AI智能体遥测：数据不出云新策略
AI智能体可观测性领域正在迅速崛起，但企业如何确定他们需要什么样的可观测性产品与解决方案呢？
可观测性初创公司groundcover（小写”g”为刻意设计）本周宣布完成1亿美元C轮融资，由One Peak领投，总融资额已达1.6亿美元。
该公司表示，其付费客户已超过250家，过去一年年收入增长了三倍，并正在逐步取代企业环境中的传统可观测性平台。这些为公司自报数据，但共同指向企业软件最具竞争力市场之一的增长势头。
长期以来，该市场一直由Datadog、Dynatrace、New Relic、Splunk和Grafana等公司主导。它们合计代表数十亿美元的年收入和多年的产品成熟度。要打入这个集团从来不是易事。
groundcover的论点是，人工智能已经从根本上改变了这些平台构建的基础假设。
这家成立四年的公司没有选择逐项功能竞争，而是试图说服企业，随着AI系统变得更加自主、产生海量遥测数据并 increasingly 参与软件操作，支撑可观测性本身的架构需要改变。这一论点是否正确仍有待验证，但它提供了一个引人入胜的视角，用以审视可观测性如何随企业AI共同演进。
AI正将遥测数据转变为基础设施问题
传统上，可观测性被视为生产后学科。工程师部署应用、监控日志、指标和追踪、调查事故，并随时间提高可靠性。
这种工作流程正在改变。
AI辅助软件开发极大地加速了部署周期。代码助手生成更多代码，基础设施演化更快，组织正在部署越来越复杂的分布式系统，这些系统结合了微服务、Kubernetes集群、API和大语言模型。同时，企业开始运营执行多步骤工作流、调用外部工具并与生产系统交互的AI智能体。
这些活动中的每一项都会产生遥测数据。
结果是运营数据的爆炸式增长，组织越来越倾向于保留而非丢弃这些数据。AI应用在传统基础设施监控之外引入了额外的可观测性层，包括提示执行、模型延迟、令牌消耗、检索管道、工具调用和智能体行为。随着企业尝试自主系统，这些遥测数据变得越来越有价值，因为它提供了理解AI系统实际行为及其原因所需的上下文。
对于许多组织而言，这与按数据摄取量收费的定价模式产生了冲突。
历史上，工程师通常通过对追踪数据进行采样、缩短保留期或限制收集的数据来应对。这些方法降低了成本，但也恰恰在AI驱动系统需要更完整运营上下文的时候降低了可见性。
“我们见证了遥测数据的爆炸式增长，”groundcover联合创始人兼首席执行官Shahar Azulay在最近的一次媒体简报中表示。”用户对无法从Datadog和类似平台获得全部价值感到沮丧。他们正在限制数据、隔离数据、对数据进行采样。”
这种挫折是否广泛到足以重塑市场仍有待观察，但潜在趋势不容忽视。AI使可观测性从收集足够数据，转变为收集组织最终可能需要的所有数据。
groundcover主张架构本身需要改变，而非简单添加AI功能
过去两年，许多可观测性供应商引入了AI助手、AI驱动的根本原因分析和AI可观测性功能。Datadog、Dynatrace、New Relic和Grafana都已宣布旨在帮助企业监控AI应用或自动化运营任务的产品。
groundcover承认这些发展，但认为它们没有解决其视为更根本的问题：遥测数据的存储位置以及客户如何为其付费。
groundcover不采用在供应商管理的基础设施中存储客户遥测数据的传统SaaS平台，而是使用其所谓的”自带云”(BYOC)架构。
客户将数据平面（包括遥测数据存储和处理）保留在自己的AWS、Microsoft Azure或Google Cloud环境中，同时groundcover提供托管控制平面和用户体验。也提供完全自托管部署选项。
虽然包括Datadog和一些其他可观测性供应商在内的竞争对手确实提供有限的混合或客户控制数据驻留选项，但这些选项通常不完全等同于完整的BYOC模式。在大多数情况下，遥测数据仍然在供应商管理的基础设施中处理和存储，只有部分控制（如区域数据驻留、专用链接或选择性日志转发）可用。
这一架构决策几乎影响了公司战略的每个方面。
因为客户已经为自己的云基础设施付费，groundcover认为它可以避免基于遥测数据摄取量收费。相反，定价主要基于受监控的主机数量，与遥测数据量无关。
该公司相信这会改变客户的行为。
组织理论上可以保留完整的遥测数据，并将其用于运营分析、合规性和AI辅助故障排除，而不必决定哪些日志或追踪因成本过高而无法保留。
“我们不按数据量定价，”Azulay表示，”我们按基础设施规模定价。”
这一区别很重要，因为AI工作负载倾向于增加遥测数据的速度远快于基础设施本身。
这不一定使基于主机的定价普遍更便宜。在许多主机上运行相对轻量级工作负载的组织可能会发现与生成大量遥测数据的密集Kubernetes环境不同的经济性。该公司自己的简报指出，基于主机的定价对高遥测密度的组织最有利，而对于轻量使用的车队可能不那么吸引人。
尽管如此，更广泛的争论不仅关乎成本，更关乎可预测性。企业基础设施团队经常面临与应用增长同步波动的可观测性账单。groundcover的模式试图使定价更紧密地与基础设施规划而非数据生成保持一致。
eBPF处于公司技术差异化的中心
groundcover战略的第二大支柱是eBPF，这是一种Linux内核技术，已迅速成为现代云可观测性最重要的构建块之一。
eBPF允许操作系统内核内运行的软件通过最少的代码更改来观察网络流量、系统调用和应用程序行为，而不需要开发人员手动对应用程序进行检测。
这实现了更快的部署和更广泛的可见性。
对于运营Kubernetes集群和云原生应用的组织来说，减少检测复杂性可以显著缩短部署时间，同时提高遥测覆盖率。
Azulay认为，随着AI系统跨服务产生越来越复杂的交互，这变得尤为重要。
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！