Χρηματοδότηση
Η LanceDB συγκεντρώνει 57,5 εκατ. δολάρια σε γύρο Series B για να επεκτείνει την πολυτροπική υβριδική αποθήκη δεδομένων της για την τεχνητή νοημοσύνη

Βασικά σημείαΗ LanceDB συγκέντρωσε 57,5 εκατομμύρια δολάρια για να επεκτείνει μια lakehouse που…
Δείτε περισσότερα
- Η LanceDB συγκέντρωσε 57,5 εκατομμύρια δολάρια για να επεκτείνει μια lakehouse που επιμελείται και παρέχει δεδομένα εκπαίδευσης AI.
- Η εταιρεία αναφέρει υπερδεκαπλάσια αύξηση εσόδων σε ετήσια βάση από τον Γύρο Χρηματοδότησης Series A τον Ιούνιο του 2025.
- Η LanceDB στοχεύει να ενοποιήσει τα δεδομένα εκπαίδευσης, τα πειράματα και τις κυκλοφορίες ώστε οι ομάδες να σταματήσουν τη χειροκίνητη διαχείριση των pipelines.
Η LanceDB ανακοίνωσε στις 17 Νοεμβρίου 2026 ότι συγκέντρωσε 57,5 εκατομμύρια δολάρια σε χρηματοδότηση Series B, με στόχο να επεκτείνει την πολυτροπική υβριδική αποθήκη δεδομένων της, μια πλατφόρμα για την οργάνωση και τη διάθεση δεδομένων εκπαίδευσης για την τεχνητή νοημοσύνη. Με αυτόν τον γύρο, η συνολική χρηματοδότηση της εταιρείας ανέρχεται σε 98,5 εκατομμύρια δολάρια.
Τον γύρο χρηματοδότησης ηγήθηκαν οι Bessemer Venture Partners και Innovation Endeavors, με τη συμμετοχή των Theory Ventures, Dimension, Swift Ventures, CRV και Y Combinator. Η LanceDB σχεδιάζει να διαθέσει τα κεφάλαια για να διευρύνει τον ρόλο της σε όλο το φάσμα της ανάπτυξης μοντέλων, συμπεριλαμβανομένων της διαχείρισης δεδομένων εκπαίδευσης, της μηχανικής χαρακτηριστικών, της εκτέλεσης πειραμάτων και της φόρτωσης δεδομένων.
Υιοθέτηση και τεχνική κλίμακα
Η LanceDB αναφέρει ότι οι ερευνητές μπορεί να χάσουν εβδομάδες ή μήνες για να αποκτήσουν και να επιμεληθούν δεδομένα εκπαίδευσης, παρότι η πρόοδος στην αιχμή της τεχνητής νοημοσύνης μετριέται σε ημέρες και εβδομάδες. Η πολυτροπική υβριδική αποθήκη δεδομένων της έχει σχεδιαστεί για να γεφυρώσει αυτό το χάσμα, συνδυάζοντας την επιμέλεια, την αναζήτηση και την ανάκτηση, τη μηχανική χαρακτηριστικών και την εκπαίδευση για την ανάπτυξη πρωτοποριακών μοντέλων, μοντέλων του φυσικού κόσμου, εφαρμογών φυσικής τεχνητής νοημοσύνης και επιχειρηματικών εφαρμογών.
Η εταιρεία αναφέρει ότι τα έσοδά της έχουν αυξηθεί πάνω από δεκαπλάσια σε ετήσια βάση από τον γύρο Series A, τον Ιούνιο του 2025. Η βιβλιοθήκη ανοιχτού κώδικα της έχει ληφθεί περισσότερες από 120 εκατομμύρια φορές, αριθμός που αντιστοιχεί σε εξαπλάσια αύξηση του συνόλου των λήψεων σε σύγκριση με το αντίστοιχο σημείο έναν χρόνο νωρίτερα. Στους πελάτες της περιλαμβάνονται οι Netflix, Microsoft AI, Runway, Luma AI και Midjourney.
Η πλατφόρμα έχει σχεδιαστεί για να αποθηκεύει πολυτροπικά δεδομένα, όπως βίντεο, εικόνες και δεδομένα αισθητήρων, υποστηρίζοντας παράλληλα την ανάκτηση και την εκπαίδευση σε μεγάλη κλίμακα. Η LanceDB αναφέρει ότι η πλατφόρμα υποστηρίζει περισσότερα από 130.000 αιτήματα ανά δευτερόλεπτο, με καθυστέρηση κάτω από 210 χιλιοστά του δευτερολέπτου για το 95% των αιτημάτων, μεμονωμένους πίνακες που περιέχουν εκατοντάδες petabyte δεδομένων ή περισσότερα από 40 δισεκατομμύρια διανύσματα, καθώς και εκπαίδευση σε 8.000 GPU παράλληλα.
Οι προσθήκες για επιχειρήσεις αντιμετωπίζουν την ανάγκη ενημέρωσης αυτών των πινάκων ενώ χρησιμοποιούνται. Μια ανθεκτική διαδρομή εγγραφής, επιταχυνόμενη από τη μνήμη, διαχειρίζεται την εισαγωγή δεδομένων σε πραγματικό χρόνο, η κατανεμημένη δημιουργία ευρετηρίων κλιμακώνεται για μεγάλα σύνολα δεδομένων και η διαχειριζόμενη συμπύκνωση βελτιστοποιεί συνεχώς τους πίνακες στο παρασκήνιο. Η LanceDB αναφέρει ότι η διαχειριζόμενη συμπύκνωση υποστηρίζει έως και 100 δισεκατομμύρια πολυτροπικές γραμμές, ενώ πολλοί ερευνητές διαβάζουν, γράφουν και υποβάλλουν ερωτήματα ταυτόχρονα στον ίδιο πίνακα.
Οι πελάτες περιγράφουν την αλλαγή των συνόλων δεδομένων εκπαίδευσης
Ο τεχνικός διευθυντής της Runway, Kamil Sindi, περιέγραψε πώς εξελίσσεται ένα παράδειγμα εκπαίδευσης: «Ένα παράδειγμα εκπαίδευσης στη Runway δεν μένει στατικό. Ξεκινά ως βίντεο και προτροπή και, στη συνέχεια, προσθέτουμε ενσωματώσεις και μεταδεδομένα για την ανάλυση και τη διάρκεια, ό,τι χρειάζεται το επόμενο πείραμα». Η Runway άρχισε να χρησιμοποιεί τη μορφή δεδομένων Lance το 2024 και αργότερα έγινε πελάτης της LanceDB Enterprise. Σήμερα, η εταιρεία χρησιμοποιεί από κοινού τα Lance και LanceDB Enterprise, ώστε οι ερευνητές να μπορούν να επεξεργάζονται μεγάλα, μεταβαλλόμενα σύνολα δεδομένων ταχύτερα.
Η NVIDIA Cosmos, χρήστης και συνεργάτης του έργου ανοιχτού κώδικα, αποτελεί ένα ακόμη παράδειγμα ανάπτυξης. Ο τεχνικός επικεφαλής Max Li δήλωσε ότι η ομάδα επιμελήθηκε περίπου ένα εκατομμύριο ώρες βίντεο με το Lance για το Cosmos 3, προχωρά προς την απευθείας εκπαίδευση από αυτήν τη μορφή και θεωρεί χρήσιμη την αρχιτεκτονική της, η οποία είναι εγγενής στην αποθήκευση αντικειμένων, για τη ροή, το φιλτράρισμα και την επιθεώρηση μεγάλων συνόλων δεδομένων καθώς αυτά αναθεωρούνται, ενώ παράλληλα παρέχει δεδομένα σε μεγάλες συστοιχίες GPU.
Ο επικεφαλής της πλατφόρμας δεδομένων της Microsoft AI, Suqiang (Jack) Song, δήλωσε ότι ο οργανισμός του χρησιμοποιεί το LanceDB ως επίπεδο δεδομένων εκπαίδευσης για δισεκατομμύρια γραμμές που περιλαμβάνουν εικόνες και κώδικα, ενώ κατανεμημένες εργασίες εξαγωγής συμπερασμάτων διαβάζουν απευθείας από το Lance σε χιλιάδες κόμβους· για την παραγωγική χρήση, ήταν απαραίτητη προϋπόθεση η λειτουργία στο πλαίσιο του δικού της μισθωτή και της πολιτικής ασφαλείας της Microsoft.
Οδικός χάρτης της Series B
Η LanceDB σκοπεύει να συγκεντρώσει σε ένα σύστημα, σε κλίμακα petabyte, τα δεδομένα εκπαίδευσης, το πλαίσιο, τα αρχεία καταγραφής και τις εκτελέσεις. Οι ερευνητικές ομάδες θα μπορούν επίσης να εκτελούν παράλληλα μεγάλο αριθμό πειραμάτων με πράκτορες τεχνητής νοημοσύνης, χωρίς να αλλοιώνουν κοινόχρηστα σύνολα δεδομένων. Η προσπάθεια αφορά ολόκληρο τον κύκλο βελτίωσης μοντέλων και αποσκοπεί στη μείωση της ανάγκης για χειροκίνητη εποπτεία της ροής εργασιών και των προβλημάτων φόρτωσης δεδομένων που μπορούν να επιβραδύνουν την έρευνα.
Η LanceDB σχεδιάζει επίσης να αναπτύξει περαιτέρω τα εργαλεία μηχανικής χαρακτηριστικών της. Μια ομάδα θα ορίζει έναν μετασχηματισμό μία φορά και στη συνέχεια η πλατφόρμα θα τον εφαρμόζει σε όλο το σύνολο δεδομένων, θα συμπληρώνει αναδρομικά τις υπάρχουσες γραμμές και θα επεξεργάζεται τα νέα δεδομένα καθώς φτάνουν. Οι περαιτέρω εργασίες στοχεύουν σε περισσότερα από τα στάδια προετοιμασίας πριν από την εκπαίδευση, καθώς και στη βελτίωση της φόρτωσης δεδομένων και της προσωρινής αποθήκευσης κατά τις εκτελέσεις εκπαίδευσης.
Η Series B επεκτείνει τη δραστηριότητα της LanceDB πέρα από την ανάκτηση δεδομένων, καλύπτοντας πλέον τη συνεχή εργασία με μεταβαλλόμενα σύνολα δεδομένων, τη διεξαγωγή πειραμάτων και την τροφοδότηση εργασιών εκπαίδευσης. Η επόμενη φάση θα δοκιμάσει αν μία πλατφόρμα μπορεί να διαχειριστεί τόσο όγκους δεδομένων σε κλίμακα αιχμής όσο και τις συνεχείς αλλαγές από πείραμα σε πείραμα που περιγράφουν πελάτες όπως η Runway.












