Η groundcover Συγκεντρώνει 100 Εκατομμύρια Δολάρια Σειράς C για την Κλιμάκωση της Πλατφόρμας Παρατηρησιμότητας της Εποχής του AI

Η εταιρεία παρατηρησιμότητας cloud, groundcover, έχει συγκεντρώσει 100 εκατομμύρια δολάρια σε χρηματοδότηση Σειράς C καθώς επιδιώκει να επεκτείνει μια πλατφόρμα που σχεδιάστηκε για να βοηθήσει τις ομάδες μηχανικών και τους πράκτορες AI να κατανοήσουν ολοένα και πιο σύνθετα περιβάλλοντα παραγωγής.

Η χρηματοδότηση οδηγείται από την One Peak, με τη συμμετοχή της Morgan Stanley Expansion Capital (MS ) και των υφιστάμενων επενδυτών Zeev Ventures, Angular Ventures, Heavybit και Jibe. Αυτό αυξάνει τη συνολική χρηματοδότηση της groundcover σε 160 εκατομμύρια δολάρια.

Η χρηματοδότηση ακολουθεί ένα έτος κατά το οποίο η εταιρεία αναφέρει ότι τριπλασίασε το ετήσιο ανακυκλούμενο έσοδο, διπλασίασε τον παγκόσμιο εργατικό της δυναμικό και ξεπέρασε τους 250 πελάτες που πληρώνουν. Η βάση πελατών της τώρα κυμαίνεται από νεοφυείς εταιρείες σε επιχειρήσεις Fortune 5, ενώ η εταιρεία αναφέρει επίσης ότι έχει υπογράψει πολλές συμβάσεις επτά ψηφίων τα τελευταία 12 μήνες.

Η Παρατηρησιμότητα Αντιμετωπίζει Ένα Προβλήμα Δεδομένων Κίνησης από το AI

Οι πλατφόρμες παρατηρησιμότητας συλλέγουν και αναλύουν σήματα όπως καταγραφές, μετρήσεις και ιχνηλάσεις για να βοηθήσουν τις ομάδες μηχανικών να κατανοήσουν πώς συμπεριφέρονται οι εφαρμογές και η υποδομή σε περιβάλλοντα παραγωγής.

Αυτό το καθήκον γίνεται ολοένα και πιο δύσκολο καθώς τα συστήματα cloud-native επεκτείνονται και οι εταιρείες εισάγουν μεγάλους μοντέλους γλωσσών, αυτόνομους πράκτορες και ολοένα και πιο διασυνδεμένες στοίβες εφαρμογών. Οι εφαρμογές AI μπορούν να παράγουν τηλεμετρία σε προτροπές, απαντήσεις μοντέλων, κλήσεις εργαλείων, βάσεις δεδομένων, API και την υποδομή που υποστηρίζει κάθε αλληλεπίδραση.

Μια μεγαλύτερη ορατότητα μπορεί να βοηθήσει τους μηχανικούς να αναγνωρίσουν ψευδαισθήσεις, υποβάθμιση απόδοσης, αποτυχημένες κλήσεις εργαλείων και κίνδυνους ασφαλείας. Ωστόσο, η συλλογή αυτής της πλοκής μπορεί επίσης να αυξήσει σημαντικά τον όγκο και την ευαίσθητη πληροφορία που ρέει στα συστήματα παρατηρησιμότητας.

Οι παραδοσιακές πλατφόρμες συχνά διαχειρίζονται αυτούς τους κόστους δειγματοληψίας ή φιλτράροντας τη τηλεμετρία. Αυτό μπορεί να κάνει τα υποκείμενα δεδομένα πιο διαχειρίσιμα, αλλά μπορεί επίσης να αφαιρέσει τις ακριβείς πληροφορίες που απαιτούνται για την ανασυγκρότηση ενός περιστατικού. Το περιορισμό αυτό γίνεται ιδιαίτερα σημαντικό όταν οι πράκτορες AI αναμένεται να ερευνήσουν προβλήματα ή να προτείνουν αλλαγές χωρίς συνεχή ανθρώπινη διεύθυνση.

Η groundcover θέτει την αρχιτεκτονική της ως εναλλακτική λύση σε αυτό το μοντέλο, συνδυάζοντας τη συλλογή δεδομένων σε επίπεδο πυρήνα με αποθήκευση μέσα στο δικό του cloud περιβάλλον του πελάτη.

Πώς Λειτουργεί η Αρχιτεκτονική BYOC της groundcover

Στο κέντρο της πλατφόρμας βρίσκεται μια αρχιτεκτονική φέρτε-το-δικό-σας-cloud, ή BYOC. Αντί να μεταφέρετε όλα τα δεδομένα παρατηρησιμότητας σε ένα περιβάλλον Λογισμικού-ως-Υπηρεσία που λειτουργεί από τον προμηθευτή, η groundcover αναπτύσσει το επίπεδο δεδομένων της μέσα σε έναν απομονωμένο λογαριασμό στο cloud του πελάτη.

Οι καταγραφές, μετρήσεις υποδομής, μετρήσεις, ιχνηλάσεις και συμβάντα Kubernetes μπορούν επομένως να παραμείνουν μέσα στην υποδομή του πελάτη. Ένα ξεχωριστό επίπεδο ελέγχου διαχειρίζεται την πλατφόρμα αλλά είναι απομονωμένο από τις παραγωγικές εργασίες και τη τηλεμετρία σε επίπεδο δικτύου, σύμφωνα με την τεκμηρίωση αρχιτεκτονικής της groundcover.

Αυτή η διάταξη έχει ως στόχο να δώσει στους πελάτες μια διαχειριζόμενη εμπειρία λογισμικού ενώ διατηρούν μεγαλύτερο έλεγχο ως προς την τοποθεσία αποθήκευσης των δεδομένων, την ιδιωτικότητα και την ασφάλεια. Αυτό μπορεί να είναι ιδιαίτερα σχετικό για φορτία εργασίας AI, όπου τα αρχεία παρατηρησιμότητας μπορεί να περιλαμβάνουν προτροπές, εξόδους μοντέλων, ορίσματα εργαλείων, πληροφορίες χρηστών ή στοιχεία της διαδικασίας συλλογισμού ενός πράκτορα.

Η εταιρεία υποστηρίζει επίσης ανάπτυξη σε τοπικό επίπεδο και αερο-απομονωμένες ανάπτυξεις για οργανισμούς με αυστηρότερες απαιτήσεις απομόνωσης.

Συνδυασμός eBPF και OpenTelemetry

Η groundcover συλλέγει μεγάλο μέρος της τηλεμετρίας της μέσω του εκτεταμένου Φίλτρου Πακέτου Berkeley, που είναι γνωστό ως eBPF. Η τεχνολογία αυτή επιτρέπει σε προγράμματα να παρατηρούν δραστηριότητα μέσα στον πυρήνα του Linux, δίνοντας ορατότητα στα συστήματα παρακολούθησης σε επικοινωνίες δικτύου, διαδικασίες εφαρμογών και χρήση πόρων χωρίς να απαιτείται από τους προγραμματιστές να εγγράψουν χειροκίνητα κάθε υπηρεσία.

Η εταιρεία αναφέρει ότι ο αισθητήρας eBPF της μπορεί να αναπτυχθεί χωρίς αλλαγές κώδικα και να χρησιμοποιηθεί για τη συλλογή τηλεμετρίας εφαρμογών και υποδομής σε περιβάλλοντα Kubernetes.

Αυτό δεν σημαίνει ότι η groundcover αντικαθιστά καθιερωμένα πρότυπα οργάνωσης. Η πλατφόρμα επίσης ενσωματώνει την OpenTelemetry, ένα ανοικτό πρότυπο που παρέχει κοινές API, SDK και εργαλεία για τη δημιουργία, επεξεργασία και εξαγωγή τηλεμετρίας.

Ο συνδυασμός παρέχει στους οργανισμούς δύο συμπληρωματικές πηγές πληροφοριών. Το eBPF μπορεί να συλλάβει αυτόματα δραστηριότητα σε επίπεδο υποδομής και δικτύου, ενώ η OpenTelemetry μπορεί να παρέχει πλαίσιο εφαρμογής που προστίθεται σκόπιμα από τους προγραμματιστές.

Η groundcover συνδυάζει ιχνηλάσεις, μετρήσεις, καταγραφές και συμβάντα Kubernetes σε μια ενιαία διεπαφή. Το χαρτοφυλάκιο προϊόντων της καλύπτει επίσης την Παρακολούθηση Απόδοσης Εφαρμογών, την παρακολούθηση υποδομής, τη διαχείριση καταγραφών, την παρακολούθηση πραγματικών χρηστών και την παρατηρησιμότητα για εφαρμογές μεγάλων γλωσσικών μοντέλων.

Επέκταση της Παρατηρησιμότητας για Πράκτορες AI

Οι φιλοδοξίες της εταιρείας εκτείνονται πέρα από την παροχή πινάκων ελέγχου για ανθρώπινους χειριστές. Η λειτουργία Πράκτορας της σχεδιάστηκε για να βοηθήσει τους μηχανικούς να ερευνήσουν περιστατικά, να thựcίσουν ανάλυση αιτίας και να αναγνωρίσουν πιθανές βήματα αποκατάστασης χρησιμοποιώντας τη τηλεμετρία που είναι διαθέσιμη μέσα στην πλατφόρμα.

Αντί να τοποθετήσει ένα γενικής χρήσης chatbot πάνω από μια συλλογή καταγραφών, η groundcover αναφέρει ότι ξαναέχτισε τις εσωτερικές API της γύρω από μια ενιαία γλώσσα ερωτημάτων που ονομάζεται GCQL. Οι ενέργειες που thựcίσουν από τον πράκτορα μπορούν να ελεγχθούν και τα αποτελέσματα μπορούν να μετατραπούν σε εγγενή περιουσιακά στοιχεία της groundcover για τους μηχανικούς να χρησιμοποιήσουν ανεξάρτητα.

Η εταιρεία έχει επίσης εισαγάγει υποστήριξη για το Πρωτόκολλο Πλαίσιο Μοντέλου, που επιτρέπει στους προγραμματιστές να φέρουν τηλεμετρία παραγωγής σε συμβατούς πράκτορες AI και περιβάλλοντα ανάπτυξης. Τα εργαλεία παρατηρησιμότητας AI της έχουν ως στόχο να συλλάβουν τον ευρύτερο πλαίσιο εκτέλεσης των αιτημάτων μοντέλων, συμπεριλαμβανομένων προτροπών, απαντήσεων, χρήσης εργαλείων και ιστορικού συνόδου.

Αυτό μπορεί να βοηθήσει τις ομάδες να καθορίσουν εάν ένα πρόβλημα προέρχεται από το ίδιο το μοντέλο, μια εξωτερική API, ένα σύστημα ανάκτησης, ένα μπουκάλι υποδομής ή την ακολουθία ενεργειών που thựcίσουν από τον πράκτορα. Η groundcover αναφέρει ότι η προσέγγισή της με βάση το eBPF μπορεί επίσης να ελέγξει το περιεχόμενο αιτήματος και απάντησης API, βοηθώντας τις ομάδες να ανιχνεύσουν ανωμαλίες ή ευαίσθητες πληροφορίες που μεταδίδονται σε εξωτερικούς παρόχους μοντέλων.

«Είμαστε η μόνη πλατφόρμα που αξιοποιεί το δυναμικό του eBPF με την απεριόριστη δύναμη του BYOC για παρατηρησιμότητα», είπε ο Shahar Azulay, Διευθύνων Σύμβουλος και συνιδρυτής της groundcover. «Σε αυτό το μοναδικό αρχιτεκτονικό υπόβαθρο, η groundcover έχει κατασκευάσει τη Λειτουργία Πράκτορα, την εμπειρία μας που βοηθά τους μηχανικούς να ανακαλύψουν, να διορθώσουν και να επιλύσουν προβλήματα σε περιβάλλοντα παραγωγής».

Ο Azulay είπε ότι η νέα κεφάλαια θα υποστηρίξουν την προσπάθεια της εταιρείας να αλλάξει τον τρόπο με τον οποίο οι μηχανικοί και οι πράκτορες συνεργάζονται σε λειτουργίες παραγωγής.

Μελλοντικές Επιπτώσεις

Η ανάπτυξη των πρακτόρων AI μπορεί να αλλάξει αυτό που οι οργανισμοί αναμένουν από τις πλατφόρμες παρατηρησιμότητας. Τα εργαλεία παρακολούθησης έχουν παραδοσιακά βοηθήσει τους μηχανικούς να ερευνήσουν περιστατικά μετά από κάτι που πήγε στραβά, αλλά αυτόνομες συστήματα μπορεί να απαιτούν συνεχή πρόσβαση σε λεπτομερή δεδομένα παραγωγής ώστε να μπορούν να αναγνωρίσουν προβλήματα, να αναλύσουν εξαρτήσεις και να προτείνουν διορθωτικές ενέργειες σε πραγματικό χρόνο.

Αυτό δημιουργεί μια ένταση μεταξύ ορατότητας, κόστους και ελέγχου. Οι εφαρμογές AI μπορούν να παράγουν μεγάλους όγκους καταγραφών, ιχνηλατών και μετρήσεων, ενώ η τηλεμετρία τους μπορεί επίσης να περιλαμβάνει ευαίσθητες προτροπές, εξόδους μοντέλων και πληροφορίες πελατών. Αρχιτεκτονικές που διατηρούν τα δεδομένα μέσα στο δικό τους περιβάλλον cloud θα γίνουν πιο ελκυστικές, ιδιαίτερα σε ρυθμιζόμενες βιομηχανίες ή οργανισμούς με αυστηρότερες απαιτήσεις κατοικίας δεδομένων.

Το ευρύτερο ερώτημα είναι εάν οι πράκτορες AI μπορούν να εμπιστευτούν να ενεργούν με βάση δεδομένα παρατηρησιμότητας αντί να τα συνοψίζουν απλώς. Η ατελής τηλεμετρία, η παραπλανητική συσχέτιση ή οι κακώς ορισμένες άδειες θα μπορούσαν να οδηγήσουν ένα αυτόματο σύστημα να διαγνώσει λανθασμένα ένα περιστατικό ή να πραγματοποιήσει μια άσκοπη αλλαγή. Η ανθρώπινη επιτήρηση, τα ίχνη ελέγχου και τα σαφή όρια στις αυτόνομες ενέργειες θα παραμείνουν σημαντικά καθώς αυτές οι ικανότητες ωριμάζουν.

Η χρηματοδότηση της groundcover αντανακλά την αυξανόμενη ενδιαφέρον για την υποδομή που απαιτείται για τη λειτουργία συστημάτων AI σε κλίμακα. Η μακροπρόθεσμη σημασία θα εξαρτηθεί λιγότερο από το εάν οι πλατφόρμες παρατηρησιμότητας μπορούν να προσθέσουν διαλογικές διεπαφές και περισσότερο από το εάν μπορούν να παρέχουν αρκετά πλήρη, ασφαλή και αξιόπιστη δεδομένα για τους ανθρώπους και τους αυτόνομους πράκτορες να λαμβάνουν σωστές αποφάσεις σε περιβάλλοντα παραγωγής.