ARTICLE · 1219919
AI推理和训练平台Modal获7.5亿美元D轮融资,估值157亿美元
如何让开发者方便地调用计算资源，把模型部署为产品，并让AI生成的代码安全地运行。成立于2021年的Modal，切入的正是这一层，它把复杂的云端计算，变成开发者可以直接在代码中调用的服务。Modal已经从一家面向数据与机器学习团队的开发者工具公司，成长为覆盖模型推理、训练和AI智能体运行环境的平台。公司宣布完成7.5亿美元D轮融资，投后估值157.5亿美元，本轮由Accel领投，跟投机构包括Kleiner Perkins、Menlo Ventures、General Catalyst、Redpoint、Lux Capital、Amplify Partners和Bain Capital Ventures。
Modal的联合创始人Erik Bernhardsson和Akshat Bubna，分别担任CEO和CTO。Bernhardsson曾是Spotify的早期员工，领导过数据科学和机器学习团队，参与构建其核心音乐推荐系统，后来担任金融科技公司Better.com的首席技术官。他也是开源近似最近邻搜索库Annoy的创建者。
另一位创始人Akshat Bubna毕业于麻省理工学院，学习计算机科学与数学，创业前曾是Scale AI的早期工程师，并担任Staff Software Engineer。与Bernhardsson偏重机器学习系统和技术组织管理的经历相比，Bubna的背景更多来自快速成长的AI基础设施企业。
公司历史：先解决开发者问题，再被生成式AI放大
理解Modal，最重要的关键词是执行：当模型完成思考、生成答案或写出代码之后，真正的计算在哪里发生，又由谁负责把这一过程变得快速、可靠、可扩展？
Modal成立于2021年，其最初目标并不局限于大语言模型，而是降低数据和机器学习工作负载在云端部署、运行和扩展的复杂度。2023年10月，公司宣布平台正式全面开放使用，同时完成1,600万美元A轮融资。此前的测试阶段客户包括Ramp、Substack和SphinxBio等，早期面向的是较广泛的数据密集型应用，而非单一的生成式AI场景。
生成式AI随后放大了这一需求。图像生成、音频处理、大语言模型推理等应用，都需要把模型、依赖环境和GPU资源组合起来。对用户而言，这些应用可能只是一个输入框；对开发者而言，背后却涉及模型加载、显存管理、任务排队、自动扩容和失败恢复。Modal原本用于简化云端计算的产品，因此获得了更大的市场空间。
2023年，Modal推出Sandboxes，即沙箱运行环境。这一产品源于团队观察到：开发者开始使用大语言模型生成代码，而这些代码需要在隔离环境中执行。由此，Modal从“运行开发者写好的程序”，进一步进入了“运行AI动态生成的程序”这一市场。
这不是简单增加一种功能，而是客户需求发生了变化。过去，软件通常由工程师事先编写、测试和部署；在智能体应用中，程序可能随着每一次任务动态产生。运行环境不仅需要算力，还需要快速创建、隔离、管理和回收。
产品：把云端计算变成代码中的组成部分
Modal最基础的产品单元是Functions。按照公司的概括，开发者编写代码，Modal负责运行代码。第三方对其产品的描述则更具体：开发者可以编写Python函数，由平台处理容器化、资源分配和自动扩缩容，并按实际计算使用量付费。
这里的“无服务器”并不是没有服务器，而是开发者不必直接管理服务器。传统部署过程中，团队往往需要先准备机器，再配置系统、依赖、容器和调度工具；Modal则试图把这些操作隐藏在面向代码的接口之后。开发者关注的是任务需要什么资源、使用什么环境，以及如何触发运行，而不是先搭建一套完整的基础设施。
在应用层，Modal目前覆盖推理、训练和沙箱等主要方向。推理服务既包括大语言模型，也包括图像、视频和音频模型；Functions则可以承载生成式AI任务、数据处理和模型训练。公司还在2026年披露推出多节点训练能力，通过较少的代码配置提供采用RDMA高速互联的集群，并继续拓展强化学习与后训练相关产品。
Sandboxes解决的是另一类问题：为AI智能体、编程助手和其他程序提供隔离的执行空间。例如，一个智能体可能需要创建文件、安装软件包、运行脚本，再根据结果修改代码。如果这些操作直接发生在企业核心系统中，风险很难控制；沙箱的作用，是为这些活动提供相对独立、可管理的环境。Modal表示，其沙箱也被用于强化学习和应用生成平台，截至2026年10月，虚拟机形式的沙箱已经正式全面可用。
这些产品并非彼此独立。推理服务让模型产生结果，Functions负责执行计算任务，Sandboxes则为智能体动态操作提供环境。Modal试图用同一套底层平台，承接AI应用从模型调用到实际行动的不同阶段。
行业痛点：GPU只是开始，真正困难的是组织计算
Modal所在的行业，可以理解为AI云基础设施与开发者平台的交叉地带。它面对的核心问题不是“市场上有没有GPU”，而是“开发者能不能在合适的时间，以可接受的成本和复杂度，把GPU及其他计算资源真正用起来”。
首先是基础设施复杂度。GPU供应、容器环境、模型文件、网络、任务调度和服务扩容，原本分散在不同工具与系统之中。Bernhardsson在最新融资公告中把这种体验概括为繁重的配置管理和GPU采购困境。Modal的应对方式，是重建文件系统、容器运行时、调度器和网络层，并将容量池扩展到20多个云提供方。
其次是弹性与成本之间的矛盾。AI应用的需求可能高度波动：一个生成任务突然走红，就可能带来短时计算高峰；但在低谷时，提前准备的GPU又可能闲置。Modal采用按计算使用量计费的模式，并提供自动扩缩容，试图减少客户为了应对不确定需求而长期保留闲置资源的负担。不过，这种模式是否更便宜，仍取决于负载持续时间、利用率以及对启动延迟的要求，不能简单理解为无服务器一定优于长期租用机器。
第三是冷启动。普通应用启动时主要加载程序，而AI服务还可能需要准备较大的模型文件和GPU运行环境。Modal将模型体积大、加载慢视为传统云工具不适应AI工作负载的重要原因之一。对于这种问题，资源调度、存储和运行时必须一起优化，单纯增加GPU数量并不能解决全部体验问题。
第四是AI代码的执行安全。随着智能体开始调用工具和编写程序，基础设施平台需要处理的不再只是预先审核过的固定代码，还包括动态产生的操作。隔离环境因此从辅助功能变成产品核心。Modal的沙箱业务增长，体现的正是这一需求变化。
商业模式与客户：从卖计算能力，到嵌入开发工作流
Modal的基础商业模式是按使用量收费，计算费用主要与GPU、CPU等资源的使用时间相关，此外也存在团队和企业级方案。它销售的并不是单独一张GPU，而是包含资源获取、环境管理、调度和弹性能力的完整运行服务。
从商业逻辑看，这意味着Modal必须在上游算力成本与下游客户支付意愿之间创造价值。如果客户只比较GPU小时单价，平台容易被视为中间层；如果客户看重的是减少运维、加快上线、处理突发流量和支持复杂智能体任务，Modal就更接近生产系统中的长期基础设施供应商。
公司披露的客户用途已经相当多样。DoorDash的AI平台团队使用Modal推动内部应用从实验走向生产；Cognition、Ramp、Linear和Hebbia在其上构建后台智能体；Runway用于视频生成；Physical Intelligence、Generalist AI和1X用于机器人训练；Chai Discovery和Achira则用于药物发现。
沙箱已经成为其中重要的增长来源。公司称，截至2026年10月，Sandboxes单独的年化运行收入规模达到3亿美元，累计启动接近30亿个沙箱，并能够扩展到100万个并发沙箱。
竞争对手：竞争发生在不同层次
Modal没有一个能够完全覆盖其业务边界的竞争对手。在GPU计算、模型推理和智能体执行环境中，它面对的是不同类型的平台。
Runpod是较直接的竞争者之一。它同时提供GPU实例和无服务器服务，客户可以在较强的环境控制与自动化运行之间选择。两家公司都希望让开发者更容易使用GPU，但Modal更强调以Python代码为中心、由平台承担运行环境与调度复杂度；Runpod则具有明显的容器和实例使用路径。
Baseten与Modal在生产级模型推理领域重叠。Baseten强调将模型部署为低延迟API，以及模型优化、版本发布和运行管理。相比之下，Modal的范围不仅包括模型服务，还覆盖通用计算函数、训练与沙箱。两者的区别并非简单的技术高低，而是产品重心不同：一个更集中于推理服务，另一个更希望成为多种AI任务共用的运行平台。
Replicate代表另一种路线。它通过简化API和预打包模型，让开发者更快使用现成的开源模型，也支持自定义部署。对于希望快速获得某种生成能力的应用，Replicate可能更直接；对于需要编写复杂处理流程、控制依赖并组合不同任务的团队，Modal提供的是更通用的计算接口。
此外，AWS SageMaker和Anyscale也与Modal存在竞争。前者依托AWS生态，覆盖训练、部署、流水线和监控；后者建立在Ray之上，强调分布式Python、训练、批处理和强化学习。
结语：Modal争夺的是AI应用真正运转的位置
Modal的发展轨迹，反映了AI产业关注点的迁移：从模型能否生成内容，转向生成的内容如何进入真实工作流；从有没有足够算力，转向如何让开发者有效地组织和使用算力。
它的早期价值，是让数据科学家和工程师不必先搭建复杂云环境，就能运行计算任务；生成式AI扩大了这一价值，而智能体又让隔离执行环境成为新的业务中心。Functions、推理服务、训练能力和Sandboxes，实际上都是围绕同一个目标展开：把AI应用需要的计算，变成可组合、可扩展的基础组件。
因此，Modal更值得关注的并不是“又一家获得巨额融资的GPU公司”，而是它能否在模型与底层硬件之间建立稳定的运行平台。
Startup/VC投融资服务
WeDeal位于美国硅谷，为北美初创公司提供美国VC数据服务；为全球天使投资人、VC、PE、家办、国际化企业提供Deal Sourcing服务。
初创公司VC数据服务
专注于为北美 Pre-Seed、Seed 及 Series A 阶段创业公司提供专业投资机构数据服务，帮助创始人在超5000家美国VC和PE中找到合适的投资人。
投资人Deal Sourcing服务
专注为全球全球天使投资人、VC、PE、家办、国际化企业提供提供硅谷及北美优质早期项目Deal Sourcing和DD服务。
如有需求，请私信后台咨询。
===================
美股二级市场数据服务
StockFan App - 用户覆盖全球60个国家的美股大数据和社区平台
