Finansiering

Phaze henter inn 8,75 millioner dollar i såkornfinansiering med a16z i spissen for fjerntilgang for mennesker og AI-agenter

mm
Legg til Unite.AI blant dine foretrukne kilder på Google
Conceptual illustration of remote access to shared workstations for people and AI agents

Phaze har hentet inn 8,75 millioner dollar i såkornfinansiering med a16z i spissen for å gi ansatte og AI-agenter tilgang til kraftige datamaskiner på avstand. Selskapet kunngjorde finansieringsrunden 4. november, med deltakelse fra Indie, NextView, Makers Fund og Lerer Hippeau.

Oppstartsselskapet, som har hovedkontor i Utah, planlegger å utvide ingeniørteamet, videreutvikle produktet og støtte kundeveksten. Gründerne bygget tidligere Parsec, selskapet for fjerntilgang som Unity kjøpte opp i 2021. Den nye satsingen kombinerer et eksternt skrivebord med høy ytelse og verktøy for å administrere arbeidsstasjoner som delt infrastruktur.

Investeringen retter seg mot et praktisk spørsmål som oppstår i takt med at AI som bruker datamaskiner, blir stadig vanligere: Hvor bør en agent faktisk utføre arbeidet sitt? Phazes svar er en maskin som administreres av selskapet, og som ansatte eller agenter kan få tilgang til eksternt, med tilgang styrt av organisasjonens eksisterende tillatelser.

Eksternt skrivebord møter AI-arbeidsstyrken

Phaze tar utgangspunkt i et velkjent behov: å kunne bruke en arbeidsstasjon et annet sted fra enheten man har foran seg. På nettstedet fremhever selskapet responsiv inndata, 3D-grafikk, fargekvalitet og støtte for flere skjermer til arbeidsoppgaver som CAD og design. Dette er ytelsespåstander fra selskapet, ikke resultater fra en uavhengig referansetest.

Den overordnede ideen er at fjerntilgang skal tjene både mennesker og agentene deres gjennom den samme infrastrukturen. En designer kan bruke en arbeidsstasjon interaktivt, mens en agent kobler seg til en annen maskin for å teste programvare eller overvåke en prosess som kjører over lengre tid. Arbeidet kan fortsette uten at agenten bruker den aktive skrivebordsøkten til den ansatte.

Dermed skilles enheten man bruker til å koble seg til, fra maskinvaren som utfører oppgaven. IT-avdelingen får også en måte å tildele tilgang til eksisterende maskiner på, i stedet for å behandle hver nye agent som en grunn til å kjøpe enda en dedikert arbeidsstasjon.

I sitt tidligere intervju med Unite.AI trakk Boxer fram bedre tilkobling og maskinvarebasert koding og dekoding av video som grunnlag for god ytelse på moderne eksterne skrivebord. Han framhevet også programvaretesting og feilsøking for sluttbrukere som oppgaver der det kan være mer nyttig å styre en hel datamaskin enn å kalle et program-API.

Slik kobler Phaze agenter til datamaskiner

Selskapets produktside for AI beskriver en lokal server for Model Context Protocol (MCP), som agenter kan bruke til å styre eksterne datamaskiner via skrivebordet eller kommandolinjen. Phaze betegner foreløpig MCP-integrasjonen som eksperimentell.

Dermed fungerer Phaze som et tilgangslag, ikke som en ny resonneringsmodell. Agenten står for intelligensen som avgjør hva den skal gjøre, mens Phaze sørger for tilkoblingen til en maskin og programmene på den. Dette skillet er viktig, fordi det at en agent får tilgang til en datamaskin, ikke i seg selv betyr at den kan utføre alle oppgaver riktig.

Dette skiller seg også fra å integrere en agent med API-et til ett enkelt program. Et datamaskingrensesnitt kan gi tilgang til arbeidsflyter i programvare som ikke har en spesialbygd integrasjon. Som Unite.AI forklarer i sin veiledning om agenter som bruker datamaskiner, utvider skjermbasert samhandling utvalget av programvare en agent kan bruke, samtidig som tillatelser og pålitelig utførelse blir særlig viktig.

En støttebot viser hvordan mennesker kan kobles inn

Phazes demonstrasjon av IT-støtte viser et konkret eksempel. Teamet laget en Slackbot som svarer på en hjelpeforespørsel, kobler seg til brukerens datamaskin og forsøker å løse problemet. Når boten trenger hjelp, sender den saken videre til en IT-medarbeider, som kan delta i den eksterne økten.

I eksempelet som er dokumentert, oppgir en person passordet som trengs for å logge inn. Deretter kan støtte medarbeideren overlate kontrollen til agenten igjen, slik at den kan fullføre oppgaven. Phaze sier at selskapet kontrollerer om medarbeideren har tillatelse til å koble seg til, og blokkerer uautoriserte tilkoblingsforsøk.

Det nyttige her er kontinuiteten. En eskalering trenger ikke bety at man avslutter økten og må gjenskape problemet et annet sted. En person kan gripe inn når det trengs skjønn eller autorisasjon, og deretter la automatiseringen fortsette.

Selskapet publiserer også et eksempel med Render Buddy, som overvåker jobber som kjører over lengre tid, og varsler brukerne når en gjengivelse er ferdig eller støter på et problem. Eksemplene viser mulige arbeidsflyter; de dokumenterer ikke at alle oppgaver innen støtte eller gjengivelse kan utføres uten tilsyn.

API-et administrerer tilgang og maskiner

Phazes API-dokumentasjon for bedriftskunder beskriver et eget REST-grensesnitt for administrasjon. Grensesnittet er tilgjengelig for kunder med Enterprise-abonnement og omfatter medlemmer, organisasjoner, grupper, maskiner, lokasjoner, reléer og tilkoblingslogger. En API-nøkkel er knyttet til én bedrift.

Dette administrasjons-API-et supplerer agenttilkoblingen. Det lar utviklere automatisere hvilken maskin som tildeles en bruker eller gruppe, og integrere tilgangsadministrasjonen med en eksisterende arbeidsflyt. I Phazes egen kunngjøring av API-et skisseres en Slack-kommando som tildeler en arbeidsstasjon og returnerer en tilkoblingslenke.

Dokumentasjonen angir også en viktig grense for godkjenning: Tilkobling til en maskin som er tildelt en bruker eller gruppe, krever godkjenning, med mindre brukeren som kobler seg til, er den som har fått maskinen tildelt, eller tilhører gruppen den er tildelt. Bred administrativ tilgang må derfor ikke forveksles med ubegrenset tilgang til alle tildelte arbeidsstasjoner.

På nettstedet sitt opplyser Phaze at agenter arver maskintilgangen til brukerne sine. Selskapet tilbyr også lokale reléer, katalogsynkronisering, rollebaserte kontroller og logger over tilkoblinger og administrasjon. Til sammen håndterer disse funksjonene spørsmål som er viktige for bedrifter: hvem som har tilgang til hvilken datamaskin, og hvordan tilgangen loggføres.

Hvorfor delte arbeidsstasjoner er den større satsingen

I sin kunngjøring av finansieringen argumenterer administrerende direktør og medgrunnlegger Benjy Boxer for at selskaper kjøper arbeidsstasjoner ut fra behovet i perioder med høyest belastning, samtidig som deler av kapasiteten står ubrukt. Alternativet han foreslår, er en maskinpark som kan tildeles etter hvert som behovene endrer seg, og deretter gjøres tilgjengelig for andre.

Ideen utvider bruken av eksternt skrivebord utover støtte til ansatte som jobber på ulike steder. Hvis én ansatt har ansvar for flere agenter, kan behovet for tilgang vokse raskere enn antallet ansatte. En delt maskinpark gir en annen måte å dekke dette behovet på, forutsatt at tilgjengelige maskiner, programvarelisenser og krav til arbeidsbelastning passer sammen.

Den kommersielle muligheten ligger i å samordne denne tilgangen på en god måte. Rask strømming gjør det behagelig for en person å jobbe; maskinadministrasjon hjelper IT med å fordele ressurser; agenttilkobling gjør det mulig for automatisering å bruke det samme miljøet. Phaze samler disse funksjonene i stedet for å be bedrifter administrere dem som separate systemer.

Såkornrunden gir teamet finansiering til å utvikle denne tilnærmingen. Betydningen ligger i at arbeidsstasjonen får en ny funksjon: Den blir en ressurs som ansatte og agenter kan bruke når en oppgave krever det, med ytelse og tillatelser administrert som en del av det samme produktet.

Evan Mercer er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-oppstartsbedrifter, venturekapital og finansieringsdynamikken som former neste generasjon av teknologiselskaper. Rapporteringen hans fokuserer på tidligfaseinnovasjon, kapitalstrømmer og de strategiske beslutningene grunnleggere og investorer tar når AI-selskaper skalerer fra konsept til global påvirkning.

Med et strategisk og analytisk perspektiv undersøker Evan finansieringsrunder, markedsposisjonering og fremvoksende trender i AI-oppstartsmiljøet. Han følger hvordan venturekapital, bedriftsinvesteringer og børsnoterte markeder krysser med gjennombrudd innen kunstig intelligens, og skiller varige signaler fra kortsiktig hype.

Artiklene skrevet av Evan Mercer er AI-genererte og gjennomgås av Unite.AI sitt redaksjonelle team for å sikre nøyaktighet, kontekst og ansvarlig dekning av det globale AI-investeringslandskapet