شركة Modal تجمع 750 مليون دولار بتقييم 15.75 مليار دولار وتصل إلى معدل تشغيل سنوي قدره مليار دولار

جمعت شركة Modal، وهي منصة لتشغيل أحمال عمل الذكاء الاصطناعي، 750 مليون دولار في جولة تمويلية من الفئة D، ليصل تقييمها بعد ضخ الاستثمارات (post-money) إلى 15.75 مليار دولار، بقيادة Accel. وبالتزامن مع هذا الإعلان، صرّحت الشركة بتجاوزها معدل تشغيل سنوي (annualized run rate) قدره مليار دولار؛ إذ مرّت خمسة أشهر فقط منذ جولة الفئة C، تضاعف خلالها الاستخدام ثلاث مرات، بينما تجاوز النمو السنوي 15 ضعفًا. وبحسبة رياضية بسيطة، يعادل التقييم نحو 15.75 ضعفًا لمعدل الإيرادات السنوي الحالي، وهو رقم لا يبدو مبالغًا فيه لشركة بنية تحتية تشهد وتيرة نمو كهذه.

شاركت أيضًا في الجولة شركة Kleiner Perkins، كما أعاد جميع المستثمرين الحاليين ضخ استثماراتهم: Menlo Ventures وGeneral Catalyst وRedpoint وLux Capital وAmplify Partners وBain Capital Ventures. يضم فريق Modal حاليًا أكثر من 200 شخص يتوزعون بين نيويورك وسان فرانسيسكو وستوكهولم.

ما الذي يدر الأرباح تحديدًا؟

كان أول منتجات Modal هو Functions: يكتب المستخدم الكود البرمجي، وتتولى المنصة تنفيذه. أثبتت هذه الخدمة كفاءتها في توليد الصور عبر نماذج الانتشار (diffusion models)، وإنتاج الموسيقى في Suno، وتوليد الاستدلال (inference) عبر SGLang وvLLM، وتدريب النماذج. إلا أن المحرك الرئيسي الأخير كان منتج Sandboxes (البيئات المعزولة)؛ الذي أُطلق في عام 2023 بعدما بات واضحًا أن المطورين يعتمدون بكثافة على نماذج LLM لتوليد الأكواد، وأن هذه الأكواد بحاجة إلى بيئات معزولة لتنفيذها بأمان. واليوم، يمثل هذا المنتج وحده معدل تشغيل سنوي قدره 300 مليون دولار، مع تشغيل المنصة لنحو 3 مليارات بيئة معزولة، وقدرة على التوسع لتشغيل ما يصل إلى مليون بيئة متزامنة.

وتعكس قائمة العملاء تنوع أحمال العمل؛ إذ تنقل DoorDash تطبيقاتها الداخلية من حيز التجربة إلى مرحلة الإنتاج الفعلي. وتبني شركات مثل Cognition وRamp وLinear وHebbia وكلاء ذكاء اصطناعي يعملون في الخلفية. وتستخدم Runway المنصة لتوليد الفيديو عبر مناطق متعددة، بينما تدرب Physical Intelligence وGeneralist AI و1X روبوتاتها من خلالها. وتقود شركتا Chai Discovery وAchira جهود اكتشاف الأدوية، في حين يشغّل الباحثون حساباتهم عبر Claude Science على المنصة نفسها. كما أشار المؤسس بشكل خاص إلى نموذج Jev من TypeSafe AI، والذي عالج تريليون توكن على Modal خلال أول ثلاثة أيام من إطلاقه.

لماذا إعادة بناء حزمة البرمجيات بالكامل؟

تعتمد حجة مؤسس Modal على فكرة أن كل تحول تكنولوجي يفرز أدواته الخاصة؛ فالخدمات السحابية جلبت Docker وKubernetes وTerraform. أما مع الذكاء الاصطناعي، فالصعوبات مختلفة: وحدات GPU شحيحة، والنماذج ضخمة وبطيئة التحميل، والأكواد التي تكتبها نماذج LLM تتطلب بيئات تنفيذ معزولة. يمكن بناء كل هذا بالاعتماد على الحزم القديمة، لكن النتيجة ستكون الوقوع في «جحيم YAML» و«مطهر شراء وحدات GPU»، بحسب تعبير المؤسس.

لهذا السبب، تخلت Modal عن معظم الحلول القائمة، وطوّرت من الصفر نظام ملفات، وبيئة تشغيل للحاويات (container runtime)، ومجدول مهام، وطبقة شبكات خاصة بها، تدعمها جميعًا مصفوفة موارد حوسبية موزعة عبر أكثر من 20 مزود سحابي.

أبرز أرقام الإعلان:

• جولة الفئة D: 750 مليون دولار، بتقييم 15.75 مليار دولار post-money، بقيادة Accel.
• معدل التشغيل السنوي: أكثر من مليار دولار.
• النمو: تضاعف الاستخدام ثلاث مرات خلال خمسة أشهر، ونمت الإيرادات أكثر من 15 ضعفًا على أساس سنوي.
• منتج Sandboxes: معدل تشغيل سنوي قدره 300 مليون دولار، ونحو 3 مليارات بيئة معزولة مُشغّلة، وما يصل إلى مليون بيئة متزامنة.
• مصفوفة الموارد الحوسبية: أكثر من 20 مزود سحابي.
• الفريق: أكثر من 200 موظف.

ما الخطوة التالية على مستوى المنتجات؟

أصبح التدريب متعدد العقد (Multi-node training) متاحًا بالفعل؛ حيث يمكن لمُزخرف برمجي واحد (decorator) إنشاء عنقود متكامل بروابط RDMA دون الحاجة إلى التزامات حجز مسبقة للموارد. وتتجه الشركة للارتقاء في الحزمة التقنية، مجهزةً مجموعة منتجات لتقنيات التعلّم المعزز (RL) ومرحلة ما بعد التدريب. وعلى صعيد الاستدلال، وفرت الشركة خوادم Modal servers لخوادم HTTP وميزات لخدمة نماذج LLM مثل Endpoint Candidates. كما أصبحت الأجهزة الافتراضية داخل Sandboxes متاحة رسميًا لعموم المستخدمين.

ما الذي ينبغي للفرق الهندسية مراعاته؟

يظل مؤشر معدل التشغيل السنوي (run rate) تقديرًا داخليًا خاصًا بالشركة لا يخضع لتدقيق مستقل. ومع ذلك، فإن الاتجاه العام واضح: تنفيذ الأكواد المولدة آليًا بات يتحول إلى طبقة بنية تحتية قائمة بذاتها، ولم يعد مجرد وظيفة ثانوية داخل أدوات التنسيق (orchestrator). ينبغي للفرق التي تبني وكلاء ذكاء اصطناعي أو مسارات عمل للتعلم المعزز أن تقارن تكلفة تشغيل بيئتها المعزولة الخاصة عبر Kubernetes مقابل استخدام خدمة جاهزة، وأن تقيم سلوك المنصة عند حدوث قفزات مفاجئة في الأحمال (وتُعد تجربة Jev ومعالجته لتريليون توكن في ثلاثة أيام معيارًا جيدًا للقياس)، فضلًا عن التخطيط المسبق لقابلية نقل الأكواد؛ إذ سيبقى الارتباط بمزود بعينه (vendor lock-in) قائمًا ما لم تتحول واجهات برمجة تطبيقات البيئات المعزولة ومزخرفاتها البرمجية إلى معيار قياسي موحد.