人工智能初创公司正面临两大难题:一是需要处理的AI生成代码数量庞大,二是用于运行这些代码的算力严重不足。Modal Labs公司认为,自己能够同时解决这两个问题,并于近期完成了3.55亿美元的新一轮融资。
这家总部位于纽约市的初创公司表示,本轮融资由Redpoint Ventures和General Catalyst领投,Accel和Menlo Ventures跟投参与。融资完成后,公司估值达到46.5亿美元,而在今年9月上一轮融资时,其估值仅为11亿美元。
Modal估值的大幅跃升,映射出企业和软件公司对AI采用速度之快。开发者比以往任何时候都更依赖AI编程工具,以加快应用程序的更新与开发节奏,这种快速推进也带来了对底层运行基础设施需求的急剧上升。
Modal的平台能够让企业方便地租用运行AI推理工作负载所需的图形处理器(GPU)。所谓AI推理,即执行已训练完成的AI模型的过程。其无服务器基础设施平台使开发者无需关心底层云服务器的管理事宜,即可完成AI应用的部署,所有管理工作均由Modal负责,开发者只需专注于应用本身的性能优化。此外,该公司还为开发者提供沙箱环境,供其在将新生成的AI代码正式投入生产前进行测试。
Modal由联合创始人Erik Bernhardsson和Akshat Bubna共同创立,两人分别担任首席执行官和首席技术官。他们表示,自上次融资以来,公司营收增长显著。
Bernhardsson在接受路透社采访时表示:"过去六个月推动了一切。"他将这一增长归因于Anthropic旗下Claude Code等AI编程工具在企业中的迅速普及。他说,公司客户覆盖范围广泛,涵盖生物技术公司、对冲基金,乃至天气预测初创公司等各类机构。
Modal本身并不拥有向客户出租的底层服务器,而是通过第三方提供商,以批量方式租用算力。Bernhardsson表示,对计算资源的旺盛需求,使得Modal在满足客户需求方面面临较大压力,基础设施成本也随之大幅上涨。
尽管如此,Modal广泛布局算力合作伙伴,合作的基础设施供应商已从此前的5家增至13家。Bernhardsson表示,公司现在所依赖的一些算力供应商,在几个月前他甚至闻所未闻。
这些努力已初见成效,Modal当前正处于强劲发展势头之中。据其透露,公司年收入已达约3亿美元,较今年9月的6000万美元实现大幅增长。
本轮融资分两批次完成。第一批投资者以25亿美元估值入场,此后第二批投资者的加入进一步推高了公司整体估值。
Q&A
Q1:Modal Labs的无服务器AI基础设施平台具体提供哪些服务?
A:Modal Labs的平台主要提供两类服务:一是让企业可以便捷地租用GPU资源,用于运行AI推理工作负载,即执行已训练好的AI模型;二是提供无服务器基础设施,开发者无需管理底层云服务器,只需专注于应用本身的性能。此外,Modal还提供沙箱测试环境,供开发者在正式上线前测试新生成的AI代码。所有底层管理工作均由Modal统一处理。
Q2:Modal Labs的估值为何在短短几个月内从11亿美元大幅增至46.5亿美元?
A:Modal Labs估值的快速增长,主要源于企业对AI编程工具的大规模采用,带动了对AI基础设施的强烈需求。开发者越来越多地使用Anthropic的Claude Code等AI编程工具,使得应用开发和更新速度大幅提升,对运行这些应用所需算力的需求随之激增。Modal的营收也在同期从6000万美元增长至约3亿美元,强劲的业绩表现支撑了估值的大幅跃升。
Q3:Modal Labs是如何解决算力供应紧张问题的?
A:面对算力需求激增带来的供应压力,Modal Labs采取了广泛布局算力合作伙伴的策略。公司合作的基础设施供应商数量已从此前的5家扩展至13家,其中不乏此前鲜为人知的供应商。Modal本身不拥有服务器,而是向第三方基础设施提供商批量租用算力,再提供给客户使用,通过多元化合作来保障算力供应,尽量满足不断增长的客户需求。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。