groundcover привлекает 100 миллионов долларов в рамках раунда финансирования серии C для масштабирования платформы наблюдаемости для эпохи ИИ

Компания по облачной наблюдаемости groundcover привлекла 100 миллионов долларов в рамках раунда финансирования серии C, чтобы расширить платформу, предназначенную для помощи командам инженеров и агентам ИИ в понимании все более сложных производственных сред.

Раунд был возглавлен One Peak, с участием Morgan Stanley Expansion Capital (MS ) и существующих инвесторов Zeev Ventures, Angular Ventures, Heavybit и Jibe. Это увеличивает общее финансирование groundcover до 160 миллионов долларов.

Финансирование следует за годом, в течение которого компания утверждает, что она утроила годовой доход, удвоила свою глобальную рабочую силу и превысила 250 платящих клиентов. Ее клиентская база теперь варьируется от стартапов на ранней стадии до предприятий Fortune 5, а компания также сообщает о подписании нескольких контрактов на семизначные суммы за последние 12 месяцев.

Наблюдаемость сталкивается с проблемой данных, обусловленной ИИ

Платформы наблюдаемости собирают и анализируют сигналы, такие как журналы, метрики и трассировки, чтобы помочь командам инженеров понять, как приложения и инфраструктура ведут себя в производстве.

Эта задача становится более сложной, поскольку облачные системы расширяются и компании вводят большие языковые модели, автономные агенты и все более взаимосвязанные стэки приложений. Приложения ИИ могут генерировать телеметрию по запросам, ответам моделей, вызовам инструментов, базам данных, API и инфраструктуре, поддерживающей каждое взаимодействие.

Большая видимость может помочь инженерам выявить галлюцинации, ухудшение производительности, неудачные вызовы инструментов и риски безопасности. Однако сбор этого контекста также может существенно увеличить объем и чувствительность данных, поступающих в системы наблюдаемости.

Традиционные платформы часто управляют этими затратами, выборочно отбирая или фильтруя телеметрию. Это может сделать основные данные более управляемыми, но также может удалить точную информацию, необходимую для реконструкции инцидента. Ограничение становится особенно важным, когда агенты ИИ должны расследовать проблемы или рекомендовать изменения без постоянного человеческого руководства.

groundcover позиционирует свою архитектуру как альтернативу этой модели, объединяя сбор данных на уровне ядра с хранением внутри облака клиента.

Как работает архитектура groundcover BYOC

В центре платформы находится архитектура “принеси свое облако” (BYOC). Вместо передачи всех данных наблюдаемости в среду Software-as-a-Service, управляемую поставщиком, groundcover развертывает свою плоскость данных внутри изолированной учетной записи клиента в облаке.

Журналы, метрики инфраструктуры, пользовательские метрики, трассировки и события Kubernetes могут оставаться внутри инфраструктуры клиента. Отдельная плоскость управления управляет платформой, но изолирована от рабочих нагрузок и телеметрии на уровне сети, согласно архитектурной документации groundcover.

Эта договоренность предназначена для предоставления клиентам управляемого программного опыта, сохраняя при этом больший контроль над резидентностью данных, конфиденциальностью и безопасностью. Это может быть особенно актуально для рабочих нагрузок ИИ, где записи наблюдаемости могут включать запросы, выходные данные моделей, аргументы инструментов, информацию о пользователях или элементы процесса рассуждения агента.

Компания также поддерживает развертывания на месте и воздушные разрывы для организаций со строгими требованиями к изоляции.

Объединение eBPF и OpenTelemetry

groundcover собирает большую часть своей телеметрии через расширенный фильтр пакетов Berkeley, обычно известный как eBPF. Эта технология позволяет программам наблюдать за hoạtностью внутри ядра Linux, предоставляя системам мониторинга видимость сетевого общения, процессов приложений и использования ресурсов без необходимости ручной инструментовки каждого сервиса.

Компания утверждает, что ее адаптивный датчик eBPF может быть развернут без изменений кода и использован для захвата телеметрии приложений и инфраструктуры по всей среде Kubernetes.

Это не означает, что groundcover заменяет установленные стандарты инструментовки. Платформа также интегрируется с OpenTelemetry, открытой платформой, которая предоставляет общие API, программные разработки и инструменты для генерации, обработки и экспорта телеметрии.

Сочетание дает организациям два взаимодополняющих источника информации. eBPF может автоматически захватить активность на уровне инфраструктуры и сети, в то время как OpenTelemetry может предоставить контекст приложения, который намеренно добавляется разработчиками.

groundcover консолидирует трассировки, метрики, журналы и события Kubernetes в едином интерфейсе. Ее портфель продукции также охватывает мониторинг производительности приложений, мониторинг инфраструктуры, управление журналами, мониторинг реальных пользователей и наблюдаемость для приложений больших языковых моделей.

Расширение наблюдаемости для агентов ИИ

Амбиции компании выходят за рамки предоставления панелей управления для человеческих операторов. Режим агента предназначен для помощи инженерам в расследовании инцидентов, выполнении анализа коренной причины и определении возможных шагов по исправлению с помощью телеметрии, доступной внутри платформы.

Вместо того, чтобы размещать общего чат-бота над коллекцией журналов, groundcover утверждает, что она перестроила свои внутренние API вокруг унифицированного языка запросов, называемого GCQL. Действия, предпринятые агентом, могут быть проинспектированы, и результаты могут быть преобразованы в родные активы groundcover для использования инженерами самостоятельно.

Компания также представила поддержку протокола контекста модели, что позволяет разработчикам вносить производственную телеметрию в совместимые агенты ИИ и среды разработки. Ее инструменты наблюдаемости ИИ предназначены для захвата более широкого контекста выполнения модели, включая запросы, ответы, использование инструментов и историю сеанса.

Это может помочь командам определить, возникла ли проблема с моделью самой по себе, внешним API, системой извлечения, инфраструктурным узлом или последовательностью действий, предпринятых агентом. groundcover утверждает, что ее подход на основе eBPF также может осмотреть содержание запроса и ответа API, помогая командам обнаружить аномалии или конфиденциальную информацию, передаваемую внешним провайдерам моделей.

«Мы являемся единственной платформой, которая использует потенциал eBPF с бесконечной мощью BYOC для наблюдаемости», – сказал Шахар Азулай, генеральный директор и сооснователь groundcover. «На основе этой уникальной архитектуры groundcover построила Режим агента, наш опыт агента, который помогает инженерам выявлять, устранять и исправлять проблемы в производстве».

Азулай сказал, что новые капиталы будут поддерживать усилия компании по изменению того, как инженеры и агенты сотрудничают в производственных операциях.

Будущие последствия

Рост агентов ИИ может изменить ожидания организаций от платформ наблюдаемости. Инструменты мониторинга традиционно помогали инженерам расследовать инциденты после того, как что-то пошло не так, но автономные системы могут требовать непрерывного доступа к подробным производственным данным, чтобы они могли выявить проблемы, отслеживать зависимости и рекомендовать корректирующие действия в режиме реального времени.

Это создает напряжение между видимостью, затратами и контролем. Приложения ИИ могут генерировать большие объемы журналов, трассировок и метрик, в то время как их телеметрия также может содержать конфиденциальные запросы, выходные данные моделей и информацию о клиентах. Архитектуры, которые сохраняют данные внутри облака компании, могут поэтому стать более привлекательными, особенно в регулируемых отраслях или организациях со строгими требованиями к резидентности данных.

Более широкий вопрос заключается в том, можно ли доверять агентам ИИ действовать на основе данных наблюдаемости, а не просто суммировать их. Недостаточная телеметрия, вводящая в заблуждение корреляции или плохо определенные разрешения могут привести автоматизированную систему к неправильному диагнозу инцидента или ненужному изменению. Человеческий надзор, аудиторские следы и четкие ограничения на автономные действия останутся важными, когда эти возможности будут развиваться.

groundcover’s финансирование отражает растущий интерес к инфраструктуре, необходимой для эксплуатации систем ИИ в масштабе. Долгосрочное значение будет зависеть меньше от того, могут ли платформы наблюдаемости добавить разговорные интерфейсы, и больше от того, могут ли они предоставить достаточно полные, безопасные и надежные данные для людей и автоматизированных агентов, чтобы принимать обоснованные решения в производственных средах.