Datafy.io 是一家专注于降低弹性块存储 (EBS) 成本的 FinOps 创业公司,其创始团队来自全闪存存储创业公司 E8 Storage。
总部位于特拉维夫的 Datafy.io 由 CEO Zivan Ori、COO Ziv Serlin 和产品总监 Yoav Ilovich 于 2023 年 8 月共同创立。目前公司尚未获得任何外部融资。
Ori 曾是 NVMe 访问全闪存存储公司 E8 Storage 的联合创始人兼 CEO,从 2014 年 8 月一直到 2019 年 8 月被 AWS 收购。随后他担任 AWS 的 EBS 软件开发总监,直到 2023 年 7 月离职。Serlin 也是 E8 的联合创始人,在公司被收购后成为 AWS 的首席工程师。
Ilovich 曾担任 Fleetonomy 的产品总监,之后在 Pagaya Investments 担任产品副总裁,每家公司任职约两年。在共同创立 Datafy 之前,他还在 Addressable.io 担任了五个月的产品顾问。
据 Datafy 顾问 Ron Maroley 表示,EBS 的使用率 (假设卷已挂载到活动机器上) 可能低至个位数百分比。这意味着 - 如果他说得对 - 这些资源有超过 90% 的节省潜力。
他表示,虽然 EBS 优化有两到三个"直接目标"(如未挂载的卷、挂载到已停止机器的卷,或从 gp2 迁移到 gp3),但 EBS 的使用通常被忽视,因为监控和修复需要相对更多的努力。然而,解决这个问题可以带来显著的浪费减少和财务效率提升。据介绍,Datafy 的解决方案使用简单,部署无需开发人员参与。
Ori 表示,EBS 卷有六种类型,可以分为三对 - sc1/st1、gp2/gp3、io1/io2,它们具有不同的成本和性能水平。
在 AWS 上追踪成本,尤其是存储成本,由于其技术复杂性而具有挑战性。EBS 卷按每 GiB 每月定价。定价因 EBS 卷类型而异。io1/io2 价格最高,其次是 gp2/gp3,最后是 sc1/st1。某些 EBS 卷(如 io1 和 io2)除了容量外还需要为预置 IOPS (每秒输入/输出操作数) 付费。对于 gp3 卷,您可以免费获得 3,000 IOPS 的基准,但如果需要,可以额外付费获得更多 IOPS (最高 16,000) 或带宽 (免费带宽为 125 MiB/s,可以付费升级到最高 1,000 MiB/s)。
快照成本也是需要考虑的因素。Ori 说:"你需要在 Amazon S3 的标准层和归档层之间做出选择。标准层价格较高,但可以免费快速检索来创建卷快照。归档层价格较低,但检索较慢且会产生额外费用。由于不同的 AWS 运营成本、供需关系、当地法规和经济条件,EBS 成本在不同 AWS 区域之间存在差异。AWS Cost Explorer 是一个强大的工具,可以帮助您有效管理 EBS 成本。但一个挑战是 EBS 成本难以查找,因为它们被归类在'EC2-其他'成本类别下。"
根据 Ori 的观点:
从纯 IOPS 角度来看,即使需要为额外的 IOPS 付费,也应该始终使用 gp3。gp3 还让你可以灵活决定要付费的 IOPS 数量,这是 gp2 所不具备的。
无论您的要求如何,使用 gp3 总是比 gp2 更经济。
对于需要保证高 IOPS 性能的场景,使用 io2。
对于流媒体应用,使用 st1/sc1 - 这些较早的基于 HDD 的卷。它们提供的带宽-容量-成本比仍然优于 SSD。但是,您必须确保应用程序使用大块大小 (理想情况下为 1 MiB),且对 IOPS 不敏感。
据介绍,Datafy 的优化引擎可以自动调整客户的 EBS 卷大小,确保他们只为实际需求付费。它根据实际使用情况自动调整 EBS 卷的容量,根据需要增加或减少卷大小。Datafy 声称这个过程无需停机,也无需在应用程序或文件系统层面进行手动干预。Datafy 软件可与 Kubernetes 集群的 EBS 存储配合使用。
好文章,需要你的鼓励
尽管许多组织在生成式人工智能方面投入巨资,但大多数并未获得预期的生产力提升。仅仅采用新技术已不足以推动生产力增长。IT领导者需要帮助员工建立相关技能,提供针对性培训,鼓励员工将AI应用于创意和创新工作。数据显示,每天使用AI的员工获得重大生产力提升的可能性是偶尔使用者的4.6倍。
Meta与华盛顿大学联合研究团队开发出无需人类标注的AI评判官自我训练框架。该方法通过生成合成对比数据、自我判断筛选和反复学习,使110亿参数的AI评判官在多项视觉语言任务中超越GPT-4o等大型模型,成本仅为传统方法的1%,为AI自主学习和评估开辟新路径。
未来生命研究所最新发布的AI安全指数显示,大型科技公司在AI安全方面表现不佳,最高仅获得C+评级。该指数评估了包括Anthropic、谷歌、Meta、OpenAI等六家主要AI实验室的透明度、技术保障和治理实践。最令人担忧的是,没有一家公司在"存在性安全"类别中获得及格分数,均无法提出可信的超级智能系统控制方案。研究表明AI能力提升速度远超安全保障发展。
华中科技大学团队开发出4DLangVGGT技术,首次实现AI系统对4D动态场景的语言理解。该技术突破传统方法需要逐场景训练的限制,能跨场景通用部署。系统结合几何感知和语义理解,不仅能识别物体还能描述其时间变化过程。实验显示在多项指标上超越现有方法1-2%,为机器人、AR/VR、智能监控等领域提供重要技术支撑。