Sedai sikrer 20 millioner dollars til at skala selvstyrende cloud og gendefinere DevOps med AI-agenter

Sedai, det firma bag den første selvstyrende cloud-platform, har annonceret en serie B-runde på 20 millioner dollars for at skala deres vision for autonom infrastrukturledelse. Finansieringen, ledet af AVP (Atlantic Vantage Point) med støtte fra Norwest, Sierra Ventures og Uncorrelated Ventures, vil drive Sedais udvidelse ind i nye områder som LLM-optimering, GPU-resursstyring og intelligent orkestrering for platforme som Databricks og Snowflake.

Platformen markerer et vendepunkt i DevOps, hvor traditionelle alert- og dashboard-paradigmer erstattes af AI-agenter, der lærer af produktionsmiljøer og handler autonomt for at optimere omkostninger, ydeevne og tilgængelighed.

“Ligesom Waymo beviste, at selvstyrende biler er mulige, beviser Sedai, at selvstyrende infrastruktur ikke blot er mulig, men nødvendig,” sagde Suresh Mathew, CEO og grundlægger af Sedai.

Hvad selvstyrende infrastruktur virkelig betyder

Mens de fleste overvågningsværktøjer blot genererer alarmer, er Sedais tilgang langt mere proaktiv. Platformen observerer trafik, applikationsadfærd og infrastrukturkonfigurationer i realtid, og tager derefter autonome beslutninger, der forbedrer ydeevnen og reducerer omkostningerne – uden at kræve menneskelig indgriben.

Dette skift fra overvågning til autonomi er, hvad der gør Sedai til en rigtig “selvstyrende” platform. Dets system flagger ikke blot problemer, men løser dem.

Under hooden bruger Sedai en multi-agent AI-arkitektur, der kontinuerligt tilpasser sig til ændringer i arbejdsbyrden og systemtilstand. I hjertet af dette system er dyb forstærkningslæring (DRL) – en kraftfuld form for maskinlæring, hvor agenter lærer ved prøve og fejl. I Sedais tilfælde er agenterne trænet til dynamisk at skala infrastrukturressourcer som CPU og hukommelse baseret på faktiske ydeevne-resultater. Over tid lærer disse agenter, hvilke handlinger fører til de bedste resultater i live-miljøer.

Denne intelligens er yderligere forbedret af teknikker som afvigelsestekton og årsagsinference, der tillader Sedai at forudsige fejl og pege på rodårsager, før kundens oplevelse påvirkes. Og med sæsonbestemmelse, justerer systemet automatisk til gentagne mønstre som daglige trafiktoppe eller slut-månedens behandlingsbelastninger, og optimerer infrastruktur, før efterspørgslen overhovedet opstår.

En ny æra for DevOps-effektivitet

Sedai blev grundlagt af Suresh Mathew og Benji Thomas efter at have oplevet skaleringsudfordringene ved microservices på PayPal. Mens DevOps accelererede installationer, skabte det også nye byrder – endeløs slid, alarmtræthed og skrøbelige systemer, der blev holdt sammen af manuelle workaround.

Sedai ændrer denne dynamik ved at tage handling. I stedet for at afhænge af ingeniører til at fortolke målinger og reagere manuelt, håndterer platformen opgaver som:

• At opdage og løse infrastrukturforringelse i realtid
• At skala arbejdsbyrden vertikalt og horisontalt baseret på faktisk trafik
• At opdatere konfigurationer for at optimere for omkostninger, latency og tilgængelighed
• At genstarte eller helbrede ødelagte tjenester, før brugerne bemærker det

Allerede har platformen udført over 25 millioner autonome handlinger i produktion, og har styret 3 milliarder dollars i cloud-udgifter. Dette har reddet kunderne over 5 millioner dollars om året, og har givet ingeniørholdene tilbage over 22.000 timers produktiv tid.

Tillid af erhvervsledere på tværs af kritiske industrier

Sedai bruges i produktion af Fortune 500-ledere inden for cybersikkerhed, finansielle tjenester, farmaceutisk industri, uddannelse og AI. Kunderne omfatter velkendte navne som Palo Alto Networks (PANW ), Experian og McGraw Hill (MH ) – virksomheder, der afhænger af stabil, ydeevne- og omkostningseffektiv infrastruktur i stor målestok.

Ved KnowBe4 reducerede Sedai produktionsomkostningerne med 50% og udviklingsomkostningerne med op til 87%. Ingeniørvicepræsident Matthew Duren krediterede platformen ikke blot for budgeteffektivitet, men også for at have forandret hans egen rolle – ved at frigøre hans team til at fokusere på strategiske initiativer i stedet for lavværdiopgaver.

Disse resultater er ikke projekterede – de reflekterer virkelig AI i live-miljøer, der sikkert styrer produktionsystemer og endda komplekse maskinlæringsarbejdsbyrder.

Gående ud over automation: Hvorfor AI-agenter er det næste spring

Det er vigtigt at skelne mellem automation og autonomi. Automation udfører foruddefinerede opgaver baseret på statiske grænseværdier eller scripts. Sedais AI-agenter, til gengæld, observerer og lærer af systemerne, og opdager de bedste handlinger dynamisk – selv når betingelserne ændrer sig.

Denne forskel betyder noget. I en verden med konstant ændrende trafikmønstre, tjenesteaftaleafhængigheder og installationsarkitekturer, bliver statiske regler hurtigt forældede. Sedais AI-førstetilgang sikrer kontinuerlig optimering, selv under kompleksitet.

For eksempel lærer platformen, hvordan bestemte tjenester opfører sig under forskellige belastninger, og finjusterer ressourceallokeringen derefter. Hvis latensen øger på grund af en bestemt hukommelsesbottleneck, kan Sedai handle med det samme – uden at vente på, at en menneskelig fortolker alarmen.

En platform for hele ingeniørorganisationen

Sedai leverer værdi på tværs af hver rolle i ingeniørstaben:

• SREs og DevOps-ingeniører reducerer slid og opfylder pålidelighedsmål uden at brænde ud.
• Udviklere fokuserer på at skibe kode, mens Sedai sikrer optimale konfigurationer i produktion.
• Ingeniørledere opnår operationel effektivitet og massive cloud-besparelser.
• Arkitekter og CTOs omdanner infrastruktur til en strategisk forskel, ikke en byrde.

Med kun 15 minutters opsætning kan holdene tilslutte Sedai til deres cloud- og APM-værktøjer. Derefter begynder platformen at lære, validerer sikre optimeringer og tager til sidst handling i live-produktion – med en fuld revisionshistorik til overholdelse.

Hvad kommer herefter: Optimering af AI-infrastruktur-stakken

Med sin serie B-finansiering vil Sedai udvide sine funktioner til nogle af de mest presserende udfordringer i moderne AI-infrastruktur, herunder:

• Selvjustering for LLM-baserede ansøgninger, sikrer optimal konfiguration under slutning
• Autonom GPU-orkestrering, styrer dyre beregningsressourcer i realtid
• AI-dreven optimering af data-platforme som Databricks og Snowflake

Disse bestræbelser er i overensstemmelse med en fremtid, hvor arbejdsbyrden selv – AI-modeller, slutningsrørledninger, realtidsanalyse – kræver lige så intelligente infrastrukturlag til at støtte dem.

“Da cloud-adoptionsøgning øger, kæmper virksomheder for at forbedre ydeevne, mens omkostningerne reduceres. AI-agenter er unikt positioneret til at løse dette i stor målestok,” sagde Manish Agarwal, generel partner i AVP.

Fremtiden for cloud-infrastruktur er autonom

Opkomsten af autonome cloud-platforme signalerer en bredere industriel skift – fra menneske-i-løkkesystemer til intelligente agenter, der opererer uafhængigt i realtid. Da virksomheder udvider deres cloud-fodaftryk og omfavner stadig mere komplekse, distribuerede arkitekturer, når manuel infrastrukturledelse sine begrænsninger.

DevOps, som tidligere blev set som den ultimative løsning for hurtigere installation og operationel agility, er nu under pres fra stigende kompleksitet, alarmtræthed og omkostningsineffektivitet. Traditionelle overvågnings- og automatiseringsværktøjer tilbyder synlighed og scripting – men de afhænger stadig af menneskelige ingeniører til at analysere, fortolke og handle. Denne reaktive tilgang kæmper for at holde trit med moderne servicedrift.

Autonome platforme repræsenterer det næste evolutionstrin. Ved at integrere dyb forstærkningslæring, årsagsinference og adaptiv skala i kerneinfrastruktur-arbejdsprocesser, tilbyder de evnen til selvoptimering og selvhelbredelse i produktion – kontinuerligt og uden indgriben. Resultatet er ikke blot operationel effektivitet, men en strukturel transformation: færre afbrydelser, hurtigere udgivelser, bedre omkostningskontrol og forbedret udvikleroplevelse.

Da økosystemet modnes, vil denne skift påvirke alt fra, hvordan holdene er sat op og struktureret, til hvordan ansøgninger er arkitekteret, testet og installeret. Tidlige adopterer har allerede bevist, at autonome operationer kan give konkrete gevinster i produktivitet, ydeevne og finansielt ROI.

Da Sedai er blandt lederne, der bringer denne vision til live, er den større point at tage: cloud-infrastruktur er ikke længere noget, ingeniører må konstant styre – det bliver noget, der styrer sig selv.