Sedai Secures $20M เพื่อขยายแพลตฟอร์มคลาวด์แบบขับเคลื่อนอัตโนมัติ และกำหนดรูปแบบ DevOps ใหม่ด้วยเอเย่นต์ AI

Sedai บริษัทที่อยู่เบื้องหลังแพลตฟอร์มคลาวด์แบบขับเคลื่อนอัตโนมัติเป็นครั้งแรก ได้ประกาศการระดมทุน Series B มูลค่า 20 ล้านดอลลาร์ เพื่อขยายวิสัยทัศน์ของการบริหารจัดการโครงสร้างพื้นฐานแบบอัตโนมัติ การระดมทุนนี้ได้รับการสนับสนุนจาก AVP (Atlantic Vantage Point) ร่วมกับ Norwest Sierra Ventures และ Uncorrelated Ventures จะช่วยให้ Sedai ขยายเข้าสู่โดเมนใหม่ๆ เช่น การเพิ่มประสิทธิภาพ LLM การจัดการทรัพยากร GPU และการกำกับดูแลอัจฉริยะสำหรับแพลตฟอร์ม เช่น Databricks และ Snowflake

แพลตฟอร์มนี้เป็นจุดเปลี่ยนใน DevOps โดยแทนที่แบบ范ด์ alert-and-dashboard ด้วย เอเย่นต์ AI ที่เรียนรู้จากสภาพแวดล้อมการผลิตและดำเนินการอัตโนมัติเพื่อเพิ่มประสิทธิภาพต้นทุน ประสิทธิภาพ และความพร้อมใช้งาน

“เช่นเดียวกับ Waymo ที่พิสูจน์ว่ารถยนต์แบบขับเคลื่อนอัตโนมัติเป็นไปได้ Sedai พิสูจน์ว่าโครงสร้างพื้นฐานแบบขับเคลื่อนอัตโนมัติไม่เพียงแต่เป็นไปได้ แต่ยังจำเป็น” กล่าวโดย Suresh Mathew ซีอีโอและผู้ก่อตั้ง Sedai

โครงสร้างพื้นฐานแบบขับเคลื่อนอัตโนมัติหมายถึงอะไร

ในขณะที่เครื่องมือติดตามส่วนใหญ่เพียงแค่สร้างการเตือน Sedai มีการเข้าถึงที่เป็นรูปธรรมมากขึ้น แพลตฟอร์มสังเกตการจราจร พฤติกรรมของแอปพลิเคชัน และการกำหนดค่าโครงสร้างพื้นฐานแบบเรียลไทม์ จากนั้นจะทำการตัดสินใจอัตโนมัติที่ปรับปรุงประสิทธิภาพและลดต้นทุนโดยไม่ต้องมีการแทรกแซงจากมนุษย์

การเปลี่ยนแปลงนี้จากความสามารถในการสังเกตเห็นไปสู่ความสามารถในการควบคุมตนเองคือสิ่งที่ทำให้ Sedai เป็นแพลตฟอร์ม “แบบขับเคลื่อนอัตโนมัติ” จริงๆ ระบบไม่เพียงแต่ระบุปัญหา แต่ยังแก้ไขปัญหาได้ด้วย

ภายใต้ฝาแพลตฟอร์มนี้ Sedai ใช้อาร์คิเทคเชอร์ AI แบบหลายเอเย่นต์ที่ปรับตัวเข้ากับงานและสถานะระบบที่เปลี่ยนแปลงอย่างต่อเนื่อง ระบบนี้มี การเรียนรู้แบบเสริมกำลังลึก (DRL) ซึ่งเป็นรูปแบบการเรียนรู้ของเครื่องจักรที่มีประสิทธิภาพ เอเย่นต์เหล่านี้เรียนรู้โดยการลองผิดลองถูก ในกรณีของ Sedai เอเย่นต์เหล่านี้ได้รับการฝึกฝนให้ปรับขนาดทรัพยากรโครงสร้างพื้นฐาน เช่น CPU และหน่วยความจำตามผลลัพธ์ประสิทธิภาพที่แท้จริง เมื่อเวลาผ่านไป เอเย่นต์เหล่านี้จะเรียนรู้ว่าการกระทำใดที่นำไปสู่ผลลัพธ์ที่ดีที่สุดในสภาพแวดล้อมการผลิต

ความฉลาดนี้ได้รับการปรับปรุงเพิ่มเติมโดยเทคนิค เช่น การตรวจจับอาการผิดปกติและการอนุมานสาเหตุ ทำให้ Sedai สามารถคาดการณ์ความล้มเหลวและระบุสาเหตุของปัญหาได้ก่อนที่จะส่งผลกระทบต่อประสบการณ์ของลูกค้า และด้วยการสร้างแบบจำลองตามฤดูกาล ระบบจะปรับโครงสร้างพื้นฐานให้เหมาะสมก่อนที่ความต้องการจะเกิดขึ้น

ยุคใหม่ของประสิทธิภาพ DevOps

Sedai ก่อตั้งโดย Suresh Mathew และ Benji Thomas หลังจากที่ได้สัมผัสกับความท้าทายในการปรับขนาดของไมโครเซอร์วิสที่ PayPal ในขณะที่ DevOps เร่งการปรับใช้ แต่ก็สร้างภาระใหม่ๆ เช่น การทำงานอย่างไม่สิ้นสุด ความเหนื่อยล้าจากการเตือน และระบบที่เปราะบางที่ถูกยึดด้วยการแก้ปัญหาแบบมือ

Sedai เปลี่ยนแปลงพลวัตนี้โดยการดำเนินการแทนการอาศัยวิศวกรในการตีความเมตริกและตอบสนองด้วยตนเอง แพลตฟอร์มนี้จัดการงาน เช่น:

• การตรวจจับและแก้ไขการเสื่อมสภาพของโครงสร้างพื้นฐานแบบเรียลไทม์
• การปรับขนาดงานแบบแนวตั้งและแนวนอนตามจราจรที่แท้จริง
• การอัปเดตการกำหนดค่าเพื่อเพิ่มประสิทธิภาพต้นทุน ความหน่วง และความพร้อมใช้งาน
• การรีสตาร์ทหรือการซ่อมแซมบริการที่เสียหายก่อนที่ผู้ใช้จะสังเกตเห็น

แล้ว แพลตฟอร์มนี้ได้ดำเนินการอัตโนมัติมากกว่า 25 ล้านครั้งในการผลิต โดยจัดการค่าใช้จ่ายคลาวด์มูลค่า 3 พันล้านดอลลาร์ ซึ่งช่วยให้ลูกค้าประหยัดเงินมากกว่า 5 ล้านดอลลาร์ต่อปี ในขณะที่ให้เวลาแก่วิศวกรมากกว่า 22,000 ชั่วโมงในการทำงานที่มีประสิทธิภาพ

ได้รับความไว้วางใจจากผู้นำองค์กรชั้นนำในอุตสาหกรรมที่สำคัญ

Sedai ถูกใช้ในการผลิตโดยผู้นำ Fortune 500 ในด้านความปลอดภัยทางไซเบอร์ บริการทางการเงิน ยา การศึกษา และ AI ลูกค้า bao gồmชื่อชั้นนำ เช่น Palo Alto Networks (PANW ), Experian และ McGraw Hill (MH ) —บริษัทที่ต้องการโครงสร้างพื้นฐานที่มีเสถียรภาพ ประสิทธิภาพ และต้นทุนที่มีประสิทธิภาพในระดับขนาดใหญ่

ที่ KnowBe4 Sedai ลดต้นทุนการผลิตลง 50% และต้นทุนการพัฒนาลงมากถึง 87% รองประธานวิศวกร Matthew Duren ให้เครดิตแพลตฟอร์มนี้ไม่เพียงแต่ในด้านประสิทธิภาพต้นทุน แต่ยังเปลี่ยนแปลงบทบาทของเขาเอง—ทำให้ทีมของเขามีเวลาในการมุ่งเน้นไปที่โครงการริเริ่มเชิงกลยุทธ์แทนการทำงานที่มีคุณค่าต่ำ

ผลลัพธ์เหล่านี้ไม่ใช่การคาดการณ์—พวกมันสะท้อนถึง AI ที่แท้จริงในสภาพแวดล้อมการผลิต โดยจัดการระบบการผลิตและแม้กระทั่งงานโหลดที่ซับซ้อนของเครื่องจักร

ไปไกลกว่าระบบอัตโนมัติ: ทำไมเอเย่นต์ AI จึงเป็นขั้นตอนต่อไป

เป็นสิ่งสำคัญที่จะต้องแยกแยะระหว่างระบบอัตโนมัติและระบบอัตโนมัติ ระบบอัตโนมัติจะดำเนินการตามงานที่กำหนดไว้ล่วงหน้าตามเกณฑ์หรือสคริปต์แบบคงที่ ในทางกลับกัน เอเย่นต์ AI ของ Sedai สังเกตและเรียนรู้จากระบบของคุณ โดยค้นหาการกระทำที่ดีที่สุดแบบไดนามิก—แม้ว่าสภาพแวดล้อมจะเปลี่ยนแปลง

ความแตกต่างนี้มีความสำคัญ ในโลกที่มีรูปแบบการจราจรที่เปลี่ยนแปลงไป การพึ่งพาบริการ และสถาปัตยกรรมการปรับใช้แบบกระจาย ระบบอัตโนมัติแบบคงที่จะล้าสมัยอย่างรวดเร็ว แพลตฟอร์ม Sedai ที่มี AI เป็นศูนย์กลางรับประกันการเพิ่มประสิทธิภาพอย่างต่อเนื่อง แม้ในสภาพแวดล้อมที่ซับซ้อน

ตัวอย่างเช่น แพลตฟอร์มนี้เรียนรู้ว่าบริการเฉพาะทำงานอย่างไรภายใต้ภาระงานที่แตกต่างกัน และปรับทรัพยากรให้เหมาะสมตามนั้น หากความหน่วงเพิ่มขึ้นเนื่องจากปัญหาการจัดเก็บข้อมูล Sedai สามารถดำเนินการได้ทันที—โดยไม่ต้องรอให้วิศวกรตีความการเตือน

แพลตฟอร์มสำหรับองค์กรวิศวกรรมทั้งหมด

Sedai มอบคุณค่าให้กับทุกบทบาทในสตैकวิศวกรรม:

• SREs และ วิศวกร DevOps ลดการทำงานและบรรลุเป้าหมายความน่าเชื่อถือโดยไม่ต้องเหนื่อยล้า
• นักพัฒนา มุ่งเน้นไปที่การขนส่งโค้ด ในขณะที่ Sedai รับประกันการกำหนดค่าที่เหมาะสมในการผลิต
• ผู้นำวิศวกรรม ได้รับประสิทธิภาพการทำงานและประหยัดค่าใช้จ่ายคลาวด์อย่างมาก
• สถาปนิกและ CTOs ทำให้โครงสร้างพื้นฐานกลายเป็นตัวแตกต่างที่มีกลยุทธ์ ไม่ใช่ภาระ

ด้วยการกำหนดค่าเพียง 15 นาที ทีมสามารถเชื่อมต่อ Sedai กับเครื่องมือคลาวด์และ APM ของตน จาก那里 แพลตฟอร์มนี้เริ่มเรียนรู้ การตรวจสอบการเพิ่มประสิทธิภาพที่ปลอดภัย และในที่สุดก็ดำเนินการใน生产แบบเรียลไทม์—พร้อมด้วยการตรวจสอบความถูกต้องสำหรับการปฏิบัติตามข้อกำหนด

สิ่งที่จะเกิดขึ้นต่อไป: การเพิ่มประสิทธิภาพสแต็กโครงสร้างพื้นฐาน AI

ด้วยการระดมทุน Series B Sedai จะขยายความสามารถของตนเข้าสู่ความท้าทายที่สำคัญที่สุดในโครงสร้างพื้นฐาน AI สมัยใหม่ รวมถึง:

• การปรับแต่งอัตโนมัติสำหรับแอปพลิเคชัน LLM เพื่อให้แน่ใจว่าการกำหนดค่าที่เหมาะสมระหว่างการอนุมาน
• การกำกับดูแล GPU อัตโนมัติ โดยจัดการทรัพยากรคอมพิวเตอร์ที่มีค่าใช้จ่ายสูงแบบเรียลไทม์
• การเพิ่มประสิทธิภาพ AI สำหรับแพลตฟอร์มข้อมูล เช่น Databricks และ Snowflake

ความพยายามเหล่านี้สอดคล้องกับอนาคตที่งานจะเรียกร้องโครงสร้างพื้นฐานที่มีความฉลาดเท่ากันเพื่อสนับสนุน เช่น โมเดล AI การประมวลผลแบบเรียลไทม์ และการวิเคราะห์ข้อมูล

“เมื่อการนำคลาวด์มาใช้เพิ่มขึ้น บริษัทต่างๆ กำลังต่อสู้เพื่อปรับปรุงประสิทธิภาพในขณะที่ลดต้นทุน เอเย่นต์ AI มีตำแหน่งที่ไม่เหมือนใครในการแก้ปัญหานี้ในระดับขนาดใหญ่” กล่าวโดย Manish Agarwal ผู้ร่วมทุนของ AVP

อนาคตของโครงสร้างพื้นฐานคลาวด์คืออัตโนมัติ

การเกิดขึ้นของแพลตฟอร์มคลาวด์แบบอัตโนมัติเป็นสัญญาณของการเปลี่ยนแปลงในอุตสาหกรรมที่กว้างขึ้น—จากระบบที่มีมนุษย์อยู่ในวงจรไปสู่เอเย่นต์ที่ฉลาดซึ่งดำเนินการอิสระในแบบเรียลไทม์ เมื่อองค์กรขยายขนาดการวางคลาวด์และยอมรับสถาปัตยกรรมที่กระจายและซับซ้อนมากขึ้น การจัดการโครงสร้างพื้นฐานด้วยตนเองกำลังถึงขีดจำกัด

DevOps ซึ่งเคยถูกมองว่าเป็นวิธีแก้ปัญหาสำหรับการปรับใช้ที่เร็วขึ้นและความคล่องตัวในการดำเนินงาน ตอนนี้ก็เผชิญกับความกดดันจากความซับซ้อนที่เพิ่มขึ้น ความเหนื่อยล้าจากการเตือน และความไม่эффективงในการใช้จ่ายด้านต้นทุน เครื่องมือติดตามและอัตโนมัติแบบดั้งเดิมมอบความสามารถในการสังเกตเห็นและการเขียนสคริปต์—แต่ยังคงต้องอาศัยวิศวกรในการวิเคราะห์ ตีความ และดำเนินการ ซึ่งแนวทางที่ตอบสนองนี้ต่อสู้ที่จะตามทันความต้องการบริการสมัยใหม่

แพลตฟอร์มแบบอัตโนมัติเป็นตัวแทนของขั้นตอนวิวัฒนาการถัดไป โดยการรวมการเรียนรู้แบบเสริมกำลังลึก การอนุมานสาเหตุ และการปรับขนาดแบบปรับได้เข้ากับกระบวนการทำงานหลักของโครงสร้างพื้นฐาน พวกมันให้ความสามารถในการปรับให้เหมาะสมและฟื้นตัวในแบบอัตโนมัติและต่อเนื่อง—โดยไม่ต้องมีการแทรกแซง ผลลัพธ์ไม่เพียงแต่เพิ่มประสิทธิภาพการทำงานเท่านั้น แต่ยังเปลี่ยนแปลงโครงสร้างพื้นฐานด้วย—มีเวลาออกตัวที่เร็วขึ้น การควบคุมต้นทุนที่ดีขึ้น และประสบการณ์ของนักพัฒนาที่ดีขึ้น

เมื่อระบบนิเวศน์เติบโตขึ้น การเปลี่ยนแปลงนี้จะส่งผลกระทบต่อทุกสิ่ง ตั้งแต่วิธีการจัดทีมและโครงสร้าง ไปจนถึงวิธีการออกแบบ การทดสอบ และการปรับใช้แอปพลิเคชัน ผู้นำรุ่นแรกๆ ได้พิสูจน์แล้วว่าการดำเนินงานแบบอัตโนมัติสามารถให้ผลประโยชน์ที่แท้จริงในด้านประสิทธิภาพการผลิต ประสิทธิภาพ และผลตอบแทนทางการเงิน

ในขณะที่ Sedai เป็นหนึ่งในผู้นำที่นำวิสัยทัศน์นี้มาเป็นจริง สิ่งที่ได้รับเป็นข้อสรุปที่ชัดเจนคือโครงสร้างพื้นฐานคลาวด์ไม่ใช่สิ่งที่วิศวกรต้องจัดการอย่างต่อเนื่องอีกต่อไป—มันกำลังจะกลายเป็นสิ่งที่จัดการตัวเอง