تجمع North.cloud تمويلًا بقيمة 60 مليون دولار في جولة السلسلة B لأتمتة إدارة الإنفاق على السحابة والذكاء الاصطناعي

North.cloud جمعت تمويلًا بقيمة 60 مليون دولار في جولة السلسلة B لتوسيع منصتها لإدارة تكاليف البنية التحتية السحابية واستخدام الذكاء الاصطناعي والبيانات. وقادت PeakSpan Capital الجولة التي أُعلن عنها في 15 أكتوبر، بمشاركة Litquidity وCompanyon Ventures وAlpaca وUncommon Denominator وGaingels وMana Ventures.

يستهدف التمويل مشكلة تزداد تعقيدًا مع انتقال الذكاء الاصطناعي إلى مرحلة الإنتاج: إذ قد تشمل تكاليف تشغيل المنتج الحوسبة السحابية وواجهات برمجة تطبيقات النماذج ومنصات البيانات، فيما يعمل المسؤولون عن تلك الفواتير باستخدام أنظمة منفصلة. وتسعى North إلى ربط هذه الصورة المالية بأتمتة تقلّص الإنفاق والجهد اللازم لإدارته.

تقول الشركة إن الإنفاق السحابي الذي تديره يقترب من ملياري دولار، وإنها ساعدت عملاءها على توفير أكثر من 400 مليون دولار. وستستخدم رأس المال لتوسيع نطاق التحسين لدى مزوّدي الخدمات السحابية، وتعميق التكاملات، وتسريع إدارة الإنفاق على الذكاء الاصطناعي، وتوسيع فرق الهندسة والمنتجات وتطوير الأعمال.

جمع تكاليف السحابة والذكاء الاصطناعي في نظام واحد

تشمل العمليات المالية السحابية، التي يُشار إليها غالبًا اختصارًا باسم FinOps، ربط استخدام التكنولوجيا بتكاليف الأعمال وتحديد سبل تحسين كفاءتها الاقتصادية. ويتضمن ذلك معرفة الجهة التي تسببت في الفاتورة، وما إذا كان حجم الموارد مناسبًا، وما إذا كانت اتفاقيات الشراء المخفّض تتوافق مع الطلب الفعلي.

يضيف الذكاء الاصطناعي بُعدًا آخر. فقد تدفع الشركة مقابل البنية التحتية التي تستضيف تطبيقًا، فيما تدفع بشكل منفصل لمزوّد نموذج مقابل الرموز التي يستهلكها ذلك التطبيق. ولا يوضح فهم فاتورة واحدة بالضرورة تكلفة خدمة عميل أو إنجاز سير عمل.

يأتي إعلان North عن التمويل بعد إطلاق North v3، الذي أضاف دعم Microsoft Azure إلى جانب Amazon Web Services وGoogle Cloud Platform. وتقول الشركة إن ذلك الإصدار قدّم أيضًا تكاملات أصلية مع OpenAI وAnthropic وSnowflake، ووسّع نطاق إدارة الالتزامات المؤتمتة عبر منتجها Autobot.

تستند الاستراتيجية إلى منصة North السابقة للعمليات المالية السحابية، التي تناولتها Unite.AI في عام 2025. ويوسّع التوجه الحالي نطاق التركيز من توفير تكاليف السحابة إلى رؤية مترابطة للإنفاق على البنية التحتية والذكاء الاصطناعي والبيانات.

آلية عمل أتمتة الالتزامات

إحدى سبل خفض تكاليف السحابة هي شراء سعة مخفّضة السعر عبر الالتزامات. ويتمثل التحدي في مواءمة تلك الالتزامات مع الاستخدام المستقبلي: فقد يؤدي شراء كمية أقل من اللازم إلى تفويت فرص التوفير، فيما قد يُبقي شراء كمية أكبر من اللازم الشركة تدفع مقابل سعة لم تعد تحتاج إليها.

تميّز وثائق التغطية لدى North بين نهجين. يوفّر Flexbot خصومات من خلال حسابات أعضاء تملكها North، وتتولى North إدارة الالتزامات. أما Autobot فيدير الالتزامات التي يملكها العميل، ويتخذ قرارات الشراء تدريجيًا وفقًا للاستخدام وأهداف الأعمال. ويمكن للعملاء أيضًا الجمع بين النهجين.

تكمن أهمية هذا التمييز في أنه يحدد الجهة التي تملك الالتزام وكيفية إدارة الشراء. وتوضح North أن Autobot يستخدم التوقعات وأهداف العملاء لبناء التغطية بمرور الوقت، مع إمكانات للمحاكاة تتيح تقييم الوفورات والمرونة قبل الشراء. وتذكر وثائقها أيضًا أن Autobot يطلب أذونات إضافية لإجراء عمليات الشراء المؤتمتة، ويمكن للعملاء إلغاء هذه الأذونات.

يعالج تحسين الالتزامات السعر المدفوع مقابل الاستخدام. وثمة سؤال منفصل يتعلق بما إذا كان عبء العمل يحتاج إلى جميع الموارد المخصصة له. توصي ميزة تحديد الحجم المناسب من North بأحجام للموارد استنادًا إلى سلوك عبء العمل واعتبارات الأداء والوفورات المتوقعة. ويساعد الفصل بين هاتين الآليتين على توضيح ما تغيّره منصة التحسين فعليًا: فسعر أفضل ونطاق أصغر للموارد نتيجتان مختلفتان.

يوسّع TokenFlow النموذج ليشمل استخدام الذكاء الاصطناعي

تعمل North أيضًا على تطوير TokenFlow لجمع استخدام النماذج وإسناد التكاليف والميزانيات والضوابط المالية في بيئة واحدة. وفي إعلان التمويل، تصف الشركة المنتج بأنه جزء من مساعيها للتعامل مع الإنفاق على السحابة والذكاء الاصطناعي باعتباره مشكلة مالية واحدة.

توضح صفحة منتج TokenFlow كيفية تتبّع الاستخدام عبر النماذج والمزوّدين والفرق، وإسناد التكاليف إلى أعباء العمل التي تتسبب فيها، وتطبيق حدود أو سياسات لكبح الاستخدام. وفي وقت المراجعة، كانت الصفحة لا تزال تعرض قائمة انتظار، وتشير إلى إتاحة نسخة تجريبية لمستخدمين مختارين. وينبغي التمييز بين تفاصيل الإتاحة المنشورة هذه وخطط التوسع الأوسع الواردة في إعلان التمويل.

تتجاوز فائدة إسناد التكاليف معرفة إجمالي عدد الرموز المستهلكة. إذ يحتاج الفريق إلى فهم الميزة أو سير العمل الذي تسبب في التكلفة، وما إذا كان هذا الإنفاق يحقق نتيجة مفيدة. وقد يتحول الطلب الفردي منخفض التكلفة إلى بند كبير في الميزانية إذا تكرر سير العمل على نطاق واسع.

قد يسهل الجمع بين استخدام النماذج وتكاليف البنية التحتية رؤية هذه المفاضلات. لكنه لا يحدد تلقائيًا النموذج أو نهج النشر الأفضل؛ إذ يظل هذا القرار معتمدًا على متطلبات الجودة وزمن الاستجابة وأنماط الاستخدام وتكلفة النظام المحيط.

ما الذي تكشفه أرقام نمو North

تذكر North من بين عملائها AssemblyAI وAtlan وTines وSnapLogic وEmplifi وImply. وفي البيان، أفاد Ben Gotthold، رئيس قسم الاستدلال في AssemblyAI، بأن معدل التوفير الفعلي بلغ نحو 50%، حتى مع توسع بنيتها التحتية خلال العام الماضي.

هذه نتيجة خاصة بعميل بعينه، وليست معدل توفير ينبغي لكل مؤسسة توقعه. كما أن نحو ملياري دولار من الإنفاق المُدار وأكثر من 400 مليون دولار من الوفورات هما إجماليان أبلغت عنهما الشركة. ولا يقدم البيان منهجية تفصيلية للحساب أو فترة قياس موحدة لمقارنة هذين الرقمين.

بالنسبة إلى المشترين، تكمن المقارنة المفيدة في النتيجة المالية على أعباء العمل الخاصة بهم، بعد احتساب تكاليف الخدمات ومعدلات الاستخدام والتزامات الشراء. ويُعد خفض تكلفة الحوسبة أمرًا قيّمًا، لكن من المهم أيضًا فهم ما إذا كان الطلب قد تغير، وما إذا كان التكوين الأقل تكلفة يحافظ على مستوى الأداء الذي يتطلبه التطبيق.

التوسع من الرؤية إلى التنفيذ

يصف Matt Biringer، الرئيس التنفيذي والشريك المؤسس، نهج North بأنه أتمتة أعمال FinOps بدلًا من ترك لوحة معلومات أخرى ليفسرها فريقا الهندسة والمالية. ويدعم استثمار PeakSpan هذا التوجه نحو الإدارة المستمرة لنطاق أوسع من الإنفاق.

توفر جولة التمويل من الفئة B لـ North موارد لتوسيع هذا النهج، مع ازدياد ارتباط تكاليف تشغيل الذكاء الاصطناعي بقرارات المنتج. ويتمثل تحدي التنفيذ في ربط الإسناد الدقيق بإجراءات مفيدة، مع إبقاء صلاحيات الشراء والمفاضلات التشغيلية واضحة. وبالنسبة إلى العملاء، سيكون معيار النجاح هو القدرة على توقع التكاليف وتقليل العمل اليدوي لإدارة الإنفاق مع نمو بنيتهم التحتية واستخدامهم للذكاء الاصطناعي.