Financování
LanceDB získává 57,5 milionu dolarů v investičním kole série B, aby rozšířila svůj multimodální lakehouse pro AI

Klíčové bodyLanceDB získala 57,5 milionu dolarů na rozšíření lakehouse, který spravuje a poskytuje…
Zobrazit více
- LanceDB získala 57,5 milionu dolarů na rozšíření lakehouse, který spravuje a poskytuje data pro trénink AI.
- Společnost uvádí více než desetinásobný meziroční růst tržeb od svého kola Series A v červnu 2025.
- LanceDB chce sjednotit tréninková data, experimenty a zavádění, aby týmy přestaly ručně spravovat pipeline.
LanceDB oznámila 17. listopadu 2026, že získala 57,5 milionu dolarů v investičním kole série B na rozšíření svého multimodálního lakehouse, platformy pro organizaci a poskytování trénovacích dat pro AI. Celková výše financování společnosti tak dosáhla 98,5 milionu dolarů.
Investiční kolo vedly společnosti Bessemer Venture Partners a Innovation Endeavors. Zúčastnily se ho také Theory Ventures, Dimension, Swift Ventures, CRV a Y Combinator. LanceDB plánuje investovat získaný kapitál do rozšíření své role v celém procesu vývoje modelů, včetně správy trénovacích dat, tvorby příznaků, provádění experimentů a načítání dat.
Rozšíření využití a technický rozsah
LanceDB uvádí, že výzkumníci mohou získáváním a přípravou trénovacích dat strávit týdny či měsíce, přestože se pokrok v oblasti nejmodernějších systémů AI měří ve dnech a týdnech. Její multimodální lakehouse má tento rozdíl překlenout spojením přípravy, vyhledávání a načítání dat, tvorby příznaků a trénování pro vývoj nejmodernějších modelů, modelů světa, fyzické AI a podnikových aplikací.
Společnost uvádí, že od svého investičního kola série A v červnu 2025 dosahuje více než desetinásobného meziročního růstu tržeb. Její open source knihovna byla stažena více než 120 milionkrát, což představuje šestinásobný nárůst celkového počtu stažení oproti stejnému období o rok dříve. Mezi zákazníky patří Netflix, Microsoft AI, Runway, Luma AI a Midjourney.
Platforma je navržena pro ukládání multimodálních dat, například videí, obrázků a dat ze senzorů, a zároveň podporuje vyhledávání a trénování ve velkém měřítku. LanceDB uvádí, že zvládá více než 130 000 požadavků za sekundu, přičemž u 95 % požadavků je latence nižší než 210 milisekund. Jednotlivé tabulky mohou obsahovat stovky petabajtů dat nebo více než 40 miliard vektorů a trénování může probíhat souběžně na 8 000 GPU.
Funkce pro podnikové zákazníky řeší aktualizace těchto tabulek během jejich používání. Odolná zapisovací cesta s akcelerací pamětí zajišťuje příjem dat v reálném čase, distribuované indexování se škáluje napříč rozsáhlými datovými sadami a spravovaná kompakce průběžně optimalizuje tabulky na pozadí. LanceDB uvádí, že spravovaná kompakce podporuje až 100 miliard multimodálních řádků, zatímco několik výzkumníků současně čte, zapisuje do stejné tabulky a vyhledává v ní.
Zákazníci popisují, jak se mění trénovací datové sady
Technický ředitel společnosti Runway Kamil Sindi popsal, jak se mění jeden trénovací příklad: „Trénovací příklad v Runway nezůstává neměnný. Začíná jako video a zadání, pak přidáváme vektory příznaků, metadata o rozlišení a délce — zkrátka cokoli, co vyžaduje další experiment.“ Runway začala v roce 2024 používat datový formát Lance a později se stala zákazníkem LanceDB Enterprise. Nyní společnost používá Lance společně s LanceDB Enterprise, aby výzkumníci mohli rychleji pracovat s rozsáhlými, proměnlivými datovými sadami.
NVIDIA Cosmos, uživatel open source řešení a partner, představuje další příklad nasazení. Technický vedoucí Max Li uvedl, že tým připravil přibližně jeden milion hodin videa pomocí Lance pro Cosmos 3, přechází k trénování přímo z tohoto formátu a oceňuje architekturu nativně využívající objektové úložiště, která umožňuje streamovat, filtrovat a kontrolovat rozsáhlé datové sady i během jejich úprav a současně dodávat data do velkých GPU clusterů.
Vedoucí datové platformy Microsoft AI Suqiang (Jack) Song uvedl, že jeho organizace používá LanceDB jako vrstvu pro trénovací data v řádu miliard řádků zahrnujících obrázky a kód. Distribuované inferenční úlohy přitom čtou data Lance přímo na tisících uzlů. Pro produkční nasazení bylo nezbytné, aby řešení fungovalo v rámci vlastního tenantu Microsoftu a jeho bezpečnostních zásad.
Plán rozvoje po investičním kole série B
LanceDB chce sjednotit trénovací data, kontext, protokoly a výstupy běhů v jediném systému, který zvládne objemy dat v petabajtovém měřítku. Výzkumné týmy by také mohly souběžně spouštět velké množství experimentů s AI agenty, aniž by kontaminovaly sdílené datové sady. Cílem je pokrýt celý cyklus zlepšování modelů a omezit ruční dohled nad datovými procesy i problémy s načítáním dat, které mohou výzkum zpomalovat.
LanceDB plánuje také rozšířit možnosti nástrojů pro tvorbu příznaků. Tým by jednou definoval transformaci a platforma by ji následně použila v celé datové sadě, zpětně doplnila stávající řádky a zpracovávala nová data, jakmile dorazí. Další vývoj se zaměří na větší část přípravy dat před trénováním a na lepší načítání a ukládání dat do mezipaměti během trénovacích běhů.
Investiční kolo série B posouvá LanceDB za hranice vyhledávání směrem k průběžné práci s proměnlivými datovými sadami, provádění experimentů a poskytování dat trénovacím úlohám. V další fázi se ukáže, zda jedna platforma dokáže zvládnout jak objemy dat v měřítku nejmodernějších systémů, tak neustálé změny při jednotlivých experimentech, o nichž hovoří zákazníci, jako je Runway.












