Pendanaan
LanceDB Menghimpun US$57,5 Juta dalam Pendanaan Seri B untuk Memperluas Lakehouse AI Multimodal

Poin utamaLanceDB mengumpulkan $57,5 juta untuk memperluas lakehouse yang mengkurasi dan…
Lihat selengkapnya
- LanceDB mengumpulkan $57,5 juta untuk memperluas lakehouse yang mengkurasi dan menyajikan data pelatihan AI.
- Perusahaan melaporkan pertumbuhan pendapatan lebih dari sepuluh kali lipat year-over-year sejak Series A pada Juni 2025.
- LanceDB bertujuan menyatukan data pelatihan, eksperimen, dan peluncuran agar tim berhenti mengelola pipeline secara manual.
LanceDB mengumumkan pada 17 November 2026 bahwa perusahaan tersebut menghimpun pendanaan Seri B sebesar US$57,5 juta untuk memperluas lakehouse multimodalnya, sebuah platform untuk mengatur dan menyediakan data pelatihan AI. Putaran ini menjadikan total pendanaan perusahaan sebesar US$98,5 juta.
Bessemer Venture Partners dan Innovation Endeavors memimpin putaran pendanaan ini, dengan partisipasi dari Theory Ventures, Dimension, Swift Ventures, CRV, dan Y Combinator. LanceDB berencana menggunakan modal tersebut untuk memperluas perannya dalam pengembangan model, termasuk pengelolaan data pelatihan, rekayasa fitur, pelaksanaan eksperimen, dan pemuatan data.
Adopsi dan Skala Teknis
LanceDB menyebutkan bahwa peneliti dapat menghabiskan waktu berminggu-minggu atau berbulan-bulan untuk mendapatkan dan mengkurasi data pelatihan, padahal kemajuan AI terdepan diukur dalam hitungan hari dan minggu. Lakehouse multimodalnya dirancang untuk menjembatani kesenjangan tersebut dengan menggabungkan kurasi, penelusuran dan pengambilan data, rekayasa fitur, serta pelatihan untuk mengembangkan model AI terdepan, model dunia, AI fisik, dan aplikasi perusahaan.
Perusahaan melaporkan pertumbuhan pendapatan tahunan lebih dari sepuluh kali lipat sejak putaran Seri A pada Juni 2025. Pustaka sumber terbukanya telah diunduh lebih dari 120 juta kali, yang mencerminkan pertumbuhan total unduhan sebesar enam kali lipat dibandingkan periode yang sama setahun sebelumnya. Pelanggannya mencakup Netflix, Microsoft AI, Runway, Luma AI, dan Midjourney.
Platform ini dirancang untuk menyimpan data multimodal seperti video, gambar, dan data sensor sekaligus mendukung pengambilan data dan pelatihan berskala besar. LanceDB menyatakan bahwa platformnya mendukung lebih dari 130.000 permintaan per detik dengan latensi di bawah 210 milidetik untuk 95% permintaan, tabel individual yang memuat ratusan petabita data atau lebih dari 40 miliar vektor, serta pelatihan secara paralel menggunakan 8.000 GPU.
Fitur tambahan untuk perusahaan menangani pembaruan pada tabel-tabel tersebut saat sedang digunakan. Jalur penulisan yang andal dan dipercepat oleh memori menangani penyerapan data secara real-time, pengindeksan terdistribusi dapat diskalakan untuk menangani himpunan data besar, dan pemadatan terkelola terus mengoptimalkan tabel di latar belakang. LanceDB menyatakan bahwa pemadatan terkelola mendukung hingga 100 miliar baris multimodal, sementara beberapa peneliti secara bersamaan membaca, menulis, dan mengueri tabel yang sama.
Pelanggan Menggambarkan Perubahan Himpunan Data Pelatihan
CTO Runway, Kamil Sindi, menjelaskan perubahan yang dialami sebuah contoh pelatihan: “Contoh pelatihan di Runway tidak pernah statis. Awalnya berupa video dan prompt, lalu kami menambahkan embedding serta metadata resolusi dan durasi, apa pun yang dibutuhkan eksperimen berikutnya.” Runway mulai menggunakan format data Lance pada 2024 dan kemudian menjadi pelanggan LanceDB Enterprise. Kini perusahaan itu menggunakan Lance dan LanceDB Enterprise secara bersamaan agar para peneliti dapat mengolah himpunan data besar yang terus berubah dengan lebih cepat.
NVIDIA Cosmos, pengguna dan mitra sumber terbuka, memberikan contoh penerapan lainnya. Pemimpin teknis Max Li mengatakan bahwa timnya mengkurasi sekitar satu juta jam video menggunakan Lance untuk Cosmos 3, sedang beralih ke pelatihan langsung dari format tersebut, dan menilai arsitekturnya yang berbasis penyimpanan objek berguna untuk mengalirkan, memfilter, dan memeriksa himpunan data besar saat data tersebut direvisi, sekaligus memasok data ke klaster GPU berskala besar.
Kepala platform data Microsoft AI, Suqiang (Jack) Song, mengatakan bahwa organisasinya menggunakan LanceDB sebagai lapisan data pelatihan untuk miliaran baris yang mencakup gambar dan kode, dengan tugas inferensi terdistribusi yang membaca Lance secara langsung di ribuan node. Untuk penggunaan produksi, operasional di dalam tenant dan kebijakan keamanan Microsoft sendiri merupakan syarat mutlak.
Peta Jalan Seri B
LanceDB bermaksud menyatukan data pelatihan, konteks, log, dan proses peluncuran dalam satu sistem berskala petabita. Tim riset juga nantinya dapat menjalankan banyak eksperimen agen AI secara paralel tanpa mencemari himpunan data bersama. Upaya ini menyasar seluruh siklus peningkatan model, dengan mengurangi pengawasan pipeline secara manual dan masalah pemuatan data yang dapat memperlambat riset.
LanceDB juga berencana mengembangkan lebih lanjut perangkat rekayasa fiturnya. Tim dapat menentukan transformasi satu kali, lalu platform akan menerapkannya ke seluruh himpunan data, mengisi ulang baris yang sudah ada, dan memproses data baru saat tiba. Pengembangan selanjutnya akan menyasar lebih banyak proses persiapan sebelum pelatihan, serta peningkatan pemuatan dan penyimpanan sementara data selama pelatihan berlangsung.
Pendanaan Seri B mendorong LanceDB melampaui fungsi penelusuran dan pengambilan data, menuju pengelolaan himpunan data yang terus berubah, pelaksanaan eksperimen, dan penyediaan data untuk tugas pelatihan. Tahap berikutnya akan menguji apakah satu platform dapat menampung volume data berskala terdepan sekaligus mengakomodasi perubahan konstan dari satu eksperimen ke eksperimen berikutnya, seperti yang digambarkan oleh pelanggan seperti Runway.












