Finanțare
LanceDB obține 57,5 milioane de dolari într-o rundă de finanțare Seria B pentru a-și extinde platforma lakehouse multimodală pentru IA

Puncte cheieLanceDB a strâns 57,5 milioane de dolari pentru a extinde un lakehouse care curatoriază…
Vezi mai mult
- LanceDB a strâns 57,5 milioane de dolari pentru a extinde un lakehouse care curatoriază și servește date de antrenare pentru IA.
- Compania raportează o creștere a veniturilor de peste zece ori de la an la an de la seria A din iunie 2025.
- LanceDB își propune să unifice datele de antrenare, experimentele și implementările, astfel încât echipele să nu mai gestioneze manual pipeline-urile.
LanceDB a anunțat pe 17 noiembrie 2026 că a obținut 57,5 milioane de dolari într-o rundă de finanțare Seria B pentru a-și extinde platforma lakehouse multimodală, destinată organizării și furnizării datelor de antrenare pentru IA. Runda ridică finanțarea totală a companiei la 98,5 milioane de dolari.
Bessemer Venture Partners și Innovation Endeavors au condus runda, la care au participat Theory Ventures, Dimension, Swift Ventures, CRV și Y Combinator. LanceDB intenționează să folosească fondurile pentru a-și extinde rolul în dezvoltarea modelelor, incluzând gestionarea datelor de antrenare, ingineria caracteristicilor, derularea experimentelor și încărcarea datelor.
Adopție și amploare tehnică
LanceDB afirmă că cercetătorii pot pierde săptămâni sau luni pentru a obține și a pregăti date de antrenare, deși progresul în domeniul IA de ultimă generație se măsoară în zile și săptămâni. Platforma sa lakehouse multimodală își propune să reducă acest decalaj, reunind pregătirea datelor, căutarea și regăsirea, ingineria caracteristicilor și antrenarea pentru dezvoltarea modelelor de ultimă generație, a modelelor lumii, a IA fizice și a aplicațiilor enterprise.
Compania raportează o creștere a veniturilor de peste zece ori față de anul precedent, de la runda sa de finanțare Seria A din iunie 2025. Biblioteca sa cu sursă deschisă a fost descărcată de peste 120 de milioane de ori, ceea ce reprezintă o creștere de șase ori a numărului total de descărcări față de aceeași perioadă a anului anterior. Printre clienți se numără Netflix, Microsoft AI, Runway, Luma AI și Midjourney.
Platforma este concepută pentru a găzdui date multimodale, precum videoclipuri, imagini și date de la senzori, oferind totodată suport pentru regăsire și antrenare la scară largă. LanceDB afirmă că platforma poate procesa peste 130.000 de solicitări pe secundă, cu o latență sub 210 milisecunde pentru 95% dintre solicitări, poate găzdui tabele individuale care conțin sute de petabytes de date sau peste 40 de miliarde de vectori și poate susține antrenarea pe 8.000 de GPU-uri în paralel.
Funcționalitățile suplimentare pentru companii gestionează actualizarea acestor tabele în timpul utilizării lor. O cale de scriere fiabilă, accelerată de memorie, gestionează ingestia în timp real, indexarea distribuită se extinde la seturi mari de date, iar compactarea gestionată optimizează continuu tabelele în fundal. LanceDB afirmă că compactarea gestionată acceptă până la 100 de miliarde de rânduri multimodale, în timp ce mai mulți cercetători citesc, scriu și interoghează simultan același tabel.
Clienții descriu evoluția seturilor de date de antrenare
Directorul tehnic al Runway, Kamil Sindi, a descris evoluția unui exemplu de antrenare: „Un exemplu de antrenare în Runway nu rămâne neschimbat. Începe ca un videoclip și un prompt, apoi adăugăm reprezentări vectoriale, metadate despre rezoluție și durată — tot ce este necesar pentru următorul experiment.” Runway a început să folosească formatul de date Lance în 2024, iar ulterior a devenit client LanceDB Enterprise. Acum, compania folosește împreună Lance și LanceDB Enterprise, astfel încât cercetătorii să poată lucra mai rapid cu seturi mari de date aflate în schimbare.
NVIDIA Cosmos, un utilizator și partener al proiectului cu sursă deschisă, oferă un alt exemplu de implementare. Max Li, lider tehnic, a spus că echipa a pregătit aproximativ un milion de ore de videoclipuri cu Lance pentru Cosmos 3, se îndreaptă către antrenarea direct din acest format și consideră utilă arhitectura sa nativă pentru stocarea de obiecte, deoarece permite transmiterea în flux, filtrarea și inspectarea seturilor mari de date pe măsură ce sunt revizuite, furnizând în același timp date către clustere mari de GPU-uri.
Suqiang (Jack) Song, responsabilul de platforma de date pentru Microsoft AI, a spus că organizația sa folosește LanceDB ca strat de date pentru antrenare, pentru miliarde de rânduri care cuprind imagini și cod, iar sarcinile distribuite de inferență citesc direct din Lance pe mii de noduri; pentru utilizarea în producție, funcționarea în cadrul propriului tenant și al politicilor de securitate ale Microsoft era o condiție nenegociabilă.
Planul de dezvoltare al rundei Seria B
LanceDB intenționează să reunească datele de antrenare, contextul, jurnalele și datele de rollout într-un singur sistem, la scară de petabytes. Echipele de cercetare ar putea, de asemenea, să deruleze simultan un număr mare de experimente cu agenți IA, fără a contamina seturile de date partajate. Inițiativa vizează întregul ciclu de îmbunătățire a modelelor și reducerea supravegherii manuale a fluxurilor de lucru și a problemelor legate de încărcarea datelor, care pot încetini cercetarea.
LanceDB intenționează, de asemenea, să-și dezvolte instrumentele de inginerie a caracteristicilor. O echipă ar defini o transformare o singură dată, după care platforma ar aplica-o întregului set de date, ar completa retroactiv rândurile existente și ar procesa datele noi pe măsură ce sosesc. Alte îmbunătățiri vizează o parte mai mare din pregătirea efectuată înainte de antrenare, precum și încărcarea și stocarea în cache mai eficiente ale datelor în timpul sesiunilor de antrenare.
Runda de finanțare Seria B extinde rolul LanceDB dincolo de regăsirea datelor, către activitățile continue de modificare a seturilor de date, desfășurare a experimentelor și alimentare a sarcinilor de antrenare. Următoarea etapă va testa dacă o singură platformă poate gestiona atât volume de date de amploarea celor folosite pentru modelele de ultimă generație, cât și modificările constante, experiment cu experiment, descrise de clienți precum Runway.












