Snowflake公司今日宣布收购Observe AI公司,这是一家拥有充足资金支持的初创企业,专注于同名可观测性平台的开发。
此次收购的具体条款并未对外披露。当收购传言上月首次传出时,The Information援引消息人士的话称,此次收购对Observe的估值约为10亿美元。这一估值大约是这家成立九年的公司从投资者那里筹集资金的两倍半。
Observe平台帮助开发人员找到应用程序运行缓慢、网站宕机和其他技术问题的根本原因。它还可以收集公司技术运营中更常规方面的数据。例如,软件团队可以使用Observe来跟踪大语言模型产生的推理成本。
Snowflake计划将该公司的可观测性软件集成到其同名云数据平台中。这项工作将特别重视Observe的一个组件——AI SRE(AI站点可靠性工程师)。
顾名思义,AI SRE是一个人工智能聊天机器人,帮助开发人员诊断技术问题。用户不仅可以要求AI发现故障原因,还可以自定义其执行任务的方式。例如,在分析新检测到的故障时,AI SRE可以被指示仅专注于过去24小时内的错误日志。
AI SRE由名为O11y Context Graph的数据管理引擎提供支持。据Observe称,该引擎每天从客户环境中摄取数百TB的遥测数据。它将相关数据片段链接在一起并创建索引,这些快捷方式的集合可以加速信息搜索。O11y Context Graph还生成物化视图,即查询结果的缓存副本,以缩短加载时间。
Observe平台将其处理的数据保存在Snowflake中。据两家公司称,此次收购将通过让客户实现更长的数据保留窗口来简化故障排除任务。
数据保留窗口是指企业删除其存档遥测数据之前经过的时间长度。从历史上看,组织必须相当频繁地删除遥测数据以避免过高的存储成本。这种做法可能会使故障排除工作变得复杂。如果技术问题最初出现在两个月前,但受影响的公司仅保留一个月的错误日志,工程师可能很难找到根本原因。
Snowflake压缩数据并将其保存在低成本的对象存储服务中,以降低客户的基础设施费用。据该公司称,其平台的对象存储功能将使客户能够比其他方式更长时间地保留遥测数据。这意味着更多信息将可用于事件调查。
Snowflake产品执行副总裁Christian Kleinerman在今日的博客文章中写道:"组织保持弹性的能力严格受限于它能够负担得起摄取多少数据、如何应对各种格式和孤岛,以及能够以多快的速度进行推理。Snowflake和Observe将赋予客户管理企业级可观测性的能力,处理PB级遥测数据,采用现代化、可扩展的架构,使他们能够以更大的信心运行生产应用程序和智能体,而不必为了控制成本而牺牲数据。"
这笔交易是在Snowflake上一次收购后约两个月进行的。11月中旬,它签署协议收购Datometry公司,该公司开发了一个将数据从竞争对手平台迁移到Snowflake环境的工具。这家初创公司还创建了一个名为OpenDB的开源关系数据库。
Q&A
Q1:Observe AI公司主要做什么产品?
A:Observe AI是一家专注于可观测性平台开发的初创企业,其平台帮助开发人员找到应用程序运行缓慢、网站宕机等技术问题的根本原因,还可以收集公司技术运营数据,比如跟踪大语言模型的推理成本。
Q2:AI SRE是什么功能?
A:AI SRE是Observe平台的一个人工智能聊天机器人组件,专门帮助开发人员诊断技术问题。用户可以要求AI发现故障原因,还可以自定义执行方式,比如指示AI仅分析过去24小时内的错误日志来诊断新检测到的故障。
Q3:Snowflake收购Observe后会带来什么改进?
A:收购后将使客户能够实现更长的数据保留窗口,简化故障排除任务。通过Snowflake的数据压缩和低成本对象存储服务,客户可以更长时间保留遥测数据,为事件调查提供更多可用信息,而不必为控制成本牺牲数据。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。