总部位于波士顿、由以色列团队创立的软件监控初创公司Coralogix,近日完成了一轮2亿美元的新融资。此次融资的核心逻辑在于:随着AI智能体的崛起,市场对新一代工具的需求将持续增长——这些工具需要能够监控、排查故障并管理日益自主化的软件系统。
本轮为F轮融资,距离Coralogix完成1.15亿美元E轮融资仅过去11个月,这一节奏充分说明投资者对AI基础设施企业的热情正在加速升温。新一轮融资完成后,该公司投后估值达16亿美元,由Advent和加拿大养老金计划投资委员会(CPPIB)领投,Greenfield Partners和Brighton Park Capital跟投。至此,Coralogix累计融资总额已达5.5亿美元。
此次融资背景,正是众多软件企业竞相拥抱AI智能体浪潮之际。AI智能体是一种能够自主编写代码、排查问题、完成过去需要工程师手动处理任务的软件系统。Coralogix是越来越多押注这一方向的基础设施企业之一——它们认为,随着AI系统进入生产部署阶段,市场对行为监控、故障排查及运营数据保障工具的需求将持续攀升。道理很简单:部署的自主软件越多,就越需要在出现问题时第一时间知道发生了什么、为何发生。
Coralogix成立于2014年,通过收集和分析日志、指标、链路追踪等运营数据,帮助企业监控软件系统的健康状况与运行性能,相当于为软件系统建立了一份持续记录其行为与状态的"运行日志"。目前,该平台在全球拥有超过5000家客户,包括IBM、Tradeweb和JFrog,广泛应用于故障检测、事件排查和应用性能优化。
Coralogix所处的可观测性行业正面临AI浪潮的深度重塑,其竞争对手包括Datadog、New Relic和Splunk等。随着企业加速部署AI驱动的应用与智能体,各厂商也在加快将AI能力嵌入监控和事件响应工作流。
联合创始人兼首席执行官Ariel Assaraf在接受采访时表示,这一转变已经深刻影响了客户与Coralogix平台的互动方式。他透露,目前超过一半的企业客户正在使用公司自研的AI智能体Olly,或通过命令行及智能体接口接入自有AI模型,以此开展事件排查和运营数据查询。
"界面层正在被逐渐消解,"Assaraf说道。他观察到,工程师越来越多地通过AI助手和命令行工具与软件交互,而非传统仪表盘。"大多数用法都会变成:'我怎么把大语言模型接进去?我怎么通过命令行来操作?'"简而言之,他的客户已不再热衷于登录仪表盘,而是更愿意直接问AI助手哪里出了问题。
这一趋势与Coralogix的强劲增长同步发生。Assaraf表示,公司过去一年营收增长超过60%,目前年消费超过100万美元的客户已达约30家,企业市场的拓展势头持续向好。他还透露,公司年化营收突破1亿美元已是一年多前的事,但对当前的具体数字未予披露。
Coralogix目前在全球拥有逾600名员工,其中约100人位于印度,那里是继美国和以色列之后的第三大办公地。Assaraf表示,印度业务已逐步演变为服务亚洲客户的区域中心,同时也是公司开拓国内大型企业市场(包括金融机构)的重要据点。
Assaraf表示,此次融资并非出于资金链方面的需要,而是将用于加速推进AI产品、安全服务以及全球化布局的投入。
"在AI时代,执行力和速度比某个时间节点的估值更重要,"他说,"我们希望加速前进、扩大布局,在我们认为自己已处于领先地位的AI赛道上迈出更大一步。"
Assaraf表示,Coralogix目前不打算进行新一轮融资,并计划在未来几年内实现盈利。他还提到,公司正在按照上市公司的财务标准来规范运营,但对于IPO时间表,他并未给出明确承诺。
Q&A
Q1:Coralogix是做什么的,主要服务哪些客户?
A:Coralogix是一家软件监控与可观测性平台公司,成立于2014年。它通过收集和分析日志、指标、链路追踪等运营数据,帮助企业实时监控软件系统的健康状况与运行性能。目前全球客户超过5000家,包括IBM、Tradeweb、JFrog等知名企业,主要应用场景包括故障检测、事件排查和应用性能优化。
Q2:Coralogix的AI智能体Olly具体能做什么?
A:Olly是Coralogix自研的AI智能体,主要用于协助工程师开展事件排查和运营数据查询。用户无需登录传统仪表盘,可以直接通过Olly或命令行接口以对话方式查询系统状态、定位故障原因。目前Coralogix超过一半的企业客户已在使用Olly或通过智能体接口接入自有AI模型进行日常运维操作。
Q3:Coralogix这轮2亿美元融资打算用在哪些方向?
A:Coralogix表示此次融资并非为了补充运营资金,而是将重点用于三个方向:加速AI相关产品的研发投入、拓展安全服务能力,以及推动全球市场扩张。公司还计划在未来几年内实现盈利,并正在按照上市公司的财务标准规范内部运营管理。
好文章,需要你的鼓励
这项来自明尼苏达大学等机构的研究发现,大语言模型在强化学习后训练中,只需训练中间少数几层即可匹配甚至超越全参数训练效果,且这一规律跨模型、跨任务高度稳定,为更高效的AI训练策略提供了新思路。
一名因游泳事故导致胸部以下瘫痪的男子,通过脑植入芯片重新获得了自主进食和饮水的能力。研究人员为其安装了脑机接口,不仅帮助他重新活动手臂,还通过信号反馈重建了触觉感知。经过35周训练,其右臂力量提升86%,左臂提升62%。更令人惊喜的是,该技术似乎部分重塑了其神经系统,即使在系统关闭后,部分手部功能和感觉仍得以保留。
本文介绍VIBE框架,一套通过开放式任务评估大型音频语言模型声音诱发偏见的系统,测试12个模型后发现每个模型均存在显著性别或口音偏见。