新策略:向每一家主要的 AI 公司部署开源“双面间谍”。 (开个玩笑。) 说正经的,看到 Hugging Face 已经成为如此强力的职业加速器,以及我们的团队成员在行业内如此受欢迎,真的很棒。我也很期待看到开源的 @reach_vb 在 OpenAI 会“端出”什么成果! 如果你也想像 VB 一样成长(同时让 AI 更开放、更具协作性,并拥有极具潜力的创业回报),我们正在招聘所有岗位!欢迎私信我。 New strategy: deploy open-source double agents to every major AI company. Kidding aside, it’s great to see how strong of a career accelerator @huggingface has become, and how attractive our team members are. I’m excited to see what open-source @reach_vb will cook at @OpenAI! If you want to grow like VB did (& make AI more open and collaborative with great startup upside), we're hiring for all positions! My DMs are open.
目录
观点原文
新策略:向每一家主要的 AI 公司部署开源“双面间谍”。
(开个玩笑。)
说正经的,看到 Hugging Face 已经成为如此强力的职业加速器,以及我们的团队成员在行业内如此受欢迎,真的很棒。我也很期待看到开源的 @reach_vb 在 OpenAI 会“端出”什么成果!
如果你也想像 VB 一样成长(同时让 AI 更开放、更具协作性,并拥有极具潜力的创业回报),我们正在招聘所有岗位!欢迎私信我。
New strategy: deploy open-source double agents to every major AI company.
Kidding aside, it’s great to see how strong of a career accelerator @huggingface has become, and how attractive our team members are. I’m excited to see what open-source @reach_vb will cook at @OpenAI!
If you want to grow like VB did (& make AI more open and collaborative with great startup upside), we're hiring for all positions! My DMs are open.
ABAB AI 解读
这段话表面是玩笑式的招聘贴,实质是一段非常成熟、非常“老练”的人才与生态战略宣言。它透露的信息密度,远高于一般人理解的“挖人/炫耀”。
我从产业权力、人才资本、开源战略、公司护城河四个最高层面来解读。
一、所谓“开源双面间谍”,其实是在说开源网络的权力结构
“deploy open-source double agents”当然是玩笑,但它精准点中了一个现实:
在 AI 时代,真正跨公司的不是员工合同,而是开源影响力。
当一个人:
- 在 A 公司写开源
- 去 B 公司继续写开源
- 同时被整个社区信任
他并不是“为某家公司服务”,而是在为一个技术标准与范式服务。
👉 这不是渗透,是网络扩散。
二、Hugging Face 被点名的真正原因:它已经成了“AI 人才交易所”
“career accelerator”不是客套话,而是一个非常具体的定位:
Hugging Face 已经具备三种历史级角色:
- AI 开源的流量入口
- AI 人才的“信誉背书层”
- AI 公司之间的隐形人才中介
在金融史里,这相当于:
- 高盛之于金融人才
- 贝尔实验室之于半导体
- Fairchild 之于硅谷创业者
👉 你在 HF 干过,就天然被标记为“行业可迁移资产”。
三、为什么“团队成员被大厂争抢”反而是加分项?
很多创始人会害怕员工被挖走。但真正自信的组织,恰恰反过来。
这段话在传递一个非常高阶的信号:“我们不靠留人制造护城河,我们靠输出人制造影响力。”
这意味着:HF 的护城河不在“员工”
而在:社区、代码、规范、网络效应
👉 人才流出 ≠ 价值流失,反而是价值扩散。
四、点名 OpenAI:这是一次非常聪明的“对等叙事”
这里提到 OpenAI,并不是炫耀“我们的人去了你们那”。
真正的信息是:“开源并不与前沿封闭模型对立,它们在人才层是连续体。”
这是一种极其成熟的行业姿态:不树敌、不对立、不做意识形态之争
而是承认:整个行业是一个共同进化系统
👉 这是顶级生态位玩家才敢用的叙事。
五、招聘那一段,真正的“杀伤力”在哪里?
“make AI more open and collaborative with great startup upside”
这句话击中了当下 AI 人才的三大真实欲望:
- 影响力(open & collaborative)
- 道德正当性(不是黑箱)
- 经济上行空间(startup upside)
这不是空话,而是现实判断:
- 大厂:确定性高,但边际回报下降
- 创业公司:风险高,但“开源 + 网络效应”正在放大胜率
👉 HF 在暗示:这里是“风险-回报比”最优的地方之一。
六、一句顶层总结
在 AI 时代,最强的公司不是把人才锁在围墙里,而是让人才在行业中流动时,始终带着你的技术、你的文化、你的标准。
这正是 Hugging Face 正在做的事。
相关观点
- 转 开放代码、开放数据、开放研究,以及强大的 GPU 生态。正因如此,构建全新的 AI 正在变得对更多公司可及;而在 2026 年,我们将看到大量针对市场各个细分角落高度优化的 AI 出现——这是任何一家单一组织都不可能覆盖到的。 open code, open data, open research, & powerful gpu ecosystem. because of that, building novel AI is becoming accessible to more companies, and in 2026 we’ll see many more optimized for all the corners of the market that a single org couldn’t hope to hit.clem · 2026/01/01
- 机器人领域正在发生一件大事——而且它就藏在我们眼前。 这篇内容并不是关于会跳舞的机器人,而是关于驱动它们的数据。今年,开放式机器人数据集迎来爆发式增长,使整个领域转变为一个更具规模化、协作性的生态系统。 短短两年内, Hugging Face 上的数据集数量从 1.1 万增长到 60 多万——而其中机器人数据集是增长最快的板块。我们在 2024 年只有 1,000 个机器人数据集,而到 2025 年已增长至 27,000 个! 作为对比,第二大类别“文本生成”在 2025 年也只有约 5,000 个数据集。这个差距非常巨大。 开放数据集之所以重要,是因为机器人领域的成败完全取决于真实世界的机器人数据——视频、动作、传感器、失败案例等。通过让这些数据更容易上传、复用和进行基准测试,研究人员、初创公司以及大型机构,正在公开那些几年前还只能封存在实验室里的真实机器人数据集。 主要贡献者包括 NVIDIA、LeRobot 计划,以及一个快速壮大的创客社区。这一浪潮也得益于更低成本的视频存储、更完善的工具链,以及开源 AI 文化向物理世界的外溢。 而这一切至关重要:开放的机器人数据正在显著降低行业门槛、加速“边做边学”的过程,并推动通用型机器人和类人机器人更快取得进展。 机器人规模化的关键,不仅在硬件,更在于共享数据。 Something big is happening in robotics - and it’s hiding in plain sight. This post is not about dancing robots but in the data that powers them. Open robotics datasets have exploded this year, turning the field into a more scalable and collaborative ecosystem. In just two years, @huggingface datasets grew from 11k to over 600k - and robotics is by far the fastest-growing segment. We went from 1k robotics datasets in 2024 to 27k in 2025! For comparison, text generation, the second-largest category, has only around 5k datasets in 2025. That gap is massive. Open datasets are important because robotics lives and dies by real-world robot data - video, actions, sensors, failures. By making this data easy to upload, reuse, and benchmark, researchers, startups, and large players are now releasing real-robot datasets that would have stayed locked inside labs just a few years ago. Major contributors include @nvidia, LeRobot initiative, and a rapidly growing maker community. This surge is also enabled by cheaper video storage, better tooling, and an open-source AI culture now spilling into the physical world. And it really matters: open robotics data dramatically lowers entry barriers, accelerates learning-by-doing, and speeds up progress toward generalist and humanoid robots. Robotics won’t scale through hardware alone - but to a large extent through shared data.clem · 2025/12/24
- Nemotron 3 已经在 Hugging Face 上冲到第三名热度榜。 NVIDIA 正在真正成长为美国开源 AI 的中坚力量! Nemotron 3 is already third trending on @huggingface. @nvidia is really becoming the American powerhouse for open-source AI!clem · 2025/12/20
- Hannah Stolberg 与 Team OS:把团队隐性知识变成 AI 可调用的组织操作系统Hannah Stulberg · 2026/04/17