AI 智能体把可观测性问题推向新阶段
TechCrunch 指出，随着企业把越来越多 AI 智能体接入真实业务，传统“尽量多监控”的可观测性思路正在转向“控制复杂度和成本”。InsightFinder 认为，企业现在需要监控的不只是 IT 系统，还包括模型、数据和底层基础设施共同构成的新工作负载。
这家公司基于 15 年学术研究发展而来，自 2016 年起就用机器学习识别并修复 IT 基础设施问题，现在则把重点放在 AI 模型和智能体的可靠性上。
用统一视角定位模型、数据和基础设施的耦合问题
InsightFinder 创始人兼 CEO Helen Gu 对 TechCrunch 表示，企业真正棘手的问题不是单独判断模型哪里出了错，而是理解在 AI 介入之后，整个技术栈是如何一起运转的。她强调，很多故障并不单纯来自模型或数据，有时根因就在基础设施。
文章举例说，某美国大型信用卡公司曾出现欺诈检测模型漂移。因为 InsightFinder 同时监控整套基础设施，最终发现问题其实来自部分服务器节点中过期的缓存。
新资金将扩充销售与市场团队
InsightFinder 最新产品名为 Autonomous Reliability Insights，结合无监督机器学习、自研大小语言模型、预测式 AI 和因果推断，对完整数据流做信号关联与交叉验证，以定位根因。
公司刚完成 1500 万美元 B 轮融资，由 Yu Galaxy 领投。Helen Gu 表示，公司过去一年收入增长超过三倍，目前总融资额达到 3500 万美元，新资金将主要用于首次扩充销售和市场团队。
