North.cloud pozyskuje 60 mln USD w rundzie finansowania Series B na automatyzację zarządzania wydatkami na chmurę i AI

North.cloud pozyskała 60 mln USD w rundzie finansowania Series B, aby rozwijać swoją platformę do zarządzania infrastrukturą chmurową, korzystaniem z AI i kosztami danych. Rundę ogłoszono 15 października, a poprowadziła ją firma PeakSpan Capital przy udziale Litquidity, Companyon Ventures, Alpaca, Uncommon Denominator, Gaingels i Mana Ventures.

Finansowanie ma pomóc rozwiązać problem, który nasila się w miarę wdrażania AI w środowiskach produkcyjnych: koszty operacyjne produktu mogą obejmować obliczenia w chmurze, interfejsy API modeli i platformy danych, a osoby odpowiedzialne za te rachunki korzystają z odrębnych systemów. North chce połączyć te dane finansowe z automatyzacją, która ogranicza wydatki i nakład pracy związany z zarządzaniem nimi.

Firma informuje, że zbliża się do poziomu 2 mld USD wydatków na chmurę objętych zarządzaniem i pomogła klientom zaoszczędzić ponad 400 mln USD. Pozyskane środki przeznaczy na rozszerzenie optymalizacji na kolejnych dostawców usług chmurowych, pogłębienie integracji, przyspieszenie rozwoju zarządzania wydatkami na AI oraz rozbudowę zespołów inżynieryjnych, produktowych i odpowiedzialnych za sprzedaż oraz marketing.

Połączenie kosztów chmury i AI w jednym systemie

FinOps, czyli operacje finansowe w chmurze, polega na powiązaniu wykorzystania technologii z kosztami biznesowymi oraz określaniu, jak poprawić efektywność ekonomiczną. Obejmuje to ustalenie, kto wygenerował dany rachunek, czy zasoby są odpowiednio dobrane oraz czy umowy zakupu z rabatem odpowiadają rzeczywistemu zapotrzebowaniu.

AI dodaje kolejną warstwę. Firma może płacić za infrastrukturę, na której działa aplikacja, a jednocześnie osobno uiszczać opłaty dostawcy modelu za tokeny zużywane przez tę aplikację. Znajomość kwoty na jednej fakturze niekoniecznie pozwala ustalić koszt obsługi klienta ani realizacji procesu.

Ogłoszenie o finansowaniu North nastąpiło po uruchomieniu North v3, które dodało obsługę Microsoft Azure obok Amazon Web Services i Google Cloud Platform. Firma informuje, że ta wersja wprowadziła również natywne integracje z OpenAI, Anthropic i Snowflake oraz rozszerzyła automatyczne zarządzanie zobowiązaniami zakupowymi za pomocą produktu Autobot.

Strategia ta rozwija wcześniejszą platformę North do zarządzania finansami w chmurze (FinOps), którą Unite.AI opisywało w 2025 roku. Obecna ekspansja poszerza zakres działalności firmy: od oszczędności w chmurze po całościowy obraz wydatków na infrastrukturę, AI i dane.

Jak działa automatyzacja zobowiązań zakupowych

Jednym ze sposobów na obniżenie kosztów chmury jest zakup zasobów po obniżonej cenie w ramach zobowiązań zakupowych. Wyzwaniem jest dopasowanie ich do przyszłego zapotrzebowania: zakup zbyt małej ilości zasobów może uniemożliwić uzyskanie pełnych oszczędności, a zakup zbyt dużej może sprawić, że firma będzie płacić za zasoby, których już nie potrzebuje.

Dokumentacja North dotycząca zakresu ochrony wyróżnia dwa podejścia. Flexbot zapewnia rabaty za pośrednictwem kont członkowskich należących do North, a firma zarządza zobowiązaniami zakupowymi. Autobot zarządza zobowiązaniami należącymi do klienta i podejmuje decyzje zakupowe stopniowo, stosownie do wykorzystania zasobów i celów biznesowych. Klienci mogą również połączyć oba rozwiązania.

To rozróżnienie ma znaczenie, ponieważ określa, kto jest właścicielem zobowiązania i w jaki sposób zarządza się zakupami. North opisuje Autobot jako narzędzie, które wykorzystuje prognozy i cele klienta, by stopniowo zwiększać zakres ochrony, a także oferuje symulacje pozwalające ocenić oszczędności i elastyczność przed dokonaniem zakupu. Dokumentacja firmy informuje również, że Autobot wymaga dodatkowych uprawnień do automatycznego dokonywania zakupów, które klienci mogą cofnąć.

Optymalizacja zobowiązań zakupowych dotyczy ceny płaconej za wykorzystane zasoby. Osobną kwestią jest to, czy dane obciążenie wymaga wszystkich przydzielonych mu zasobów. Funkcja Rightsize firmy North rekomenduje wielkość zasobów na podstawie sposobu działania obciążenia, wymagań dotyczących wydajności i prognozowanych oszczędności. Rozdzielenie tych mechanizmów ułatwia zrozumienie, co faktycznie zmienia platforma optymalizacyjna: niższa stawka i mniejsze zapotrzebowanie na zasoby to dwa różne rezultaty.

TokenFlow rozszerza ten model na wykorzystanie AI

North rozwija również TokenFlow, aby połączyć w jednym środowisku informacje o wykorzystaniu modeli, przypisywaniu kosztów, budżetach i kontrolach finansowych. W ogłoszeniu o finansowaniu firma przedstawia go jako element działań na rzecz traktowania wydatków na chmurę i AI jako jednego problemu finansowego.

Strona produktu TokenFlow opisuje śledzenie wykorzystania modeli, dostawców i zespołów, przypisywanie kosztów obciążeniom, które je generują, oraz stosowanie limitów lub zasad ograniczających wykorzystanie. W chwili przeglądu na stronie nadal widniała lista oczekujących, a dostęp do wersji beta oferowano wybranym użytkownikom. Te publicznie podane informacje o dostępności należy odróżnić od szerszych planów ekspansji przedstawionych w ogłoszeniu o finansowaniu.

Wartość przypisywania kosztów wykracza poza samo poznanie łącznej liczby zużytych tokenów. Zespół musi wiedzieć, która funkcja lub który proces wygenerował dany koszt oraz czy wydatek ten przynosi użyteczne rezultaty. Nawet niedrogie pojedyncze zapytanie może stać się istotną pozycją w budżecie, jeśli proces powtarza je na dużą skalę.

Połączenie informacji o wykorzystaniu modeli z kosztami infrastruktury mogłoby ułatwić dostrzeżenie tych kompromisów. Nie pozwala jednak automatycznie ustalić, który model lub sposób wdrożenia jest najlepszy; decyzja nadal zależy od wymagań dotyczących jakości, opóźnień, wzorców wykorzystania oraz kosztów pozostałych elementów systemu.

Co pokazują dane o dotychczasowych wynikach North

North wymienia wśród swoich klientów AssemblyAI, Atlan, Tines, SnapLogic, Emplifi i Imply. W komunikacie prasowym szef działu wnioskowania w AssemblyAI, Ben Gotthold, podaje, że efektywny wskaźnik oszczędności wynosi około 50%, mimo że w ciągu ostatniego roku firma rozbudowała swoją infrastrukturę.

To wynik dotyczący konkretnego klienta, a nie wskaźnik oszczędności, którego powinna oczekiwać każda organizacja. Prawie 2 mld USD wydatków objętych zarządzaniem i ponad 400 mln USD oszczędności to również sumy podane przez firmę. W komunikacie prasowym nie przedstawiono szczegółowej metodologii obliczeń ani jednolitego okresu pomiarowego, który pozwoliłby porównać te wartości.

Dla kupujących przydatnym punktem odniesienia są wyniki finansowe osiągane w przypadku ich własnych obciążeń, z uwzględnieniem kosztów usług, stopnia wykorzystania oraz zobowiązań zakupowych. Obniżenie ceny mocy obliczeniowej jest korzystne, ale równie ważne jest ustalenie, czy zmienił się popyt i czy tańsza konfiguracja zapewnia wydajność wymaganą przez aplikację.

Od przejrzystości do działania na większą skalę

Matt Biringer, dyrektor generalny i współzałożyciel firmy, przedstawia podejście North jako sposób na automatyzację działań z zakresu FinOps, zamiast pozostawiania zespołom inżynieryjnym i finansowym kolejnego pulpitu nawigacyjnego do interpretacji. Inwestycja PeakSpan wspiera przejście do ciągłego zarządzania coraz większą pulą wydatków.

Runda finansowania serii B zapewnia North środki na rozwijanie tego podejścia w miarę jak koszty operacyjne związane ze sztuczną inteligencją coraz ściślej wiążą się z decyzjami dotyczącymi produktów. Wyzwaniem jest połączenie dokładnego przypisywania kosztów z użytecznymi działaniami, przy jednoczesnym zachowaniu jasnych zasad dotyczących uprawnień zakupowych i kompromisów operacyjnych. Dla klientów miarą sukcesu będą przewidywalne koszty oraz mniejszy nakład ręcznej pracy związanej z zarządzaniem wydatkami w miarę rozwoju infrastruktury i wzrostu wykorzystania sztucznej inteligencji.