फंडिंग
LanceDB ने अपने मल्टीमॉडल एआई लेकहाउस का विस्तार करने के लिए सीरीज़ B में 57.5 मिलियन डॉलर जुटाए

मुख्य बिंदुलांसडीबी ने एआई प्रशिक्षण डेटा को क्यूरेट और प्रदान करने वाले एक लेकहाउस के विस्तार के…
और देखें
- लांसडीबी ने एआई प्रशिक्षण डेटा को क्यूरेट और प्रदान करने वाले एक लेकहाउस के विस्तार के लिए 57.5 मिलियन डॉलर जुटाए।
- कंपनी जून 2025 में अपने सीरीज़ ए के बाद से साल-दर-साल दस गुना से अधिक राजस्व वृद्धि की रिपोर्ट करती है।
- लांसडीबी का लक्ष्य प्रशिक्षण डेटा, प्रयोगों और रोलआउट को एकीकृत करना है ताकि टीमें पाइपलाइनों का मैन्युअल प्रबंधन बंद कर दें।
LanceDB ने घोषणा की कि उसने 17 नवंबर, 2026 को अपने मल्टीमॉडल लेकहाउस का विस्तार करने के लिए सीरीज़ B फंडिंग में 57.5 मिलियन डॉलर जुटाए हैं। यह प्लेटफ़ॉर्म एआई प्रशिक्षण डेटा को व्यवस्थित करने और उपलब्ध कराने के लिए है। इस दौर के बाद कंपनी की कुल फंडिंग 98.5 मिलियन डॉलर हो गई है।
Bessemer Venture Partners और Innovation Endeavors ने इस फंडिंग दौर का नेतृत्व किया। इसमें Theory Ventures, Dimension, Swift Ventures, CRV और Y Combinator ने भी हिस्सा लिया। LanceDB इस पूंजी का उपयोग मॉडल विकास में अपनी भूमिका का विस्तार करने के लिए करेगी, जिसमें प्रशिक्षण डेटा प्रबंधन, फ़ीचर इंजीनियरिंग, प्रयोगों का संचालन और डेटा लोड करना शामिल है।
अपनाने की रफ़्तार और तकनीकी पैमाना
LanceDB का कहना है कि शोधकर्ताओं को प्रशिक्षण डेटा जुटाने और उसका चयन-संपादन करने में हफ़्तों या महीनों का समय लग सकता है, जबकि अत्याधुनिक एआई में प्रगति दिनों और हफ़्तों में मापी जाती है। इसका मल्टीमॉडल लेकहाउस इस अंतर को पाटने के लिए बनाया गया है। यह अत्याधुनिक मॉडल, विश्व मॉडल, भौतिक एआई और उद्यम अनुप्रयोगों पर काम के लिए डेटा चयन-संपादन, खोज और पुनर्प्राप्ति, फ़ीचर इंजीनियरिंग तथा प्रशिक्षण को एक साथ जोड़ता है।
कंपनी के मुताबिक, जून 2025 में उसकी सीरीज़ A फंडिंग के बाद से साल-दर-साल राजस्व में दस गुने से अधिक वृद्धि हुई है। उसकी ओपन-सोर्स लाइब्रेरी को 120 मिलियन से अधिक बार डाउनलोड किया गया है; एक साल पहले इसी समय की तुलना में कुल डाउनलोड छह गुना बढ़े हैं। उसके ग्राहकों में Netflix, Microsoft AI, Runway, Luma AI और Midjourney शामिल हैं।
यह प्लेटफ़ॉर्म वीडियो, छवियों और सेंसर डेटा जैसे मल्टीमॉडल डेटा को संग्रहित करने के साथ-साथ बड़े पैमाने पर डेटा पुनर्प्राप्ति और प्रशिक्षण को सहारा देने के लिए बनाया गया है। LanceDB के अनुसार, यह प्लेटफ़ॉर्म प्रति सेकंड 130,000 से अधिक अनुरोध संभालता है और 95% अनुरोधों के लिए विलंबता 210 मिलीसेकंड से कम रखता है। इसमें सैकड़ों पेटाबाइट डेटा या 40 अरब से अधिक वेक्टर वाली अलग-अलग टेबलें हो सकती हैं और 8,000 जीपीयू पर समानांतर प्रशिक्षण संभव है।
एंटरप्राइज़ संस्करण में ऐसे बदलाव शामिल हैं जो इन टेबलों के उपयोग में रहने के दौरान उनमें अपडेट करने की सुविधा देते हैं। मेमोरी की मदद से तेज़ किया गया टिकाऊ लेखन-पथ रीयल-टाइम डेटा अंतर्ग्रहण संभालता है, वितरित इंडेक्सिंग बड़े डेटासेट तक विस्तार करती है और प्रबंधित कॉम्पैक्शन पृष्ठभूमि में लगातार टेबलों को अनुकूलित करता है। LanceDB का कहना है कि प्रबंधित कॉम्पैक्शन 100 अरब तक मल्टीमॉडल पंक्तियों को सहारा देता है, जबकि कई शोधकर्ता एक ही टेबल को एक साथ पढ़, लिख और क्वेरी कर सकते हैं।
ग्राहकों ने बदलते प्रशिक्षण डेटासेट के बारे में बताया
Runway के सीटीओ Kamil Sindi ने बताया कि प्रशिक्षण का एक उदाहरण कैसे विकसित होता है: “Runway में प्रशिक्षण का कोई उदाहरण स्थिर नहीं रहता। इसकी शुरुआत एक वीडियो और प्रॉम्प्ट से होती है; फिर हम एम्बेडिंग, रिज़ॉल्यूशन और अवधि का मेटाडेटा जोड़ते हैं—जो भी अगले प्रयोग के लिए ज़रूरी हो।” Runway ने 2024 में Lance डेटा फ़ॉर्मैट का इस्तेमाल शुरू किया और बाद में LanceDB Enterprise का ग्राहक बन गया। अब कंपनी Lance और LanceDB Enterprise का एक साथ उपयोग करती है, ताकि शोधकर्ता बड़े और लगातार बदलते डेटासेट पर तेज़ी से काम कर सकें।
ओपन-सोर्स उपयोगकर्ता और साझेदार NVIDIA Cosmos, तैनाती का एक और उदाहरण है। तकनीकी प्रमुख Max Li ने बताया कि टीम ने Cosmos 3 के लिए Lance का उपयोग करके लगभग दस लाख घंटे के वीडियो का चयन-संपादन किया है और अब सीधे इसी फ़ॉर्मैट से प्रशिक्षण देने की दिशा में बढ़ रही है। उन्होंने कहा कि इसकी ऑब्जेक्ट-स्टोरेज-आधारित संरचना बड़े डेटासेट में उपयोगी है, क्योंकि उसमें संशोधन होते रहने के दौरान डेटा को स्ट्रीम करना, फ़िल्टर करना और जाँचना संभव है; साथ ही, यह बड़े जीपीयू क्लस्टरों को डेटा उपलब्ध कराती है।
Microsoft AI के डेटा-प्लेटफ़ॉर्म प्रमुख Suqiang (Jack) Song ने बताया कि उनका संगठन अरबों पंक्तियों वाले डेटा—जिसमें छवियाँ और कोड शामिल हैं—के लिए LanceDB को प्रशिक्षण-डेटा परत के रूप में इस्तेमाल करता है। हज़ारों नोड पर चलने वाले वितरित इन्फ़रेंस कार्य सीधे Lance से डेटा पढ़ते हैं। उत्पादन में इस्तेमाल के लिए Microsoft के अपने टेनेंट और सुरक्षा नीति के भीतर काम करना अनिवार्य था।
सीरीज़ B की रूपरेखा
LanceDB की योजना प्रशिक्षण डेटा, संदर्भ, लॉग और रोलआउट को पेटाबाइट स्तर पर एक ही सिस्टम में लाने की है। इससे शोध टीमें साझा डेटासेट को दूषित किए बिना बड़ी संख्या में एआई एजेंट प्रयोग समानांतर रूप से चला सकेंगी। यह काम मॉडल में सुधार के पूरे चक्र को ध्यान में रखकर किया जा रहा है और इसका उद्देश्य पाइपलाइन की मैन्युअल निगरानी तथा डेटा लोड करने की उन समस्याओं को कम करना है जो शोध की गति धीमी कर सकती हैं।
LanceDB अपने फ़ीचर इंजीनियरिंग टूल को और विकसित करने की भी योजना बना रही है। कोई टीम एक बार रूपांतरण तय करेगी, जिसके बाद प्लेटफ़ॉर्म उसे पूरे डेटासेट पर लागू करेगा, मौजूदा पंक्तियों में छूटा हुआ डेटा भरेगा और नया डेटा आते ही उसे संसाधित करेगा। आगे का काम प्रशिक्षण से पहले की जाने वाली डेटा तैयारी के अधिक हिस्सों को शामिल करने के साथ-साथ प्रशिक्षण के दौरान डेटा लोडिंग और कैशिंग को बेहतर बनाने पर केंद्रित है।
सीरीज़ B के साथ LanceDB डेटा पुनर्प्राप्ति से आगे बढ़कर डेटासेट में लगातार बदलाव करने, प्रयोग चलाने और प्रशिक्षण कार्यों को डेटा उपलब्ध कराने के क्षेत्र में कदम रख रही है। अगले चरण में यह परखा जाएगा कि क्या एक ही प्लेटफ़ॉर्म अत्याधुनिक स्तर के डेटा वॉल्यूम और ग्राहकों, जैसे Runway, द्वारा बताए गए हर प्रयोग के साथ होने वाले निरंतर बदलावों—दोनों को संभाल सकता है।












