ScaleOps تجمع 130 مليون دولار لتحسين Kubernetes تلقائيًا في عصر الذكاء الاصطناعي

جمعت ScaleOps مبلغ 130 مليون دولار في جولة Series C. ستُوجَّه الأموال إلى توسيع نطاق المنصة التي تحسّن بنية Kubernetes التحتية تلقائيًا وفي الوقت الفعلي، دون مشاركة مهندسي DevOps. ويقف خلف هذا الاستثمار رهان على أحد أبرز أوجه النقص البنيوي في عصر الذكاء الاصطناعي: الفجوة بين ما تدفعه الشركات مقابل القدرة الحاسوبية وما تستخدمه منها فعليًا.

أصبح Kubernetes خلال العقد الأخير المعيار الذي لا بديل عنه لتشغيل التطبيقات المحزّمة في حاويات داخل قطاع الشركات. وتدير معظم الشركات الكبرى آلاف الـ pods في مئات المجموعات (clusters). لكن رغم نضج التقنية، لا تزال إدارة الموارد داخل هذه المجموعات يدوية على نحو بدائي. فمهندسو DevOps يحدّدون حدود المعالج والذاكرة يدويًا، مع هامش احتياطي، وإلا تسبّبت ذروة حركة مرور غير متوقعة في إسقاط بيئة الإنتاج. والنتيجة أن حصة كبيرة من الموارد الحاسوبية المدفوعة تبقى محجوزة دون استخدام. وتتضخم فاتورة السحابة، بينما يظل استغلال الحمل الفعلي منخفضًا.

تقوم ScaleOps على فرضية أن هذه الفجوة يمكن إزالتها تلقائيًا. فالمنصة ترصد باستمرار الاستهلاك الفعلي للموارد لدى كل حمل عمل، وتعيد حساب الحدود ديناميكيًا، دون إعادة تشغيل الخدمات ودون تدخل من الفريق. وهذا يتيح إعادة القدرات غير المستخدمة إلى المجمّع المشترك وتوجيهها إلى الأماكن التي ينمو فيها الحمل فعلًا. وفي مجموعة نموذجية لدى إحدى الشركات، تُقدَّر كلفة التوزيع غير المحسَّن للموارد بمئات الآلاف من الدولارات سنويًا، وتصل لدى كبرى شركات التقنية إلى ملايين الدولارات.

جعلت طفرة الذكاء الاصطناعي هذه المشكلة أكثر حدة، وفي الوقت نفسه وسّعت السوق المحتملة للشركة الناشئة. فالشركات التي تشغّل استدلال LLM أو تعيد تدريب نماذجها الخاصة تتعامل مع نمط حمل مختلف جذريًا: ذروات حادة تعقبها فترات توقف، وقفزات عشوائية عند تغيّر حجم الدفعة (batch size) أو عدد الطلبات المتزامنة. أما مسرّعات GPU التي تبقى معطّلة ولو لبضع ساعات يوميًا، فهي أموال تُحرق حرفيًا. ونقص وحدات GPU لم يختفِ: فلا يزال من غير الممكن شراء قدرات إضافية بسرعة، والسبيل الواقعي الوحيد للحصول على أداء أكبر هو تعلّم استخدام الموجود بكفاءة أعلى.

يُعدّ جمع 130 مليون دولار في مرحلة Series C إشارة إلى نضج الشركة. فجولة بهذا الحجم تتطلب توافقًا مثبتًا بين المنتج والسوق (product-market fit)، وإيرادات سنوية متكررة (ARR) مستقرة من قطاع الشركات، وصيغة واضحة للتوسع. ويراهن المستثمرون على أنه مع تصاعد أحمال الذكاء الاصطناعي في قطاع الشركات ستصبح منصات التحسين التلقائي للبنية التحتية جزءًا قياسيًا من حزمة التقنيات، مثل المراقبة (monitoring) أو CI/CD. ويُقدَّر سوق أدوات FinOps الخاصة بـ Kubernetes بعدة مليارات من الدولارات، وهو في نمو متواصل، وتشتد المنافسة فيه مع تزايد إدراك حجم الهدر في البنية التحتية.

نقص وحدات GPU وارتفاع ميزانيات السحابة ليسا شذوذًا مؤقتًا، بل سمة بنيوية لعصر الذكاء الاصطناعي الحالي. والشركات التي تتعلم استخلاص أقصى قيمة من كل نواة محجوزة ستحصل على ميزة تنافسية لا يمكن شراؤها ببساطة، بل يجب بناؤها. وتبني ScaleOps أداة لهذا الغرض تحديدًا، ومبلغ 130 مليون دولار يعني أن القطاع بدأ فعلًا يدفع مقابلها.