groundcover Verzamelt 100 Miljoen Dollar Serie C om AI-georiënteerde Observability-platform te Schalen

Cloud-observabilitybedrijf groundcover heeft 100 miljoen dollar aan serie C-financiering opgehaald als het probeert een platform uit te breiden dat is ontworpen om engineeringteams en AI-agents te helpen bij het begrijpen van steeds complexere productieomgevingen.

De ronde werd geleid door One Peak, met deelname van Morgan Stanley Expansion Capital (MS ) en bestaande investeerders Zeev Ventures, Angular Ventures, Heavybit en Jibe. Het brengt de totale financiering van groundcover tot 160 miljoen dollar.

De financiering volgt op een jaar waarin het bedrijf zegt dat het de jaarlijkse terugkerende omzet heeft verdrievoudigd, de wereldwijde werkgelegenheid heeft verdubbeld en meer dan 250 betalende klanten heeft bereikt. De klantenbasis van het bedrijf varieert nu van start-ups in de vroege fase tot ondernemingen in de Fortune 5, terwijl het bedrijf ook meerdere zevencijferige contracten heeft getekend in de afgelopen 12 maanden.

Observability Staat voor een AI-Gestuurd Dataprobleem

Observability-platforms verzamelen en analyseren signalen zoals logs, metrics en traces om engineeringteams te helpen bij het begrijpen van hoe applicaties en infrastructuur zich gedragen in productie.

Deze taak wordt moeilijker naarmate cloud-native systemen uitbreiden en bedrijven grote taalmodellen, autonome agents en steeds meer verbonden applicatiestacks introduceren. AI-toepassingen kunnen telemetrie gegenereerd over prompts, modelantwoorden, toolaanroepen, databases, API’s en de infrastructuur die elke interactie ondersteunt.

Grotere zichtbaarheid kan helpen bij het identificeren van hallucinaties, prestatieverslechtering, mislukte toolaanroepen en beveiligingsrisico’s. Het verzamelen van deze context kan echter ook de hoeveelheid en gevoeligheid van de gegevens die in observability-systemen stromen aanzienlijk verhogen.

Traditionele platforms beheren deze kosten vaak door telemetrie te bemonsteren of te filteren. Dit kan de onderliggende gegevens meer beheersbaar maken, maar het kan ook de precieze informatie verwijderen die nodig is om een incident te reconstrueren. De beperking wordt vooral belangrijk wanneer AI-agents verwacht worden om problemen te onderzoeken of wijzigingen voor te stellen zonder voortdurende menselijke richting.

groundcover positioneert zijn architectuur als een alternatief voor dit model, door kernel-niveau gegevensverzameling te combineren met opslag binnen de cloud-omgeving van de klant.

Hoe groundcover’s BYOC-Architectuur Werkt

In het centrum van het platform staat een bring-your-own-cloud, of BYOC, architectuur. In plaats van alle observability-gegevens over te dragen naar een door de leverancier beheerd Software-as-a-Service-omgeving, implementeert groundcover zijn dataplane binnen een geïsoleerd account in de cloud van de klant.

Logs, infrastructuurmetrics, aangepaste metrics, traces en Kubernetes-gebeurtenissen kunnen dus binnen de infrastructuur van de klant blijven. Een aparte controleplane beheert het platform, maar is van productie-workloads en telemetrie gescheiden op netwerkniveau, volgens de architectuurdocumentatie van groundcover.

Deze regeling is bedoeld om klanten een beheerde software-ervaring te bieden, terwijl er meer controle over gegevensresidu, privacy en beveiliging wordt behouden. Dit kan vooral relevant zijn voor AI-workloads, waarbij observability-records prompts, modeluitvoer, toolargumenten, gebruikersinformatie of elementen van een agents redeneringsproces kunnen bevatten.

Het bedrijf ondersteunt ook on-premises en air-gapped implementaties voor organisaties met striktere isolatievereisten.

Combineren van eBPF en OpenTelemetry

groundcover verzamelt een groot deel van zijn telemetrie via uitgebreide Berkeley Packet Filter, algemeen bekend als eBPF. Deze technologie stelt programma’s in staat om activiteit binnen de Linux-kernel te observeren, waardoor monitortools zichtbaarheid krijgen in netwerkcommunicatie, applicatieprocessen en resourcegebruik zonder dat ontwikkelaars elke service handmatig moeten instrumenteren.

Het bedrijf zegt dat zijn adaptieve eBPF-sensor zonder codechanges kan worden geïmplementeerd en gebruikt kan worden om applicatie- en infrastructuurtelemetrie over Kubernetes-omgevingen te verzamelen.

Dit betekent niet dat groundcover gevestigde instrumentatiestandaarden vervangt. Het platform integreert ook met OpenTelemetry, een open-source framework dat gemeenschappelijke API’s, softwareontwikkelkits en tools biedt voor het genereren, verwerken en exporteren van telemetrie.

De combinatie biedt organisaties twee complementaire informatiebronnen. eBPF kan automatisch activiteit op infrastructuur- en netwerkniveau vastleggen, terwijl OpenTelemetry applicatiespecifieke context kan bieden die door ontwikkelaars is toegevoegd.

groundcover consolideert traces, metrics, logs en Kubernetes-gebeurtenissen in een uniforme interface. Zijn productportfolio omvat ook Application Performance Monitoring, infrastructuurmonitoring, logbeheer, real-user monitoring en observability voor grote taalmodeltoepassingen.

Uitbreiden van Observability voor AI-Agents

De ambities van het bedrijf gaan verder dan het bieden van dashboards voor menselijke operators. Zijn Agent Mode is ontworpen om ingenieurs te helpen bij het onderzoeken van incidenten, het uitvoeren van root-cause-analyse en het identificeren van mogelijke herstelstappen met behulp van de beschikbare telemetrie binnen het platform.

In plaats van een algemene chatbot over een verzameling logs te plaatsen, zegt groundcover dat het zijn interne API’s heeft opnieuw opgebouwd rond een unified query language genaamd GCQL. Acties die door de agent worden uitgevoerd, kunnen worden geïnspecteerd en de resultaten kunnen worden omgezet in native groundcover-assets voor ingenieurs om onafhankelijk te gebruiken.

Het bedrijf heeft ook ondersteuning voor Model Context Protocol geïntroduceerd, waardoor ontwikkelaars productietelemetrie kunnen brengen in compatibele AI-agents en ontwikkelomgevingen. Zijn AI-observabilitytools zijn bedoeld om de bredere uitvoeringscontext van modelaanvragen vast te leggen, inclusief prompts, antwoorden, toolgebruik en sessiegeschiedenis.

Dit kan helpen bij het bepalen of een probleem is ontstaan bij het model zelf, een externe API, een opvragingsysteem, een infrastructuurbottleneck of de reeks acties die door een agent zijn uitgevoerd. groundcover zegt dat zijn eBPF-gebaseerde benadering ook API-aanvraag- en antwoordinhoud kan inspecteren, waardoor teams anomalieën of gevoelige informatie die naar externe modelproviders wordt verzonden, kunnen detecteren.

“We zijn het enige platform dat het potentieel van eBPF met de eindeloze kracht van BYOC voor observability benut”, zei Shahar Azulay, CEO en medeoprichter van groundcover. “Bovenop die unieke architectuur heeft groundcover Agent Mode gebouwd, onze agentic ervaring die ingenieurs helpt bij het naar boven brengen, opsporen en herstellen van problemen in productie.”

Azulay zei dat het nieuwe kapitaal de inspanning van het bedrijf zal ondersteunen om te veranderen hoe ingenieurs en agents samenwerken in productieoperaties.

Hier is een meer neutrale vervangende sectie:

Toekomstige Implicaties

De groei van AI-agents kan veranderen wat organisaties verwachten van observability-platforms. Monitortools hebben traditioneel ingenieurs geholpen bij het onderzoeken van incidenten nadat er iets mis is gegaan, maar autonome systemen kunnen voortdurende toegang tot gedetailleerde productiegegevens vereisen zodat ze problemen kunnen identificeren, afhankelijkheden kunnen traceren en corrigerende acties kunnen aanbevelen in real-time.

Dit creëert een spanning tussen zichtbaarheid, kosten en controle. AI-toepassingen kunnen grote volumes aan logs, traces en metrics genereren, terwijl hun telemetrie ook gevoelige prompts, modeluitvoer en klantinformatie kan bevatten. Architecturen die gegevens binnen een bedrijfseigen cloud-omgeving houden, kunnen daarom aantrekkelijker worden, vooral in gereguleerde industrieën of organisaties met strikte gegevensresiduvereisten.

De bredere vraag is of AI-agents kunnen worden vertrouwd om te handelen op basis van observability-gegevens in plaats van alleen maar samen te vatten. Onvolledige telemetrie, misleidende correlaties of slecht gedefinieerde machtigingen kunnen een geautomatiseerd systeem ertoe brengen een incident verkeerd te diagnosticeren of een onnodige wijziging aan te brengen. Menselijke toezicht, audittrails en duidelijke limieten op autonome acties zullen belangrijk blijven naarmate deze mogelijkheden volwassen worden.

groundcover’s financiering weerspiegelt de groeiende interesse in de infrastructuur die nodig is om AI-systemen op grote schaal te exploiteren. De langetermijnsignificatie zal afhangen van of observability-platforms voldoende complete, beveiligde en betrouwbare gegevens kunnen bieden voor mensen en geautomatiseerde agents om solide beslissingen te nemen in productieomgevingen.