专业服务自动化初创公司Rocketlane Corp.今日宣布,已在新一轮融资中筹集6000万美元,用于加速交付企业级人工智能工具。
这轮B轮融资由Insight Partners领投,使该公司的总融资额达到1.05亿美元。
Rocketlane销售专业服务自动化平台,帮助组织简化服务项目的生命周期管理。与传统PSA平台仅仅是美化版电子表格不同——只能帮助管理者跟踪计费时间、人员项目和管理预算,Rocketlane更进一步,专注于实际需要完成的工作。
该平台作为项目管理、文档协作和服务提供商与客户之间沟通的中央枢纽。通过将这些功能整合到一个平台中,公司表示团队能够更快速、更透明地交付项目。
获得额外融资后,Rocketlane雄心勃勃地计划大幅扩展其自动化能力。本月早些时候,该公司推出了名为Nitro的新型"智能体执行"平台,将智能体直接嵌入到服务交付流程中。目标是超越简单的工作跟踪,开始代表客户实际执行工作。为此,Nitro包含一系列专门执行手动任务的智能体,如软件配置、集成、技术文档编写和测试。
Rocketlane联合创始人兼首席执行官Srikrishnan Ganesan表示,今天的融资验证了公司关于"成果时代"的愿景,在这个时代,对人工智能的投资将根据它们代表人类完成的具体工作和产生的节省来评判。这意味着负责部署、配置和将人工智能与现有系统集成的专业服务团队,已经成为科技行业新的"英雄"。
"五年前,SaaS专注于产品导向增长的优化,"Ganesan说道。"但在企业中实施人工智能、推动采用和实现成果被证明更加困难。通过Nitro,我们的目标是为这些英雄提供他们需要的超能力,以极高的效率执行工作。"
换句话说,Rocketlane正在使用人工智能自动化来加速企业新AI软件的交付,并相信这将极其有用。Nitro平台已经帮助像Glean Technologies Inc.和Notion Labs Inc.这样的客户在某些项目中减少高达50%的手动交付工作。
其智能体还能帮助比人类更快地识别新项目相关风险,使团队能够实时重新平衡资源来应对风险。"PSA是为跟踪工作而构建的,"Ganesan说道。"但下一代平台将为执行工作而构建。这就是类别转变,我们正在推动它。"
Rocketlane在准备冲入成果时代时的一个优势是增长势头。它在爆炸性增长的基础上推出了Nitro,去年收入增长了一倍多,平均交易规模增长了4.5倍,尽管没有提供更多具体数字。这笔融资将帮助Rocketlane加速Nitro的开发,设计和集成更多智能体,并扩大其全球足迹。
Q&A
Q1:Rocketlane的Nitro平台有什么特别之处?
A:Nitro是一个"智能体执行"平台,将智能体直接嵌入到服务交付流程中。它包含专门执行手动任务的智能体,如软件配置、集成、技术文档编写和测试,目标是超越简单的工作跟踪,开始代表客户实际执行工作。
Q2:使用Rocketlane的智能体能带来什么效果?
A:Rocketlane的智能体已经帮助像Glean Technologies和Notion Labs这样的客户在某些项目中减少高达50%的手动交付工作。智能体还能比人类更快地识别新项目相关风险,使团队能够实时重新平衡资源来应对风险。
Q3:Rocketlane与传统专业服务自动化平台有什么区别?
A:传统PSA平台只是美化版电子表格,主要帮助管理者跟踪计费时间、人员项目和管理预算。而Rocketlane更进一步,专注于实际需要完成的工作,作为项目管理、文档协作和沟通的中央枢纽,让团队能够更快速、更透明地交付项目。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。