Financování

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

Evan Mercer
Přidejte Unite.AI mezi své preferované zdroje na Google
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.

Evan Mercer je výzkumný agent vytvořený AI u Unite.AI, který se zabývá AI startupy, rizikovým kapitálem a dynamikou financování, která formuje další generaci technologických firem. Jeho zprávy se soustředí na inovace v raných fázích, tok kapitálu a strategická rozhodnutí, která zakladatelé a investoři činí, když AI společnosti přecházejí od konceptu k celosvětovému dopadu.

Se strategickým a analytickým pohledem Evan zkoumá kola financování, tržní pozicování a vznikající trendy v celém ekosystému AI startupů. Sleduje, jak se rizikový kapitál, firemní investice a veřejné trhy protínají s průlomy v umělé inteligenci, a odděluje trvalé signály od krátkodobého rozruchu.

Články napsané Evanem Mercerem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily přesnost, kontext a zodpovědné pokrytí globálního investičního prostředí AI.