虚拟边缘解决方案初创公司IO River Ltd.今日宣布完成2000万美元新一轮融资,旨在推进其将基础设施与附加服务解耦的计划,帮助新参与者进入市场,从而永久性地改变边缘服务的构建和采购方式。
公司背景与愿景
IO River成立于2022年,专注于重新构建边缘和内容分发服务的架构、运营和消费模式。该公司旨在挑战长期存在的紧密绑定内容分发网络模式,通过将底层分发基础设施与安全、计算和应用逻辑等高级服务分离来实现这一目标。
核心技术平台
IO River提供多边缘平台,在多个边缘和CDN供应商之间引入中性虚拟化层。该层设计旨在让企业将不同的分发网络视为单一逻辑系统,从而消除锁定到单一全球供应商的需求,同时仍保持一致的性能、安全性和可见性。
该公司的技术提供先进功能,包括人工智能驱动的流量导向、集中配置管理和跨供应商的统一可观测性。该平台提供单一界面,使缺乏规模或资源独立构建多边缘架构的组织也能轻松使用。
开放生态系统
IO River还通过将基础设施与边缘服务解耦,向新参与者开放生态系统。该生态系统允许区域CDN、电信运营商以及专业安全或应用程序提供商接入平台,为企业提供针对每个地理区域或功能选择最佳供应商的能力,而非依赖一刀切的全球网络。
该公司平台解锁了让企业从多个分发网络中受益的架构,同时避免了曾经令其难以实现的运营开销。
市场表现与客户
联合创始人兼首席执行官Edward Tsinovoi表示:"在线服务一直渴望获得多边缘网络的好处,但又不想承受运营痛苦。IO River让这成为可能。我们构建了一个多边缘平台,将曾经只有世界级企业才能拥有的架构能力带给其他所有人。"
IO River展现出强劲增长势头,目前每月管理超过200PB的流量。该公司服务正被流媒体和视频发布商以及游戏、零售和软件即服务公司使用。知名客户包括Minute.ly Inc.、Shuffll Ltd.和RGE Media Group LLC。
融资详情
本轮A轮融资由Venture Guides和New Era Capital LP领投。S Capital LP以及包括Eon.io Inc.首席执行官Ofir Ehrlich和Tenzai Inc.联合创始人兼首席执行官Pavel Gurvich在内的私人投资者也参与了投资。
Venture Guides合伙人Sage Nye表示:"多边缘分发一直是正确的架构,但对大多数公司来说过于复杂而难以实施。IO River消除了这一障碍,这就是为什么整个市场采用速度如此之快的原因。"
IO River此前在2024年3月完成过单轮540万美元融资。
Q&A
Q1:IO River是什么公司?主要做什么业务?
A:IO River是一家成立于2022年的虚拟边缘解决方案初创公司,专注于重新构建边缘和内容分发服务的架构。该公司通过将底层分发基础设施与安全、计算等高级服务分离,挑战传统紧密绑定的内容分发网络模式,让企业能够灵活选择不同供应商而不被锁定。
Q2:IO River平台有什么核心技术优势?
A:IO River平台引入中性虚拟化层,将不同分发网络整合为单一逻辑系统。平台具备人工智能驱动的流量导向、集中配置管理和统一可观测性等先进功能,通过单一界面让缺乏资源的组织也能轻松使用多边缘架构,同时避免运营开销。
Q3:IO River目前的市场表现如何?
A:IO River展现出强劲增长势头,目前每月管理超过200PB流量。客户涵盖流媒体、视频发布商、游戏、零售和软件即服务等多个行业,知名客户包括Minute.ly、Shuffll和RGE Media Group。公司刚完成2000万美元A轮融资,此前在2024年3月曾获得540万美元投资。
好文章,需要你的鼓励
云安全公司Sysdig记录了首个"代理式勒索软件"案例——JadePuffer行动。AI代理自主完成入侵服务器、窃取凭证、加密文件并生成勒索信等全流程操作,速度惊人。然而,该攻击并非完全无人介入:人类仍负责选定目标、部署基础设施并提供初始访问凭证。研究人员暂未确认驱动该代理的具体模型,但指出随着运行成本降低,类似攻击规模可能快速扩大。
研究团队测试了17个可在普通电脑CPU上运行的小语言模型在俄语RAG问答系统中的实际表现,发现部分小模型答题质量已非常接近GPT-5-mini等顶级大模型。
Ambi Robotics与Pickle Robot公司将各自的AI机器人系统整合,推出端到端入库物流解决方案,覆盖从拖车卸货到托盘堆叠的全流程。该方案由Pickle Robot的自动卸车技术与Ambi Robotics的AmbiStack机器人码垛平台联合构成,货物经卸载后由传送带送入AmbiStack完成识别、扫描与堆叠,全程极少需要人工干预。该方案兼容现有仓库基础设施,无需大规模改造,面向财富500强零售商和物流企业。
上交大、西安交大与华为联合提出多块扩散语言模型,通过后训练与推理引擎优化,让扩散大模型每步有效输出词数提升约78%,吞吐量显著提升,质量基本不降。