groundcover 获得 1 亿美元 C 轮融资，以扩大面向 AI 时代的可观察性平台

云可观察性公司 groundcover 已获得 1 亿美元的 C 轮融资，旨在扩大其平台，以帮助工程团队和 AI 代理理解日益复杂的生产环境。

本轮融资由 One Peak 领投，Morgan Stanley Expansion Capital (MS ) 和现有投资者 Zeev Ventures、Angular Ventures、Heavybit 和 Jibe 参投。这使得 groundcover 的总融资金额达到 1.6 亿美元。

该融资是在公司过去一年中实现了年度经常性收入三倍增长、全球员工人数翻倍以及超过 250 名付费客户的基础上进行的。其客户群体现在涵盖从初创公司到 Fortune 5 企业，而公司还报告称过去 12 个月内签署了多个七位数合同。

可观察性面临 AI 驱动的数据问题

可观察性平台 收集和分析日志、指标和跟踪等信号，以帮助工程团队了解应用程序和基础设施在生产环境中的行为。

随着云原生系统的扩展和公司引入大型语言模型、自主代理和日益相互连接的应用程序栈，这项任务变得更加困难。AI 应用程序可以在提示、模型响应、工具调用、数据库、API 和每个交互的基础设施支持等方面生成遥测数据。

更大的可见性可以帮助工程师识别幻觉、性能下降、工具调用失败和安全风险。然而，收集这些上下文也可能大大增加流入可观察性系统的数据量和敏感性。

传统平台通常通过对遥测进行采样或过滤来管理这些成本。这可以使底层数据更易于管理，但也可能删除用于重现事件所需的确切信息。这种限制在 AI 代理需要在没有持续的人类指导的情况下调查问题或建议更改时变得尤为重要。

groundcover 将其架构定位为替代模型，结合内核级别的数据收集和存储在客户自己的云环境中。

groundcover 的 BYOC 架构如何工作

平台的核心是一个自带云（BYOC）架构。与将所有可观察性数据传输到供应商运营的软件即服务环境不同，groundcover 在客户的云中部署其数据平面。

日志、基础设施指标、自定义指标、跟踪和 Kubernetes 事件可以在客户的基础设施中保留。一个单独的控制平面管理平台，但在网络级别上与生产工作负载和遥测隔离，根据 groundcover 的架构文档。

此安排旨在为客户提供托管软件体验，同时保留对数据驻留、隐私和安全性的更大控制权。这对于 AI 工作负载尤其相关，因为可观察性记录可能包括提示、模型输出、工具参数、用户信息或代理的推理过程的元素。

该公司还支持本地和空气隔离部署，以满足组织更严格的隔离要求。

结合 eBPF 和 OpenTelemetry

groundcover 通过扩展的伯克利包过滤器（eBPF）收集其遥测数据。该技术允许程序观察 Linux 内核内部的活动，为监控系统提供对网络通信、应用程序进程和资源使用的可见性，而无需开发人员手动为每个服务进行仪表化。

该公司表示，其自适应 eBPF 传感器可以在不需要代码更改的情况下部署，并用于捕获 Kubernetes 环境中的应用程序和基础设施遥测数据。

这并不意味着 groundcover 正在用 eBPF 替换既定的仪表化标准。该平台还与 OpenTelemetry 集成，OpenTelemetry 是一个提供通用 API、软件开发工具包和工具的开源框架，用于生成、处理和导出遥测数据。

这种组合为组织提供了两种互补的信息来源。eBPF 可以自动在基础设施和网络层捕获活动，而 OpenTelemetry 可以提供开发人员故意添加的应用程序特定上下文。

groundcover 将跟踪、指标、日志和 Kubernetes 事件整合到一个统一的界面中。其产品组合还包括应用程序性能监控、基础设施监控、日志管理、真实用户监控和大型语言模型应用程序的可观察性。

扩展 AI 代理的可观察性

该公司的雄心壮志超出了为人类操作员提供仪表板。其代理模式旨在帮助工程师调查事件、执行根因分析并识别可能的补救措施，使用平台内的遥测数据。

与其将通用聊天机器人放在日志集合上，groundcover 表示它围绕一种称为 GCQL 的统一查询语言重建了其内部 API。代理采取的操作可以被检查，并且结果可以转换为本地 groundcover 资产供工程师独立使用。

该公司还引入了模型上下文协议支持，允许开发人员将生产遥测数据带入兼容的 AI 代理和开发环境。其 AI 可观察性工具旨在捕获模型请求的更广泛的执行上下文，包括提示、响应、工具使用和会话历史。

这可能有助于团队确定问题是否源于模型本身、外部 API、检索系统、基础设施瓶颈或代理采取的操作序列。groundcover 表示，其基于 eBPF 的方法还可以检查 API 请求和响应内容，帮助团队检测异常或传输到外部模型提供者的敏感信息。

“我们是唯一一个利用 eBPF 的潜力和 BYOC 的无限力量进行可观察性的平台，”groundcover 首席执行官兼联合创始人 Shahar Azulay 表示。“在这种独特的架构之上，groundcover 建立了代理模式，我们的代理体验，帮助工程师在生产环境中表面、排除故障和补救问题。”

Azulay 表示，新资金将支持公司改变工程师和代理在生产运营中合作的方式的努力。

以下是更中立的替代部分：

未来影响

AI 代理的增长可能会改变组织对可观察性平台的期望。监控工具传统上帮助工程师在出现问题后调查事件，但自主系统可能需要持续访问详细的生产数据，以便它们可以实时识别问题、跟踪依赖关系并建议纠正措施。

这在可见性、成本和控制之间制造了紧张关系。AI 应用程序可以生成大量日志、跟踪和指标，而它们的遥测数据也可能包含敏感的提示、模型输出和客户信息。因此，在公司自己的云环境中保留数据的架构可能会变得更加有吸引力，特别是在受监管的行业或具有严格的数据驻留要求的组织中。

更广泛的问题是，是否可以信任 AI 代理根据可观察性数据采取行动，而不仅仅是总结它。不完整的遥测数据、误导性的相关性或不良定义的权限可能会导致自动系统错误地诊断事件或进行不必要的更改。随着这些功能的成熟，人类监督、审计跟踪和对自主操作的明确限制将保持重要性。

groundcover 的融资反映了对用于在大规模运行 AI 系统所需的基础设施日益增长的兴趣。从长远来看，其意义将取决于可观察性平台是否能够提供足够完整、安全和可靠的数据，以便人类和自动化代理在生产环境中做出明智的决策，而不是是否可以添加对话式界面。