Sedai привлекает $20 млн для масштабирования самоуправляемого облака и переопределения DevOps с помощью агентов ИИ

Sedai, компания, стоящая за первой самоуправляемой облачной платформой, объявила о привлечении $20 млн в рамках раунда серии B для масштабирования своего видения автономного управления инфраструктурой. Финансирование, возглавляемое AVP (Atlantic Vantage Point) с поддержкой Norwest, Sierra Ventures и Uncorrelated Ventures, будет направлено на расширение Sedai в новые области, такие как оптимизация LLM, управление ресурсами GPU и интеллектуальная оркестрация для платформ, таких как Databricks и Snowflake.

Платформа знаменует собой поворотный момент в DevOps, заменяя традиционные парадигмы оповещений и панелей управления на агенты ИИ, которые учатся на производственных средах и действуют автономно для оптимизации затрат, производительности и доступности.

«Как Waymo доказал, что самоуправляемые автомобили возможны, Sedai доказывает, что самоуправляемая инфраструктура не только возможна, но и необходима», сказал Суреш Мэтью, генеральный директор и основатель Sedai.

Что такое самоуправляемая инфраструктура на самом деле

В то время как большинство инструментов мониторинга просто генерируют оповещения, подход Sedai намного более активный. Платформа наблюдает за трафиком, поведением приложений и конфигурациями инфраструктуры в реальном времени, а затем принимает автономные решения, которые улучшают производительность и снижают затраты — без необходимости человеческого вмешательства.

Этот сдвиг от наблюдаемости к автономности является тем, что делает Sedai真正 «самоуправляемой» платформой. Ее система не только флагирует проблемы, но и решает их.

Под капотом Sedai использует многоагентную архитектуру ИИ, которая непрерывно адаптируется к меняющимся рабочим нагрузкам и состояниям системы. В сердце этой системы лежит глубокое обучение с подкреплением (DRL) — мощная форма машинного обучения, при которой агенты учатся методом проб и ошибок. В случае Sedai агенты обучены динамически масштабировать ресурсы инфраструктуры, такие как CPU и память, на основе фактических результатов производительности. Со временем эти агенты учатся, какие действия приводят к лучшим результатам в живых средах.

Этот интеллект дополнительно усиливается методами, такими как обнаружение аномалий и причинно-следственная связь, что позволяет Sedai предсказывать сбои и определять коренные причины до того, как это повлияет на опыт пользователя. А с помощью моделирования сезонности система автоматически корректируется в соответствии с повторяющимися закономерностями, такими как ежедневные всплески трафика или нагрузки обработки в конце месяца, оптимизируя инфраструктуру до того, как даже произойдет рост спроса.

Новая эра эффективности DevOps

Sedai была основана Сурешем Мэтью и Бенджи Томасом после того, как они лично столкнулись с проблемами масштабирования микросервисов в PayPal. Хотя DevOps ускорил развертывание, он также создал новые нагрузки — бесконечную работу, усталость от оповещений и хрупкие системы, которые держались вместе благодаря ручным обходам.

Sedai меняет эту динамику, принимая меры. Вместо того, чтобы полагаться на инженеров для интерпретации метрик и ручного реагирования, платформа выполняет задачи, такие как:

• Обнаружение и решение деградации инфраструктуры в реальном времени
• Масштабирование рабочих нагрузок вертикально и горизонтально на основе фактического трафика
• Обновление конфигураций для оптимизации затрат, задержки и доступности
• Перезапуск или восстановление неисправных служб до того, как пользователи заметят

Уже сейчас платформа выполнила более 25 миллионов автономных действий в производстве, управляя $3 млрд расходов на облачные вычисления. Это позволило клиентам сэкономить более $5 млн в год, а командам инженеров вернуть более 22 000 часов продуктивного времени.

Доверена лидерами предприятий из критических отраслей

Sedai используется в производстве лидерами из Fortune 500 в области кибербезопасности, финансовых услуг, фармацевтики, образования и ИИ. Среди клиентов — такие известные компании, как Palo Alto Networks (PANW ), Experian и McGraw Hill (MH ) — компании, которые полагаются на стабильную, производительную и экономически эффективную инфраструктуру в масштабе.

В KnowBe4 Sedai снизила производственные затраты на 50% и затраты на разработку на 87%. Вице-президент по инженерии Мэтью Дюрен заслугу Sedai не только в бюджетной эффективности, но и в трансформации своей роли — освобождении своей команды для сосредоточения на стратегических инициативах вместо низкоценных задач.

Эти результаты не являются прогнозами — они отражают реальный ИИ в живых средах, безопасно управляя производственными системами и даже высококомплексными рабочими нагрузками машинного обучения.

Выход за пределы автоматизации: почему агенты ИИ — следующий скачок

Важно различать автоматизацию и автономность. Автоматизация выполняет предопределенные задачи на основе статических порогов или скриптов. Агенты ИИ Sedai, напротив, наблюдают и учатся на ваших системах, обнаруживая лучшие действия динамически — даже когда условия меняются.

Этот различие имеет значение. В мире, где трафик, зависимости служб и архитектуры развертывания постоянно эволюционируют, статические правила быстро становятся устаревшими. Подход Sedai, основанный на ИИ, обеспечивает непрерывную оптимизацию, даже в условиях сложности.

Например, ее платформа учится, как конкретные службы ведут себя под разными нагрузками, и тонко настраивает распределение ресурсов соответственно. Если задержка увеличивается из-за конкретной проблемы с памятью, Sedai может действовать немедленно — без ожидания интерпретации оповещения человеком.

Платформа для всей инженерной организации

Sedai доставляет ценность на каждом уровне инженерного стека:

• SRE и инженеры DevOps снижают работу и достигают целей надежности без выгорания.
• Разработчики сосредотачиваются на доставке кода, а Sedai обеспечивает оптимальные конфигурации в производстве.
• Руководители инженерии получают операционную эффективность и значительную экономию на облачных расходах.
• Архитекторы и технические директора превращают инфраструктуру в стратегическое различие, а не в проблему.

С помощью всего 15 минут настройки команды могут подключить Sedai к своим облачным и инструментам мониторинга. Оттуда платформа начинает учиться, проверять безопасные оптимизации и, в конечном итоге, действовать в живой производственной среде — с полной аудиторской трассировкой для соблюдения требований.

Что дальше: оптимизация стека ИИ-инфраструктуры

С помощью финансирования серии B Sedai расширит свои возможности в некоторые из наиболее насущных проблем современной инфраструктуры ИИ, включая:

• Самонастройку для приложений на основе LLM, обеспечивая оптимальную конфигурацию во время вывода
• Автономную оркестрацию GPU, управляющую дорогими вычислительными ресурсами в реальном времени
• ИИ-оптимизацию платформ данных типа Databricks и Snowflake

Эти усилия соответствуют будущему, где сами рабочие нагрузки — модели ИИ, пайплайны вывода, реальная аналитика — требуют одинаково интеллектуальных слоев инфраструктуры для поддержки.

«По мере роста облачного внедрения компании борются за улучшение производительности и снижение затрат. Агенты ИИ уникально позиционированы для решения этой проблемы в масштабе», сказал Маниш Агарвал, генеральный партнер AVP.

Будущее облачной инфраструктуры — автономно

Рост автономных облачных платформ сигнализирует о более широком сдвиге отрасли — от систем с человеком в цикле к интеллектуальным агентам, которые работают самостоятельно в реальном времени. По мере того, как предприятия масштабируют свои облачные следы и принимают все более сложные, распределенные архитектуры, ручное управление инфраструктурой достигает пределов.

DevOps, когда-то считавшийся окончательным решением для более быстрого развертывания и операционной гибкости, теперь находится под давлением из-за растущей сложности, усталости от оповещений и неэффективности затрат. Традиционные инструменты наблюдаемости и автоматизации предлагают видимость и скриптинг, но они все еще полагаются на человеческих инженеров для анализа, интерпретации и реагирования. Этот реактивный подход борется за то, чтобы идти в ногу с современными требованиями к услугам.

Автономные платформы представляют собой следующий эволюционный шаг. Интегрируя глубокое обучение с подкреплением, причинно-следственную связь и адаптивное масштабирование в основные рабочие потоки инфраструктуры, они предлагают возможность самооптимизации и самоисцеления в производстве — непрерывно и без вмешательства. Результатом не является только операционная эффективность, но и структурная трансформация: меньше простоев, более быстрые выпуски, лучший контроль затрат и улучшенный опыт разработчика.

По мере того, как экосистема созревает, этот сдвиг повлияет на все — от того, как команды укомплектованы и структурированы, до того, как приложения проектируются, тестируются и развертываются. Ранние адоптеры уже доказывают, что автономные операции могут принести ощутимые выгоды в производительности, производительности и финансовой отдаче от инвестиций.

Хотя Sedai является одним из лидеров, воплощающих эту видение в жизнь, главный вывод ясен: облачная инфраструктура больше не является чем-то, что инженеры должны постоянно управлять — она становится чем-то, что управляет собой.