Modal 怎么用：用 Python 装饰器一键将函数运行在云端

Modal 是一款聚焦 AI模型训练 场景的工具，用 Python 装饰器一键将函数运行在云端 GPU 上，按秒计费的无服务器 AI/ML 平台。本文基于官方产品文档，梳理它的能力构成与适合的使用方式。

市场信号

Modal 在 Python 数据科学家和 ML 工程师社区中获得了极高的口碑，特别受到「有 Python 背景但不擅长 DevOps/Kubernetes」的数据工程师和 AI 研究人员的青睐。多篇被广泛转发的技术博客将 Modal 列为「最佳 AI 代码部署体验」，其装饰器语法的优雅设计获得 Python 社区的高度认可。 在企业用户方面，Modal 已被多家知名 AI 公司用于生产环境的批量推理和数据处理管道。Erik Bernhardsson 的技术声誉（Luigi 框架作者、前 Spotify 数据基础设施负责人）为 Modal 带来了大量来自数据工程领域的信任背书，使其在数据密集型 AI 工作负载场景中建立了良好的市场认知。

产品能力

• Python 装饰器 API（@app.function）：最核心功能，在任意 Python 函数上添加 @app.function(gpu="A100") 装饰器，该函数即在云端 GPU 上执行，支持指定 GPU 类型、CPU/内存、超时时间、并发数等参数，语法极为简洁直观。
• 大规模并行执行（.map()）：通过 f.map(inputs) 一行代码将函数并行应用到大量输入数据，Modal 自动启动所需数量的容器并行处理，非常适合批量图像处理、批量推理和大规模数据转换任务。
• Web Endpoints（@web_endpoint）：在函数上添加 @app.function().web_endpoint() 装饰器，即可将其发布为托管的 HTTPS API 端点，自动处理 SSL、负载均衡和扩缩容，无需配置 Web 框架或反向代理。
• 容器镜像定义（Image）：在 Python 代码中声明式定义容器依赖（image = modal.Image.debian_slim().pip_install(...)），Modal 自动构建和缓存 Docker 镜像，开发者无需编写 Dockerfile 或手动推送镜像。
• 定时任务（@app.function(schedule=...)）：为函数添加 cron 或 period 调度参数，Modal 自动按时触发执行，适合定时数据处理、模型评估和报告生成等周期性任务，无需配置独立的调度基础设施。
• Modal Volume 持久化存储：跨函数调用的持久化存储卷，用于存储大型模型权重和数据集，避免每次冷启动重新下载，支持 Modal 函数之间共享数据，对大型 AI 模型的工作流至关重要。

一句话判断：如果你的工作流确实卡在上面这些环节，Modal 值得放进候选名单先做小范围验证；反之则不必为了功能而引入。