groundcover pozyskał 100 milionów dolarów w ramach rundy C, aby skalować platformę obserwowalności ery AI

Firma cloudowa groundcover groundcover pozyskała 100 milionów dolarów w ramach rundy C , aby rozszerzyć platformę, która ma pomóc zespołom inżynierskim i agentom AI zrozumieć coraz bardziej złożone środowiska produkcyjne.

Rundę tę poprowadził One Peak, z udziałem Morgan Stanley Expansion Capital (MS ) oraz istniejących inwestorów Zeev Ventures, Angular Ventures, Heavybit i Jibe. To podnosi łączne finansowanie groundcover do 160 milionów dolarów.

Finansowanie to następuje po roku, w którym firma twierdzi, że potroiła roczne przychody, podwoiła globalną siłę roboczą i przekroczyła 250 płacących klientów. Baza klientów obejmuje obecnie od wczesnych startupów po przedsiębiorstwa z listy Fortune 5, a firma również zgłasza podpisanie wielu umów o wartości siedmiu cyfr w ciągu ostatnich 12 miesięcy.

Obserwowalność stoi w obliczu problemu danych napędzanych przez AI

Platformy obserwowalności zbierają i analizują sygnały, takie jak logi, metryki i ślady, aby pomóc zespołom inżynierskim zrozumieć, jak aplikacje i infrastruktura zachowują się w środowisku produkcyjnym.

To zadanie staje się coraz trudniejsze, gdy systemy cloud-native rozrastają się, a firmy wprowadzają duże modele językowe, autonomiczne agenty i coraz bardziej połączone stosy aplikacji. Aplikacje AI mogą generować telemetrię w ramach poleceń, odpowiedzi modelu, wywołań narzędzi, baz danych, interfejsów API i infrastruktury wspierającej każde взаимодействие.

Większa widoczność może pomóc inżynierom identyfikować halucynacje, degradację wydajności, nieudane wywołania narzędzi i ryzyka bezpieczeństwa. Jednak zbieranie tego kontekstu może również znacznie zwiększyć objętość i wrażliwość danych płynących do systemów obserwowalności.

Tradycyjne platformy często zarządzają tymi kosztami, próbkując lub filtrowając telemetrię. To może uczynić podstawowe dane bardziej zarządzalnymi, ale może również usunąć dokładne informacje potrzebne do odtworzenia incydentu. Ograniczenie to staje się szczególnie ważne, gdy agenci AI są oczekiwani do badania problemów lub proponowania zmian bez ciągłego kierowania ludzkim.

groundcover prezentuje swoją architekturę jako alternatywę dla tego modelu, łącząc zbieranie danych na poziomie jądra z magazynowaniem w środowisku chmury klienta.

Jak działa architektura BYOC groundcover

W centrum platformy znajduje się architektura BYOC (bring-your-own-cloud). Zamiast przenosić wszystkie dane obserwowalności do środowiska SaaS zarządzanego przez dostawcę, groundcover wdraża swój plan danych w izolowanym koncie w chmurze klienta.

Logi, metryki infrastruktury, metryki niestandardowe, ślady i zdarzenia Kubernetes mogą więc pozostać w infrastrukturze klienta. Oddzielny plan sterowania zarządza platformą, ale jest odizolowany od obciążeń produkcyjnych i telemetrii na poziomie sieci, zgodnie z dokumentacją architektoniczną groundcover.

Ten układ ma na celu zapewnienie klientom zarządzanego doświadczenia oprogramowania, jednocześnie zachowując większą kontrolę nad rezydencją danych, prywatnością i bezpieczeństwem. Może to być szczególnie istotne dla obciążeń AI, gdzie rekordy obserwowalności mogą zawierać polecenia, dane wyjściowe modelu, argumenty narzędzi, informacje użytkowników lub elementy procesu rozumowania agenta.

Firma obsługuje również wdrożenia lokalne i izolowane dla organizacji o bardziej rygorystycznych wymaganiach izolacji.

Połączenie eBPF i OpenTelemetry

groundcover zbiera większość swojej telemetrii za pomocą rozszerzonego filtra pakietu Berkeley, powszechnie znanego jako eBPF. Ta technologia pozwala programom obserwować działanie w jądrze systemu Linux, dając systemom monitorowania widoczność w komunikacji sieciowej, procesach aplikacji i użyciu zasobów bez wymogu ręcznego instrumentowania każdej usługi.

Firma twierdzi, że jej czujnik eBPF może być wdrożony bez zmian w kodzie i użyty do przechwytywania telemetrii aplikacji i infrastruktury w środowiskach Kubernetes.

To nie oznacza, że groundcover zastępuje ustanowione standardy instrumentacji. Platforma integruje się również z OpenTelemetry, otwartym frameworkiem, który zapewnia wspólne API, zestawy SDK i narzędzia do generowania, przetwarzania i eksportowania telemetrii.

Combining eBPF i OpenTelemetry daje organizacjom dwa uzupełniające się źródła informacji. eBPF może automatycznie przechwytywać działanie na poziomie infrastruktury i sieci, podczas gdy OpenTelemetry może dostarczyć kontekst specyficzny dla aplikacji, który jest celowo dodawany przez deweloperów.

groundcover konsoliduje ślady, metryki, logi i zdarzenia Kubernetes w zjednoczonym interfejsie. Portfolio produktów obejmuje również monitorowanie wydajności aplikacji, monitorowanie infrastruktury, zarządzanie logami, monitorowanie użytkowników i obserwowalność dla aplikacji dużych modeli językowych.

Rozszerzanie obserwowalności dla agentów AI

Ambicje firmy sięgają poza zapewnienie pulpitu nawigacyjnego dla operatorów ludzkich. Tryb agenta jest zaprojektowany, aby pomóc inżynierom w badaniu incydentów, wykonywaniu analizy przyczynowej i identyfikowaniu możliwych kroków naprawczych przy użyciu dostępnej telemetrii w ramach platformy.

Zamiast umieszczenia ogólnego czatu nad kolekcją logów, groundcover twierdzi, że odbudował swoje wewnętrzne API wokół ujednoliconego języka zapytań o nazwie GCQL. Akcje podejmowane przez agenta mogą być inspekcjowane, a wyniki mogą być przekonwertowane na rodzime aktywa groundcover, które inżynierowie mogą używać niezależnie.

Firma wprowadziła również obsługę protokołu Model Context, umożliwiając deweloperom wprowadzenie telemetrii produkcyjnej do kompatybilnych agentów AI i środowisk deweloperskich. Narzędzia obserwowalności AI są przeznaczone do przechwytywania szerszego kontekstu wykonania modelu, w tym poleceń, odpowiedzi, użycia narzędzi i historii sesji.

To może pomóc zespołom w ustaleniu, czy problem wynika z samego modelu, zewnętrznego interfejsu API, systemu odzyskiwania, wąskiego gardła infrastruktury czy sekwencji działań podejmowanych przez agenta. groundcover twierdzi, że podejście oparte na eBPF może również inspekcjonować zawartość żądania i odpowiedzi API, pomagając zespołom wykryć anomalie lub wrażliwe informacje przekazywane do zewnętrznych dostawców modeli.

„Jesteśmy jedyną platformą, która wykorzystuje potencjał eBPF z nieograniczoną mocą BYOC dla obserwowalności”, powiedział Shahar Azulay, dyrektor generalny i współzałożyciel groundcover. „Na szczycie tej unikalnej architektury groundcover zbudował tryb agenta, nasze doświadczenie agenta, które pomaga inżynierom wykrywać, rozwiązywać i naprawiać problemy w środowisku produkcyjnym.”

Azulay powiedział, że nowy kapitał wesprze wysiłki firmy, aby zmienić sposób, w jaki inżynierowie i agenci współpracują w operacjach produkcyjnych.

Oto bardziej neutralny zastępczy fragment:

Wnioski na przyszłość

Wzrost agentów AI może zmienić to, czego oczekują organizacje od platform obserwowalności. Narzędzia monitorowania tradycyjnie pomagały inżynierom w badaniu incydentów po tym, jak coś poszło nie tak, ale systemy autonomiczne mogą wymagać ciągłego dostępu do szczegółowych danych produkcyjnych, aby mogły identyfikować problemy, śledzić zależności i proponować działania naprawcze w czasie rzeczywistym.

To tworzy napięcie między widocznością, kosztem i kontrolą. Aplikacje AI mogą generować duże ilości logów, śladów i metryk, a ich telemetria może również zawierać wrażliwe polecenia, dane wyjściowe modelu i informacje klientów. Architektury, które utrzymują dane w środowisku chmury klienta, mogą więc stać się bardziej atrakcyjne, szczególnie w branżach regulowanych lub organizacjach o bardziej rygorystycznych wymaganiach dotyczących rezydencji danych.

Szersze pytanie brzmi, czy agenci AI mogą być ufań, aby działali na podstawie danych obserwowalności, a nie tylko je podsumowywali. Niekompletna telemetria, mylne korelacje lub źle zdefiniowane uprawnienia mogą spowodować, że zautomatyzowany system źle zdiagnozuje incydent lub podejmie niepotrzebną zmianę. Nadzór ludzki, ślady audytu i wyraźne limity na działania autonomiczne będą nadal ważne, gdy te możliwości dojrzały.

Finansowanie groundcover odzwierciedla rosnące zainteresowanie infrastrukturą niezbędną do obsługi systemów AI w skali. Długoterminowe znaczenie będzie zależało mniej od tego, czy platformy obserwowalności mogą dodać interfejsy konwersacyjne, a bardziej od tego, czy mogą zapewnić wystarczająco kompletne, bezpieczne i niezawodne dane dla ludzi i zautomatyzowanych agentów, aby podejmować rozsądne decyzje w środowiskach produkcyjnych.