資金調達
LanceDB、マルチモーダルAIレイクハウスの拡大に向けシリーズBで5,750万ドルを調達

要点LanceDBは、AIトレーニングデータをキュレーションして提供するレイクハウスを拡大するために5750万ドルを調達した。
もっと見る
- LanceDBは、AIトレーニングデータをキュレーションして提供するレイクハウスを拡大するために5750万ドルを調達した。
- 同社は、2025年6月のシリーズA以降、前年比で10倍以上の収益成長を報告している。
- LanceDBは、チームが手作業でパイプラインを管理するのをやめられるよう、トレーニングデータ、実験、ロールアウトを統合することを目指している。
LanceDBの発表によると、同社は2026年11月17日、AIのトレーニングデータを整理・提供するプラットフォームであるマルチモーダル・レイクハウスの拡大に向け、シリーズBで5,750万ドルを調達した。この資金調達により、同社の累計調達額は9,850万ドルとなった。
今回の資金調達はBessemer Venture PartnersとInnovation Endeavorsが主導し、Theory Ventures、Dimension、Swift Ventures、CRV、Y Combinatorも参加した。LanceDBはこの資金を、トレーニングデータ管理、特徴量エンジニアリング、実験の実行、データ読み込みなど、モデル開発全般における役割の拡大に充てる計画だ。
導入状況と技術規模
LanceDBによると、最先端AIの進歩が日単位、週単位で測られる一方、研究者はトレーニングデータの取得とキュレーションに数週間から数カ月を費やすことがある。同社のマルチモーダル・レイクハウスは、キュレーション、検索と取得、特徴量エンジニアリング、トレーニングを組み合わせることでこの隔たりを埋め、最先端モデル、世界モデル、フィジカルAI、企業向けアプリケーションの開発を支援することを目指している。
同社によると、2025年6月のシリーズA以降、売上高は前年同期比で10倍を超える成長を遂げた。オープンソースライブラリのダウンロード数は1億2,000万回を超え、前年の同時期と比べて累計ダウンロード数は6倍に増加した。顧客にはNetflix、Microsoft AI、Runway、Luma AI、Midjourneyが名を連ねる。
このプラットフォームは、動画、画像、センサーデータなどのマルチモーダルデータを保持し、大規模な検索・取得とトレーニングを支えるよう設計されている。LanceDBによると、毎秒13万件を超えるリクエストを処理し、リクエストの95%でレイテンシを210ミリ秒未満に抑えられるほか、数百ペタバイト以上のデータ、または400億個を超えるベクトルを含む個別のテーブルに対応し、8,000基のGPUを並列に用いたトレーニングも可能だ。
エンタープライズ向けの追加機能は、テーブルの使用中に行われる更新に対応する。耐久性に優れ、メモリによって高速化された書き込み経路がリアルタイムのデータ取り込みを処理し、分散インデックスが大規模データセットにも対応する。また、マネージド圧縮によってバックグラウンドでテーブルが継続的に最適化される。LanceDBによると、マネージド圧縮は最大1,000億行のマルチモーダルデータに対応し、複数の研究者が同じテーブルを同時に読み取り、書き込み、クエリできる。
変化し続けるトレーニングデータセットについて顧客が語る
Runwayの最高技術責任者(CTO)であるKamil Sindi氏は、1つのトレーニングサンプルがどのように変化するかを説明した。「Runwayのトレーニングサンプルは、ひとところにとどまりません。最初は動画とプロンプトですが、その後、次の実験に必要なものに応じて、埋め込み情報や解像度、再生時間のメタデータなどを追加します」。Runwayは2024年にLanceデータ形式の利用を開始し、その後、LanceDB Enterpriseの顧客となった。同社は現在、LanceとLanceDB Enterpriseを併用し、研究者が大規模で変化し続けるデータセットをより迅速に扱えるようにしている。
オープンソースの利用者でありパートナーでもあるNVIDIA Cosmosは、もう1つの導入事例だ。テクニカルリードのMax Li氏によると、チームはCosmos 3向けにLanceを使って約100万時間分の動画をキュレーションしており、現在はこの形式から直接トレーニングする方向へ移行している。また、オブジェクトストレージを基盤とするアーキテクチャは、データセットを改訂しながら大規模なデータセットをストリーミング、フィルタリング、検査し、大規模なGPUクラスターにデータを供給するうえで有用だという。
Microsoftでデータプラットフォーム部門を率いるSuqiang(Jack)Song氏によると、同氏の組織は画像とコードにまたがる数十億行のデータを扱うトレーニングデータ層としてLanceDBを利用しており、分散推論ジョブは数千のノード上でLanceを直接読み取っている。本番環境で運用するには、Microsoft独自のテナントとセキュリティポリシーの範囲内で利用できることが必須条件だった。
シリーズBで進めるロードマップ
LanceDBは、トレーニングデータ、コンテキスト、ログ、ロールアウトをペタバイト規模で1つのシステムに集約することを目指している。研究チームは、共有データセットを汚染することなく、多数のAIエージェント実験を並行して実行できるようになる見込みだ。こうした取り組みはモデル改善の全サイクルを対象とし、研究の進行を遅らせることがある手作業によるパイプラインの監視やデータ読み込みの問題を軽減することを目指している。
LanceDBは、特徴量エンジニアリングツールの強化も計画している。チームが変換処理を一度定義すれば、プラットフォームがデータセット全体に適用し、既存の行を遡って処理するとともに、新しいデータが届くたびに処理できるようにする。さらに、トレーニング前に行う準備作業の拡充に加え、トレーニング実行中のデータ読み込みとキャッシュの改善にも取り組む。
シリーズBにより、LanceDBは検索・取得の領域を越え、変化するデータセットへの対応、実験の実施、トレーニングジョブへのデータ供給へと事業を広げる。次の段階では、最先端モデルに必要な規模のデータ量と、Runwayなどの顧客が説明する実験ごとの絶え間ない変更の両方に、1つのプラットフォームで対応できるかを検証する。












