InsightFinder 融资 1500 万美元，专解 AI 智能体疑难杂症

AI领域评论0字数 902阅读3分0秒阅读模式

AI 时代的可观测性挑战

可观测性工具的角色正在经历又一次演变。随着企业系统复杂度的提升，市场重心已从“追踪一切”转向“控制复杂度与成本”。与此同时，AI 智能体的大规模涌入，更带来了一个全新的工作负载类别——它们同样需要被纳入可观测性范畴。

总部位于北卡罗来纳州的初创公司 InsightFinder 基于 15 年学术研究成果，长期专注于这一领域。

自 2016 年起，InsightFinder 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，公司推出了全新产品 Autonomous Reliability Insights，旨在解决 AI 模型可靠性难题，涵盖检测、诊断、修复到预防的全流程。

创始人 Helen Gu（北卡罗来纳州立大学计算机科学教授，曾任职于 IBM 和 Google）指出，当前行业面临的最大问题不仅是监控 AI 模型出错的位置，更在于诊断 AI 接入后整个技术栈的运行状态。

“要诊断 AI 模型问题，必须将数据、模型和基础设施作为一个整体进行监控和分析。问题不一定出在模型或数据上，往往是几者的组合——有时仅仅是基础设施的问题。”——Helen Gu

她分享了一个典型案例：某大型美国信用卡公司的欺诈检测模型出现漂移，InsightFinder 通过监控全部基础设施，快速定位到根源是部分服务器节点上的缓存过期。

InsightFinder 平台采用无监督机器学习、自研大小语言模型、预测性 AI 和因果推断的组合方案。由于底层完全与数据解耦，系统能够摄取并分析完整数据流，将信号关联交叉验证，最终锁定根本原因。

Gu 特别澄清了一个误区：AI 可观测性并非仅限于开发和测试阶段的 LLM 评估。真正完善的可观测性平台应提供覆盖开发、评估、生产全阶段的端到端反馈循环支持。

当前可观测性赛道竞争激烈，InsightFinder 需要与 Grafana Labs、Fiddler、Datadog、Dynatrace、New Relic、BigPanda 等众多玩家同台竞技。

然而 Gu 并不担忧，她认为 InsightFinder 的专业积累、实战经验与高度可定制化能力构成了足够的护城河：

“我们几乎从未流失客户给竞争对手。这是因为洞见本身的价值——很多数据科学家懂 AI，但不懂系统；很多 SRE 工程师懂系统，却不懂 AI。他们无法看到并理解这些内在关联。”

公司客户名单涵盖 UBS、NBCUniversal、联想、戴尔、Google Cloud 和 Comcast 等大型企业。Gu 将成功归因于过去 10 年与大客户的深度打磨。