de dólares en una ronda de 2023 con una valoración de 4,5 mil millones de dólares, y la información reciente sitúa sus ingresos anuales en torno a 150 millones de dólares, frente a unos 100 millones de dólares dos meses antes. El precio propuesto es, por tanto, un múltiplo muy elevado de los ingresos, lo que indica que lo que Nvidia compra no es una cartera de ingresos, sino una posición en el mercado.

También es relevante que a finales de 2025 Nvidia ofreció invertir 500 millones de dólares con una valoración de 7 mil millones de dólares, y Hugging Face lo rechazó para evitar una dependencia excesiva de un único inversor. La diferencia entre ambas ofertas en menos de un año es un indicador claro de lo rápido que ha ganado importancia la capa de modelos abiertos.

Una advertencia necesaria: las fuentes describen que las conversaciones no han dado lugar a un acuerdo firmado y señalan que la operación aún podría venirse abajo. No bases una decisión operativa en un acuerdo que no se ha anunciado oficialmente.

¿Por qué una empresa de chips pagaría tanto por una plataforma de modelos?

La lógica comercial es más directa de lo que parece. Los modelos de pesos abiertos están acortando rápidamente la distancia con los sistemas cerrados, y quien descarga un modelo abierto necesita hardware para ejecutarlo: en la inmensa mayoría de los casos, GPU de Nvidia. Ser dueño del lugar donde empieza el recorrido de un desarrollador significa influir en la decisión técnica antes de que se tome.

A eso se suman dos dimensiones más: volver a entrar en el mercado de la computación en la nube a través de la infraestructura existente de Hugging Face y poder vender la capacidad de cómputo no utilizada, y defender la posición de Nvidia frente a competidores que han empezado a diseñar sus propios chips para reducir su dependencia de ella. Desde este ángulo, la adquisición no es una ampliación de producto; es el refuerzo de un canal de distribución.

¿Qué cambia en la práctica para tu empresa?

Si utilizas un sistema que depende de un modelo abierto alojado en tu propio entorno, conviene evaluar cuatro cosas:

  • Lo que existe hoy sigue disponible. A quien ya descargó unos pesos publicados bajo licencias como Apache 2.0 o MIT no se le puede revocar la licencia con carácter retroactivo. La copia que tienes hoy seguirá siendo legal mañana, sea quien sea el dueño de la plataforma.
  • La gobernanza puede cambiar con el tiempo. Las prioridades de una plataforma propiedad de un fabricante de hardware no son necesariamente las de una independiente: qué se destaca, qué herramientas se mejoran primero y qué arquitectura de hardware recibe el mejor soporte.
  • Los costes de ejecución pueden bajar en un hardware concreto. Lo más probable es que el trabajo de rendimiento y aceleración se optimice primero para la plataforma de Nvidia: una ventaja si trabajas con ella y una penalización relativa si apuestas por una alternativa.
  • Aumenta la concentración de proveedores. Tener los chips, la plataforma y el registro de modelos bajo un mismo techo añade otro punto único de fallo a tu cadena de suministro tecnológica.

Los riesgos que hay que tener en cuenta

El primer riesgo es el acoplamiento en la capa de herramientas más que en la de modelos. Muchos equipos escriben código que se vincula directamente a las bibliotecas e interfaces de una plataforma, de modo que cambiar de fuente más adelante se convierte en un proyecto de reescritura en lugar de cambiar una URL. El segundo es regulatorio: una operación de este tamaño en un mercado sensible se enfrenta a revisiones que pueden retrasarla o modificarla durante meses. El tercero es el peor de todos: construir el plan de todo un año sobre una noticia que no se ha confirmado oficialmente.

Cinco pasos prácticos para esta semana

Ninguno requiere presupuesto, y ninguno depende del desenlace del acuerdo:

  • Haz un inventario de tus dependencias reales. Enumera los modelos, bibliotecas y servicios externos de los que tu sistema depende realmente, y de dónde se obtiene cada uno en tiempo de ejecución.
  • Fija tus propias copias. Guarda una copia de los pesos de los modelos de los que dependes dentro de tu propia infraestructura, con una suma de verificación para cada archivo, y no permitas nunca que una ejecución en producción dependa de una descarga en directo desde una plataforma externa.
  • Revisa las licencias y archiva el texto. Guarda el texto de la licencia vigente en el momento de la descarga junto a cada modelo que utilices; esa será tu referencia legal más adelante.
  • Aísla la capa de inferencia. Canaliza cada llamada a un modelo a través de una única interfaz interna en tu código, para que cambiar de proveedor sea un cambio de configuración y no una modificación en decenas de archivos.
  • Mide el coste real. Compara ejecutar el modelo en tu propio hardware con una API de pago por uso para tu carga de trabajo real, no para una hipotética.

La conclusión que importa

La propiedad en la capa de IA se está moviendo deprisa, y se moverá más. Una empresa que construyó sus sistemas detrás de una interfaz interna limpia, sobre datos organizados, puede cambiar de modelo o de proveedor en cuestión de días. Una empresa que conectó su producto a un único proveedor hasta el fondo descubre el coste el día en que cambia el proveedor, no el día en que firmó. La diferencia no está en elegir el modelo adecuado, sino en construir un sistema que no se rompa cuando cambia el modelo.

Fuentes: el informe de The Information del 26 de agosto de 2026 y la cobertura de CNBC, Fortune, TechCrunch y Bloomberg. En el momento de la publicación, ni Nvidia ni Hugging Face habían anunciado oficialmente el acuerdo, y todas las cifras aquí recogidas se atribuyen a esas informaciones.