هزینه های ابری سر به فلک کشیده؟ با استارتاپ هوش مصنوعی آشنا شوید که این هزینه ها را به نصف کاهش می دهد

میامی، فلوریدا بازیگران هوش مصنوعیاستارت آپی که ضربه می زند فراگیری ماشین (ML) برای کمک به شرکت‌ها برای کنترل هزینه‌های ابری خود، امروز اعلام کرد ۳۵ میلیون دلار در دور سری B سرمایه جمع‌آوری کرده است.

این سرمایه‌گذاری که توسط شرکای سرمایه‌گذاری Vintage هدایت می‌شود، توسط شرکت مورد استفاده قرار می‌گیرد تا پیشنهادات هوش مصنوعی خود را بسازد و به تیم‌های سازمانی راه‌حلی توانمندتر بدهد تا نه تنها هزینه‌های ابری خود را ردیابی کنند، بلکه آن را بر اساس نیازها نیز بهینه کنند. کار دستی مدیریت منابع در زمان واقعی و پایین نگه داشتن هزینه ها را کاملاً خودکار می کند.

یوری فرایمن، یکی از بنیانگذاران و مدیرعامل Cast AI در بیانیه ای گفت: «هر فردی در Cast AI بی وقفه روی کمک به مشتریان برای کاهش هزینه های ابری خود با خودکارسازی وظایفی که به بهترین وجه توسط سیستم های یادگیری ماشین انجام می شود، متمرکز است. به همین دلیل است که رشد مشتریان ما همچنان تسریع می یابد و ما از مشتریان خیمه شب بازی استقبال کرده ایم.

خودکارسازی خوشه های Kubernetes برای کاهش هزینه های ابر

امروزه، تقریباً هر شرکتی با هر نوع داده دیجیتالی قابل ضبط، برنامه‌های کاربردی را مدرن‌سازی کرده و آنها را به فضای ابری منتقل می‌کند.

این تغییر طبیعی است – با توجه به مزایای آشکار هایپراسکیل کننده هااما بسیاری از تیم ها به سختی می توانند به صورت حساب های ابری خود دست پیدا کنند.

همانطور که کاربرد آن‌ها افزایش می‌یابد، هزینه‌های اجرای کل کار از هزاران دلار به میلیون‌ها دلار می‌رسد. و دلیل آن این است: تامین بیش از حد یا کم منابع. تلاش دستی برای مدیریت منابع به اندازه کافی برای صرفه جویی در هزینه کار نمی کند.

زمانی که یوری فرایمن، لئون کوپرمن و لورن گیل، بنیانگذاران پلتفرم امنیت سایبری Zenedge که توسط اوراکل خریداری شده است، با مشاهده همین مشکل در محصول خود، تصمیم گرفتند که هوش مصنوعی را در اختیار بگیرد و نیاز به بهینه سازی دستی را از بین ببرد. این منجر به راه اندازی دومین سرمایه گذاری آنها شد: Cast AI.

گیل، مدیر تولید Cast در مصاحبه ای با VentureBeat گفت: ما به سرعت متوجه شدیم که تنها نیستیم. “هر شرکت دیگری در سراسر جهان که در حال توسعه برنامه های کاربردی بومی ابری بود دقیقاً در یک قایق بودند. هدف ما [with Cast AI] ساخت محصولی بود که آرزو داشتیم در Zenedge داشته باشیم. اما باید چیزی بیشتر از یک ابزار ساده قابل مشاهده هزینه باشد. ما نیاز به ایجاد یک پلتفرم هوش مصنوعی پیشرفته داشتیم که بتواند منابع ابری را در زمان واقعی و در عین حال برای هزینه بهینه سازی کند.»

مورد اعتماد چندین شرکت بزرگ برای کاهش هزینه ها

بنیانگذاران این شرکت را در سال ۲۰۱۹ راه اندازی کردند و در حال حاضر به چندین مشتری سازمانی خدمات می دهند، از جمله Akamai، Yotpo، Sharechat، Rollbar، Switchboard و EVgo.

در اصل، این پیشنهاد را می توان به عنوان یک پلتفرم همه کاره توصیف کرد که از الگوریتم های پیشرفته ML و اکتشافی برای بهینه سازی خودکار خوشه های Kubernetes استفاده می کند و در عین حال دید کامل و بینش را در مورد نحوه تهیه منابع ارائه می دهد.

Kubernetes اغلب به اختصار K8s نامیده می شود، استقرار و مدیریت آن را خودکار می کند برنامه های کاربردی کانتینری با استفاده از زیرساخت های داخلی یا پلت فرم های ابر عمومی. هنگامی که چندین نسخه از این سیستم در حال استفاده است، یک خوشه Kubernetes در حال بازی است.

اکنون، در زمانی که اکثر سازمان‌ها بر ابزارهای نظارت خودکار برای خوشه‌های K8s خود تمرکز می‌کنند، Cast AI با اتصال از طریق شرکای ابری (Google Cloud، AWZ یا Azure) و اجرای مدل‌ها برای تجزیه و تحلیل و بهینه‌سازی خودکار این خوشه‌ها یک گام جلوتر می‌رود.

این سطح از تنظیم به شرکت ها اجازه می دهد تا ۵۰٪ یا بیشتر در هزینه های ابری خود صرفه جویی کنند و عملکرد، قابلیت اطمینان، DevOps و بهره وری مهندسی را افزایش دهند.

به عنوان مثال، یکی از مشتریان، Iterable، توانست صورتحساب سالانه ابر خود را بیش از ۶۰ درصد کاهش دهد که به معنای پس انداز به ارزش ۳-۴ میلیون دلار در هر سال است.

ویژگی های بیشتر در خط لوله

با آخرین دور سرمایه گذاری، که کل سرمایه Cast AI را به ۷۳ میلیون دلار افزایش می دهد، این شرکت قصد دارد محصول خود را گسترش دهد و جنبه های بیشتری از بهینه سازی Kubernetes را خودکار کند. در واقع، به تازگی دو ویژگی جدید را بر روی پلتفرم راه اندازی کرده است: Workload Rightsizing و PrecisionPack.

اولی مقیاس‌بندی درخواست‌های حجم کار را تقریباً در زمان واقعی خودکار می‌کند و عملکرد بهینه را در عین مقرون‌به‌صرفه بودن تضمین می‌کند. در همین حال، دومی نسل بعدی رویکرد زمان‌بندی Kubernetes است که تصادفی بودن را در قرار دادن غلاف از بین می‌برد. از یک الگوریتم پیچیده bin-packing برای اطمینان از موقعیت یابی استراتژیک غلاف بر روی مجموعه تعیین شده از گره ها، به حداکثر رساندن استفاده از منابع، و در عین حال تقویت کارایی و قابلیت پیش بینی در سراسر خوشه های Kubernetes استفاده می کند.

در حالی که Cast AI یک رقیب قوی در رده به اصطلاح FinOps است – ابزارهایی که سعی در کاهش هزینه های ابری دارند، این تنها ابزاری نیست که این مشکل را هدف قرار می دهد. بازیکنان دوست دارند CloudZero، زستی و Exostellar نیز به لطف پشتوانه قوی سرمایه گذاری خطرپذیر، به شدت در همان فضا حرکت می کنند.