Sedai Zabezpiecza 20 Mln Dolarów, aby Rozwinąć Chmurę Samosterującą i Zdefiniować DevOps za Pomocą Agenta AI

Sedai, firma stojąca za pierwszą samosterującą platformą chmury, ogłosiła rundę finansowania serii B w wysokości 20 milionów dolarów, aby rozwinąć swoją wizję zarządzania infrastrukturą autonomiczną. Finansowanie, prowadzone przez AVP (Atlantic Vantage Point) z wsparciem Norwest, Sierra Ventures i Uncorrelated Ventures, zasili rozwój Sedai w nowe dziedziny, takie jak optymalizacja LLM, zarządzanie zasobami GPU i inteligentna orkiestracja platform, takich jak Databricks i Snowflake.

Platforma ta oznacza punkt zwrotny w DevOps, zastępując tradycyjne podejście alert-and-dashboard dynamicznymi agentami AI, które uczą się ze środowisk produkcyjnych i działają autonomicznie w celu optymalizacji kosztów, wydajności i dostępności.

„Tak jak Waymo udowodniło, że samochody samosterujące są możliwe, Sedai dowodzi, że infrastruktura samosterująca nie tylko jest możliwa, ale także konieczna”, powiedział Suresh Mathew, CEO i założyciel Sedai.

Co Tak Naprawdę Oznacza Infrastruktura Samosterująca

Podczas gdy większość narzędzi monitorujących generuje tylko alerty, podejście Sedai jest znacznie bardziej proaktywne. Platforma obserwuje ruch, zachowanie aplikacji i konfiguracje infrastruktury w czasie rzeczywistym, a następnie podejmuje autonomiczne decyzje, które poprawiają wydajność i redukują koszty – bez potrzeby interwencji człowieka.

Ta zmiana z obserwowalności na autonomię jest tym, co sprawia, że Sedai jest prawdziwie „samosterującą” platformą. Jej system nie tylko sygnalizuje problemy, ale je również rozwiązuje.

Pod powierzchnią Sedai wykorzystuje architekturę wieloagentową AI, która ciągle dostosowuje się do zmieniających się obciążeń i stanów systemu. W sercu tego systemu znajduje się głębokie uczenie wzmacnianie (DRL) – potężna forma uczenia maszynowego, w której agenci uczą się przez próbę i błąd. W przypadku Sedai agenci są szkoleni do dynamicznego skalowania zasobów infrastruktury, takich jak CPU i pamięć, na podstawie rzeczywistych wyników wydajności. Z czasem ci agenci uczą się, które działania prowadzą do najlepszych wyników w środowiskach produkcyjnych.

Ten inteligentny system jest dalej wzmocniony przez techniki, takie jak wykrywanie anomalii i inferencja przyczynowa, co pozwala Sedai przewidywać awarie i wskazywać przyczyny pierwotne, zanim zostanie dotknięte doświadczenie klienta. A dzięki modelowaniu sezonowości system automatycznie dostosowuje się do powtarzających się wzorców, takich jak codzienne szczyty ruchu lub obciążenia przetwarzania na koniec miesiąca, optymalizując infrastrukturę przed wystąpieniem szczytów.

Nowa Era Efektywności DevOps

Sedai została założona przez Suresh Mathew i Benji Thomas po tym, jak doświadczyli na własnej skórze wyzwania skalowania mikrousług w PayPal. Podczas gdy DevOps przyspieszył wdrożenia, stworzył również nowe obciążenia – niekończącą się pracę, zmęczenie alertami i kruche systemy utrzymywane przez ręczne obejścia.

Sedai zmienia tę dynamikę, podejmując działanie. Zamiast polegać na inżynierach, aby zinterpretowali metryki i zareagowali ręcznie, platforma wykonuje zadania, takie jak:

• Wykrywanie i rozwiązywanie degradacji infrastruktury w czasie rzeczywistym
• Skalowanie obciążeń pionowo i poziomo na podstawie rzeczywistego ruchu
• Aktualizowanie konfiguracji w celu optymalizacji kosztów, opóźnień i dostępności
• Uruchamianie lub naprawianie uszkodzonych usług, zanim użytkownicy zauważą

Już teraz platforma wykonała ponad 25 milionów autonomicznych działań w środowisku produkcyjnym, zarządzając 3 miliardami dolarów wydatków na chmurę. To pozwoliło klientom zaoszczędzić ponad 5 milionów dolarów rocznie, a zespołom inżynierskim odzyskać ponad 22 000 godzin produktywnego czasu.

Zaufana Przez Liderów Przedsiębiorstw Z Krytycznych Branż

Sedai jest wykorzystywana w środowisku produkcyjnym przez liderów z listy Fortune 500 z branż, takich jak bezpieczeństwo cybernetyczne, usługi finansowe, farmaceutyka, edukacja i sztuczna inteligencja. Wśród klientów znajdują się znane marki, takie jak Palo Alto Networks (PANW ), Experian i McGraw Hill (MH ) – firmy, które zależą od stabilnej, wydajnej i efektywnej pod względem kosztów infrastruktury w skali.

W KnowBe4 Sedai obniżyła koszty produkcji o 50% i koszty rozwoju nawet o 87%. Wiceprezes ds. inżynierii Matthew Duren pochwalił platformę nie tylko za efektywność budżetową, ale także za przekształcenie swojej roli – uwolnienie zespołu od skupienia się na strategicznych inicjatywach zamiast na niskowartościowych zadaniach.

Te wyniki nie są prognozami – odzwierciedlają one rzeczywistą sztuczną inteligencję w środowiskach produkcyjnych, bezpiecznie zarządzających systemami produkcyjnymi, a nawet złożonymi obciążeniami maszynowego uczenia.

Idąc Poza Automatyzację: Dlaczego Agenci AI Są Następnym Skokiem

Ważne jest, aby odróżnić automatyzację od autonomii. Automatyzacja wykonuje zadania zdefiniowane na podstawie statycznych progów lub skryptów. Agenci AI Sedai, z drugiej strony, obserwują i uczą się z systemów, odkrywając najlepsze działania dynamicznie – nawet wtedy, gdy warunki się zmieniają.

Ta różnica ma znaczenie. W świecie ciągle ewoluujących wzorców ruchu, zależności usług i architektur wdrożeń, statyczne reguły szybko stają się przestarzałe. Podejście Sedai oparte na AI zapewnia ciągłą optymalizację, nawet w przypadku złożoności.

Na przykład, jej platforma uczy się, jak konkretnie zachowują się usługi pod różnymi obciążeniami i dostosowuje odpowiednio alokację zasobów. Jeśli opóźnienie wzrasta z powodu konkretnego wąskiego gardła pamięci, Sedai może działać natychmiast – bez potrzeby oczekiwania na interpretację alertu przez człowieka.

Platforma Dla Całego Zespołu Inżynierskiego

Sedai dostarcza wartość we wszystkich rolach w stosie inżynierskim:

• Inżynierowie SRE i inżynierowie DevOps redukują pracę i osiągają cele niezawodności bez wypalenia.
• Deweloperzy koncentrują się na wysyłaniu kodu, podczas gdy Sedai zapewnia optymalne konfiguracje w środowisku produkcyjnym.
• Liderzy inżynierscy zyskują efektywność operacyjną i ogromne oszczędności w chmurze.
• Architekci i CTO przekształcają infrastrukturę w strategiczną różnicę, a nie w zobowiązanie.

Zaledwie 15 minut konfiguracji pozwala zespołom połączyć Sedai z ich chmurą i narzędziami APM. Od tego momentu platforma zaczyna uczyć się, weryfikować bezpieczne optymalizacje i ostatecznie podejmować działania w środowisku produkcyjnym – z pełnym śladem audytowym dla zgodności.

Co Dalej: Optymalizacja Stosu Infrastruktury AI

Z rundą finansowania serii B Sedai rozszerzy swoje możliwości o niektóre z najbardziej palących wyzwań w nowoczesnej infrastrukturze AI, w tym:

• Samodostosowanie dla aplikacji opartych na LLM, zapewniając optymalną konfigurację podczas wnioskowania
• Autonomiczna orkiestracja GPU, zarządzanie drogimi zasobami obliczeniowymi w czasie rzeczywistym
• Optymalizacja platform danych za pomocą AI, takich jak Databricks i Snowflake

Te wysiłki są zgodne z przyszłością, w której same obciążenia – modele AI, potoki wnioskowania, analityka w czasie rzeczywistym – wymagają równie inteligentnych warstw infrastruktury, aby je wspierać.

„Wraz ze wzrostem adopcji chmury firmy mają trudności z poprawą wydajności i redukcją kosztów. Agenci AI są unikalnie pozycjonowani, aby rozwiązać ten problem w skali”, powiedział Manish Agarwal, partner generalny w AVP.

Przyszłość Infrastruktury Chmury Jest Autonomiczna

Wzrost autonomicznych platform chmury sygnalizuje szerszy trend w branży – od systemów z ludzkim uczestnictwem do inteligentnych agentów, które działają niezależnie w czasie rzeczywistym. Podczas gdy przedsiębiorstwa rozszerzają swoje ślady chmury i przyjmują coraz bardziej złożone, rozproszone architektury, zarządzanie infrastrukturą ręcznie osiąga swoje granice.

DevOps, który kiedyś był postrzegany jako ostateczne rozwiązanie dla szybszego wdrożenia i operacyjnej giętkości, jest teraz pod presją ze względu na rosnącą złożoność, zmęczenie alertami i niewydajność kosztową. Tradycyjne narzędzia obserwowalności i automatyzacji oferują widoczność i skryptowanie, ale nadal polegają na inżynierach, aby analizować, interpretować i reagować. To reaktywne podejście ma trudności z utrzymaniem tempa nowoczesnych wymagań usług.

Autonomiczne platformy reprezentują następny ewolucyjny krok. Poprzez integrację głębokiego uczenia wzmacniania, inferencji przyczynowej i adaptacyjnego skalowania w podstawowe przepływy pracy infrastruktury, oferują one możliwość samooptymalizacji i samonaprawy w środowisku produkcyjnym – ciągle i bez interwencji. Wynikiem nie jest tylko efektywność operacyjna, ale transformacja strukturalna: mniej awarii, szybsze wydania, lepsza kontrola kosztów i poprawione doświadczenie deweloperskie.

Wraz ze dojrzałością ekosystemu ten trend wpłynie na wszystko, od tego, jak zespoły są obsadzane i strukturyzowane, po to, jak aplikacje są architektowane, testowane i wdrażane. Pionierzy już teraz dowodzą, że operacje autonomiczne mogą przynieść wymierne korzyści w zakresie produktywności, wydajności i zwrotu z inwestycji.

Podczas gdy Sedai jest jednym z liderów wprowadzających tę wizję do życia, większy wniosek jest jasny: infrastruktura chmury nie jest już czymś, co inżynierowie muszą stale zarządzać – staje się czymś, co zarządza się samo.