人工智能具有变革性潜力，但当前开发软件仍呈“单体式”分裂状态。尽管 Google 的 TensorFlow 和 Facebook 的 PyTorch 等框架贡献显著，但其工具链与基础设施往往带有平台偏好，反而制约了 AI 整体进步。
Modular 旨在打破这一僵局。这家由前 Apple 和 Google 工程师创立的初创公司今日正式亮相，并完成由 GV（原 Google Ventures）领投的大额种子轮融资，Greylock、The Factory 及 SV Angel 等机构参投，致力于打造精简且平台无关的 AI 系统开发平台。
行业痛点：碎片化工具链阻碍生产化
Modular CEO Chris Lattner 指出，行业正疲于维护跨研究、生产、训练、部署及多端设备的碎片化工具链。许多非科技巨头误以为开源社区及大厂基础设施能解决所有问题，但各方优先级差异导致现实并非如此。
Lattner 强调，非大厂面临的核心挑战是在性能、成本、时间和人才限制内实现 AI 生产化。这一问题机会成本巨大，不仅延缓创新上市、降低产品体验，更直接影响企业盈利。唯有解决碎片化问题，让开发者聚焦实际业务而非基础设施，AI 才能真正改变世界。
解决方案：模块化统一平台
Modular 提供通过模块化、“可组合”通用组件统一主流 AI 框架前端的平台。尽管目前仍处于早期阶段，但其目标是支持开发人员接入自定义硬件进行训练，并将系统无缝部署至边缘设备或服务器，使最新研究成果能够“开箱即用”地投入生产。
不同于新兴 MLOps 供应商仅提供数据收集、标注及工作流监控工具，Modular 致力于从底层重构 AI 开发体验。随着 AI 加速普及，Cognilytica 预测 2025 年全球 MLOps 市场规模将达 40 亿美元；Forrester 调查亦显示，73% 的企业认为采用 MLOps 是保持竞争力的关键。
竞争格局与市场前景
Lattner 表示，Modular 的主要竞争对手是大厂内部 AI 开发的思维定势及其自身生态。大厂虽凭借人才、算力及资金优势在 AI 部署上取得成功，但其自我偏好加剧了行业鸿沟，限制了其他组织利用 AI 解决社会经济及环境问题的能力。
据悉，Modular 已与多家科技巨头展开合作。公司近期将重点扩充团队规模，并计划在未来数月内正式上线平台。Lattner 认为，全球经济形势变化促使 AI 巨头转向追求生产化与盈利，顶尖工程师被迫维持基础用例运行。技术决策者亟需更灵活、高性能的基础设施以简化端到端 AI 开发，从而以更低的部署成本释放 AI 更大价值。