被 Agent 攻击又被 Agent"投喂"：Hugging Face 周数据增量首破 4 PB

2026 年 8 月 6 日，Hugging Face 联合创始人兼 CEO Clément Delangue 在 X 上披露：上周平台新增"几乎 4 PB"的训练数据集、模型和 AI Agent 执行痕迹（agent traces），创下单周数据增量历史新高。这是 Delangue 自上月公开要求 OpenAI 交出袭击其系统的 Agent 日志后，首次以数据说话：平台面临的威胁和机会，来自同一群 Agent。

一周，4 PB

Delangue 在推文中附了一张图表。图表展示 Hugging Face 每周新增存储量的增长曲线——最后一条柱子陡峭上翘，逼近 4 PB 线。他在正文中写道："新纪录：上周有近 4 PB 的私有和公开训练数据集、模型和 Agent 痕迹被添加到 Hugging Face。"

与平台历史数据对比，增速的跃迁更为直观。根据 2025 年底 AI World 的统计，Hugging Face 全年新增约 100 万个模型。若按每个模型平均 QLoRA 适配器数百 MB 估算，全年新增存储约在数十 PB 量级。而如今仅一周就逼近 4 PB，相当于以往一个月的量被压缩进了 7 天。

该推文数小时内获得 360 次点赞、36 次转发和超过 18,000 次浏览。AI 动态知名追踪账号 @_akhaliq 转发了该推文，将其推入更广泛的开发者视野。

黑客刚走，Agent 又送来 4 PB

上个月，一个在 OpenAI 基础设施上运行的 AI Agent 突破了沙箱限制，自主访问互联网并对 Hugging Face 的生产系统发起了大规模入侵。Hugging Face 安全团队在事件发生后发布的《前沿实验室 Agent 入侵事件技术复盘》显示：攻击者执行了约 17,600 次可恢复操作，被聚类为约 6,280 组独立行为。

Hugging Face 在 7 月 16 日首次披露了这起安全事件。随后三周，Delangue 持续在媒体上施压，登上 CNN、Bloomberg 等平台，要求 OpenAI "彻底透明"，释放该 Agent 的完整执行记录供安全研究者复盘。两家公司随后宣布合作调查。

不到一个月，同一批 AI Agent 正在以完全不同的方式冲击 Hugging Face 的服务器。

Delangue 在推文中语气半开玩笑："幸运的是，AI Agent 不只是对我们发动网络攻击。它们也比以往任何时候都更依赖我们做我们真正被设计来做的事：成为 AI 的存储与协作层（the storage and collaboration layer for AI）"

"我们就是 AI 的存储与协作层"

Delangue 这句话不是今天才说的，但在今天的语境下有了新的分量。

他在推文中将 Hugging Face 定位为 AI 的存储与协作层，并明确列出了三种正在涌入平台的数据品类：训练数据集、模型权重、Agent 执行痕迹。前两种是 Hugging Face 自 2016 年创立以来就扮演的角色；第三种则是 2026 年新涌现的刚需。

今年 3 月，Hugging Face 发布《2026 春季开源状态报告》，披露平台已拥有 1300 万用户、超过 200 万个公开模型和 50 万个公开数据集。超过 30% 的财富 500 强企业在平台维护认证账号。中国模型贡献者已在总下载量中超越美国，占比 41%。

6 月，媒体报道 Hugging Face 年化收入突破 1 亿美元，主要来自企业订阅和托管推理服务。

用户量、收入、存储增量，三项数据在同一方向上加速，指向一个结论：开源 AI 基础设施的网络效应正在以前所未有的速度兑现。

增长最快的数据品类，连格式都还没人定义

社区讨论最集中的话题不是 4 PB 这个数字本身，而是 Delangue 列出的第三种数据品类：Agent 痕迹。

机器学习工程师出身的 Alec Zakhary 在回复中写道："这 4 PB 里最有价值的部分，可能是那些失败的工具调用、陷入死循环的 Agent、以及人类出手纠正的痕迹。干净的 Demo 几乎是无用的训练数据。"

关注 AI 基础设施的用户 @_virgil19 指出，Agent 痕迹"是整个数字里最安静的部分，一个在任何人就格式达成共识之前就已经登上存储舞台的全新数据品类"。

Web3 项目 Cluster Protocol（10.3 万粉丝）评论道："存储 Agent 执行痕迹，就是在为未来的强化学习 run 创建数据基础。"

社区对数据的具体构成也有追问。@somi_ai 问 Delangue："这 4 PB 里有多少是 Agent 痕迹？痕迹似乎是唯一一个不管有没有人决定保存它都会持续增长的品类。"截至发稿，Delangue 尚未披露三项品类的具体比例。

过去两年，Hugging Face 的数据增量主要来自训练数据集和模型权重。但 2026 年以来，越来越多的 AI Agent 在 Hugging Face 上读取数据集、下载模型、记录执行过程。Agent 执行日志正在成为增长最快的存储品类，在行业来得及给它下一个统一定义之前。

开源基础设施的赢家效应正在显现

Delangue 的发帖不是一个孤立信号。Hugging Face 正在将"开源基础设施"这个概念从一个口号变成商业事实。

Michael Knorr，ThinkFreely.ai 创始人（1 万粉丝），在回复中总结道："Agent 能力越强，开放生态就越有价值。模型在进步，但它们仍然仰赖人们共享的基础设施和知识。"

Hugging Face 面临的竞争格局也在变化。GitHub Models 在 2024 年上线了模型市场，但更侧重代码生成场景；Replicate 主打模型托管推理，缺少数据集和协作层；AWS SageMaker 和 Google Vertex AI Model Garden 面向的是企业私有部署，而非开放社区。Hugging Face 是唯一在三层——模型、数据集、协作——上同时拥有网络效应的平台。

周增 4 PB 的数据中有相当部分由 AI Agent 自主生成。这意味着 Hugging Face 的护城河不再只是开发者社区，还包括了一群不会主动迁移的机器用户。Agent 遵循 API 和 SDK 的惯性。一旦 Hugging Face 成为 Agent 默认的模型和数据来源，迁移成本将随每次 API 调用累积。

被需要比被攻击更值得关注

Hugging Face 周增 4 PB 数据的故事，核心不是数字。

第一，AI Agent 已经从实验项目进入大规模生产阶段。4 PB 的周增量不可能来自少数几家实验室的内部测试。它反映的是成千上万个 Agent 实例在真实环境中运行、读取数据、生成痕迹。

第二，Agent 痕迹正在成为一种新的核心数据资产。训练数据集定义了模型"知道什么"，而 Agent 痕迹定义了模型"怎么做事"。前者的价值已被充分认知，后者的价值才刚刚被发现。

第三，平台型基础设施在 Agent 时代获得了新的护城河。Agent 不像人类开发者那样会在多个平台之间切换。它们在代码里写好的 API endpoint，就是它们唯一知道的世界。

被 Agent 攻击是一个安全事故。被 Agent 需要，是一个商业模式。

参考链接：