تمويل
يرفع ScaleOps 130 مليون دولار في التمويل من سلسلة C لتوسيع البنية التحتية المستقلة في قلب عمليات الذكاء الاصطناعي
أضف Unite.AI إلى مصادرك المفضلة على Google
ScaleOps جمع 130 مليون دولار في تمويل سلسلة C بتقييم يزيد عن 800 مليون دولار، حيث تزداد الطلب على أنظمة يمكنها إدارة حمولات السحابة والذكاء الاصطناعي المتزايدة التعقيد دون تدخل بشري مستمر.
قاد الجولة Insight Partners، مع استمرار دعم Lightspeed Venture Partners، NFX، Glilot Capital Partners، وPicture Capital. وقد جمع الشركة الآن أكثر من 210 مليون دولار في المجموع.
من تحسين Kubernetes إلى البنية التحتية المستقلة
ظهر ScaleOps في عام 2022 مع التركيز على توفير تحديات البنية التحتية الحديثة: تخصيص الموارد في بيئات Kubernetes. بدلاً من الاعتماد على التكوين الثابت، يقوم المنصة بتعديل الموارد الحاسوبية مثل وحدة المعالجة المركزية والذاكرة بشكل مستمر بناءً على سلوك الحمل الحقيقي.
في جوهره، يعمل النظام كمحرك تحسين مغلق. يلاحظ طلب الحمل، ويقيم إشارات الأداء، وينفذ التغييرات تلقائيًا. وهذا يشمل تغيير حجم الحمل ديناميكيًا، وتعديل عدد النسخ، وتحسين استخدام العقد عبر المجموعات.
بمرور الوقت، توسعت هذه إلى ما وراء تحسين السحابة التقليدية إلى بيئات ثقيلة الجرافيك المرتبطة بأنظمة الذكاء الاصطناعي. تطبق المنصة الآن مبادئ مشابهة لتخصيص الجرافيك، حيث يمكن أن يصبح الاستخدام غير الفعال عائقًا كبيرًا بسرعة.
لماذا يصبح هذا الطبقة حرجًا
تُدخل أنظمة الذكاء الاصطناعي الحديثة مستوى من التباين الذي لم تكن الأدوات التقليدية للبنية التحتية مصممة لمواجهته. ترتفع الحمولات بشكل غير متوقع، تنافس النماذج على سعة الجرافيك المحدودة، وتتغير متطلبات الأداء في الوقت الفعلي.
تاريخيًا، قامت الفرق بإدارة هذا من خلال التعديل اليدوي أو التutomatisation القائمة على القواعد. لكن هذه النهججة تتضايق عند النطاق. Kubernetes نفسه، على الرغم من تصميمه للتنسيق، لا يزال يعتمد بشكل كبير على التكوين الثابت الذي يجب على المهندسين تعديله باستمرار لتجنب التهيئة الناقصة أو الزائدة.
يخلق هذا عدم كفاءة هيكلية. تقضي فرق الهندسة وقتًا كبيرًا في الاستجابة لمشاكل الأداء، وتعديل تخصيص الموارد، و حل انتهاكات SLO بدلاً من بناء أنظمة جديدة.
يستبدل نهج ScaleOps هذا النموذج التفاعلي بمواصلة التutomatisation القائمة على السياق. بدلاً من تحديد العتبات مسبقًا، يتكيف النظام في الوقت الفعلي بناءً على السلوك الملاحظ عبر المجموعة بأكملها.
الانتقال نحو الأنظمة ذات التحسين الذاتي
ما يجعل هذه الفئة ملحوظة ليس فقط تحسين التكلفة، ولكن التحول في كيفية سلوك البنية التحتية.
في البيئات التقليدية، يتم تكوين البنية التحتية. في الأنظمة الجديدة، من المتوقع أن تتكيف.
يعكس ScaleOps هذه الانتقال بالتعامل مع البنية التحتية على أنها شيء يمكن أن يوازن نفسه بشكل مستمر. تطبق المنصة السياسات، وتقيم النتائج، وتنظم التخصيصات دون الحاجة إلى تدخل من المهندسين. في بيئات الإنتاج، يمكن أن يمتد هذا إلى تautomatisation شبه كاملة لقرارات الموارد.
لقد أظهر هذا النموذج بالفعل تأثيرًا قابلًا للقياس في التوزيعات الفعلية. في حالة واحدة، سمح تخصيص الحقوق تلقائيًا للحمولات بالتعديل ديناميكيًا للاختلافات في حركة المرور مع الحفاظ على أهداف الأداء وتقليل الهدر عبر المجموعات.
التوسع ما وراء تحسين التكلفة
ركزت أدوات تحسين السحابة المبكرة بشكل أساسي على خفض الإنفاق. لا يزال ScaleOps يؤكد على الكفاءة التكاليفية، مع إدعاءات بأحتفاظات كبيرة مدفوعة بإلغاء التهيئة الزائدة والموارد غير النشطة.
لكن الاتجاه الأوسع يتحول نحو موثوقية الأداء ومتانة النظام.
随ما يتم دمج أنظمة الذكاء الاصطناعي بشكل أضيق في بيئات الإنتاج، فإن قرارات البنية التحتية تؤثر بشكل مباشر على أداء النموذج، والاتساق، ومتانته. لا يصبح سوء التخصيص مجرد مشكلة تكلفة، بل يصبح عائقًا وظيفيًا.
هذا尤ALLY ذو صلة لأنظمة الجرافيك، حيث غالبًا ما يتجاوز الطلب العرض. يمكن أن يحدد التخصيص الفعال في طبقة البنية التحتية ما إذا كانت النماذج تعمل بكفاءة أو تنتظر الموارد بشكل غير فعال.
طائرة تحكم جديدة للبنية التحتية للذكاء الاصطناعي
الاستنتاج طويل الأمد هو ظهور طبقة تحكم جديدة للموارد الحاسوبية.
بدلاً من الاعتماد على المهندسين لتكوين البنية التحتية أو الاعتماد على أدوات متجزئة، تعمل منصات مثل ScaleOps كطائرة تحكم مستقلة تتوافق باستمرار مع العرض والطلب.
هذا يصبح أكثر أهمية随ما تنشر المنظمات أنظمة الذكاء الاصطناعي المتعددة بشكل متزامن، كل منها مع متطلبات أداء واستخدام مختلفين.
في ذلك السياق، يبدأ إدارة البنية التحتية في تشبه التحكم في حركة المرور أكثر من التهيئة الثابتة. يتم توجيه الموارد، وإعادة التوازن، والتحسين بشكل مستمر بدلاً من تعيينها مرة واحدة وتركها غير متغيرة.
مع هذا التمويل الأخير، من المتوقع أن توسع ScaleOps منصتها إلى ما وراء الحوسبة والجرافيك إلى مجالات أوسع من إدارة البنية التحتية، بما في ذلك طبقات إضافية من تنسيق السحابة والذكاء الاصطناعي.
الtrajectory يشير إلى انتقال نحو بيئات حيث لا يتم التعامل مع قرارات البنية التحتية بشكل مباشر من قبل المهندسين. بدلاً من ذلك، يتم الحكم عليها من قبل أنظمة تفسر نية الحمل وتعديل الموارد تلقائيًا.
随ما تستمر حمولات الذكاء الاصطناعي في النمو، قد يصبح هذا التحول أقل تحسينًا وأكثر ضرورة.
