Company
Hugging Face
开放数据集与模型的事实标准托管平台，也是头号开放语料供给方
概况
- 成立：2016
- 总部：New York / Paris
- 融资：2023-08 Series D $2.35 亿，估值 $45 亿（Salesforce Ventures 领投，Google、Amazon、Nvidia 等参与），累计约 $3.95 亿
- 链接：https://huggingface.co
本页由 AI 训练数据专栏（大模型）的实体卡整理而来；各栏的数据视角见下方「数据档案」。
数据档案 · 大模型
Hugging Face（Hub / Datasets）
开放数据集与模型的事实标准托管平台，也是头号开放语料供给方
- 数据类型
- 数据集托管；开放预训练语料；合成数据；数据处理工具
- 规模口径
- 公开数据集数量约 73 万至 100 万（二手口径 ⚠️，范围大）
- 客户
- 开源社区；企业用户
做什么
Hugging Face 的 Hub 是开放数据集与模型的主要托管层，推荐 Parquet / WebDataset 格式；公开存储对社区“尽力而为”，付费公共扩容 $12/TB/月起 [1]。Croissant 元数据已被其内置导出（见 croissant）。
作为数据供给方
公益性产出包括 fineweb 全系列（含 FineWeb-2、FinePDFs）、cosmopedia、SmolTalk、SmolLM 配套数据，以及处理库 datatrove；与 ServiceNow 共同治理 the-stack [3]。许多“配方公开”的小模型团队依赖它的数据集。
融资
2023-08 Series D 募资 $2.35 亿、估值 $45 亿，累计约 $3.95 亿 [2]；此后的融资与估值本文未核。
口径提示
数据集数量来自二手统计；平台本身托管版权有争议的数据（如 books3 副本曾被 DMCA 通知）。
Related
Last compiled: 2026-10-15