تکنولوژی
Trace Machina در حال ساخت یک پلتفرم تست شبیه‌سازی برای به‌روزرسانی برنامه‌های حیاتی ایمنی است
استارت‌آپ Trace Machina با استفاده از نرم‌افزار شبیه‌سازی پیشرفته به توسعه‌دهندگان کمک می‌کند تا به‌روزرسانی‌های نرم‌افزاری را در محیط‌های شبیه‌سازی شده واقعی تست کنند. این شرکت از وضعیت پنهانی خود خارج شده و اعلام کرده است که یک ابزار متن‌باز به نام NativeLink و سرمایه‌گذاری اولیه 4.7 میلیون دلاری را راه‌اندازی کرده است.
وقتی یک به‌روزرسانی معیوب CrowdStrike ماه گذشته فرودگاه‌ها، مراکز تماس 911 و بیمارستان‌ها را به پایین کشید، نشان داد که چگونه یک به‌روزرسانی معیوب می‌تواند بر زیرساخت‌های حیاتی تأثیر بگذارد. حالا تصور کنید که این به‌روزرسانی برای چیزی مانند یک وسیله نقلیه خودمختار یا یک روبات انبارداری بود و پیامدهای یک به‌روزرسانی بد می‌توانست حتی شدیدتر باشد. Trace Machina، یک استارت‌آپ در مرحله اولیه، در تلاش است تا چنین سناریوهایی را با نرم‌افزار شبیه‌سازی پیشرفته‌ای که به توسعه‌دهندگان امکان تست به‌روزرسانی‌ها را در محیط‌های شبیه‌سازی شده واقعی می‌دهد، جلوگیری کند. این شرکت روز پنجشنبه از وضعیت پنهانی خود خارج شد و اعلام کرد که یک سرمایه‌گذاری اولیه 4.7 میلیون دلاری و یک ابزار متن‌باز به نام NativeLink راه‌اندازی کرده است. مدیرعامل و هم‌بنیان‌گذار مارکوس ایگان می‌گوید که شرکتش در حال توسعه یک سیستم بومی مبتنی بر Rust است تا به تست و تأیید نرم‌افزارهای سیستم‌های خودمختار مانند خودروهای خودران و تجهیزات خودکار انبارداری کمک کند قبل از اینکه این سیستم‌ها در دنیای واقعی مستقر شوند. ایگان به تک‌کرانچ گفت: «راه حل ما ایجاد یک لینک بومی بین توسعه‌دهندگان و چشم‌انداز خودمختار آنها است. به همین دلیل اولین محصول ما NativeLink نامیده شده است. هنگامی که توسعه‌دهندگان از کار بر روی برنامه‌های وب به کار با روبات‌ها می‌روند، به وضوح مشخص می‌شود که ابزارهای توسعه‌دهنده موجود مانند Docker، Kubernetes و غیره کافی نیستند. مهندسان باید بتوانند آزمایش‌ها و تست‌ها را مستقیما بر روی سخت‌افزار محلی اجرا کنند. NativeLink این فاصله را پر می‌کند و به مهندسان یک محیط آماده‌سازی ارائه می‌دهد که به آنها امکان می‌دهد شبیه‌سازی‌ها را در محیط‌های با منابع محدود مانند یک چیپ GPU انویدیا جاسازی شده که برای ربات‌ها، خودروهای خودران و دستگاه‌های محیطی دشوار است، اجرا کنند. ایگان می‌گوید که قبلاً شرکت‌ها باید این محیط‌ها را خودشان می‌ساختند و این موضوع آنها را به شرکت‌های خودروهای خودران با بودجه خوب یا هایپراسکیِلرهایی مانند گوگل محدود می‌کرد. او می‌خواست سیستمی بسازد که تا حد امکان به سخت‌افزار نزدیک باشد، چیزی که او آن را “نزدیک به فلز بودن” می‌نامد و آن را برای هر شرکتی قابل دسترس کند. او گفت: «بسیاری از افراد به این مسیر آمده‌اند، اما هیچ‌کدام نمی‌توانند با دسترسی مستقیم به سخت‌افزار اجرا کنند. همیشه یک لایه مجازی‌سازی شده، یک لایه انتزاعی وجود داشته که صادقانه بگویم، ساخت این سیستم‌ها و تکرار آنها را برای آن شرکت‌ها آسان‌تر کرده است. ما فقط مجبور بودیم مالیات نزدیک به فلز بودن را بپردازیم.» سابقه ایگان شامل مدت‌ها کار در MongoDB است، جایی که او به توسعه اولین محصول AI شرکت، Atlas Vector Search، کمک کرد. هم‌بنیان‌گذار او، نیتان بروئر، در Google X، مرکز پروژه‌های فوق‌العاده تجربی شرکت، کار می‌کرد و به ساخت خودروهای خودران در موسسه تویوتا نیز کمک کرد. ایگان، که سیاه‌پوست است، در حرفه خود مجبور به مقابله با نژادپرستی شده است، اما او به ساخت شرکت خود متمرکز باقی می‌ماند، بدون توجه به این موضوع. او گفت: “من مجبور به مقابله با نژادپرستی بوده‌ام و اهمیتی نمی‌دهم. من بسیار متمرکز بر هدفم هستم. هیچ کس نمی‌تواند مرا متوقف کند، هیچ کس نمی‌تواند تعیین کند که چگونه امور پیش خواهد رفت. و از این نظر بسیار قدردانم، زیرا بسیاری از افرادی که شبیه من به نظر می‌رسند این آزادی را ندارند.” او همچنین مجبور به غلبه بر موانعی فراتر از نژادپرستی در زندگی خود شده است. او در نوجوانی در یک تصادف جدی رانندگی دچار آسیب‌های شدید شد، قادر به راه رفتن یا صحبت کردن نبود، اما توانست بهبود یابد، به دانشگاه برود، مهندس شود و در نهایت این استارت‌آپ را شروع کند. سرمایه اولیه 4.7 میلیون دلاری توسط Wellington Management با مشارکت Samsung Next، Sequoia Capital Scout Fund، Green Bay Ventures و Verissimo Ventures همراه با چندین فرشته صنعت برجسته هدایت شد.
