groundcover Зібрав 100 Мільйонів Доларів Серії C, Щоб Масштабувати Платформу Обсервабельності Ери Штучного Інтелекту

Компанія з облачної спостережливості groundcover зібрала 100 мільйонів доларів у фінансуванні серії C для розширення платформи, призначеної для допомоги інженерним командам та агентам штучного інтелекту у розумінні все більш складних виробничих середовищ.

Раунд був очолений One Peak, з участю Morgan Stanley Expansion Capital (MS ) та існуючими інвесторами Zeev Ventures, Angular Ventures, Heavybit та Jibe. Це збільшує загальне фінансування groundcover до 160 мільйонів доларів.

Фінансування відбувається після року, протягом якого компанія потроїла річний рекурентний дохід, подвоїла свою глобальну робочу силу та перевищила 250 платних клієнтів. Її клієнська база тепер варіюється від ранніх стадій стартапів до підприємств Fortune 5, тоді як компанія також повідомляє про підписання кількох семизначних контрактів за останні 12 місяців.

Спостережливість Стикається З Проблемою Даних, Здійсненою Штучним Інтелектом

Платформи спостережливості збирають та аналізують сигнали, такі як журнали, метрики та траси, щоб допомогти інженерним командам зрозуміти, як програми та інфраструктура поводяться у виробничому середовищі.

Ця задача стає все більш складною, оскільки хмарні системи розширюються та компанії вводять великі мовні моделі, автономні агенти та все більш взаємопов’язані стеки застосунків. Застосунки штучного інтелекту можуть генерувати телеметрію по промптах, відповідям моделей, викликам інструментів, базам даних, API та інфраструктурі, що підтримує кожну взаємодію.

Більша видимість може допомогти інженерам ідентифікувати галюцинації, погіршення продуктивності, невдалі виклики інструментів та ризики безпеки. Однак збір цього контексту також може суттєво збільшити обсяг та чутливість даних, що надходять до систем спостережливості.

Традиційні платформи часто керують цими витратами шляхом вибіркової вибірки або фільтрації телеметрії. Це може зробити основні дані більш керованими, але також може видалити точну інформацію, необхідну для реконструкції інциденту. Обмеження стає особливо важливим, коли агенти штучного інтелекту повинні розслідувати проблеми або рекомендувати зміни без безперервного керівництва людини.

groundcover позиціонує свою архітектуру як альтернативу цій моделі, поєднуючи збір даних на рівні ядра з зберіганням всередині хмарної середовищі клієнта.

Як Працює Архітектура BYOC groundcover

У центрі платформи знаходиться архітектура bring-your-own-cloud, або BYOC. Замість передачі всіх даних спостережливості у середовище Software-as-a-Service, кероване постачальником, groundcover розгортає свій план даних всередині ізольованого облікового запису клієнта у хмарі.

Журнали, інфраструктурні метрики, метрики, траси та події Kubernetes можуть залишатися всередині інфраструктури клієнта. Відділений план контролю керує платформою, але ізольований від виробничих робочих процесів та телеметрії на рівні мережі, згідно з архітектурною документацією groundcover.

Ця домовленість призначена для надання клієнтам керованого програмного досвіду, зберігаючи при цьому більший контроль над житлом даних, конфіденційністю та безпекою. Це може бути особливо актуально для навантажень штучного інтелекту, де записи спостережливості можуть включати промпти, виходи моделей, аргументи інструментів, інформацію користувача або елементи процесу розсудку агента.

Компанія також підтримує локальні та повітряні розгортання для організацій зі суворішими вимогами до ізоляції.

Поєднання eBPF та OpenTelemetry

groundcover збирає більшу частину своєї телеметрії через розширений фільтр пакетів Berkeley, званий eBPF. Ця технологія дозволяє програмам спостерігати за діяльністю всередині ядра Linux, надаючи системам моніторингу видимість мережевої взаємодії, процесів застосунків та використання ресурсів без потреби ручної інструменталізації кожного сервісу.

Компанія каже, що її адаптивний сенсор eBPF можна розгорнути без змін коду та використовувати для захоплення телеметрії застосунку та інфраструктури по середовищам Kubernetes.

Це не означає, що groundcover замінює встановлені стандарти інструментування. Платформа також інтегрується з OpenTelemetry, відкритим фреймворком, який надає загальні API, комплекти програмного забезпечення та інструменти для генерації, обробки та експорту телеметрії.

Поєднання надає організаціям два взаємодоповнюючі джерела інформації. eBPF може автоматично захоплювати діяльність на рівнях інфраструктури та мережі, тоді як OpenTelemetry може постачати контекст застосунку, який намерено додається розробниками.

groundcover консолідує траси, метрики, журнали та події Kubernetes у єдиному інтерфейсі. Її портфель продукції також охоплює моніторинг продуктивності застосунку, моніторинг інфраструктури, керування журналами, моніторинг реальних користувачів та спостережливість для застосунків великих мовних моделей.

Розширення Спостережливості Для Агентів Штучного Інтелекту

Амбіції компанії виходять за рамки надання панелей інструментів для людських операторів. Її режим агента призначений для допомоги інженерам у розслідуванні інцидентів, виконанні аналізу кореневої причини та ідентифікації можливих кроків виправлення за допомогою телеметрії, доступної всередині платформи.

Натомість ніж розміщення загального чат-бота над колекцією журналів, groundcover каже, що вона перебудувала свої внутрішні API довкола уніфікованої мови запитів під назвою GCQL. Дії, виконані агентом, можна інспектувати, а результати можна перетворити на рідні активи groundcover для використання інженерами незалежно.

Компанія також ввела підтримку протоколу контексту моделі, що дозволяє розробникам вводити виробничу телеметрію у сумісні агенти штучного інтелекту та середовища розробки. Її інструменти спостережливості штучного інтелекту призначені для захоплення ширшого контексту виконання моделей, включаючи промпти, відповіді, використання інструментів та історію сесії.

Це може допомогти командам визначити, чи виникла проблема у самій моделі, зовнішньому API, системі витягування, інфраструктурному вузлі або послідовності дій, виконаних агентом. groundcover каже, що її підхід на основі eBPF також може інспектувати вміст запиту та відповіді API, допомагаючи командам виявляти аномалії або чутливу інформацію, передавану зовнішнім постачальникам моделей.

«Ми єдина платформа, яка використовує потенціал eBPF з безмежною силою BYOC для спостережливості», — сказав Шахар Азулай, генеральний директор та співзасновник groundcover. «На вершині цієї унікальної архітектури groundcover побудувала режим агента, наш агентський досвід, який допомагає інженерам висвітлювати, розслідувати та виправляти проблеми у виробництві».

Азулай сказав, що новий капітал підтримає зусилля компанії щодо зміни того, як інженери та агенти співпрацюють у виробничих операціях.

Ось більш нейтральний заміний розділ:

Майбутні Наслідки

Ріст агентів штучного інтелекту може змінити те, чого організації очікують від платформ спостережливості. Інструменти моніторингу традиційно допомагали інженерам розслідувати інциденти після того, як щось пішло не так, але автономні системи можуть потребувати безперервного доступу до детальної виробничої інформації, щоб вони могли виявляти проблеми, відстежувати залежності та рекомендувати коригувальні дії в режимі реального часу.

Це створює напруженість між видимістю, витратами та контролем. Застосунки штучного інтелекту можуть генерувати великі об’єми журналів, трас та метрик, тоді як їхня телеметрія також може містити чутливі промпти, виходи моделей та інформацію користувача. Архітектури, які зберігають дані всередині середовища хмари компанії, можуть стати більш привабливими, особливо в галузях, що регулюються, або організаціях зі суворішими вимогами до житла даних.

Ширше питання полягає в тому, чи можна довіряти агентам штучного інтелекту діяти на основі даних спостережливості, а не просто підсумовувати їх. Недостатня телеметрія, вводять кореляції або погано визначені дозволи можуть привести автоматизовану систему до неправильної діагностики інциденту або виконання непотрібної зміни. Керівництво людини, аудитні сліди та чіткі обмеження автономних дій будуть важливими, коли ці можливості дозрівають.

Фінансування groundcover відображає зростаючий інтерес до інфраструктури, необхідної для роботи систем штучного інтелекту у масштабі. Довгострокове значення буде залежати менше від того, чи можуть платформи спостережливості додати розмовні інтерфейси, а більше від того, чи можуть вони постачати достатньо повні, безпечні та надійні дані для людей та автоматизованих агентів, щоб приймати обґрунтовані рішення у виробничих середовищах.