NinjaOne Inc.是一家专注于IT基础设施管理平台的创业公司,近日宣布完成超过4亿美元的二次股权融资。
本次股份出售是该公司于2024年首次完成的C轮融资的第二次延伸。去年2月,NinjaOne刚刚完成了5亿美元的后续融资。此轮最新融资吸引了Alphabet旗下CapitalG基金、红杉资本、ICONIQ及其他知名投资方的参与。
NinjaOne的平台旨在减少IT资产管理中的人工操作量,覆盖工作站、云实例等各类设备。通过统一的集中式控制台,管理员可同时监控数千台设备的配置状态。例如,平台能够识别出员工设备中未加密的硬盘,提示潜在的数据安全风险,并为IT团队提供相应的修复工具。
补丁安装管理
平台内置的另一组核心功能专注于简化补丁安装流程。向数千台员工设备推送操作系统更新通常耗时耗力,NinjaOne表示其平台可将该任务的执行效率提升高达90%。
大规模更新推送面临的一大挑战,是补丁本身有时存在缺陷。因此,管理员往往需要在确认新版本无可靠性问题后,才会正式推送。NinjaOne提供了一套审批工具,允许企业暂缓补丁发布,待IT团队审核通过后再行部署。
然而,人工审核有时难以发现问题更新。对此,NinjaOne平台内置了一套AI工具,可自动分析系统日志、技术支持论坛及其他数据源,以发现潜在缺陷。此外,该软件还会重点标注需要紧急安装的网络安全类更新。
边缘场景与本地缓存
在网络连接不稳定的边缘节点,直接从云端下载更新并不总是可行的选择。NinjaOne的平台通过在本地服务器缓存补丁来解决这一问题,员工可直接从本地缓存下载更新,从而节省带宽资源。
多元化IT管理能力
NinjaOne平台还涵盖多项其他IT管理功能。其中一项内置工具支持管理员远程登录故障设备进行排查;另一项功能"NinjaOne Documentation"则可存储IT团队的内部技术支持文档,并能在相关系统或最佳实践发生变更时,自动化地完成部分文档更新工作。
NinjaOne表示,其现有客户群已接近40,000家企业。2025年,公司年化经常性收入突破5亿美元,并于上一季度实现盈利。
公司联合创始人兼总裁Chris Matarese表示:"正因为我们已经实现盈利,此次融资从来不是为了获得增长所需的资本。有大量机构有意向提供融资,我们利用这一轮融资的机会,选择了最优质的合作伙伴。"
NinjaOne计划将此次募集的资金用于加速推进各项增长举措。
Q&A
Q1:NinjaOne平台的核心功能是什么?
A:NinjaOne平台主要用于IT基础设施的集中化管理,核心功能包括:通过统一控制台监控数千台设备的配置状态、自动化补丁安装与审批流程、AI辅助缺陷检测,以及本地缓存更新以应对边缘网络环境。此外,平台还支持远程设备故障排查和内部技术文档的自动化维护,整体目标是大幅降低IT团队的人工操作负担。
Q2:NinjaOne平台的AI工具具体能做什么?
A:NinjaOne内置的AI工具主要用于辅助补丁管理。它可以自动分析系统日志、技术支持论坛等多类数据源,识别补丁中可能存在的缺陷或Bug,帮助IT团队在人工审核遗漏的情况下仍能发现问题更新。同时,该工具还会对需要紧急处理的网络安全类补丁进行重点标注,提升安全响应效率。
Q3:NinjaOne最新一轮融资的背景和目的是什么?
A:此次NinjaOne完成的超4亿美元融资是其C轮融资的第二次延伸,参与方包括CapitalG、红杉资本和ICONIQ等知名机构。值得注意的是,公司已于近期实现盈利,年化经常性收入突破5亿美元,此次融资并非出于资金需求,而是为了引入优质战略合作伙伴,并将所筹资金用于加速公司的增长战略。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。