برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
اخترشناس ، شرکت پشت پلت فرم ارکستر داده های Apache Airflow-با قدرت ASTRO ، 93 میلیون دلار بودجه سری D را تأمین کرده است زیرا شرکت ها به طور فزاینده ای به دنبال عملیاتی کردن ابتکارات هوش مصنوعی از طریق مدیریت بهتر خطوط لوله داده خود هستند.
دور بودجه توسط Bain Capital Ventures با مشارکت Salesforce Ventures و سرمایه گذاران موجود از جمله Insight ، Meritech و Venrock هدایت شد. Bosch Ventures همچنین به دنبال شرکت در این دور است و منعکس کننده علاقه صنعتی به این فناوری است.
اندی بارون در مصاحبه اختصاصی با VentureBeat ، مدیر عامل ستاره شناور توضیح داد که این شرکت از این بودجه برای تسریع در تلاش و تلاش برای پیشرفت و گسترش ردپای جهانی خود ، به ویژه در اروپا ، استرالیا و نیوزیلند استفاده خواهد کرد.
بایرون گفت: “برای ما ، این فقط یک قدم در طول مسیر است.” “ما می خواهیم در اینجا چیزی عالی بسازیم. من نمی توانم بیشتر از شرکای سرمایه گذاری ، مشتریان ، چشم انداز محصول ما هیجان زده باشم ، که فکر می کنم بعد از فروپاشی بازار Ops Data بسیار قوی است.”
چگونه ارکستراسیون داده ها به کلید پنهان موفقیت شرکت تبدیل شدند
بودجه آنچه را که تحلیلگران صنعت به عنوان “شکاف اجرای AI” معرفی کرده اند – هدف اصلی موانع فنی و سازمانی مهم که مانع از استقرار شرکت های هوش مصنوعی در مقیاس می شود ، هدف قرار می دهد. ارکستراسیون داده ها ، فرآیند خودکار سازی و هماهنگی گردش کار داده های پیچیده در سیستم های متفاوت ، به یک مؤلفه اساسی استقرار موفقیت آمیز هوش مصنوعی تبدیل شده است.
Enrique Salem ، شریک در Bain Capital Ventures ، چالش های مهم پیش روی شرکت ها را امروز توضیح داد: “هر شرکتی اکوسیستم داده های پراکنده و پراکنده را اداره می کند – با استفاده از تکه های ابزارها ، تیم ها و گردش کار که برای ارائه بینش های قابل اعتماد ، ایجاد بطری های عملیاتی و محدود کردن هماهنگی ها.
سالم خاطرنشان کرد: علیرغم اهمیت آن ، “چشم انداز ارکستراسیون امروز جایی است که زیرساخت های ابری 15 سال پیش بود: ماموریت مهم ، در عین حال تکه تکه ، شکننده و غالباً ساخته شده با مقیاس پذیری محدود. مهندسان داده ها بیشتر از زمان نگه داشتن خطوط لوله را صرف می کنند تا نوآوری رانندگی.
پلت فرم این شرکت ، Astro ، در Apache Airflow ساخته شده است ، یک چارچوب منبع باز که شاهد رشد انفجاری است. براساس گزارش اخیراً منتشر شده در ایالت Airflow 2025 این شرکت ، که بیش از 5،000 پزشک داده را مورد بررسی قرار داده است ، Airflow بیش از 324 میلیون بار در سال 2024 به تنهایی بارگیری شده است – بیش از همه سالهای گذشته.
CMO Mark Mark Mark Mark ، توضیح داد: “جریان هوا خود را به عنوان استاندارد اثبات شده برای ارکستراسیون خط لوله داده ایجاد کرده است.” “وقتی به چشم انداز رقابتی در لایه ارکستراسیون نگاه می کنیم ، جریان هوا به وضوح به عنوان راه حل استاندارد برای انتقال داده های مدرن به طور کارآمد از منبع به مقصد ظاهر می شود.”
از لوله کشی نامرئی گرفته تا ستون فقرات AI شرکت: تکامل زیرساخت داده ها
رشد اخترشناس نشانگر تغییر تحول آمیز در نحوه مشاهده شرکتها ارکستر داده-از زیرساخت های پشتی پنهان گرفته تا فناوری مأموریت مهم است که ابتکارات هوش مصنوعی را امکان پذیر می کند و ارزش تجارت را هدایت می کند.
سالم گفت: “اعتقاد BCV به ستاره شناس به عقب برگردد. ما در سال 2019 در دور بذر این شرکت سرمایه گذاری کردیم و طی این سالها از این شرکت حمایت کرده ایم و اکنون در هدایت سری D خود به اوج خود رسیده است.” “فراتر از رشد چشمگیر ، ارکستراسیون داده های اخترشناس در عصر هوش مصنوعی از اهمیت بیشتری برخوردار شده است ، که به ارکستراسیون مقیاس پذیر و اتوماسیون استقرار مدل در میان دریای بالون ابزارهای داده ای که با یکدیگر صحبت نمی کنند ، نیاز دارد.”
براساس داده های داخلی این شرکت ، 69 ٪ از مشتریانی که دو سال یا چند سال از پلتفرم خود استفاده کرده اند ، از Airclow برای AI و برنامه های یادگیری ماشین استفاده می کنند. این میزان پذیرش به طور قابل توجهی بالاتر از جامعه گسترده تر جریان هوا است ، نشان می دهد که خدمات مدیریت شده ستاره شناس استقرار شرکت های هوش مصنوعی را تسریع می کند.
این شرکت 150 ٪ رشد نسبت به سال گذشته در درآمد مکرر سالانه خود را مشاهده کرده و دارای 130 ٪ نرخ حفظ درآمد خالص است که نشانگر گسترش قوی مشتری است.
ویلر توضیح داد: “در حالی که تحلیلگران بازار ممکن است به دنبال یک برنده واضح در نبرد با سیستم عامل های ابری باشند ، شرکت ها به وضوح یک استراتژی چندگانه را انتخاب کرده اند-دقیقاً مانند آنها که قبلاً مشخص کرده بودند که چند ابر از استاندارد سازی دور از هر ارائه دهنده ابر واحد پیشی می گیرد.” “شرکت های پیشرو از قفل شدن به یک فروشنده واحد امتناع می ورزند ، و رویکردهای پلت فرم داده های چند ابر و متنوع را انتخاب می کنند تا چابک بمانند و از آخرین نوآوری ها استفاده کنند.”
در داخل عملیات عظیم AI فورد: چگونه Petabytes از داده های هفتگی خودروهای نسل بعدی
شرکتهای اصلی در حال حاضر برای مواردی از استفاده از هوش مصنوعی پیشرفته که بدون ایجاد ارکستراسیون قوی برای اجرای چالش برانگیز است ، از سکوی ستاره شناس استفاده می کنند.
در شرکت فورد موتور ، پلتفرم اخترشناس از سیستم های پیشرفته کمک راننده شرکت (ADAS) و پلت فرم یادگیری ماشین چند میلیون دلاری “MACH1ML” آن قدرت می گیرد.
غول خودرو بیش از یک Petabyte Data Weekly پردازش می کند و بیش از 300 جریان کار موازی را اجرا می کند و وظایف فشرده CPU- و GPU را برای توسعه مدل AI در سراسر یک بستر ابری عمومی/خصوصی ترکیبی متعادل می کند. این گردش کار همه چیز را از سیستم های رانندگی خودمختار گرفته تا پلت فرم تخصصی فوردلم فورد برای مدلهای بزرگ زبان قدرت می دهد.
فورد در ابتدا پلت فرم MLOPS خود را با استفاده از Kubeflow برای ارکستراسیون ساخت اما با چالش های مهمی روبرو شد ، از جمله یک منحنی یادگیری شیب دار و ادغام محکم با Google Cloud ، که انعطاف پذیری را محدود کرد. پس از انتقال به جریان هوا برای MACH1ML 2.0 ، فورد گزارش می دهد که گردش کار به طرز چشمگیری و ادغام یکپارچه در محیط های داخلی ، ابر و هیبریدی گزارش شده است.
از آزمایش های هوش مصنوعی گرفته تا تولید: چگونه ارکستراسیون شکاف را تقسیم می کند
یک چالش مشترک برای شرکت ها ، انتقال هوش مصنوعی از اثبات مفهوم به تولید است. طبق تحقیقات ستاره شناس ، سازمان هایی که پایه های ارکستراسیون داده های قوی را ایجاد می کنند در عملیاتی کردن هوش مصنوعی موفق تر هستند.
سالم توضیح داد: “از آنجا که شرکت های بیشتری جریان کار ML و خطوط لوله AI در زمان واقعی را دارند ، آنها به ارکستراسیون مقیاس پذیر و اتوماسیون استقرار مدل نیاز دارند.” “ستاره شناس امروز این کار را ارائه می دهد ، و به عنوان ارکستر ، سیستمی است که می بیند همه چیز در سراسر پشته اتفاق می افتد – وقتی داده ها حرکت می کنند ، هنگام تحول ، وقتی مدل ها آموزش می بینند.”
بیش از 85 ٪ از کاربران جریان هوا مورد بررسی ، انتظار دارند که در سال آینده راه حل های خارجی یا ایجاد درآمد ایجاد شده بر روی جریان هوا ایجاد شود ، و نشان می دهد که چگونه ارکستراسیون داده ها به طور فزاینده ای از برنامه های مشتری مداری استفاده می کنند و نه فقط تجزیه و تحلیل داخلی.
این روند در صنایع مشهود است ، از خودرویی گرفته تا شرکتهای فناوری حقوقی که در حال ساخت مدل های تخصصی هوش مصنوعی برای خودکار سازی گردش کار حرفه ای هستند. این سازمان ها برای رسیدگی به چالش های پیچیده ارکستراسیون که هنگام مقیاس بندی سیستم های AI از نمونه های اولیه تا محیط های تولیدی که به هزاران کاربر خدمت می کنند ، به ستاره شناس می روند.
گسترش فناوری استراتژیک: Airflow 3.0 و مشارکتهای ابری اخترشناس برای رهبری بازار
این شرکت اخیراً در دسترس بودن کلی Airflow 3.0 را اعلام کرده است که آن را “مهمترین نسخه در تاریخ Airflow” توصیف می کند. به روزرسانی چندین قابلیت تحول آمیز را که به طور خاص برای بارهای کار هوش مصنوعی طراحی شده است ، از جمله امکان انجام وظایف “در هر نقطه ، هر زمان و به هر زبانی” معرفی می کند.
بایرون توضیح داد: “Airflow 3.0 پایه و اساس اجرای وظایف را بر روی هر دستگاه ، در ابتدا یا ابر ، ایجاد می کند ، که ناشی از وقایع در سراسر اکوسیستم داده است.” “این همچنین اثبات مفهوم برای تعریف وظایف در زبانهای فراتر از پایتون ، بهبود چشمگیر چابکی تیم داده و تسهیل مهاجرت از سیستم های میراث به جریان هوا را ارائه می دهد.”
ستاره شناس همچنین مشارکتهای صنعت خود را گسترش داده است ، که اخیراً به Google Cloud Ready – BigQuery دست پیدا کرده است ، و بستر خود را برای خرید مستقیم از بازار Google Cloud در دسترس قرار داده است. این امر به مشتریان Google Cloud موجود اجازه می دهد تا خرید خود را از Astro تسریع کرده و از اعتبار متعهد Google Cloud خود استفاده کنند.
بایرون به VentureBeat گفت: “ما به تازگی با IBM همکاری بسیار خوبی را امضا کرده ایم.” “آنها ما را به سبد داده های گسترده تر محصولات خود می کشانند.
DataOps یکپارچه: تکامل بعدی در مدیریت داده های سازمانی
Salem معتقد است که ستاره شناس برای تعریف مجدد عملیات داده های سازمانی ، حرکت فراتر از ارکستراسیون به آنچه شرکت “DataOps یکپارچه” می نامد – یک رویکرد جامع که ادغام ، مدیریت کیفیت و مدیریت در یک بستر واحد است.
سالم گفت: “ما در سال 2019 با یک شرط ساده در اخترشناس سرمایه گذاری کردیم: جریان هوا به استانداردی برای ارکستر داده تبدیل می شود.” “امروز ، بیش از 80،000 شرکت اجرا می شود و 30 میلیون بار در ماه رانندگی می کند. ما از ستاره شناس حمایت کردیم زیرا آنها نه تنها سوار آن موج می شوند بلکه آنها در حال ساخت هواپیمای کنترل شرکت هستند.”
برای شرکت هایی که در تلاش برای تحقق ارزش از سرمایه گذاری های هوش مصنوعی خود هستند ، رشد اخترشناس نشانگر تغییر اساسی در نحوه ساخت و مدیریت زیرساخت داده ها است – جایی که ارکستراسیون به عنوان پایه و اساس کل پشته داده ها عمل می کند.
سالم در پایان گفت: “با افزایش هوش مصنوعی سهام زیرساخت های قابل اعتماد و مقیاس پذیر ، ما در مورد سرمایه گذاری خود دو برابر می شویم.” “ارکستراسیون فقط شروع است. تیم ستاره شناس آماده است تا کل پشته DataOps را متحد کند.”