蔓生科技获得 3,500 万美元 A 轮融资，推动可观察性基础设施发展

总部位于巴黎的可观察性初创公司蔓生科技（Tsuga）获得 3,500 万美元 A 轮融资，距离其脱离隐身状态不足一年。随着企业努力应对 AI 驱动系统的日益复杂性和高昂的监控成本，蔓生科技的融资由 Singular 领投，现有投资者 General Catalyst 和新投资者 DST Global、QuantumLight 参投，另外还得到了 Picus 和 Databricks Ventures 的支持。该公司表示，已经签下了数百万美元的年度回收收入，并获得了包括 Le Monde、Camunda、Buk 和 Black Forest Labs 在内的客户。

新资金将用于扩大团队规模至约 100 名员工，并加速平台开发。

为什么可观察性面临新的挑战

可观察性平台 通过收集遥测数据（如日志、指标和跟踪）帮助组织监控应用程序、基础设施和日益增长的 AI 系统。随着企业部署更多 AI 代理和自主系统，生成的遥测数据量也大幅增加。

根据蔓生科技的说法，传统的可观察性架构是围绕客户将遥测数据发送到云平台的模式构建的。虽然这种方法在数据量较小时曾经有效，但 AI 工作负载现在产生了大量遥测数据，从而推高了摄取成本，并在敏感数据的治理方面带来了新的挑战。

该公司认为，许多组织现在被迫在控制成本（通过采样减少可见性）和接受迅速增加的可观察性账单之间做出选择。

不同的方法：自带云

蔓生科技由前 Datadog (DDOG ) 高管 Gabriel-James Safar 和 Sébastien Deprez 于 2024 年创立，采用自带云（BYOC）架构。

与其将遥测数据发送到第三方服务，蔓生科技的平台直接部署在客户的云环境中。该公司的平台支持包括 AWS、Microsoft Azure、Google Cloud 和主权云环境在内的主要云提供商。遥测数据保持在客户自己的基础设施内，存储在他们的对象存储中，并使用他们自己的安全控制进行加密。

这种架构旨在同时解决多个挑战：数据主权要求、合规问题、基础设施成本和供应商锁定。蔓生科技支持开放标准，如 OpenTelemetry，并使用开放数据格式，允许客户对自己的遥测数据保持控制。

为 AI 系统构建可观察性

AI 应用的兴起也改变了组织需要监控的内容。

除了传统的日志、指标和应用程序跟踪外，企业日益需要对 AI 特定工作流（如提示执行、令牌使用、代理交互、置信度评分和多代理调用链）有可见性。蔓生科技的平台将这些功能结合到一个环境中，同时将数据保持在客户的云边界内。

该公司将自己定位为“AI 原生弹性可观察性”平台，提供专门为 AI 工作负载设计的可观察性工具。功能包括 AI 驱动的异常检测、自动根因分析、部署监控和代理可观察性功能。

蔓生科技还提供了一个 MCP 服务器和命令行工具，允许工程团队在不将数据移出安全边界的情况下，基于可观察性数据构建自己的 AI 代理。

软件旁边的服务层

与许多 SaaS 供应商不同，蔓生科技将软件与前部署工程模型相结合。

该公司直接与客户合作，优化遥测环境，减少不必要的数据收集，并随着时间的推移提高可观察性效率。这种方法反映了企业软件中更广泛的趋势，即供应商越来越多地提供技术和运营专业知识。

随着组织继续扩大 AI 部署，管理由此产生的大量遥测数据变得越来越重要的运营挑战。蔓生科技的方法不仅关注数据的收集和分析，还关注帮助客户减少需要处理和保留的信息量。

更中立的版本是：

可观察性的优先事项变化的迹象

融资轮次发生在基础设施团队重新评估可观察性系统如何融入日益由 AI 驱动的环境的时期。

随着组织部署更多 AI 应用和自主代理，遥测数据量继续增长，对于在这些工作负载变得普遍之前设计的架构施加了额外的压力。同时，数据治理、合规性和成本管理已成为企业买家更突出的考虑因素。

蔓生科技的方法反映了对这些挑战的一种回应：将可观察性数据保持在客户控制的云环境中，而不是通过供应商运营的平台进行路由。这种模型是否会获得更广泛的采用尚待观察，但它凸显了可观察性市场如何随着 AI 工作负载成为企业基础设施的重要组成部分而演变。

凭借最新的融资，蔓生科技加入了探索现代软件系统监控和管理新方法的初创公司行列。该公司的增长表明，一些组织正在积极评估传统可观察性架构的替代方案，以适应 AI 本地应用的运营需求。蔓生科技加入了一系列探索新方法的初创公司，包括用于监控和管理现代软件系统的解决方案。该公司的增长表明，一些组织正在积极评估传统可观察性架构的替代方案，因为它们适应了 AI 本地应用的运营需求。