Modal D 轮融资达 7.5 亿美元，但其软件主导的云模式面临利润率考验

Modal 在披露年化运行率达到 10 亿美元、使用量增长三倍、年度增长超过 15 倍后，完成了 7.5 亿美元 D 轮融资。这笔 Modal D 轮融资后，这家 AI 云公司估值达到 157.5 亿美元。

这一估值是 Modal 仅五个月前在 C 轮融资中获得的 46.5 亿美元估值的三倍多。投资者实际上是在押注，Modal 能够成为 AI 工作负载持久的软件层，而非又一家转售昂贵算力的中间商。

关键的比较并不只是 Modal 与另一家初创公司之间的较量，而是 Modal 的软件主导、轻资产模式，与那些拥有或大规模承诺建设数据中心和图形处理器（GPU）的基础设施提供商之间的对比。

Modal 不运营自己的数据中心。它将外部云服务商的算力与其自主开发的文件系统、容器运行时、调度器和网络堆栈结合起来。这种结构带来了灵活性，但也留下了一个重要问题：在充分考虑算力成本和供应商依赖之后，Modal 的增长还能保留多少？

Modal D 轮融资紧随五个月的非凡增长

这轮新融资之所以引人注目，是因为 Modal 在五个月内实现了通常需要初创公司数年才能完成的增长。

Modal 于 2026 年 10 月 14 日宣布这笔融资。Accel 领投本轮，Kleiner Perkins 作为新投资者加入。Menlo Ventures、General Catalyst、Redpoint、Lux Capital、Amplify Partners 和 Bain Capital Ventures 也参与了投资。

该公司的融资公告显示，投后估值为 157.5 亿美元。投后估值指纳入新投资后对公司价值的估算。

Modal 曾于 2026 年 5 月宣布完成 3.55 亿美元 C 轮融资。该轮融资后的公司估值为 46.5 亿美元，此前则是于 2025 年 9 月宣布的 8700 万美元 B 轮融资。

因此，Modal 的估值在 C 轮和 D 轮之间增加了 111 亿美元。最新估值约为 5 月估值的 3.4 倍，尽管两次公告仅相隔五个月。

披露的运营增长速度也几乎同样迅猛。Modal 表示，C 轮融资后其使用量增长了三倍，业务同比增长超过 15 倍。该公司还称，其年化运行率已突破 10 亿美元。

年化运行率是将近期业务活动推算至全年。它可以反映当前势头，但并不等同于过去 12 个月经审计确认的收入。

这一差异很重要，因为 AI 基础设施业务可以在快速增长的同时产生高额可变成本。客户每次运行模型、启动智能体环境或使用 GPU 时都会产生收入，而许多相关算力成本也会随之增加。

尽管如此，Modal 的增长仍标志着其相较年初所处位置的重大转变。其 C 轮融资详情称，截至 5 月，公司年化收入已超过 3 亿美元。即使考虑到年化收入与年化运行率术语之间的差异，最新数字仍表明增长显著加速。

这笔融资还使 Modal 自 A 轮以来披露的融资总额远超 10 亿美元。资金已不再是这家基础设施初创公司眼下的直接约束。

核心问题已经转变。投资者不再是在资助一项无服务器 AI 计算的早期试验，而是在支持将 Modal 打造成 AI 智能体、模型推理、强化学习和其他高强度工作负载标准执行层的尝试。

Modal 的员工规模也提供了衡量这一转变的另一维度。该公司称，其在纽约、旧金山和斯德哥尔摩拥有超过 200 名员工。其 C 轮融资公告则描述了一个超过 120 人的团队。

这一扩张支持更多产品和企业客户，但也提高了表现门槛。Modal 必须在服务规模显著扩大、种类更多样的工作负载时，保持可靠性、安全性和对开发者的简洁体验。

因此，D 轮融资改变的不只是公司的资源，也改变了它的责任。Modal 现在必须证明，快速采用能够带来持久的经济效益，而不只是一个醒目的年化运行率数字。

为何 AI 智能体正在推动 Modal 的扩张

Modal 的增长源于 AI 应用日益需要一个安全、弹性且可编程的环境来执行代码。

传统云基础设施为开发者提供灵活的计算资源，但配置这些资源可能需要处理容器、集群、网络策略、容量规划和部署文件。AI 工作负载还增加了稀缺 GPU、大型模型、不可预测的流量和较长的加载时间。

Modal 通过软件构件来解决这一问题。开发者使用 Python 编写函数或定义工作负载，而平台则调度所需的计算资源并管理周边基础设施。

这一模式尤其适用于 AI 智能体。智能体可以生成代码、调用工具、操作文件或测试可能的解决方案。这类活动需要隔离的执行环境，因为生成的代码可能不正确、不安全，或只是资源消耗很大。

Modal 将这些隔离环境称为 Sandboxes。该公司在观察到开发者在其平台上运行 AI 生成代码后，于 2023 年推出了这一产品。

Modal 表示，Sandboxes 已成为年化运行率达 3 亿美元的业务。该公司还称，该平台已启动近 30 亿个沙箱环境，并可扩展至 100 万个并发实例。

这些数据来自 Modal，尚未经过该公司公告中所述的独立审计。即便如此，它们仍有助于解释为何投资者看到的并不只是传统 GPU 租赁服务。

GPU 云主要让客户获得加速器使用权。Modal 正尝试掌控更高层的软件层，即应用程序在其中定义、启动、保护和协调计算任务。

这一层可以支持多种工作负载。编程智能体需要临时机器来测试其生成的软件。强化学习系统需要大量环境，让模型能够练习任务并接收反馈。图像、视频和音乐应用则需要能在用户到来时扩展的推理能力。

推理是运行已训练模型以生成输出的过程。训练用于创建或更新模型，而推理则将所得系统提供给用户和应用程序。

Modal 列出的客户包括 Cognition、Suno、DoorDash、Ramp、Runway 和 Substack。该公司表示，Physical Intelligence 和 1X 等机器人公司也在使用其基础设施。

一个例子是 TypeSafe AI 的 Jev。Modal 表示，该产品在最初三天内就在其平台上处理了 1 万亿个 token。Token 是语言模型处理的文本单位。

这些案例说明了弹性平台的吸引力。产品可能突然迎来一波需求高峰，而开发者无需事先预留固定集群，或为每一种可能的流量水平协商容量。

Modal 也在扩展至短生命周期函数和 Sandboxes 以外。它推出了多节点训练，可协调多台互联机器上的工作。该公司还发布了虚拟机、HTTP 服务器产品，以及用于选择模型服务配置的功能。

这一战略旨在覆盖 AI 应用的更多生命周期环节。团队可以在同一平台上训练或微调模型、在并行环境中评估模型、部署模型进行推理，并为智能体提供执行空间。

这种广度可以减少运营摩擦，也可能提高客户对 Modal 接口和运行时行为的依赖，使日后迁移变得更复杂。

这轮 7.5 亿美元融资为 Modal 提供了空间，使其能够在每个类别产生成熟利润率之前构建这些产品。它也表明，投资者预计智能体执行将成为一个重要的基础设施市场，而非聊天机器人需求的暂时延伸。

真正的竞争是软件杠杆与基础设施所有权之争

Modal 的核心赌注是，编排软件能够创造比拥有底层数据中心和 GPU 更大的价值。

许多 AI 基础设施公司采取了重资产路线。它们为加速器融资、预留电力、建设或租赁数据中心空间，并通过长期合同或按使用量计费的云服务销售访问权限。

这种模式可以保障容量，并提供更强的物理控制力。但它也要求在客户需求明确之前就投入大量资本。

Modal 采用了不同路径。该公司称，其容量池覆盖 20 多家云服务商，而独立报道称该公司与 13 家云合作伙伴合作。Modal 聚合外部容量，并向客户提供统一的软件体验。

其内部开发的调度器决定工作负载的运行位置。容器运行时隔离应用程序，网络层连接服务，文件系统则移动或暴露这些工作负载所需的数据。

这种设计类似于跨分散供应的抽象层。客户无需分别与每一家提供商协商，但 Modal 仍依赖这些提供商提供实际机器、电力和数据中心运营。

当算力分散时，这种安排具有明显优势。Modal 可以从多个供应商采购资源，而不必等待新设施建成。它还可以在不同地区或合作伙伴间，将不同工作负载匹配到可用硬件。

当客户面临不可预测的峰值时，供应聚合的价值更大。一家开发 AI 视频产品的公司，在产品爆火后所需的容量可能远高于正常开发期间。

然而，轻资产并不意味着没有成本。Modal 必须从同样需要获得合理回报的公司租赁或购买算力。这些供应商可能提高价格、优先服务直接客户，或将最新芯片留给作出大额承诺的客户。

超大规模云服务商构成了另一种压力来源。Amazon Web Services、Microsoft Azure 和 Google Cloud 已经控制着庞大的算力池，并运营着广泛的企业平台。它们都可以改善开发者体验，或将 AI 服务与现有云合同捆绑。

专业推理服务商则从另一侧施加压力。Baseten、Fireworks AI、Fal、Together AI、Groq 和 CoreWeave 等公司瞄准了模型服务和加速计算市场中相互重叠的部分。

部分竞争对手专注于高度优化的推理，另一些则强调原始 GPU 供给、定制芯片、媒体生成或私有部署。Modal 必须说服客户：更广泛的可编程平台能够比这些专业化替代方案带来更好的结果。

该公司最强的防御并非获得任何单一 GPU 的能力。硬件可用性会变化，客户通常也可以从其他地方获得同样的芯片。其防御必须来自开发者生产力、调度效率、可靠性，以及难以复制的功能。

这也解释了为何专有基础设施软件如此重要。如果 Modal 的调度器能够保持机器高利用率、快速启动工作负载并高效调度任务，公司就能从同样的底层容量中提取更多价值。

这种方法还可能在运营数据中形成网络效应。更多工作负载可以帮助 Modal 了解不同模型、硬件配置和执行模式的行为表现。更优的调度决策随后能够提升后续客户的性能。

但这种效应并非自动形成。大型云服务商同样拥有海量工作负载数据、采购议价能力和全球网络。它们可以复制有吸引力的抽象层，同时提供对底层基础设施的直接访问。

因此，Modal 必须比超大规模云服务商更易用，同时又比高度优化的垂直推理供应商覆盖更广。这一中间定位在商业上颇具吸引力，但也难以守住。

这一估值假设公司能够将该定位转化为持久的平台优势。它不能仅依赖 GPU 稀缺性，因为随着新硬件到来和数据中心容量扩张，稀缺性终将发生变化。

10 亿美元年化运行率未能揭示什么

Modal 的亮眼增长证明了需求存在，但并不能证明这些需求的持久性或盈利能力。

该公司尚未公开披露毛利率、客户集中度、经营现金流，或收入中支付给算力供应商的比例。这些数据对于判断一家 AI 云服务企业至关重要。

一家年化运行率达到 10 亿美元且拥有高毛利的软件公司，与一家在底层算力成本高企的情况下实现相同规模的基础设施中介，截然不同。仅凭收入无法界定两者的差异。

本轮融资前的报道已凸显出更广泛的担忧。9 月的一份推理融资报告指出，由于采购或租赁算力成本高昂，推理初创企业的利润率普遍仍然偏低。

Modal 的软件或许能够提高利用率并降低开销，但该公司尚未公布足够的财务细节来衡量这一效果。因此，其估值一部分建立在投资者可获得的非公开信息之上，另一部分则建立在对未来经营杠杆的预期之上。

其所披露的快速扩张也带来了另一项不确定性。五个月内使用量增长三倍令人印象深刻，但这些使用量的构成同样重要。

部分需求可能来自工作负载可预测的成熟产品。部分需求可能来自正在激进消耗风险投资资金的实验性 AI 公司。还有一部分可能来自短期上线项目，其流量会在最初的关注热度过后下降。

客户集中度同样重要，原因也在于此。少数高速增长的 AI 应用可能带来异常亮眼的年化运行率增长，却也会让基础设施供应商面临产品失败、客户流失或合同重新谈判的风险。

该公司 3 亿美元的 Sandbox 年化运行率表明，其收入并不局限于 GPU 推理。这种多元化令人鼓舞，但 Sandboxes 仍会消耗基础设施，并面临其他安全代码执行平台的竞争。

安全性也是产品承诺的核心。运行 AI 生成的代码需要严格的隔离、身份验证和资源控制。

2026 年 7 月，一个 Modal 客户账户卷入了一起与 OpenAI agent 和 Hugging Face 相关的事件。Modal CTO Akshat Bubna 表示，一名客户发布了未经身份验证的端点，使公众能够访问其沙箱。

Bubna 表示，Modal 平台本身并未遭到入侵。这一解释将客户配置失败与平台被攻破区分开来，但该事件仍展现了 agent 执行所伴随的风险。

基础设施平台不能将配置安全视为别人的问题。客户选择托管服务，部分正是因为他们期待安全的默认设置、清晰的边界，以及能够降低失误后果的控制措施。

Modal 表示计划增加更细粒度的基于角色的访问控制，即 RBAC。RBAC 会根据分配给用户、服务或 agent 的权限限制其操作。

随着 agents 获得对生产系统更大的访问权限，这些控制措施的有效性和采用程度将变得重要。一个服务数百万并发环境的平台，既必须保护隔离边界，也必须保护客户用于暴露这些环境的接口。

快速招聘带来了额外的执行挑战。根据其公告，Modal 从 5 月的 120 多名员工增长至 10 月的 200 多名。产品开发、支持、合规和基础设施运营必须随着这一扩张同步成熟。

融资为这些投入提供了充足缓冲。然而，更多资本也可能鼓励公司在其最强产品尚未形成可复制的经济模式前，就进入过多相邻市场。

Modal 目前瞄准推理、训练、强化学习、虚拟机、Sandboxes、notebooks、批处理和 HTTP servers。共同的技术基础支撑了这种广度，但企业销售和产品要求在这些类别之间各不相同。

公司必须证明，一个平台能够服务这些需求，而不会变得更难理解或操作。它最初的吸引力来自于消除基础设施复杂性。产品扩张不能通过日益拥挤的界面重新引入这种复杂性。

对买方而言，谨慎的做法既不是简单否定，也不是盲目接受。团队应在自身生产条件下评估启动时间、工作负载可靠性、安全控制、数据移动、区域可用性和总算力消耗。

他们还应为关键工作负载准备退出路径。任何外部云层都可能改变条款、遭遇容量限制或发生故障。即使平台表现良好，可移植性仍然很有价值。

三个信号将检验 Modal 的 AI 云论点

下一阶段将由财务质量、生产环境采用情况和安全表现决定，而不是另一项估值里程碑。

第一个信号是关于利润率和经常性收入的证据。Modal 的年化运行率显示了近期业务活动的节奏，但投资者和客户仍需要更清晰地了解收入质量。

连续多个季度维持年化运行率，将加强 Modal 支持持久生产工作负载的论点。披露不断改善的毛利率，也将表明其调度器和聚合层创造了可衡量的经济价值。

高调产品发布后的使用量下降会削弱这一判断。主要由低毛利算力资源转售驱动的增长也是如此。

第二个信号是 Modal 不断扩展的产品组合的采用情况。据公司称，Sandboxes 已经构成一项主要业务。问题在于，训练、强化学习、推理服务器和虚拟机能否带来类似的客户承诺。

多产品采用将支持 Modal 的平台论点。这将表明，开发者看重贯穿 AI 应用生命周期的共同执行层，而非仅将 Modal 用于某一项孤立任务。

最有说服力的证据将来自客户将核心生产系统迁移至多项 Modal 服务。公开案例研究应包含运营结果、工作负载规模和部署时长，而非笼统背书。

若在 Sandboxes 之外的采用有限，则会指向一个更狭窄的结果。Modal 仍可能建立一家有价值的企业，但其当前估值反映的预期远大于单一成功运行时产品。

第三个信号是随着并发量上升，平台的安全性和可靠性记录。Modal 表示，Sandboxes 可达到 100 万个并发实例，自 2023 年以来已启动近 30 亿个实例。

在这样的规模下，即便罕见故障也变得重要。客户应关注独立记录的宕机、隔离缺陷、身份验证事件，以及更强访问控制措施的推出情况。

在更重的生产使用下保持良好记录，将强化 Modal 的主张：其定制技术栈能够安全地跨多个基础设施供应商管理工作负载。反复发生的事件将增加压力，促使客户将敏感执行保留在更大的云平台或私有环境内。

竞争对手的反应将为这三个信号提供背景。超大规模云服务商可以简化其无服务器 AI 产品，而专业供应商可以改进自身的沙箱、训练和推理产品。

Modal 无需在原始硬件容量上击败每一家供应商。它需要让自身抽象层足够有价值，以至于即使其他地方也能获得类似 GPU，开发者仍会选择它。

最新一轮融资报道确认，投资者已给予 Modal 充足资源来追求这一目标。但这并未消除如此高估值所带来的运营考验。

因此，Modal 的 Series D 融资轮不仅是对 AI 基础设施需求的一次信心投票。它也是对云技术栈中价值将在哪里积累的一次重大押注。

如果价值仍集中于拥有芯片、电力协议和数据中心的公司，Modal 将面临紧张的供应商经济性。如果价值转向能够协调碎片化容量、并为 agents 提供安全工作场所的软件，Modal 就已将自身定位在这一控制点附近。

开发者和企业买家现在应提出一个实际问题：Modal 是否能够持续降低交付生产级 AI 系统的成本、延迟和运营负担？

答案将通过工作负载留存、更广泛的产品采用、更高的财务透明度以及大规模安全执行逐步浮现。这些信号将决定，Modal 的估值究竟标志着一个新云平台的到来，还是一场押注在 AI 基础设施需求高峰附近的激进赌注。