尽管AI行业蓬勃发展,但企业在幕后却浪费了大量昂贵的计算资源。GPU闲置、工作负载过度配置、云成本持续攀升。ScaleOps认为问题不在于资源短缺,而在于管理不善。
这家专门构建自动管理和实时重新分配计算资源软件的初创公司周一宣布,已以8亿美元估值完成1.3亿美元融资。这轮C轮融资由Insight Partners领投,现有投资者包括Lightspeed Venture Partners、NFX、Glilot Capital Partners和Picture Capital参与跟投。该公司表示其软件可将云和AI基础设施成本降低多达80%。
ScaleOps由Yodar Shafrir于2022年联合创立。Shafrir曾在GPU编排初创公司Run:ai担任工程师,该公司后被英伟达收购。在Run:ai工作期间,他亲眼看到企业管理日益复杂的AI工作负载有多困难。虽然Kubernetes等工具有助于在大型机器集群中运行应用程序,但它们通常依赖静态配置,难以跟上快速变化的需求,导致GPU利用不足、性能问题和成本低效。
担任CEO的Shafrir向TechCrunch表示:"在Run:ai工作期间,我接触了很多客户,特别是DevOps团队。虽然他们真的很喜欢Run:ai提供的服务,但在管理生产工作负载方面仍然困难重重,特别是在AI时代推理工作负载变得更加常见的情况下。当我放眼全局时,我意识到问题不仅仅是GPU,还延伸到计算、内存、存储和网络。同样的模式不断重复:团队无法有效管理资源。"
创新技术与市场机遇
DevOps团队经常发现自己需要追踪多个利益相关者来解决问题,而且这些努力往往达不到预期效果。大多数现有工具只能提供问题的可见性,但无法提供实际解决方案。这一差距揭示了巨大的市场机会。
Shafrir说,ScaleOps将应用程序需求与基础设施决策实时连接,并提供端到端管理基础设施的全自主解决方案。
"Kubernetes是一个出色的系统,灵活且高度可配置。但这也正是问题所在,"Shafrir表示。"Kubernetes严重依赖静态配置。而如今的应用程序高度动态,需要团队间持续的手动工作。你需要一个能理解每个应用程序上下文的系统——了解它需要什么、如何运行以及环境如何变化。"
市场竞争与差异化
这个领域有多个竞争者,包括Cast AI、Kubecost和Spot。虽然许多公司都推出了自动化工具,但根据这位CEO的说法,它们通常在缺乏完整上下文的情况下运行,这可能导致性能问题甚至停机,限制了运行生产环境团队的信任。
这家初创公司表示,其平台专门为生产环境从头构建,完全自主、具备上下文感知能力,无需手动配置即可开箱即用——该公司认为这些能力使ScaleOps与竞争对手区分开来。
业务发展与客户基础
这家总部位于纽约的公司为全球企业客户提供服务,特别是那些运营基于Kubernetes基础设施的企业,业务遍及大型组织以及欧洲和印度的公司。ScaleOps表示其平台被一系列企业客户使用,包括Adobe、Wiz、DocuSign、Salesforce和Coupa。
这轮C轮融资距离ScaleOps在2024年11月完成5800万美元B轮融资大约一年半时间。Shafrir说,自那时以来,团队看到了对管理云基础设施自主解决方案的强劲需求,并补充说公司仍处于增长的早期阶段。据发言人称,该公司的总融资额约为2.1亿美元。
ScaleOps表示同比增长超过450%,在过去12个月中员工人数增加了两倍,计划到年底再增长两倍以上。
凭借新资本,ScaleOps计划推出新产品并扩展其平台。随着AI推动对计算的需求,管理基础设施变得越来越关键。该初创公司表示将继续朝着完全自主的基础设施方向发展。
Q&A
Q1:ScaleOps是什么公司?主要做什么业务?
A:ScaleOps是一家成立于2022年的初创公司,专门构建自动管理和实时重新分配计算资源的软件。该公司提供全自主的解决方案,能够端到端管理基础设施,帮助企业将云和AI基础设施成本降低多达80%。
Q2:ScaleOps与Kubernetes等现有工具有什么区别?
A:虽然Kubernetes是优秀的系统,但它严重依赖静态配置,难以跟上动态应用程序的需求变化。ScaleOps的平台专门为生产环境构建,完全自主、具备上下文感知能力,能理解每个应用程序的需求、行为和环境变化,无需手动配置即可开箱即用。
Q3:ScaleOps的客户群体和市场表现如何?
A:ScaleOps服务全球企业客户,特别是运营基于Kubernetes基础设施的企业,客户包括Adobe、Wiz、DocuSign、Salesforce和Coupa等知名公司。该公司同比增长超过450%,过去12个月员工人数增加了两倍,计划到年底再增长两倍以上。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。