融资
LanceDB融资5750万美元B轮,拓展多模态AI湖仓

要点LanceDB 融资 5750 万美元,用于扩展一个整理并提供 AI 训练数据的湖仓。
查看更多
- LanceDB 融资 5750 万美元,用于扩展一个整理并提供 AI 训练数据的湖仓。
- 该公司报告称,自 2025 年 6 月完成 A 轮融资以来,营收同比增长超过十倍。
- LanceDB 旨在统一训练数据、实验和部署,使团队不再手动管理流水线。
LanceDB宣布于2026年11月17日完成5750万美元B轮融资,用于拓展其多模态湖仓平台。该平台旨在组织和交付AI训练数据。本轮融资后,公司的融资总额达到9850万美元。
本轮融资由Bessemer Venture Partners和Innovation Endeavors领投,Theory Ventures、Dimension、Swift Ventures、CRV和Y Combinator参与投资。LanceDB计划将资金用于拓展其在模型开发中的作用,涵盖训练数据管理、特征工程、实验执行和数据加载。
用户采用情况与技术规模
LanceDB表示,研究人员获取和整理训练数据可能要耗费数周甚至数月,而前沿AI的发展却以天和周为单位。其多模态湖仓旨在通过整合数据整理、搜索与检索、特征工程和训练,弥合这一差距,为前沿模型、世界模型、物理AI和企业应用提供支持。
公司称,自2025年6月完成A轮融资以来,其营收同比增长超过10倍。其开源库的下载次数已超过1.2亿次,较一年前同期的总下载量增长6倍。客户包括Netflix、Microsoft AI、Runway、Luma AI和Midjourney。
该平台旨在存储视频、图像和传感器数据等多模态数据,同时支持大规模检索和训练。LanceDB表示,平台每秒可处理超过13万次请求,95%的请求延迟低于210毫秒;单个表可包含数百拍字节或超过400亿个向量;还可支持使用8000块GPU并行训练。
面向企业的新增功能可在这些表处于使用状态时处理更新。持久化的内存加速写入路径负责实时数据摄取,分布式索引可扩展至大型数据集,托管式压缩则在后台持续优化表。LanceDB表示,托管式压缩支持多位研究人员同时读取、写入和查询同一张表,表中最多可容纳1000亿行多模态数据。
客户谈训练数据集的变化
Runway首席技术官Kamil Sindi介绍了一个训练样本如何演变:“Runway中的训练样本并非一成不变。它最初是一段视频和一个提示词,之后我们会根据下一项实验的需要,添加嵌入向量、分辨率和时长等元数据。”Runway于2024年开始使用Lance数据格式,之后成为LanceDB Enterprise客户。如今,该公司将Lance与LanceDB Enterprise结合使用,让研究人员能够更快地处理大型且不断变化的数据集。
开源项目NVIDIA Cosmos的用户和合作伙伴提供了另一个部署案例。技术负责人Max Li表示,团队使用Lance为Cosmos 3整理了约100万小时的视频,正逐步转向直接使用该格式进行训练;在数据集不断修订并向大型GPU集群提供数据的过程中,Lance原生支持对象存储的架构有助于流式处理、筛选和检查大型数据集。
Microsoft AI数据平台负责人Suqiang (Jack) Song表示,其团队将LanceDB用作训练数据层,处理涵盖图像和代码的数十亿行数据;分布式推理任务会在数千个节点上直接读取Lance。对于生产环境而言,必须在Microsoft自己的租户和安全策略范围内运行,这一点没有商量余地。
B轮融资后的发展路线图
LanceDB计划在拍字节级规模下,将训练数据、上下文、日志和运行轨迹整合到一个系统中。研究团队还将能够并行开展大量AI智能体实验,同时避免污染共享数据集。这项工作旨在覆盖完整的模型改进周期,减少可能拖慢研究进度的人工流水线监督和数据加载问题。
LanceDB还计划进一步完善其特征工程工具。团队只需定义一次转换,平台随后便会将其应用于整个数据集、回填现有数据行,并处理到达的新数据。后续工作将进一步覆盖训练前的数据准备,并改善训练过程中的数据加载和缓存。
这轮B轮融资将推动LanceDB从检索拓展至持续变更数据集、开展实验和为训练任务供数等工作。下一阶段将检验一个平台能否同时满足前沿规模的数据量需求,以及Runway等客户所描述的、伴随每项实验不断发生的变化。












