Modal C轮融资：3.55亿美元，估值46.5亿美元

我们刚刚完成了3.55亿美元的融资，自9月以来业务增长了五倍，年化营收已突破3亿美元。本轮融资后估值为46.5亿美元，由 @generalcatalyst 和 @Redpoint 领投，@MenloVentures 和 @Accel 作为新投资者加入。所有现有主要投资方也全部参与，进一步加注对Modal的信心。

AI时代的新基础设施层

我们创立Modal，是因为为传统Web应用构建的云端从来无法适配AI工作负载。在生成式AI革命之前我们就已看清这一点，而随着模型和技术的进步，这一事实愈发凸显。

Modal是一个为AI而生的云平台。它不是单一的GPU云，而是一个提供正确原语的平台，让开发者能够构建极其广泛的应用。如今，这体现为低延迟弹性推理、动态智能体运行时、强化学习、大规模批处理作业，等等等等。

从前沿API到模型自主掌控

从DoorDash这样的数字原生企业，到Reducto这样的AI原生公司，领先的团队正在自主掌握模型。他们用自有数据微调模型，运行强化学习，并根据自身的延迟、吞吐量和成本需求优化推理。DeepSeek、Qwen等开源权重模型已达到生产级质量，vLLM和SGLang等推理引擎也同步成熟。第一次，从拥有模型到服务模型的完整技术栈已就位，且无需牺牲能力。

Modal同时驱动着我们的强化学习基础设施和生产推理。一端是数百万个沙箱，另一端是实时服务。全部运行在同一平台上。——ScottWu46, Cognition CEO

Decagon能够在p90延迟342ms下运行，远低于自然对话所需的亚秒级要求，实现了速度、效率和企业级可靠性。——DecagonAI

智能体需要更好的执行环境

2023年，我们开始看到用户在Modal上运行AI生成的代码。很明显这将成为一种普遍需求，因此我们构建了Sandboxes——用于运行不受信任代码的隔离环境——作为一等原语。爆炸性增长花了两年时间才到来。

过去六个月里，情况变得清晰：智能体将无处不在，而当它们拥有运行时环境时，会强大得多。DoorDash正在为商家构建AI智能体，像Ramp的Inspect这样的编码智能体贡献了70%的合并PR，强化学习工作负载并行运行数千个环境，自动研究智能体大规模爬取网络。Modal上已启动超过10亿个沙箱。

沙箱是强化学习最重要的构建块之一。Modal显然非常灵活，结构设计让我们能够构建这些复杂环境，专注于性能和可靠性。——ypatil125, AppliedCompute CEO

如果没有Modal，构建Inspect会非常困难。大量复杂性被隐藏，只需快速启动沙箱，加载大量服务和数据，并在任意时刻拥有无限数量的沙箱。——rahulgs, Ramp应用AI主管

AI的形态在不断扩展

Modal是一个通用的计算平台，专为AI工作负载的基础需求而构建：弹性计算、安全隔离和可编程控制。开发者将它们组合成截然不同的应用。Physical Intelligence为实时机器人运行推理。Chai Discovery将药物发现管线从蛋白质嵌入扩展到抗体设计。Suno每天生成数百万首歌曲，从扩展到数千个GPU再回落到接近零。相同的原语，完全不同的形态。

我们使用Modal运行边缘推理，开销小于10毫秒，并大规模运行批处理作业。团队喜欢这个平台，因为它赋予我们强大的能力和灵活性。——Brian Ichter, Physical Intelligence联合创始人

这不只是节省时间，而是消失的心智负担。有了Modal，我们只需要给需要扩展的函数添加几个装饰器，然后忘掉它们，它们就能正常工作。——Kevin Wu, Chai Discovery ML研究员

我们接下来要构建什么

过去五年，我们在技术上投入极深，包括从头构建我们自己的存储和计算层。这让我们实现了看似不可能的结果：例如通过GPU快照将冷启动速度提升100倍，全球范围内的弹性低延迟推理，以及通过汇聚全球数百个数据中心的容量，在无需预留的情况下，从0扩展到1000个GPU只需几分钟（甚至几秒钟！）。

因为我们拥有完整的技术栈，我们可以继续在这些优势上构建，为开发者提供越来越好的体验。

这个基础使得下一阶段成为可能。以下是我们的方向：

大规模低延迟推理。

生产推理的门槛不断提高，我们正在加倍投入，让团队能够快速迭代：更好的服务原语、更清晰的观测能力，以及对开源推理栈的持续投入。我们已经组建了一支推理工程师团队，为Flash Attention、vLLM、SGLang等做出贡献，因为性能提升应该回馈给使用相同引擎的社区。

训练与推理循环的融合。

强化学习是一个棘手的基础设施问题。多节点训练、弹性推理和沙箱已经在Modal上获得一等支持，这使得完整的强化学习循环自然而然地适配。我们的用户已经在质量、成本、延迟和吞吐量上看到了帕累托高效的结果。我们希望让完整的模型训练生命周期——从首次微调到生产服务——对更多团队触手可及。

面向智能体的计算层。

沙箱已经贡献了我们超过三分之一的收入，客户不断要求更多。我们正在扩展沙箱的能力范围，并提升规模以支持数百万个沙箱并行运行。同时，我们认识到智能体开发时代已经到来。Modal本质上是代码，这已经使其成为智能体工作的绝佳场所。我们将继续改进，首先推出细粒度的RBAC，让客户能够安全地赋予智能体能力。

AI基础设施层才刚刚开始。我们也是。

如果你想加入我们位于纽约、旧金山和斯德哥尔摩的120+人团队，请查看我们的在招职位。