Modal 和 Baseten 融资谈判考验 AI 基础设施估值

据报道，Modal Labs 和 Baseten 正寻求分别达到 150 亿美元和 260 亿美元的估值，尽管这两家 AI 基础设施初创公司仅在数月前刚刚完成融资。

这轮据报道正在进行的谈判尚未达成已完成的融资。两家公司各自希望筹集的金额也仍未披露。然而，在任何一家公司签署交易之前，拟议估值已令这些谈判备受关注。

Modal 的目标估值超过其 5 月 46.5 亿美元估值的三倍。Baseten 的拟议估值则是其 6 月融资对应 130 亿美元估值的两倍。这一速度使 Modal 和 Baseten 的融资谈判成为对投资者 AI 推理信心的检验，而不只是两则融资新闻。

推理是训练完成的模型响应请求、生成媒体内容或完成任务时所进行的计算。不同于集中在开发周期内进行的模型训练，只要客户使用 AI 产品，推理就会持续产生工作负载。

两家公司销售的解决方案存在重叠，均可让客户运行这些工作负载，而无需每位客户自行运营 GPU 集群。Modal 提供用于推理、批处理、训练和隔离式 agent 环境的可编程云基础设施。Baseten 则高度专注于在生产环境中部署、优化和运营模型。

它们的主要对手并非彼此，而是超大规模云服务商和内部基础设施团队提供的自建路径。

投资者实际上是在押注，专业平台能够在稀缺计算硬件与构建 AI 产品的公司之间持续充当有价值的中间层。尚未得到解答的问题是，这一位置究竟能带来长期利润空间，还是会成为云软件中又一个竞争激烈的层级。

Modal 和 Baseten 融资谈判再次重估推理业务

拟议估值将把传统初创公司通常需要数年实现的升值压缩至短短数月。

Modal 于 5 月宣布完成 3.55 亿美元 C 轮融资，投后估值为 46.5 亿美元。General Catalyst 和 Redpoint 领投该轮融资，Menlo Ventures、Bain Capital Ventures、Accel 及现有投资者参与其中。

该公司称，自 9 月以来其业务增长了五倍，年化收入超过 3 亿美元。年化收入是将近期收入运行速率换算为年度数字，并不一定代表已在十二个月内实际实现的收入。

Modal 还表示，已有超过 10 亿个被称为沙箱的隔离计算环境在其平台上启动。根据公司 5 月融资公告，沙箱贡献了其超过三分之一的收入。

四个月后，若估值达到 150 亿美元，Modal 的私募市场价格将增加逾 100 亿美元。Axios 另行报道称，Accel 预计将领投这轮拟议融资，但融资仍在讨论中。

Baseten 经历了规模更大的连续融资。它在 2 月以 50 亿美元估值融资 3 亿美元，随后于 6 月完成 15 亿美元 F 轮融资，估值为 130 亿美元。

Altimeter Capital、Conviction Partners 和 Spark Capital 领投 6 月融资。Sands Capital 与 Wellington Management 担任联合领投方，多位现有和新投资者参与其中。

Baseten 表示，其收入在此前一年增长二十倍，推理量也增长四十倍。这些数字为公司披露，尚未经过公开独立审计。

拟议的 260 亿美元估值将在约三个月后使 Baseten 的 6 月估值翻倍，也将使其估值达到 2 月公布估值的五倍以上。

Baseten 在 2 月、6 月及拟议中的 9 月交易，意味着八个月内发生三次独立估值事件。Modal 从 2025 年 9 月 11 亿美元估值升至可能的 150 亿美元估值，其路径同样将被大幅压缩。

这些仍是讨论，而非已完成的交易。谈判可能改变、停滞，或在未完成融资的情况下结束。投资者还可能获得优先权或保护条款，使标题中的估值不如表面看起来那么具有参考意义。

Baseten 的 6 月融资说明了交易结构为何重要。早前报道描述了融资结束前涉及不同投资者适用不同价格的谈判。一轮分拆定价融资可以在维持较高公开估值的同时，为某一组投资者提供更有利的经济条件。

目前谈判尚未披露可比条款。因此，现在将 150 亿美元或 260 亿美元视为已确定的市场价格仍为时过早。

不过，若未看到这一领域的战略价值，投资者不会讨论如此规模的估值。快速重估表明，资本提供者预计推理需求的扩张速度将快于传统云基础设施业务。

核心事件并不只是 Modal 和 Baseten 希望筹集更多资金，而是投资者似乎愿意在为整个推理层定价仅数月后，重新审视其价值。

为什么 AI 推理需求正将资本拉向底层基础设施

AI 产品正从偶尔的演示转变为持续性工作负载，使推理成为持续存在的基础设施需求。

模型训练因其产出可见的新系统而备受关注。推理则决定了该系统在发布后能否可靠地服务数百万次请求。

每一次生成的回答都会消耗计算资源。推理模型可能需要经过多个内部步骤才能返回响应。语音、视频、图像生成、编程 agent 和自主工作流会增加更多请求、更长会话或更大的输出。

agent 还需要执行工作的场所。它可能浏览数据、运行生成的代码、测试应用程序，或重复执行任务直至达成目标。每个动作都可能产生一次新的模型调用和一项新的基础设施任务。

这一需求有助于解释 Modal 对沙箱的重视。沙箱将代码与系统其余部分隔离，使开发者或 AI agent 能够在受控访问条件下执行不受信任的程序。

Modal 并不将自身仅定位为模型服务。其平台还支持批处理任务、强化学习、笔记本、训练集群，以及在 CPU 和 GPU 之间迁移的工作负载。

这一更广泛的方式至关重要，因为 agent 所需的不只是模型响应。它们还需要存储、网络访问、调度、隔离，以及能迅速出现并在工作结束后消失的环境。

Modal 表示，其客户应用覆盖 AI 编程、音乐生成、机器人技术、生物技术、支付和天气预报等领域。该公司还与多家基础设施提供商合作，而非依赖单一云服务商。

Baseten 则通过生产级模型部署切入市场。它帮助公司优化并服务自定义模型或开放权重模型；后者会发布模型参数，客户可在适用许可下运行这些模型。

该公司的 6 月 F 轮融资公告将 Cursor、Notion、Lovable、Harvey、HubSpot、OpenEvidence、Abridge、Decagon 和 Parallel 列为客户。这些案例表明需求广泛，但并未揭示收入集中度或合同规模。

Baseten 还将推理与后训练相结合。后训练是在初始训练阶段之后，利用微调、偏好优化或强化学习等技术调整现有模型。

这种关联扩大了基础设施机会。公司可以定制模型、测试不同版本、评估其表现，然后通过同一平台运行所选版本。

开放权重模型进一步强化了这一趋势。企业不再只能在少数封闭模型 API 之间选择，而可根据延迟、准确性、隐私和运营要求选择、修改和组合模型。

然而，模型选择也带来了基础设施复杂性。不同架构在相同硬件上的表现各不相同。流量可能剧烈波动，但用户仍期待快速响应和可靠服务。

专业平台承诺吸收这种复杂性。它们汇集算力、优化运行时、处理扩缩容，并为开发者提供更简单的生产级 AI 运营界面。

随着公司超越实验阶段，这一承诺变得更有价值。演示可以容忍响应缓慢或暂时中断，但临床工作流、客户服务系统、编程产品或支付应用无法容忍。

这种转变给传统云服务商带来压力。Amazon Web Services、Microsoft Azure 和 Google Cloud 已控制庞大的计算集群、企业关系和数据中心网络。

然而，原始算力只是问题的一部分。开发者还需要编排软件、优化的推理引擎、可观测性、安全执行能力和快速部署流程。

Modal 和 Baseten 正押注客户会付费聘请专业服务商来整合这些组件。投资者似乎认为，会有足够多的组织选择这一路径，从而支撑独立公司获得可观估值。

专业平台正在挑战自建路径

决定性的竞争是专业 AI 基础设施与直接在超大规模云上搭建的基础设施之间的较量。

大型企业可以购买云实例、部署推理引擎、配置自动扩缩容，并构建运营模型所需的监控能力。它们也可以聘请工程师来优化延迟和硬件利用率。

这一路径提供了控制权。它可以支持定制安全要求、既有采购关系，以及与公司更广泛云环境的紧密集成。

但它也将运营责任转移给买方。团队必须预留稀缺的加速器、管理故障、更新模型运行时、预测需求，并避免为闲置容量付费。

推理性能不仅仅取决于选择一块 GPU。工程师还必须考虑批处理、量化、缓存、内存使用、请求路由，以及启动新模型副本所需的时间。

批处理将请求合并，使硬件能够更高效地处理它们。量化降低模型权重的精度，以减少内存和计算需求。缓存则在工作负载允许时复用此前的计算结果。

每项优化都可能改善经济效益，但每项也会引入权衡。更大的批次可以提高吞吐量，却可能让个别用户等待更久。更低精度能够减少资源使用，但可能影响模型质量。

Modal 和 Baseten 将这些决策转化为托管服务。它们的价值取决于能否比客户自行运营更高效地运行整套技术栈。

Modal 的代码优先设计允许开发者通过 Python 描述基础设施。平台随后会在可用计算资源间调度所请求的工作负载。

其沙箱为 agent 开发者带来第二项优势。编程 agent 可以创建隔离环境、执行生成的代码、检查结果，并在随后丢弃该环境。

Baseten 强调针对特定模型的部署与优化。其团队可以与客户合作开展后训练、运行时配置和生产环境服务，而不是只销售同质化的算力。

这种差异至关重要。超大规模云服务商销售的是广泛的基础设施服务组合；专业提供商则将产品与工程投入集中于运行 AI 工作负载这一更狭窄的问题。

这种专业化可以改善开发者体验，也能减少产品团队在发布功能前必须做出的基础设施决策数量。

这一模式面临多方竞争。Together AI 和 Fireworks AI 运营模型与推理平台。Cerebras 和 Groq 将专用硬件与服务能力结合。RunPod 则提供面向开发者和 AI 工作负载的 GPU 基础设施。

模型开发商也提供自己的 API。OpenAI、Anthropic、Google 及其他实验室让客户完全无需管理模型基础设施，但这些服务对模型权重和服务环境的控制较少。

与此同时，超大规模云服务商持续改进其托管式 AI 产品。他们能够将模型访问、数据库、身份控制、网络和企业支持整合进现有客户协议中。

因此，专业提供商处于竞争激烈的位置。他们必须比内部基础设施更易用、比封闭式 API 更灵活，并在技术上与竞争性推理服务形成差异化。

融资能够巩固这一地位。资金可以用于锁定算力、招募系统工程师、扩大地域覆盖范围，并支持生产要求严苛的客户。

但资金也可能加剧竞争。资金充裕的提供商可以补贴获客、预留更多硬件，并投入性能改进，而竞争对手必须跟进。

因此，Modal 和 Baseten 的融资谈判对服务推理市场的所有公司都构成压力。小型厂商将面对资本更充足的竞争者，而超大规模云服务商则要面对试图掌握开发者关系的专业提供商。

企业买家获得了更多选择，但也面临新的依赖性问题。如今能够简化基础设施的平台，在应用、监控和部署流程逐渐围绕其建立后，可能会变得难以替换。

这场竞争不会由单一基准测试决定，而将取决于可靠性、迁移成本、资源利用率、开发者生产力，以及运行真实工作负载的总体成本。

估值假设增长，却未揭示利润率

快速的收入增长并不能证明，当模型服务变得更便宜、竞争更激烈时，推理平台仍能保持有吸引力的利润率。

Modal 和 Baseten 都依赖依然昂贵的计算资源。它们可以整合容量并优化工作负载，但无法消除底层硬件成本。

它们的业务必须在客户支付的费用与提供计算、网络、存储、工程和支持所需的成本之间获得价差。若缺乏详细财务披露，这一价差很难评估。

Modal 在 5 月的公告中提供了年化收入和增长率数据。Reuters 还报道称，其收入运行率已从 9 月约 6000 万美元升至 5 月约 3 亿美元，实现显著的收入加速。

同一报道指出，随着计算资源变得更昂贵、更难获取，Modal 已将云服务提供商从 5 家扩展至 13 家。更广泛的供应商网络可以改善资源获取能力和韧性，但也会令运营更复杂。

Baseten 披露，在 6 月融资前的一年中，其收入增长二十倍，推理量增长四十倍。该公司并未在那次公告中披露绝对收入、毛利率或客户集中度。

这些缺失的数据很重要。如果推理价格下降，即使推理量快速增长，收入增长也可能较慢。如果提供商为容量支付更多费用，或通过激励措施争取工作负载，收入也可能扩大而利润率收窄。

醒目的估值也掩盖了维持服务质量的成本。企业客户期待冗余、安全控制、快速的事故响应，以及突发流量高峰期间的容量保障。

闲置容量可以保护可靠性，却会削弱经济效益。严格的容量管理能够提高利用率，但会为意外需求留下更少余地。

新一代硬件带来了另一种张力。更快的加速器可以降低单个工作负载的成本，但也可能让现有容量的竞争力下降。提供商必须决定何时预留、租赁或迁移基础设施。

模型优化可以在一定程度上抵消这些成本。更好的调度、缓存、内核和内存管理，可以让提供商在相同硬件上处理更多请求。

然而，其中许多改进会通过开源项目传播。例如，vLLM 和 SGLang 让多个提供商都能使用先进的模型服务技术。

平台可以为这些项目做出贡献，并在内部进一步优化。但它仍需要在调度、容量获取、可靠性、客户支持或工作流集成方面具备专有优势。

买家还应将基础设施使用情况与供应商的持久性区分开来。一款产品可以提供真实的技术价值，而其估值却可能建立在对未来市场地位大幅扩张的预期之上。

报道中的价格意味着极高的预期。若不考虑此后的增长，Modal 150 亿美元的估值将约为其 5 月披露的 3 亿美元年化收入的五十倍。

这一比较并不完整，因为当前收入数字尚不明确。但它仍显示出，投资者似乎已将多少未来扩张预期计入该公司的估值。

Baseten 拟议的 260 亿美元估值无法与公开披露的绝对收入进行比较。投资者或许能够接触到私有指标，但外部读者无法获得这些数据。

这些融资轮也可能包含降低投资者风险的条款。清算优先权、价格保护和不同股份类别，都可能改变名义估值的经济含义。

这些担忧都不能证明任一公司估值过高。它们只是说明，报道中的估值本身无法证明其商业逻辑。

怀疑者的问题很直接：在向硬件供应商支付费用、围绕性能竞争，并抵御超大规模云服务商争夺客户之后，专业提供商能否保留足够的经济价值？

答案需要依靠私募融资报道很少披露的运营指标。

融资竞赛对企业 AI 买家意味着什么

更多资金可以改善容量和产品开发，但买家仍需要证据证明，某个提供商适合其工作负载和风险要求。

对企业而言，关键决策并非哪家初创公司的估值最高，而是外包推理是否能在不带来不可接受的成本、安全或依赖风险的前提下，降低运营负担。

医疗保健应用可能优先考虑隔离性、可审计性和可预测的可用性。面向消费者的图像产品则可能更重视突发流量高峰期间的吞吐量。

语音助手需要低延迟，因为响应过慢会让对话显得不自然。批量研究系统若能提高处理效率，则可以容忍一定延迟。

这些差异使泛化的性能宣称价值有限。买家需要基于自身模型、请求模式、输出长度和地域要求进行测试。

当模型架构或流量模式改变时，有利于某家提供商的基准测试结果可能逆转。因此，评估应衡量延迟分布，而不只是平均响应时间。

团队还应测试冷启动，即服务必须在响应流量前加载模型的情况。他们还应考察故障恢复、容量上限、可观测性以及流量高峰期间的表现。

安全审查同样重要，因为模型服务系统可能处理敏感提示词、专有文档和内部应用数据。买家需要明确了解数据保留、加密、访问控制和部署地点。

可移植性也应获得同等重视。一个平台可以节省数月工程工作，但专有部署模式可能令后续迁移变得困难。

客户可以通过维护可复现的模型产物、记录运行时假设，并测试替代部署路径来降低这种风险。他们应了解哪些优化属于模型本身，哪些依赖于供应商。

当前的融资谈判可能通过为 Modal 和 Baseten 提供更多资源而使买家受益。两家公司都可以投资工程能力、容量、地域扩张和支持服务。

融资也会带来快速增长的压力。这种压力可能促使提供商扩大产品范围、追求更大合同，或在商业条款上展开更激进的竞争。

企业团队应关注产品质量能否同步提升。一家服务于少数要求严苛 AI 初创公司的公司，在增加受监管企业客户和国际部署后，将面临不同的要求。

融资竞赛也会改变谈判动态。资本充足的平台可能看起来比小型提供商更安全，但估值并不保证运营连续性。

买家应审视现金资源、基础设施承诺、客户集中度，以及提供商承受更低推理价格的能力。合同保护和数据导出选项仍然重要。

评估 AI 基础设施的组织还需要保留持久的实验和决策记录。一个可搜索的知识库可以在工程团队之间保存基准测试结果、事故发现、架构选择和供应商假设。

当模型发生变化时，这些文档会变得很有价值。它能帮助团队判断性能提升究竟来自供应商、新模型、不同硬件，还是经过调整的工作负载。

因此，Modal 和 Baseten 的融资谈判应影响采购问题，而不应决定采购选择。估值新闻显示投资者预期需求将出现在哪里，而技术评估则显示客户应将工作负载部署在哪里。

三个信号将显示推理押注是否成立

下一项考验是，报道中的估值能否转化为完成的融资、可辩护的经济效益，以及可重复的生产需求。

第一个信号是两轮融资的最终结构。若融资以接近报道数字的估值完成，将强化这样一种观点：投资者仍愿意为独立推理平台支付溢价。

除估值外，融资金额也很重要。领投方、投资者保护条款，以及所有参与者是否以相同价格购买股份，同样值得关注。

若任何一轮融资以更低估值完成、耗时超出预期，或采用异常保护性的条款，其结果将削弱新闻标题所传递的解读。这将表明投资者希望获得敞口，但对价格仍保持谨慎。

第二个信号是运营披露。Modal 已公布年化收入数据，而 Baseten 则分享了相对增长率和推理量。

未来的公告应揭示，在近期融资热潮后增长是否仍在持续。客户留存率、毛利率、利用率和收入集中度，比单纯的工作负载量更能提供清晰图景。

一个平台可以在不获取相应比例经济价值的情况下处理更多请求。推理成本下降有利于用户，但服务提供商必须足够快地降低自身成本，才能保护利润率。

更大规模生产部署的证据将增强这一投资逻辑。对少数几家高速增长的 AI 客户的依赖，会使前景更加脆弱。

第三个信号是竞争对手的反应。超大规模云服务商、模型实验室及其他推理服务提供商将持续改进其托管服务。

大幅降价、收购、独家算力协议或集成式 agent 运行时，都可能削弱专业服务商的地位。相反，客户持续转向开放模型和多云部署，将对其形成支撑。

Modal 更广泛的计算平台与 Baseten 对生产级推理的专注，使两者拥有不同的应对方式。市场将揭示，这些战略究竟会建立持久的客户关系，还是会趋同为相似的服务。

开发者还应关注模型可移植性。如果在开放模型和基础设施提供商之间切换变得更容易，平台就必须持续在执行质量上展开竞争。

如果专业化调优和部署工作流变得更有价值，客户可能会加深对那些能够良好运营这些工作流的服务提供商的依赖。这一结果将带来更强的客户留存和定价能力。

未来三个月内，融资条款将先于完整的业务数据公布。读者不应将已签署的一轮融资视为最终证据。

Modal 与 Baseten 的融资谈判反映了一个真实转变。投资者如今将运营 AI 的系统视为与模型本身并列的重要类别。

不过，最终评判应取决于工作负载，而非融资公告。买方应询问：在计入全部计算成本后，专业平台是否能够持续降低延迟、工程投入和运营风险。

首先关注最终敲定的条款，其次是运营指标，第三是竞争对手的反应。如果三者都指向相同结论，所报道的估值看起来就不再只是投机性的标记，而更像是持久基础设施层存在的证据。