可观测性工具角色演变：从“追踪一切”转向“控制复杂性与成本”
可观测性工具的角色再次发生演变。尽管确保技术系统可靠性的解决方案市场持续增长，但重心已从“追踪一切”稳步转向“控制复杂性和成本”。与此同时，企业内部快速涌入并采用AI智能体，增加了一类需要被观测的全新工作负载。
InsightFinder AI获1500万美元B轮融资，聚焦AI模型可靠性
基于15年学术研究成立的初创公司InsightFinder AI对这一问题并不陌生。该公司自2016年以来一直使用机器学习监控、识别并主动修复IT基础设施问题，如今声称可通过AI代理解决方案解决当前AI模型可靠性问题，实现检测、诊断、修复和预防一体化。
TechCrunch独家获悉，由北卡罗来纳州立大学计算机科学教授、前IBM及谷歌员工海伦·顾（Helen Gu）担任CEO的InsightFinder AI，近日在Yu Galaxy领投的B轮融资中筹集了1500万美元。
核心挑战：诊断整个技术栈的运行方式
据顾女士介绍，当今行业面临的最大问题不仅是监控和诊断AI模型出错位置；随着AI成为技术栈一部分，更大挑战在于诊断整个技术栈的运行方式。
顾女士表示：“为了诊断AI模型问题，需同时监控和分析数据、模型及基础设施。这并非单纯的模型或数据问题，而是两者的结合，有时甚至仅是基础设施问题。”
她以某美国主要信用卡公司为例：其欺诈检测模型出现漂移，因InsightFinder监控了所有基础设施，成功识别出漂移是由部分服务器节点中的过时缓存引起。
顾女士强调：“最大误解是认为AI可观测性仅限于开发测试阶段的LLM评估。健全的AI可观测性平台应提供覆盖开发、评估和生产阶段的端到端反馈循环支持。”
自主可靠性洞察：数据无关的根因分析
InsightFinder最新产品“自主可靠性洞察”（Autonomous Reliability Insights），结合无监督机器学习、专有大小语言模型、预测性AI及因果推断实现上述功能。该基础层具有数据无关性（data agnostic），能摄入分析完整数据流，收集信号并进行关联交叉验证，从而确定根本原因。
竞争优势：跨越AI与系统的专业护城河
当前可观测性领域竞争激烈，Grafana Labs、Fiddler、Datadog、Dynatrace、New Relic和BigPanda等均在构建应对AI新问题的能力。但顾女士认为InsightFinder的专业知识、经验和可定制性构成了足够护城河。
她表示：“关键在于洞察。许多数据科学家懂AI但不了解系统，许多SRE开发人员了解系统却不懂AI，他们往往无法理解其中的内在关系。”
企业级客户验证与强劲增长
目前InsightFinder客户包括瑞银集团（UBS）、NBCUniversal、联想、戴尔、Google Cloud和康卡斯特。顾女士将成功归因于十年来致力于理解大型企业客户需求。
她说：“这归结为与财富500强客户合作，打磨并理解部署此类模型所需的企业环境要求。例如与戴尔合作在全球最大客户中部署AI系统，绝非简单将基础AI模型贴到机器数据上就能完成。”
顾女士透露，公司收入流强劲，过去一年增长超三倍。原本未计划本轮融资，但在三个月内赢得一笔七位数金额的财富500强大单后，投资者主动找上门。截至目前，公司累计融资已达3500万美元。
资金用途：扩大团队与市场进入策略
InsightFinder将利用新资金进行首次销售和营销招聘，扩大不足30人的团队，并投资于市场进入策略。