CAST AI是一家成立两年的初创公司，提出了服务提供商通常提供的那种大胆主张，它声称它可以将你的云计算费用减半。在之前的生活中，这些联合创始人领导着Zenedge，这是一家基于云的网络安全公司，最终被甲骨文收购。像任何在云中出生的公司一样，它正在寻求一种更好的方式来控制其每月的云计算账单。因此，在联合创始人的下一步行动中，这就是他们瞄准的问题。

在数据领域，我们已经看到人工智能被用于优化查询，调整数据库性能，以及在甲骨文的自主数据库中，运行整个该死的东西。有很多机器学习被用于预测或预防故障。

那么，为什么不把机器学习应用于塑造云计算的足迹呢？这是一个机器学习要解决的自然问题，因为不缺乏日志数据，而且这个问题是相当线性和明确的。关键的变体是工作负载的性质和特点，以及底层计算基础设施。这是一个超越人类学习的问题，因为在AWS（和其他云供应商）的情况下，很容易有数百种计算实例类型和相关的存储排列组合。

CAST AI大约在六个月前推出了它的第一项服务，提供工作负载快照的实时分析，以确定最佳实例配置。它只限于在Kubernetes（K8s）下运行的云原生、容器化工作负载。例如，使用8个C5a.large实例类型的计算密集型工作负载，使用3个C5a.2xlarge类型可能会更便宜地运行。

通过保持对由K8s协调的云原生容器化工作负载的关注，它利用了描述工作负载特性的声明性容器API。通过只在K8s环境中工作，它为本周宣布的 "即时再平衡 "优化服务扫清了道路。它允许集群在飞行中调整集群配置的大小，利用自动化（通过K8s协调）来执行自动缩放。这一功能取代了定期进行的手动负载再平衡步骤。

云的成本优化是应用机器学习的一个明显目标；不乏有云客户寻求控制他们的账单。这在传统上需要经理们监控CloudWatch或实施基于规则的控制，突然减少工作负载。当我们到达re:Invent的展区时，我们预计CAST AI会有更多的公司。