Sedai 获得 2000 万美元资金，扩大自主云平台和 AI 代理的开发

Sedai，首个自主云平台的公司，宣布获得 2000 万美元 B 轮融资，以扩大其自主基础设施管理的愿景。由 AVP（Atlantic Vantage Point） 领投，Norwest、Sierra Ventures 和 Uncorrelated Ventures 跟投的这笔资金将用于 Sedai 的新领域扩张，包括 LLM 优化、GPU 资源管理和 Databricks 和 Snowflake 等平台的智能编排。

该平台标志着 DevOps 的一个转折点，通过用 AI 代理 取代传统的警报和仪表板范式，AI 代理从生产环境中学习并自主优化成本、性能和可用性。

“就像 Waymo 证明了自主驾驶汽车的可能性，Sedai 证明了自主基础设施不仅可能，而且必要，” Suresh Mathew，Sedai 的 CEO 和创始人说。

什么是真正的自主基础设施

大多数监控工具只是生成警报，而 Sedai 的方法则更加积极。该平台实时观察流量、应用程序行为和基础设施配置，然后自主做出改善性能和降低成本的决定——无需人工干预。

这种从可观察性到自主性的转变使 Sedai 成为真正的“自主”平台。其系统不仅仅是标记问题，还解决问题。

在其核心，Sedai 使用了一种多代理人 AI 架构，持续适应不断变化的工作负载和系统状态。该系统的核心是 深度强化学习（DRL），一种强大的机器学习形式，代理人通过试错学习。在 Sedai 的情况下，代理人被训练为根据实际性能结果动态扩展基础设施资源，如 CPU 和内存。随着时间的推移，这些代理人学会了哪些操作在实际环境中能带来最好的结果。

这种智能还通过异常检测和因果推断等技术得到了增强，允许 Sedai 预测故障并在影响客户体验之前确定根本原因。并且，通过季节性建模，系统会自动调整为循环模式，如每日流量峰值或月末处理负载，优化基础设施在需求激增之前。

DevOps 效率的新时代

Sedai 由 Suresh Mathew 和 Benji Thomas 创立，他们在 PayPal 经历了微服务的扩展挑战。虽然 DevOps 加速了部署，但也带来了新的负担——无休止的劳动、警报疲劳和通过手动工作来维持的脆弱系统。

Sedai 改变了这种动态，通过采取行动。与其依赖工程师解释指标并手动响应，平台处理任务，如：

• 实时检测和解决基础设施退化
• 根据实际流量垂直和水平扩展工作负载
• 更新配置以优化成本、延迟和可用性
• 在用户注意到之前重新启动或修复损坏的服务

已经，平台在生产环境中执行了超过 2500 万次自主操作，管理了 30 亿美元的云支出。这使客户每年节省了超过 500 万美元，同时让工程团队回收了超过 22,000 小时的生产时间。

被跨关键行业的企业领导者信任

Sedai 被财富 500 强的网络安全、金融服务、制药、教育和 AI 领导者在生产中使用。客户包括知名公司如 Palo Alto Networks (PANW ) 、Experian 和 McGraw Hill (MH ) ——这些公司依赖于大规模的稳定、高性能和成本效益的基础设施。

在 KnowBe4，Sedai 将生产成本降低了 50%，将开发成本降低了多达 87%。工程副总裁 Matthew Duren 将该平台归功于不仅仅是预算效率，还改变了他自己的角色——让他的团队能够专注于战略计划，而不是低价值任务。

这些结果并非预测——它们反映了在实际环境中运行的真实 AI，安全地管理生产系统，甚至高复杂性机器学习工作负载。

超越自动化：为什么 AI 代理是下一个飞跃

区分自动化和自主性是很重要的。自动化根据静态阈值或脚本执行预定义任务。相比之下，Sedai 的 AI 代理从系统中观察和学习，动态发现最佳操作——即使条件发生变化。

这种区别很重要。在一个不断变化的流量模式、服务依赖和部署架构的世界中，静态规则很快就会过时。Sedai 的 AI 首要方法确保了持续的优化，即使在复杂的情况下。

例如，其平台学习特定服务在不同负载下的行为，并相应地调整资源分配。如果由于特定的内存瓶颈导致延迟增加，Sedai 可以立即采取行动——无需等待人类解释警报。

为整个工程组织提供的平台

Sedai 为整个工程栈中的每个角色提供了价值：

• SRE 和 DevOps 工程师 减少了琐碎的工作并在不疲劳的情况下实现了可靠性目标。
• 开发人员 专注于发布代码，而 Sedai 确保生产中的最佳配置。
• 工程领导者 获得了运营效率和大量的云节省。
• 架构师和 CTO 将基础设施转变为战略性差异化，而不是负担。

只需 15 分钟的设置，团队就可以将 Sedai 连接到他们的云和 APM 工具。从那里，平台开始学习、验证安全优化，并最终在生产中采取行动——具有完整的审计跟踪以确保合规性。

接下来是什么：优化 AI 基础设施栈

凭借其 B 轮融资，Sedai 将扩大其功能以解决现代 AI 基础设施的一些最紧迫的挑战，包括：

• LLM 应用程序的自调优，确保推理期间的最佳配置
• GPU 编排的自治，实时管理昂贵的计算资源
• Databricks 和 Snowflake 等数据平台的 AI 驱动优化

这些工作与未来相吻合，在这种未来中，工作负载本身——AI 模型、推理管道、实时分析——需要同样智能的基础设施层来支持它们。

“随着云采用率的增加，公司正在努力提高性能同时降低成本。AI 代理独特地定位在解决这一问题的规模上，” Manish Agarwal，AVP 的普通合伙人说。

云基础设施的未来是自治的

自主云平台的崛起标志着行业向智能代理的转变，这些代理可以在不需要人工干预的情况下实时独立运行。随着企业扩大其云足迹并采用日益复杂的分布式架构，手动基础设施管理正在达到其极限。

DevOps，曾被认为是更快部署和运营敏捷性的终极解决方案，现在面临着日益复杂的压力、警报疲劳和成本低效。传统的可观察性和自动化工具提供了可见性和脚本，但仍然依赖于人类工程师来分析、解释和采取行动。这种反应性方法很难跟上现代服务的需求。

自主平台代表了下一个进化步骤。通过将深度强化学习、因果推断和自适应扩展集成到核心基础设施工作流中，它们提供了自优化和自愈合的能力——持续且无需干预。结果不仅是运营效率，还有结构转变：更少的中断、更快的发布、更好的成本控制和更好的开发者体验。

随着生态系统的成熟，这种转变将影响从团队的编制和结构到应用程序的架构、测试和部署的所有方面。早期采用者已经证明，自主操作可以带来生产力、性能和财务 ROI 的切实收益。

虽然 Sedai 是带来这一愿景的领导者之一，但更大的收获是明确的：云基础设施不再是工程师必须不断管理的东西——它正在成为能够自我管理的东西。