groundcover strânge 100 de milioane de dolari în seria C pentru a scala platforma de observabilitate pentru era AI

Compania de observabilitate cloud groundcover a strâns 100 de milioane de dolari în finanțare Seria C, pe care îi va folosi pentru a extinde o platformă proiectată pentru a ajuta echipele de ingineri și agenții AI să înțeleagă mediile de producție din ce în ce mai complexe.

Runda a fost condusă de One Peak, cu participarea Morgan Stanley (MS ) Expansion Capital și a investitorilor existenți Zeev Ventures, Angular Ventures, Heavybit și Jibe. Acest lucru aduce finanțarea totală a groundcover la 160 de milioane de dolari.

Finanțarea vine după un an în care compania afirmă că a triplat veniturile anuale recurente, a dublat forța de muncă globală și a depășit 250 de clienți plătitori. Baza sa de clienți variază acum de la startup-uri în stadiu incipient la întreprinderi Fortune 5, în timp ce compania raportează, de asemenea, semnarea mai multor contracte cu valoare de șapte cifre în ultimul an.

Observabilitatea se confruntă cu o problemă de date condusă de IA

Platformele de observabilitate colectează și analizează semnale precum jurnalele, metricile și urmele pentru a ajuta echipele de ingineri să înțeleagă cum se comportă aplicațiile și infrastructura în producție.

Acest lucru devine tot mai dificil pe măsură ce sistemele cloud-native se extind și companiile introduc modele de limbaj mare, agenți autonomi și stive de aplicații din ce în ce mai interconectate. Aplicațiile AI pot genera telemetrie pe prompturi, răspunsuri ale modelului, apeluri de unelte, baze de date, API-uri și infrastructura care susține fiecare interacțiune.

O vizibilitate mai mare poate ajuta inginerii să identifice halucinații, degradări de performanță, apeluri de unelte eșuate și riscuri de securitate. Cu toate acestea, colectarea acestui context poate crește, de asemenea, semnificativ volumul și sensibilitatea datelor care curg în sistemele de observabilitate.

Platformele tradiționale gestionează adesea aceste costuri prin eșantionarea sau filtrarea telemetriei. Acest lucru poate face ca datele subiacente să fie mai ușor de gestionat, dar poate elimina, de asemenea, informațiile precise necesare pentru a reconstitui un incident. Limitarea devine mai importantă atunci când se așteaptă ca agenții AI să investigheze probleme sau să recomande modificări fără direcționarea continuă a oamenilor.

groundcover își poziționează arhitectura ca o alternativă la acest model, combinând colectarea de date la nivel de kernel cu stocarea în interiorul mediului cloud al clientului.

Cum funcționează arhitectura BYOC a groundcover

În centrul platformei se află o arhitectură de tip aducerea propriului cloud, sau BYOC. În loc să transfere toate datele de observabilitate într-un mediu Software-as-a-Service operat de un furnizor, groundcover implementează planul său de date într-un cont izolat în cloud-ul clientului.

Jurnalele, metricile infrastructurii, metricile personalizate, urmele și evenimentele Kubernetes pot rămâne, astfel, în interiorul infrastructurii clientului. Un plan de control separat gestionează platforma, dar este izolat de sarcinile de producție și telemetrie la nivel de rețea, conform documentației arhitecturale a groundcover.

Acest aranjament este destinat să ofere clienților o experiență de software gestionat, păstrând, în același timp, un control mai mare asupra rezidenței datelor, confidențialității și securității. Acest lucru poate fi deosebit de relevant pentru sarcinile de lucru AI, unde înregistrările de observabilitate pot include prompturi, ieșiri ale modelului, argumente de unelte, informații despre utilizatori sau elemente ale procesului de raționament al unui agent.

Compania susține, de asemenea, implementări on-premise și air-gapped pentru organizații cu cerințe de izolare mai stricte.

Combinarea eBPF și OpenTelemetry

groundcover colectează o parte semnificativă a telemetriei sale prin intermediul Extended Berkeley Packet Filter, cunoscut în general sub numele de eBPF. Această tehnologie permite programelor să observe activitatea din interiorul nucleului Linux, oferind sistemelor de monitorizare vizibilitate în comunicarea rețelei, proceselor de aplicații și utilizarea resurselor, fără a necesita ca dezvoltatorii să instrumenteze manual fiecare serviciu.

Compania afirmă că senzorul său eBPF adaptiv poate fi implementat fără modificări de cod și utilizat pentru a captura telemetrie de aplicații și infrastructură în medii Kubernetes.

Acest lucru nu înseamnă că groundcover înlocuiește standardele de instrumentare stabilite. Platforma integrează, de asemenea, OpenTelemetry, un cadru open-source care oferă API-uri comune, kituri de dezvoltare software și unelte pentru generarea, prelucrarea și exportarea telemetriei.

Combinația oferă organizațiilor două surse complementare de informații. eBPF poate captura automat activitatea la nivelul infrastructurii și rețelei, în timp ce OpenTelemetry poate furniza contextul specific aplicației, care este adăugat intenționat de către dezvoltatori.

groundcover consolidează urme, metrici, jurnale și evenimente Kubernetes într-un interfață unificată. Portofoliul său de produse acoperă, de asemenea, monitorizarea performanței aplicațiilor, monitorizarea infrastructurii, gestionarea jurnalelor, monitorizarea utilizatorilor reali și observabilitatea pentru aplicații de limbaj mare.

Extinderea observabilității pentru agenții AI

Ambițiile companiei se extind dincolo de furnizarea de tablouri de bord pentru operatori umani. Modul său Agent este proiectat pentru a ajuta inginerii să investigheze incidente, să efectueze analize de cauză și să identifice posibile pași de remediere, utilizând telemetria disponibilă în interiorul platformei.

În loc să plaseze un chatbot general-purpose peste o colecție de jurnale, groundcover afirmă că și-a reconstruit API-urile interne în jurul unui limbaj de interogare unificat numit GCQL. Acțiunile întreprinse de agent pot fi inspectate, iar rezultatele pot fi convertite în active native groundcover pentru ca inginerii să le utilizeze independent.

Compania a introdus, de asemenea, suport pentru Protocolul de context al modelului, permițând dezvoltatorilor să aducă telemetrie de producție în agenții AI și medii de dezvoltare compatibile. Uneltele sale de observabilitate AI sunt destinate să capteze contextul mai larg de execuție al solicitărilor de model, incluzând prompturi, răspunsuri, utilizarea uneltelor și istoricul de sesiune.

Acest lucru poate ajuta echipele să determine dacă o problemă a apărut din modelul însuși, o API externă, un sistem de recuperare, o încărcătură a infrastructurii sau secvența de acțiuni întreprinse de un agent. groundcover afirmă că abordarea sa bazată pe eBPF poate, de asemenea, inspecta conținutul cererii și răspunsului API, ajutând echipele să detecteze anomalii sau informații sensibile transmise către furnizorii de modele externi.

„Suntem singura platformă care valorifică potențialul eBPF cu puterea nelimitată a BYOC pentru observabilitate”, a declarat Shahar Azulay, directorul general și co-fondator al groundcover. „Pe lângă această arhitectură unică, groundcover a construit Modulul Agent, experiența noastră agentică care ajută inginerii să identifice, să diagnosticheze și să remedieze problemele în producție”.

Azulay a afirmat că noul capital va sprijini eforturile companiei de a schimba modul în care inginerii și agenții colaborează în operațiunile de producție.

Mai jos este prezentată o secțiune neutră de înlocuire:

Implicații viitoare

Crescerea agenților AI poate schimba ceea ce organizațiile așteaptă de la platformele de observabilitate. Uneltele de monitorizare au ajutat tradițional inginerii să investigheze incidente după ce ceva a mers prost, dar sistemele autonome pot necesita acces continuu la date de producție detaliate, astfel încât acestea să poată identifica probleme, urma dependențe și recomanda acțiuni corective în timp real.

Acest lucru creează o tensiune între vizibilitate, cost și control. Aplicațiile AI pot genera volume mari de jurnale, urme și metrici, în timp ce telemetria lor poate conține, de asemenea, prompturi, ieșiri ale modelului și informații despre clienți sensibile. Arhitecturile care păstrează datele în interiorul mediului cloud al unei companii pot deveni astfel mai atractive, în special în industrii reglementate sau organizații cu cerințe stricte de rezidență a datelor.

Întrebarea mai largă este dacă agenții AI pot fi încredințați să acționeze pe baza datelor de observabilitate, mai degrabă decât să le rezume doar. Telemetria incompletă, corelațiile înșelătoare sau permisiunile slab definite pot conduce un sistem automat să diagnosticheze greșit un incident sau să facă o modificare inutilă. Supravegherea umană, urmele de audit și limitele clare ale acțiunilor autonome vor rămâne importante pe măsură ce aceste capacități se maturizează.

Finanțarea groundcover reflectă interesul tot mai mare pentru infrastructura necesară pentru a opera sisteme AI la scară. Semnificația pe termen lung va depinde mai puțin de capacitatea platformelor de observabilitate de a adăuga interfețe conversaționale și mai mult de capacitatea lor de a furniza date suficient de complete, securizate și fiabile pentru ca oamenii și agenții automatizați să ia decizii corecte în mediile de producție.