Akamai Technologies公司今天宣布收购了Fermyon公司,这是一家基于WebAssembly技术的函数即服务平台初创公司。
交易条款未披露。Fermyon此前从Insight Partners、Amplify Partners和天使投资人处筹集了2000万美元资金。
WebAssembly是支撑该公司平台的开源技术,为运行应用程序提供虚拟沙箱环境。该技术最初设计用于让用户在浏览器中运行视频游戏等复杂程序。如今,开发者将WebAssembly用于各种其他任务,包括为企业应用程序提供支持。
Fermyon的函数即服务平台让构建和运行WebAssembly工作负载变得更加容易。它支持开发者用多种流行编程语言编写这些工作负载。此外,该平台还自动化了使用WebAssembly通常涉及的几项配置任务。
Fermyon表示,其平台能够比其他应用环境更高效地运行企业工作负载。它通过减少不必要的硬件使用来部分实现这种效率。
开发者减少应用程序硬件使用的方法之一是在应用程序不活跃处理请求时将其关闭。然而,在实践中,这种方法很难实施。企业应用程序的关闭和重新启动通常耗时很长,以至于没有时间定期重复这个过程。
Fermyon的平台能在52毫秒内重新启动应用程序。这使得在应用程序不活跃使用时关闭它们变得现实可行,从而降低了基础设施成本。
Fermyon以三种版本销售其平台。其中一个版本是托管服务Fermyon Wasm Functions,运行在Akamai的云基础设施上。它使开发者能够将其软件部署到多个Akamai数据中心,并在距离每个用户最近的设施中处理请求。减少请求到达应用程序的距离可以降低延迟。
收购完成后,Akamai计划将Fermyon的平台与其应用性能优化和网络安全工具更紧密地整合。公司还将继续支持该初创公司的开源项目。Fermyon维护着两个云原生计算基金会项目,分别叫做Spin和SpinKube,这些项目使WebAssembly环境的操作变得更加容易。
Akamai首席运营官兼云技术集团总经理Adam Karon表示:"Fermyon的函数即服务功能,结合Akamai的云服务,将使开发者更容易在边缘创新和执行轻量级代码。随着Akamai持续将计算从核心数据中心扩展到互联网边缘,这项技术将为开发者提供广泛的云原生和无服务器选择。"
此次收购应该能让Akamai更有效地与其在内容分发网络市场的主要竞争对手Cloudflare公司竞争。后者提供类似的WebAssembly驱动服务,称为Cloudflare Workers。11月中旬,该公司收购了一家名为Replicate的初创公司,以提升该服务运行人工智能工作负载的能力。
Q&A
Q1:Fermyon的函数即服务平台有什么特点?
A:Fermyon的平台基于WebAssembly技术,支持多种编程语言开发,能在52毫秒内重启应用程序,自动化配置任务,比其他应用环境更高效运行企业工作负载,通过减少不必要硬件使用和快速重启特性降低基础设施成本。
Q2:Akamai收购Fermyon后会如何整合?
A:Akamai计划将Fermyon平台与其应用性能优化和网络安全工具更紧密整合,继续支持Fermyon的开源项目Spin和SpinKube,并利用其函数即服务功能为开发者提供更广泛的云原生和无服务器选择。
Q3:WebAssembly技术的应用场景有哪些?
A:WebAssembly最初设计用于在浏览器中运行视频游戏等复杂程序,现在开发者将其用于各种任务,包括为企业应用程序提供支持,通过虚拟沙箱环境安全运行应用程序,并支持边缘计算场景。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。