Il cloud ha reso virtualmente espandibile la capacità di archiviazione, mentre l’accesso operativo ai dati continua spesso a dipendere da download, sincronizzazione, copie locali e procedure di ingestion. Space costruisce la propria proposta su questo passaggio: un filesystem distribuito che presenta i file remoti alle applicazioni come se fossero disponibili localmente e trasferisce on demand soltanto le porzioni effettivamente richieste.
La startup di San Francisco ha raccolto 2,4 milioni di dollari in un round pre-seed guidato da a16z Speedrun, con la partecipazione di Golden Ventures, Northside Ventures e dodici angel investor con esperienze in realtà come Parsec, Sentry, Stan, Superwhisper e Modem. Space definisce il proprio prodotto un AI-native distributed filesystem, progettato per consentire ad applicazioni, persone e agenti AI di lavorare sullo stesso insieme di dati attraverso il filesystem, senza richiedere il download completo dei file o copie dedicate per ogni workflow.
L’assunto da cui parte la società è che la capacità di storage sia ormai ampiamente disponibile nel cloud, mentre l’accesso ai dati rimane vincolato dalla necessità di spostarli prima di utilizzarli. Per gli utenti questo significa ancora upload, download, sincronizzazioni e duplicazioni; per gli agenti AI può significare anche copiare, ingerire, indicizzare o caricare i contenuti in sistemi separati prima che un workflow possa iniziare.
Il file resta remoto, l’applicazione lo vede come locale
Space viene montato in Finder come un normale drive. I file ospitati nel cloud possono quindi essere aperti attraverso applicazioni native senza che venga preventivamente creata una copia completa sul dispositivo. Quando un’applicazione o un agente richiede dei dati, Space dichiara di effettuare lo streaming in tempo reale dei byte range richiesti dal software, cioè degli specifici intervalli di byte necessari all’operazione, mettendo in cache soltanto i dati effettivamente utilizzati.
Questo comportamento consente, negli esempi forniti da Space, di aprire un progetto video più grande del disco disponibile sulla workstation, lavorare su un modello architettonico facendo arrivare progressivamente gli asset richiesti dall’applicazione oppure operare su un repository senza conservarlo integralmente sul laptop. La società cita esplicitamente DaVinci Resolve, Adobe Premiere, Photoshop e Blender, che vedono Space come un normale hard drive e non richiedono estensioni o plugin dedicati.
Dal funzionamento descritto emerge un modello nel quale visibilità del file e presenza fisica dei suoi contenuti sul dispositivo vengono separate: l’applicazione vede il file all’interno del filesystem, mentre i dati necessari vengono trasferiti quando vengono richiesti. La differenza rispetto ai meccanismi già diffusi di file-on-demand e sincronizzazione selettiva dovrà essere valutata soprattutto sulla granularità effettiva delle letture, sulle politiche di caching e sulle prestazioni con workload reali.
Arihant Bapna, cofondatore di Space, riassume questa impostazione osservando che “il filesystem è il livello condiviso da ogni applicazione, dispositivo, utente e agente. Ricostruirlo attorno a dati live e distribuiti rende più veloci tutti i workflow che si trovano sopra di esso”.
Sincronizzazione in pochi secondi e accesso progressivo ai file
Quando un utente salva una modifica, Space dichiara che le variazioni vengono sincronizzate in pochi secondi verso tutti i dispositivi collegati allo stesso Space, rendendole rapidamente disponibili agli altri membri del team. È un elemento importante perché aggiunge una dimensione collaborativa al filesystem distribuito, anche se non chiarisce ancora aspetti tecnici come il consistency model, il comportamento in caso di modifiche simultanee, le modalità di locking e la gestione delle operazioni atomiche.
Space dichiara inoltre che un file può diventare utilizzabile prima che il suo upload sia terminato. Teammate e agenti possono scrivere nello Space mentre gli altri dispositivi collegati possono già aprire, fare scrub ed editare il file prima del completamento del caricamento.
Questa caratteristica porta il sistema verso un modello di accesso progressivo, nel quale produzione, trasferimento e consumo possono sovrapporsi. Nei workflow video, nella computer vision e nei sistemi che generano continuamente grandi quantità di dati, la possibilità di iniziare alcune operazioni prima che l’intero oggetto sia stato trasferito può ridurre i tempi morti legati all’upload completo.
Resta però da chiarire il comportamento del sistema quando un’applicazione tenta di leggere una porzione non ancora disponibile, così come le garanzie offerte in presenza di accessi concorrenti e modifiche simultanee.
Il filesystem come interfaccia comune anche per gli agenti AI
L’elemento che Space collega direttamente all’AI è la possibilità di offrire agli agenti lo stesso filesystem utilizzato da persone e applicazioni. La società osserva che molti strumenti agentici richiedono oggi di caricare un intero file anche quando l’attività riguarda soltanto una pagina, un frame o una specifica porzione del contenuto.
Il modello proposto consente invece a un agente di attraversare il filesystem condiviso di un’organizzazione e leggere soltanto le parti rilevanti per il proprio compito. Space presenta quindi il filesystem come un possibile livello comune attraverso il quale utenti umani, software tradizionale e agenti possano accedere agli stessi dati senza generare copie specifiche per ciascun sistema.
Jason Zhao, cofondatore della startup, definisce così il problema: “Persone e agenti lavorano su una quantità di dati superiore a quella che qualsiasi disco locale può contenere. Non dovrebbero aspettare che i file vengano copiati o ingeriti prima di poter iniziare a lavorare”.
Questa impostazione riguarda soprattutto i workflow nei quali il file o la directory da utilizzare sono già individuati e l’agente deve accedere direttamente al contenuto. Non implica di per sé la sostituzione di indicizzazione, parsing, embedding o sistemi RAG – Retrieval-Augmented Generation –, che rimangono necessari quando il problema consiste nel cercare semanticamente informazioni all’interno di grandi collezioni. Il filesystem può però costituire un percorso di accesso più diretto nei casi in cui l’agente debba operare su dati già localizzati.
Spacebar aggiunge una ricerca globale sul filesystem
Space introduce anche Spacebar, un sistema di ricerca globale richiamabile con la combinazione ⌥ Space. La società dichiara risultati nell’ordine dei millisecondi, con l’obiettivo di rendere immediatamente navigabili file e cartelle distribuiti nel filesystem.
La funzione aggiunge un livello di ricerca al namespace condiviso: Space non opera soltanto come percorso di I/O verso file remoti, ma anche come ambiente dal quale individuare rapidamente i contenuti disponibili.
Il sito indica inoltre la possibilità di collegare storage esistente e accedervi come a un drive locale. Al momento, però, non sono specificati i backend supportati né è chiarito se i dati restino integralmente nel repository originario o vengano replicati nell’infrastruttura di Space. Questo punto sarà decisivo per capire se il prodotto possa funzionare come access layer federato sopra storage già esistenti oppure richieda un proprio data plane.
“Zero local disk space” e il ruolo della cache
Space utilizza una formulazione particolarmente netta, dichiarando che i file possono occupare “zero bytes on disk” e che sia possibile lavorare su terabyte di dati senza riempire il computer. Allo stesso tempo, la documentazione del prodotto specifica che il sistema mette in cache soltanto i dati toccati dall’applicazione.
I due elementi vanno letti insieme. Il claim descrive l’assenza della necessità di mantenere una copia permanente dell’intero file, mentre resta da chiarire in dettaglio come venga implementata la cache durante l’utilizzo. La documentazione pubblica non specifica ancora dimensione, supporto utilizzato, politica di eviction, cioè i criteri con cui i dati vengono rimossi dalla cache per liberare spazio, granularità delle letture o eventuali strategie di prefetching.
Questi parametri sono centrali per le prestazioni reali, perché un editor video, un IDE e un’applicazione CAD generano pattern di I/O differenti. La capacità di anticipare le letture, mantenere in cache i dati più utili e ridurre i round trip verso il backend remoto incide direttamente sulla possibilità di far percepire lo storage remoto come locale.
La rete rimane parte integrante del data path
Le specifiche della versione desktop permettono di quantificare meglio il peso della connettività. Per la navigazione e la modifica dei file Space indica 50 Mbps in download e 10 Mbps in upload; per l’editing di video 4K il requisito sale a 200 Mbps in download e 100 Mbps in upload, mentre per il team editing simultaneo di più video 4K viene richiesta una connessione 1 Gbps simmetrica.
Questi valori mostrano che il filesystem distribuito può ridurre la necessità di trasferire interi file quando l’applicazione utilizza soltanto una parte dei dati, ma la rete rimane parte integrante del data path. Il modello è particolarmente favorevole quando il workload consuma una frazione limitata di un file molto grande; quando invece l’applicazione utilizza progressivamente l’intero contenuto, il volume di dati trasferito tende inevitabilmente ad avvicinarsi alla dimensione dell’oggetto stesso.
Il client desktop è ancora in private beta e richiede macOS Tahoe 26.4 o successivo, esclusivamente su Apple silicon, con almeno 16 GB di memoria. La developer beta di macOS 27 “Golden Gate” non è al momento supportata.
Cifratura, versioning e recupero dei file
Space dichiara che i file sono cifrati sia in transit sia at rest, quindi durante il trasferimento e quando sono archiviati. Il sistema conserva inoltre versioni precedenti dei file, consentendo di recuperare il lavoro dopo una sovrascrittura accidentale.
La società specifica anche che un file viene eliminato soltanto quando l’utente ne richiede la cancellazione e dichiara di non vendere i dati degli utenti.
Queste informazioni definiscono una prima base per la protezione dei contenuti, ma lasciano ancora aperti aspetti rilevanti per un utilizzo enterprise, tra cui la gestione delle chiavi di cifratura, i controlli di accesso, l’eventuale supporto a identità separate per gli agenti AI e la disponibilità di audit log capaci di ricostruire quali file siano stati letti o modificati.
Video, AEC e marketing come primi mercati
Space sta iniziando dai team i cui workflow hanno già superato i limiti pratici dei dischi locali, individuando video, marketing e AEC – Architecture, Engineering and Construction come primi settori di adozione. La società collega questa scelta anche alla diffusione crescente di workflow agentici in ambiti nei quali persone e sistemi AI devono lavorare sugli stessi grandi volumi di dati non strutturati.
Il prodotto è attualmente in private beta con circa 100 utenti e team onboarded, mentre Space dichiara un’audience organica superiore a 80.000 persone sulle diverse piattaforme.
L’origine del progetto deriva da un problema sperimentato direttamente dai fondatori. Jason Zhao aveva accumulato decine di terabyte di filmati nel corso di circa dieci anni di attività su YouTube. Nella precedente società fondata dal gruppo, il problema era diventato organizzativo: il team trasferiva terabyte di video ogni mese, perdendo ore in upload e download, ricorrendo alla compressione con conseguente riduzione della qualità e interrompendo interi workflow quando il drive necessario non era fisicamente disponibile.
Matthew Ao, Arihant Bapna e Jason Zhao hanno costruito il primo prototipo di Space nel novembre 2025. Nei mesi successivi il team ha proseguito lo sviluppo presso Founders Inc. a San Francisco, mentre la domanda per il prodotto cresceva durante la raccolta del round pre-seed.
Jonathan Lai, General Partner di a16z, lega l’investimento alla rimozione del vincolo della copia locale: “Space sta mettendo in discussione una delle assunzioni più antiche dell’informatica: che un file debba esistere sul dispositivo prima di poterci lavorare”.
Dal filesystem allo “Space Computer”
Dopo i primi casi d’uso in video, marketing e AEC, Space indica come mercati successivi AI-native companies, media and entertainment, infrastrutture per i dati di training AI, computer vision, enterprise data systems e pipeline per i world model.
La visione di lungo periodo viene definita Space Computer, o “infinite computer”: un modello nel quale la macchina fisica diventa una finestra verso capacità di storage e, in prospettiva, di compute disponibili altrove. Il filesystem rappresenta il primo livello di questa architettura, perché consente di separare il dispositivo che esegue il software dalla posizione nella quale il dato è conservato.
Matthew Ao descrive l’obiettivo in questi termini: “Il computer non ha più bisogno di contenere ogni file. Diventa una finestra su qualsiasi file, ovunque si trovi e qualunque sia la sua dimensione”.
Le informazioni oggi disponibili consentono di descrivere con precisione alcuni elementi centrali del prodotto: streaming dei byte range, caching dei dati effettivamente utilizzati, sincronizzazione in pochi secondi, accesso ai file mentre l’upload è ancora in corso, ricerca globale, collegamento di storage esterno, cifratura in transit e at rest e versioning.
Restano ancora da verificare aspetti decisivi dell’implementazione, tra cui l’architettura del client, la granularità reale dei byte range, il funzionamento della cache e della sua eviction, il consistency model, gli accessi concorrenti, i backend storage supportati, la gestione delle chiavi e dei controlli di accesso, le modalità di accesso degli agenti e le prestazioni sotto carico. Sono questi elementi a determinare quanto il modello possa estendersi dai primi workflow professionali verso l’obiettivo più ampio di rendere il filesystem un’interfaccia condivisa per persone, applicazioni e agenti AI.
