Günlük ve haftalık bültenlerimize katılın; sektör lideri yapay zeka haberleri için en son güncellemeleri ve özel içerikleri alın. Daha Fazla Bilgi Edinin
Hyperscale veri ambarı sağlayıcısıOcient, bugün yaptığı açıklamada, maliyetli ve yönetimi zor operasyonel veri ve yapay zeka iş yüklerinin geliştirilmesi ve sunumunu hızlandırmak için 42.1 milyon dolar tutarında ikinci B serisi finansmanını elde etti.
Bu yeni finansman sadece Chicago merkezli girişimin mevcut kaynaklarını artırmakla kalmıyor; aynı zamanda veri merkezi enerji maliyetlerinin artmasından korkan işletmeler için hyperscale analitiği radikal bir şekilde daha uygun fiyatlı ve çevre dostu hale getirme misyonunu güçlendiriyor.
A çevresel ekonomik odaklı yatırım turu
Yeni finansman, şirketin toplamda 159.4 milyon dolar fon toplamasını sağlamış oldu. Bu son yatırım turu, Blue Bear Capital ve Allstate Strategic Ventures gibi çevre dostu yatırımcılar tarafından yönetildi — bu durum yatırımcıların veri platformu verimliliğini hem bir performans sorunu kadar çevresel bir mesele olarak gördüğünün bir göstergesi.
Ocient’in CEO’su Chris Gladwin, Ocient’in mimarisinin çok petabaytlık iş yüklerinde “%1000 fiyat-performans kazanımları” sağladığını belirtti ve yeni sektörlere, otomotiv telemetrisinden iklim modellemesine kadar bu avantajın taşınacağını duyurdu. Şirket, üç yıl boyunca gelirlerini iki katına çıkardı ve finans operasyonlarını yönlendirecek olan Henry Marshall‘ı, uzay altyapı şirketi Loft Orbital’dan CFO olarak atadı; bu, Ocient’in resmi bir büyü aşamasına girdiğini gösteriyor.
Neden hyperscale analitiği zorluklarla karşılaşıyor?
Modern veri ambarları, veri setleri terabaytlar düzeyinde olduğu zaman başarılı olur. Bu düzeyin ötesinde, ağ ve depolama girişi girdiği noktada ham CPU döngüleri değil, veri akışı dar boğazı haline gelir. Gladwin, “Veri setleri büyüdükçe, depolama birimlerinden işlem birimlerine veri akışı gerçek sınırlayıcı faktör haline gelir” dedi.
Telekom, reklam teknolojisi ve kamu hizmetleri alanlarında, sorgu motorları trilyonlarca kaydı taramak zorunda kalırken, aynı anda sürekli akan verileri de almak zorunda. Geleneksel bulut mimarileri compute ve nesne depolama sistemlerini ayırdığı için, büyük veri hacimlerinin ağı aşmasını zorunlu kılarak gecikmeyi ve enerji tüketimini artırıyor. Bu maliyetler, işletmeler yapay zeka ve coğrafi iş yüklerini birbiri üzerine ekledikçe daha da artıyor.
Ocient’in mimarisinin derinlikleri
Ocient, bulut modelini tersine çevirerek NVMe SSD’lerini compute’a çok yakın bir yere yerleştirdi; bu dizayna Compute-Adjacent Storage Architecture (CASA) adını verdiler. Şirketin ortak kurucusu Joe Jablonski, bu tasarımın, sıradan ekipman üzerinde “trilyonlarca işlem yapabilme” kapasitesine sahip olduğunu ifade ediyor.
CASA’yı tamamlayan MegaLane, “bir milyon paralel görevin uçuşta kalmasını” sağlayan yüksek bant genişliğine sahip bir iç yapıdır. Sonuç olarak, Ocient, SQL ve makine öğrenimi iş yüklerinde %1000 fiyat-performans kazanımları, coğrafi işler üzerinde ise sorgu karmaşıklığına bağlı olarak %300’e kadar kazançlar sağladığını iddia ediyor. Her zaman açık veri alımı ve “sıfır kopya” güvenilirliği, işletmelerin aynı veri seti üzerinde ETL, ad-hoc SQL ve ML çalıştırmalarına imkan tanıyor.
Enerji tasarrufu, sadece maliyet değil
Verimlilik, yeni bir rekabet silahı olarak ön plana çıkıyor. Ocient’in kendi vaka çalışması, bir eski telekom yığınını 170 düğümden 12 NVMe zengin düğüme indirerek enerji tüketimini %90 oranında düşürdüğünü gösteriyor — bu da hem enerji maliyetlerinde hem de yapı ayak izinde büyük bir azalma anlamına geliyor.
Gladwin, bu durumu şu şekilde ifade ediyor: “Veri merkezlerinin enerji talebi hızlanıyor; ancak arz aynı oranda artmıyor. Verimlilik artık bir seçenek değil.” Bu mesaj, enerjiye aç alt yapılar için makine öğrenimi çözümleri hedefleyen yeni $200 milyonluk iklim fonu gibi yatırımcılar için oldukça anlamlı.
Pazar çekişi ve yeni ufuklar
Ocient’in müşteri portföyü telekom operatörleri, istihbarat ajansları, reklam teknoloji şirketleri ve yüksek hacimli ticaret verilerini işleyen finans teknolojisi firmalarını kapsıyor. Bu yıl şirket, ilk adlandırılmış çözümünü piyasaya sürdü; bu çözüm, telekom sağlayıcılarının yasaya uygun bildirim gerekliliklerini daha hızlı ve daha az enerji kullanarak karşılamalarına yardımcı oluyor.
Gladwin, gelecek en büyük büyüme dalgasının, mevcut işler süper bilgisayarlara dayandığı otomotiv sensör analitikleri ve iklim istihbaratı modelleme alanlarında geleceğini öngörüyor; Ocient’in mimarisi, bu maliyetleri en az %75 oranında düşürebilir ve sigorta şirketleri ile tarım işletmeleri için daha sık risk analizleri yapılmasını sağlayabilir.
Hyperscale katmanında rekabet
Ocient, kendisini generatif AI veritabanı olarak tanımlamıyor. Gladwin, bu nişi zaten birçok şirketin sunduğunu ve Ocient’in en büyük fırsatının yüksek hacimli, yapılandırılmış analitik olduğunu belirtiyor. Yine de depo, yerleşik lineer cebir fonksiyonları ile vektörleri depoluyor ve benzerlik dizininin yol haritasında da bulunuyor. Cloud liderleri olan Snowflake ve Databricks karşısında Ocient’in sunum noktası, ölçek ve eşzamanlılığın uzaktan depolama mimarilerini çok yavaş veya çok pahalı hale getirdiği nokta. Endüstri analistleri, bu eşik noktalarının genellikle birkaç yüz terabaytın üzerinde göründüğünü, ancak telekom iş yüklerinin bu noktayı sıkça çok önceden aştığını ifade ediyorlar.
Esnek dağıtım seçenekleri
Ocient’in devlet ve telekom anlaşmalarında kazanmasının bir nedeni, dağıtım tercihidir. Platform, yerinde kümeler için yazılım olarak, kamu bulutları üzerinde yönetilen bir hizmet olarak ya da şirketin kendi OcientCloud hizmeti aracılığıyla sunuluyor. Bu durum, veri egemenliği kurallarının dış SaaS’i yasakladığı veya müşterilerin işlemciyi radyo erişim ağlarına yakın tutmak istedikleri durumlarda büyük önem taşıyor.
Bir sonraki adım ne olacak?
Ocient, yeni sermayenin çabalarını hızlandıracağını ve mühendislik kadrosuna ve ortaklık programlarına yatırım yaparak genişleyeceğini belirtiyor.
“Gelecek büyümesi, henüz düşünülmemiş fikirlerden gelecek” diyor Gladwin; iklim modellerini de örnek veriyor. Ocient, petabaytlık sorunları altındaki verileri çok hızlı bir şekilde yanıt verebilirken, hem maliyetleri hem de karbon salınımını azaltarak, 10 yıllık bir süre zarfında CASA’nın arkasındaki bahsi yeniden tanımlayabilir.
