InsightFinder获1500万美元融资，助力企业精准定位AI代理故障根源
【编者按】在AI浪潮席卷全球的今天，企业技术栈正经历前所未有的重构。当AI智能体成为业务核心组件，传统监控工具已难以应对复杂系统的“黑箱”挑战——模型漂移、数据异常、基础设施故障往往交织成难以诊断的谜题。而一家源自北卡州立大学实验室的初创公司，正用十五年学术沉淀破解这道行业难题。他们不仅让AI系统学会自我诊断，更构建起横跨数据、模型、基础设施的全局观测视野。这或许预示着，在AI驱动的新时代，可靠性的战场已从“监控一切”转向“智能洞察”。以下带来这家公司的深度解析：
可观测性工具的角色再次进化。尽管保障技术系统可靠性的解决方案市场多年来持续增长，但行业重心已稳步从“追踪一切”转向“控制复杂度与成本”。与此同时，AI智能体在企业中的快速涌入与应用，恰好新增了一类亟待观测的全新工作负载。
基于15年学术研究创立的InsightFinder AI，对这道难题并不陌生。
该公司自2016年起便运用机器学习监控、识别并主动修复IT基础设施问题，如今正以其AI智能体解决方案攻坚当下的AI模型可靠性难题——该方案能从检测诊断到修复预防实现全流程覆盖。
据TechCrunch独家获悉，这家由北卡州立大学计算机科学教授、前IBM与谷歌工程师顾海伦（Helen Gu）创立的公司，近日完成1500万美元B轮融资，由宇星系资本领投。
顾教授指出，当前行业面临的最大挑战不仅是监控和诊断AI模型何处出错，更在于诊断AI融入技术栈后整个系统的运行状态。
“要诊断这些AI模型问题，必须同时监控分析数据、模型和基础设施，”她向TechCrunch解释，“问题不总出在模型或数据本身，往往是复合性成因。有时，根源仅仅是基础设施。”
她通过一个真实案例说明：某美国头部信用卡客户发现反欺诈模型出现漂移。由于InsightFinder监控着该企业全部基础设施，最终定位到模型漂移源于部分服务器节点的缓存过期。
“最大的误解在于，人们常将AI可观测性局限于开发测试阶段的LLM评估。相反，完善的AI可观测平台应提供覆盖开发、评估、生产阶段的端到端反馈循环支持。”她强调。
InsightFinder最新产品“自主可靠性洞察”融合无监督机器学习、专有大/小语言模型、预测性AI与因果推断技术，构建了数据无关的底层架构。该系统能吞吐分析完整数据流，通过信号关联与交叉验证定位根本原因。
当前可观测性赛道因AI工具涌入而竞争加剧。成立近十年的InsightFinder，正与Grafana Labs、Fiddler、Datadog、Dynatrace等厂商竞逐AI衍生的新需求。
但顾海伦从容不迫。她指出，InsightFinder的专业积淀与可定制化能力已构筑足够护城河：“我们极少流失客户…这关乎洞察深度。许多数据科学家懂AI却不懂系统，而SRE开发者懂系统却不懂AI…他们往往忽视内在关联。”
目前InsightFinder客户名单涵盖瑞银、NBC环球、联想、戴尔、谷歌云、康卡斯特等巨头。顾海伦将成功归因于十年深耕大型企业需求的积累。
“我们与《财富》50强客户反复打磨，才理解部署此类模型的企业环境需求，”她举例，“正协助戴尔为全球顶级客户部署AI系统，这绝非简单套用基础AI模型就能实现。”
她透露公司营收流“强劲”，去年增长“超三倍”。本轮B轮融资实属“被动获得”——因某《财富》50强企业在三个月内签下七位数订单，投资方主动接洽。
InsightFinder将用新资金首次组建销售营销团队，扩张目前不足30人的规模，并加大市场推广投入。至此，公司总融资额已达3500万美元。
本文由吉伊网原创发布，未经许可，不得转载！
本文链接：http://www.jkiyi.com/gd/19157.html
