#620.Modal CTO：你的 AI 应用不该跑在K8s 上，Agent 时代的云应该长什么样

#620.Modal CTO：你的 AI 应用不该跑在K8s 上，Agent 时代的云应该长什么样 - 跨国串门儿计划 | 小宇宙 - 听播客，上小宇宙

📝 本期播客简介

本期我们克隆了：知名 AI 工程播客 Latent Space The AI Infra Stack: DeFlash, Auto Endpoints, RDMA, and Sandboxes — Akshat Bubna, Modal CTO

原内容更新时间：2026-07-08

本期嘉宾是云平台 Modal 的 CTO Akshat Bubna，主持人是 swyx 和 Vibhu。Modal 刚完成 C 轮融资，正从一家"为开发者提供更好体验"的公司，转向"为 AI Agent 提供更好体验"的公司。他们服务着 Suno、Runway、Cognition 等一众前沿 AI 公司，为弹性推理、模型训练和 Agent 沙箱提供底层算力。

这期节目不是 Modal 的产品发布会，而是一场关于 AI 基础设施本质的深度思辨。Akshat 详细拆解了为什么传统云架构（尤其是 Kubernetes）从根本上不适合突发性、算力密集型的 AI 工作负载，以及 Modal 如何用"自供应运行时"和"代码即配置"的理念来替代 YAML 地狱。如果你在思考 AI 应用的部署、Agent 的沙箱安全、推理性能优化，或者云平台的未来形态，这期会提供大量来自一线构建者的高密度判断。

👨‍⚕️ 本期嘉宾

Akshat Bubna，云平台 Modal 的联合创始人兼 CTO。Modal 是一个专为 AI 工作负载从零构建的云平台，覆盖弹性推理、分布式训练、批处理和 Agent 沙箱等场景。Akshat 带领团队在 GPU 快照、推测解码（DFlash）、自动缩放等底层技术上做了大量开源贡献，服务着从大语言模型到计算生物学、机器人等领域的头部 AI 公司。

⏱️ 时间戳

Modal 的起源与核心理念

02:50 创业起点：为什么工作流编排产品都那么难用

03:46 构建更好的运行时：从 serverless 函数到 GPU 推理

05:34 核心理念：用装饰器定义一切，告别 YAML

从开发者体验到 Agent 体验

06:53 SDK 团队方向转向 Agent 体验

07:34 Agent 时代的新重点：可观测性比代码本身更重要

08:33 Modal 是什么：一个为 AI 应用从零搭建的云平台

弹性推理：Modal 的核心战场

13:24 最大用例是弹性推理，刻意避开大语言模型领域

14:34 技术护城河：GPU 快照与自动缩放

16:24 开源 DFlash：基于块的推测解码，实现乘法级性能提升

沙箱、网络与 Agent 基础设施

10:52 2023 年就做了沙箱，第一个例子是让 Agent 自我迭代

26:42 沙箱支持 sidecar，一个 pod 里跑多个容器

27:38 隐藏功能 I6PN：用 IPv6 构建的私有覆盖网络

训练、批量处理与容量管理

31:28 多节点训练聚焦小规模后训练，不做大规模预训练

35:24 计算策略团队：如何在 17 家云厂商之上做容量规划

36:51 批量处理层：不在乎延迟就能拿到便宜得多的价格

Agent 时代的云与未来展望

40:04 如何看待托管 Agent 与基础设施层的关系

47:12 CI/CD 的浪费：用内存快照让 Agent 驱动的 CI 更高效

50:19 公司能否只靠更好的 Agent 体验就做起来

🌟 精彩内容

💡 "你为什么要让一个 Agent 去读几百个 Kubernetes 文件、写那种连类型都没有的 YAML？"

Akshat 指出，Agent 体验和开发者体验在本质上高度一致——好的工具应该让使用者（无论人还是 AI）用最简单的方式表达意图，而不是陷入配置文件的泥潭。Modal 的答案是：用代码中的装饰器声明需求，运行时自动供应。

"它明明只需要改几个装饰器里的参数，就能得到一个自供应的运行时，直接看到自己的改动实时生效。"

💡 AI 工作负载不是 Web 服务器，Kubernetes 的慢速扩缩容根本不适合

传统云架构为常驻型 Web 服务设计，扩缩容是渐进的。但 AI 推理和训练是突发性的——你可能需要在几分钟内从 1000 张 GPU 扩到 1500 张，而且必须在特定区域内完成。Modal 从第一天就为这种"算力密集型、高度突发"的负载设计。

"Kubernetes 是为慢速扩缩容设计的，更适合 Web 服务器那种场景。而这些工作流需要快速伸缩，运行环境也越来越专门化。"

💡 推测解码的加速是乘法级的，不是优化 kernel 那几个百分点能比的

Akshat 解释了推测解码的核心逻辑：用小模型预测 token，大模型批量验证。关键指标是"接受长度"——只要草稿模型产出的 token 被足够多地接受，就能获得数倍加速。Modal 开源的 DFlash 在此基础上做基于块的推测，进一步提升效率。

"优化 kernel 通常只能带来几个百分点的提升，而提高接受长度，带来的可是乘法级的降低。"

💡 沙箱的硬边界不可替代，用 LLM 中介权限让人不安

当 swyx 提出"AI 操作系统的内核可能就是一个 LLM"时，Akshat 明确表达了怀疑。他认为沙箱层面必须有硬边界来防止数据泄露，LLM 只能作为软护栏的补充。这是基础设施构建者对安全底线的坚持。

"我对沙箱层面用 LLM 来中介权限持怀疑态度，因为你确实需要硬边界。不然的话，别人显然可以把数据偷出去。"

💡 我们刻意不做模型 API，因为纯爱好者市场粘性低

与竞争对手 Replicate 不同，Modal 选择不提供"一键调用模型"的 API 服务。Akshat 认为，真正在打造产品的公司需要的是代码级的灵活性和控制力，而不是一个黑盒 API。这种筛选效应让 Modal 的客户更有差异化，粘性也更强。

"我们一直刻意避开的一件事，就是给模型提供 API。我们一直想服务的是那些在打造产品、需要更多灵活性的公司，而不只是要一个 API。"

💡 在 17 家云厂商之上构建可靠性层，让用户接触到的容量比自己能拿到的多得多

Modal 没有自己的数据中心，而是在全球 17 家云厂商和裸金属提供商之上构建了一个"超级云"。他们在上面加了一层可靠性抽象，让 GPU 掉线或故障对用户工作负载透明。这种轻资产、重软件的策略让他们能专注在真正的差异化上。

"新云厂商的可靠性程度各不相同，所以我们花了很多时间在上面构建了我们自己的可靠性层。这实际上让我们能使用的容量，比你自己作为用户能接触到的要多得多。"

💡 基础设施最激动人心的时代，之前其实无聊了好一阵子

swyx 回顾了过去几年的变化：从"你很难让人对数据基础设施兴奋起来"，到现在"大家都在意了"。Akshat 认同这一点，并指出规模是一切变化的底层驱动力——AI 需要的算力规模让基础设施重新变成了一个性感且充满挑战的领域。

"这是个非常激动人心的时代。我觉得很大一部分原因是，这一切需要的规模太大了。"

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight