Fonlama
LanceDB, Çok Modlu Yapay Zekâ Veri Gölü-Ambarını Genişletmek İçin B Serisi Yatırım Turunda 57,5 Milyon Dolar Aldı

Öne çıkan noktalarLanceDB, yapay zeka eğitim verilerini düzenleyen ve sunan bir lakehouse'u genişletmek…
Daha fazla göster
- LanceDB, yapay zeka eğitim verilerini düzenleyen ve sunan bir lakehouse'u genişletmek için 57,5 milyon dolar topladı.
- Şirket, Haziran 2025'teki A Serisi'nden bu yana yıllık bazda on kattan fazla gelir artışı bildiriyor.
- LanceDB, ekiplerin süreçleri elle yönetmeyi bırakması için eğitim verilerini, deneyleri ve dağıtımları birleştirmeyi hedefliyor.
LanceDB, 17 Kasım 2026’da yapay zekâ eğitim verilerini düzenleyip sunmaya yönelik platformu çok modlu veri gölü-ambarını genişletmek için B serisi yatırım turunda 57,5 milyon dolar aldığını duyurdu. Bu turla şirketin toplam yatırım miktarı 98,5 milyon dolara ulaştı.
Yatırım turuna Bessemer Venture Partners ve Innovation Endeavors liderlik etti; Theory Ventures, Dimension, Swift Ventures, CRV ve Y Combinator da tura katıldı. LanceDB, yatırımı eğitim verilerinin yönetimi, özellik mühendisliği, deneylerin yürütülmesi ve veri yükleme dâhil olmak üzere model geliştirme sürecinin daha fazla aşamasında rol almak için kullanmayı planlıyor.
Benimseme ve Teknik Ölçek
LanceDB’ye göre araştırmacılar, öncü yapay zekâdaki ilerlemeler günler ve haftalarla ölçülürken eğitim verilerini edinmek ve düzenlemek için haftalar, hatta aylar kaybedebiliyor. Çok modlu veri gölü-ambar platformu; öncü modeller, dünya modelleri, fiziksel yapay zekâ ve kurumsal uygulamalar üzerindeki çalışmalar için veri düzenleme, arama ve erişim, özellik mühendisliği ve eğitimi bir araya getirerek bu açığı kapatmayı amaçlıyor.
Şirket, Haziran 2025’teki A serisi yatırım turundan bu yana gelirinin yıldan yıla on kattan fazla arttığını bildiriyor. Açık kaynaklı kütüphanesi 120 milyondan fazla kez indirildi; bu, toplam indirme sayısının bir yıl önceki aynı döneme kıyasla altı katına çıktığı anlamına geliyor. Müşterileri arasında Netflix, Microsoft AI, Runway, Luma AI ve Midjourney bulunuyor.
Platform; video, görüntü ve sensör verileri gibi çok modlu verileri barındırırken büyük ölçekte veri erişimini ve eğitimi destekleyecek şekilde tasarlandı. LanceDB, platformun saniyede 130.000’den fazla isteği, isteklerin %95’i için 210 milisaniyenin altında gecikmeyle desteklediğini; tekil tabloların yüzlerce petabayt veya 40 milyardan fazla vektör içerebildiğini ve 8.000 GPU üzerinde paralel eğitime olanak tanıdığını belirtiyor.
Kurumsal kullanıma yönelik ek özellikler, bu tablolar kullanımdayken yapılan güncellemeleri ele alıyor. Dayanıklı, bellek hızlandırmalı bir yazma yolu gerçek zamanlı veri alımını sağlıyor; dağıtık indeksleme büyük veri kümelerinde ölçekleniyor ve yönetilen sıkıştırma, tabloları arka planda sürekli olarak optimize ediyor. LanceDB’ye göre yönetilen sıkıştırma, birden fazla araştırmacı aynı tabloyu eş zamanlı olarak okurken, yazarken ve sorgularken 100 milyara kadar çok modlu satırı destekliyor.
Müşteriler Değişen Eğitim Veri Kümelerini Anlatıyor
Runway CTO’su Kamil Sindi, tek bir eğitim örneğinin nasıl değiştiğini şöyle anlattı: “Runway’deki bir eğitim örneği sabit kalmaz. Önce bir video ve komut istemiyle başlar; sonra bir sonraki deneyin gerektirdiği gömme vektörlerini, çözünürlük ve süre üst verilerini ekleriz.” Runway, Lance veri biçimini 2024’te kullanmaya başladı ve daha sonra LanceDB Enterprise müşterisi oldu. Şirket artık araştırmacıların büyük ve değişen veri kümeleri üzerinde daha hızlı çalışabilmesi için Lance ile LanceDB Enterprise’ı birlikte kullanıyor.
Açık kaynaklı bir kullanıcı ve iş ortağı olan NVIDIA Cosmos, başka bir kullanım örneği sunuyor. Teknik lider Max Li, ekibin Cosmos 3 için Lance kullanarak yaklaşık bir milyon saatlik videoyu düzenlediğini, artık doğrudan bu biçimden eğitim yapmaya yöneldiğini ve nesne depolama temelli mimarisini büyük veri kümeleri güncellenirken bunları akış hâlinde işlemek, filtrelemek ve incelemek, aynı zamanda büyük GPU kümelerine veri sağlamak için kullanışlı bulduğunu söyledi.
Microsoft AI’ın veri platformu başkanı Suqiang (Jack) Song, kuruluşunun görüntü ve kodları kapsayan milyarlarca satır için LanceDB’yi eğitim verisi katmanı olarak kullandığını; binlerce düğümde çalışan dağıtık çıkarım işlerinin Lance verilerini doğrudan okuduğunu söyledi. Üretim ortamında çalışabilmek için Microsoft’un kendi kiracısı ve güvenlik politikası içinde faaliyet göstermek vazgeçilmez bir koşuldu.
B Serisi Yol Haritası
LanceDB; eğitim verilerini, bağlamı, günlükleri ve çalıştırma dizilerini petabayt ölçeğinde tek bir sistemde bir araya getirmeyi amaçlıyor. Araştırma ekipleri ayrıca paylaşılan veri kümelerini bozmadan çok sayıda yapay zekâ ajanı deneyini paralel olarak yürütebilecek. Bu çalışmalar, araştırmaları yavaşlatabilen manuel işlem hattı denetimini ve veri yükleme sorunlarını azaltarak model geliştirme döngüsünün tamamını desteklemeyi hedefliyor.
LanceDB, özellik mühendisliği araçlarını da geliştirmeyi planlıyor. Bir ekip bir dönüşümü bir kez tanımlayacak; ardından platform bu dönüşümü veri kümesinin tamamına uygulayacak, mevcut satırları geriye dönük olarak dolduracak ve yeni verileri geldikçe işleyecek. İleriye dönük çalışmalar, eğitim öncesinde yapılan hazırlıkların daha fazlasını kapsamanın yanı sıra eğitim süreçleri sırasında veri yükleme ve önbelleğe almayı iyileştirmeye odaklanıyor.
B serisi yatırım, LanceDB’yi veri erişiminin ötesine taşıyarak değişen veri kümeleriyle çalışma, deneyler yürütme ve eğitim işlerine veri sağlama süreçlerine yöneltiyor. Sonraki aşama, tek bir platformun hem öncü modeller ölçeğindeki veri hacimlerini hem de Runway gibi müşterilerin anlattığı, deneyden deneye sürekli değişen verileri karşılayıp karşılayamayacağını sınayacak.












