Unleash 获 3500 万美元融资并推出“影响力指标”，旨在应对 AI 加速开发中的速度与稳定性挑战。它通过功能级控制和实时指标管理发布，确保软件安全稳定交付，成为 AI 速度下的“安全网”。
译自：Unleash raises $35M, launches Impact Metrics to govern feature rollouts at AI speed
作者：Paul Sawers
在技术领域，四年是一段漫长的时间。但在人工智能领域，这更像永恒。
当 Unleash 上一次 在 2022 年 3 月 筹集资金时，ChatGPT 尚未进入主流词汇，“AI 辅助编程”还是一个利基领域，远非如今席卷开发者文化的备受推崇的氛围编程风潮。然而，一些基本原则并未改变。软件仍然需要在生产环境中可靠运行。功能仍然需要经过测试、测量，并在必要时回滚。
速度与稳定性之间这种持久的张力是 Unleash 最新发展背后的核心。周三，兄弟兼联合创始人 Egil 和 Ivar Østhus 宣布获得了 3500 万美元的新一轮融资，同时发布了一项重要的产品更新，旨在直接应对人工智能加速开发所带来的现实挑战。
独特功能
功能管理介于编写代码和向用户展示代码之间。团队可以不将更改一次性部署给所有人，而是将新功能封装在功能标志中——这些开关决定了谁在何时看到什么。这可能意味着向一小部分用户发布新的结账流程，测试推荐引擎的两种变体，或者在公开之前悄悄启用后端更改。如果出现问题，可以在不重新部署整个应用程序的情况下禁用该功能。
Unleash 提供了这一控制层，允许工程团队根据用户细分、地理位置、设备类型或其他属性定义发布规则，并实时微调功能暴露。
Unleash：功能管理界面
毫无疑问，这个概念早于当前的人工智能浪潮，但随着代码生成的加速，推向生产环境的更改量也随之增加。而这反过来又提高了发布处理的风险。
该公司首席执行官 Egil Østhus 表示，这种转变在公司内部也显而易见。人工智能工具提高了内部开发速度，但也迫使对实际发布的内容采取更严格的纪律。
“当生成代码变得更便宜时，对你所写内容的纪律性就变得更加重要。我们对发布什么和保留什么更具意图性。不受控制的速度只会产生噪音和长期复杂性，这与你扩展时的目标背道而驰。”
“我们的工程师效率大大提高，但与此同时，人工智能也提高了期望值，” Østhus 告诉《The New Stack》。“当生成代码变得更便宜时，对你所写内容的纪律性就变得更加重要。我们对发布什么和保留什么更具意图性。不受控制的速度只会产生噪音和长期复杂性，这与你扩展时的目标背道而驰。”
此外，Østhus 表示，Unleash 在内部所经历的，也与其在客户群中看到的如出一辙，其客户包括 Lloyds Banking Group 和 Lenovo 等。
“人工智能极大地提高了代码速度——团队可以发布更多的实验、更多的功能、更多的更改，” Østhus 说。“但这并不能保证他们发布的是正确的东西，或者这些更改是安全的。”
事实上，研究表明，快速采用人工智能并非交付性能的万灵药。DORA（谷歌长期运行的 DevOps 研究和评估项目）发布的 《2025 年 AI 辅助软件开发现状报告》 发现，尽管人工智能现已广泛集成到工程工作流程中并能提高吞吐量，但它也放大了软件交付系统中的优势和劣势。因此，缺乏成熟发布实践和控制的团队，即使速度提高，也常常会发现不稳定性仍然居高不下。
“在一个应用程序每天变化数十次或数百次的世界里，公司需要渐进式发布、实时测量以了解哪些有效，以及在出现问题时能立即启用的紧急停止开关，” Østhus 说。
当 CI/CD 不足时
工程师可以依靠许多开发规范和工具链来安全地发布软件。持续集成和持续部署 (CI/CD) 流水线自动化了从提交到生产的路径，而可观测性平台则在代码上线后收集指标。但这些都并非明确设计用于控制单个功能在向用户暴露后的行为——当人工智能加入其中时，这一差距变得更加明显。
“当 AI 辅助开发增加更改频率时，传统的整体回滚变得不那么实用，” Østhus 说。“因为一个功能出现问题而回滚整个部署太慢且过于粗暴。在高度分布式系统中，重新部署甚至可能引入新的新风险。”
“因为一个功能出现问题而回滚整个部署太慢且过于粗暴。在高度分布式系统中，重新部署甚至可能引入新的新风险。”
这是 Unleash 和其他行业参与者所称的 FeatureOps 层——一种独立于部署来管理功能生命周期的实践。
“它允许团队在功能层面控制暴露——他们可以将一个功能发布给 1% 的用户，监控实时信号，并在不触及系统其他部分的情况下自动暂停或禁用该功能，” Østhus 说。“这是一种外科手术般的控制，而不是孤注一掷的部署逻辑。”
AI 模型变体发布控制
这正是 Unleash 最新产品更新背后的理念。7.5 版本引入了“影响力指标”（Impact Metrics），这是一项旨在将选定的生产信号直接整合到发布逻辑中的功能。
团队不再仅仅依赖仪表盘和手动干预，而是可以定义哪些指标应该管理功能的暴露——从错误率和延迟阈值到采纳率或转化率等业务指标。如果这些预定义的阈值被突破，发布可以自动暂停或终止，而无需重新部署整个系统。
Østhus 认为，其目的是确保发布决策反映的不仅仅是技术遥测数据。工程信号、产品性能和用户影响都可以纳入功能发布时的评估考量。
“大多数企业已经拥有监控工具、产品分析和数据仓库，” Østhus 说。“挑战不在于数据的缺乏，而在于在正确的时间将正确的信号连接到正确的功能。与市场上现有的监控驱动的发布防护措施不同，影响力指标允许组织将全面的 360 度视角带入讨论。”
影响力指标
开源、可审计性和企业问题
Unleash 吸引大型企业的核心在于其开源资质。
该项目始于 2014 年，当时 Ivar Østhus（现任公司首席技术官）是挪威最大的在线市场 Finn.no 的一名开发者。由于发布未完成功能时的摩擦，以及功能分支带来的合并冲突和延迟反馈，他感到沮丧，于是构建了一个内部标志系统，将代码部署与功能发布解耦。
该工具于次年开源，并最终演变为今天的商业 Unleash 平台，其兄弟 Egil Østhus 于 2019 年加入担任首席执行官。
Egil Østhus 认为，对于受监管的行业而言，提供透明度和控制至关重要——尤其是在 AI 生成代码越来越多地进入生产系统的情况下。
“开源和可自行托管是一个显著优势，”他说。“客户可以检查代码，如果需要可以分叉它，并在自己的基础设施内完全运行。”
可审计性解释了为什么 Unleash 重点关注企业客户，但 Østhus 反驳了运行时控制仅仅是企业关注的问题这一说法。
“大型企业拥有多个团队、遗留系统、监管要求和数百万用户——一个错误的爆炸半径呈指数级增长，”他说。“但即使是一个两人创业公司，也可能因为一个糟糕的更改而使其整个产品崩溃。”
随着人工智能降低了生成和发布代码的门槛，各种规模的团队都在更频繁地发布更改。Østhus 认为，区别在于规模和复杂性。大型组织面临更大的协调负担和监管风险，而小型团队则操作层级较少。潜在的挑战——控制软件上线后的行为——保持不变。
Unleash 的 B 轮融资由 One Peak 领投，现有投资者 Spark Capital、Frontline Ventures 和 Firstminute Capital 参与。公司获得了 3500 万美元的新资金，计划在自 2022 年上次融资以来奠定的基础上继续发展，在此期间，公司表示已超过 500 家付费客户，GitHub 星标数超过 13,000，开源项目总下载量超过 4000 万。
随着人工智能加速软件交付，发布管理的机制变得更加重要。Unleash 的赌注是，功能层面的监督将成为现代软件交付中的常规基础设施——正如 Østhus 所说，是为以 AI 速度运行的团队提供的“安全网”。
“当 AI 生成的代码投入生产，如果出现问题，每分钟的停机时间都会让您损失收入和客户，”他说。
