Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarLanceDB Blog→ original

LanceDB levanta 57,5 millones de dólares para una base de datos de entrenamiento de modelos con vídeo e imágenes

Entrenar modelos con vídeo, imágenes y registros de robots es incómodo: los datos están dispersos en distintos lugares, y los investigadores pasan semanas recopilándolos y limpiándolos. La startup LanceDB construye una base de datos multimodal única donde todo se almacena, se busca y queda listo para el entrenamiento. La ronda B fue de 57,5 millones de dólares y la inversión total acumulada asciende a 98,5 millones. Si estás construyendo un pipeline de entrenamiento con datos no estructurados, conviene echar un vistazo al formato abierto Lance.

Procesado por IA desde LanceDB Blog; editado por Hamidun News
LanceDB levanta 57,5 millones de dólares para una base de datos de entrenamiento de modelos con vídeo e imágenes
Fuente: LanceDB Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalLanceDB Blog ↗
Editor jefe
Dato clave #1La ronda estuvo liderada por Bessemer Venture Partners e Innovation Endeavors
Dato clave #2Los ingresos crecieron más de diez veces en un año, y las descargas de la biblioteca superan los 120 millones
Dato clave #3En una sola tabla se declaran más de 40 000 millones de vectores y hasta 8000 GPU en paralelo

Cuando el progreso en IA se mide en semanas, los investigadores no pueden permitirse pasar meses buscando y preparando datos para el entrenamiento. El problema es especialmente grave con vídeo, imágenes, grabaciones de sensores y registros: todo ello está repartido entre almacenes y formatos distintos. La startup LanceDB ha captado 57,5 millones de dólares en una ronda B para resolver este problema con una plataforma única.

¿Cuánto dinero y quién lo aportó?

La ronda estuvo liderada por Bessemer Venture Partners e Innovation Endeavors. También participaron Theory Ventures, Dimension, Swift Ventures, CRV y Y Combinator. En total, la compañía ha captado 98,5 millones de dólares. Entre sus clientes figuran Netflix, Microsoft AI, Runway, Luma AI y Midjourney.

La compañía afirma que, desde la ronda A, es decir, en aproximadamente un año, sus ingresos han crecido más de diez veces. La biblioteca de código abierto se ha descargado más de 120 millones de veces, seis veces más que hace un año. Las cifras proceden de la propia compañía y no han sido verificadas de forma independiente.

Cómo funciona, con un ejemplo

Imaginemos un ejemplo de entrenamiento en Runway. Al principio, se trata de un vídeo y una consulta de texto. Después se le añaden embeddings, resolución, duración y todo lo que necesite el siguiente experimento. En un «data lake» convencional, estas adiciones resultan incómodas: hay que reescribir archivos enormes o crear tablas separadas. Según el CTO de Runway, Camil Sindi, eligieron el formato Lance en 2024 porque combina el manejo de datos no estructurados, la posibilidad de añadir columnas, la lectura distribuida y la ejecución de consultas SQL.

LanceDB almacena, busca, enriquece y entrega los datos de entrenamiento en un único sistema. NVIDIA, con Lance, seleccionó cerca de un millón de horas de vídeo para Cosmos 3 y ahora pasa al entrenamiento directamente desde ese formato. Microsoft AI usa LanceDB como capa de datos para entrenar con miles de millones de filas de imágenes y código, en su propio entorno de nube y con sus propias normas de seguridad.

Capacidades declaradas de la plataforma:

  • más de 130 000 consultas por segundo con una latencia del percentil 95 inferior a 210 ms;
  • cientos de petabytes en una sola tabla;
  • más de 40 000 millones de vectores en una sola tabla;
  • hasta 8000 GPU entrenando en paralelo.

Novedades de la versión Enterprise

La compañía ha añadido tres funciones. La primera es una vía de escritura rápida y fiable para datos que llegan en tiempo real. La segunda, la construcción distribuida de índices sobre conjuntos enormes. La tercera, la «compactación» gestionada de tablas: el sistema ordena el almacenamiento en segundo plano. Esto permite trabajar con tablas de hasta 100 000 millones de filas multimodales, mientras varios investigadores leen, escriben y consultan la misma tabla a la vez.

El siguiente paso es la ingeniería de características. El equipo escribe una transformación una sola vez, y LanceDB la aplica a todo el conjunto, completa las filas antiguas y procesa las nuevas a medida que llegan. Además, la empresa quiere asumir más preparación de datos antes del entrenamiento y mejorar la carga y el caché durante las propias ejecuciones. También habla de un escenario en el que investigadores y sus agentes lanzan muchos experimentos en paralelo sin estropear los conjuntos de datos compartidos.

Qué significa para los profesionales

El mercado se desplaza de los modelos de texto hacia el vídeo, los modelos del mundo y la IA física, y el cuello de botella deja de ser el código de entrenamiento para pasar a ser los datos. Si tu equipo trabaja con petabytes de vídeo o registros de robots, conviene estudiar el formato abierto Lance y compararlo con los data lakes clásicos basados en Parquet e Iceberg.

Hay también matices. La mayoría de las cifras proceden del blog de la propia compañía, y las citas de clientes se han seleccionado para el comunicado de prensa. Conviene comprobar las escalas anunciadas con datos propios. Además, la plataforma está pensada para cargas muy grandes, y a un equipo pequeño con un par de terabytes probablemente le bastarán soluciones más sencillas.

Historia

Preguntas frecuentes sobre la noticia

¿Cuánto dinero y quién lo aportó?

La ronda estuvo liderada por Bessemer Venture Partners e Innovation Endeavors. También participaron Theory Ventures, Dimension, Swift Ventures, CRV y Y Combinator. En total, la compañía ha captado 98,5 millones de dólares. Entre sus clientes figuran Netflix, Microsoft AI, Runway, Luma AI y Midjourney. La compañía afirma que, desde la ronda A, es decir, en aproximadamente un año, sus ingresos han crecido más de diez veces.

Cómo funciona, con un ejemplo?

Imaginemos un ejemplo de entrenamiento en Runway. Al principio, se trata de un vídeo y una consulta de texto. Después se le añaden embeddings, resolución, duración y todo lo que necesite el siguiente experimento. En un «data lake» convencional, estas adiciones resultan incómodas: hay que reescribir archivos enormes o crear tablas separadas.

¿Qué se sabe sobre Novedades de la versión Enterprise?

La compañía ha añadido tres funciones. La primera es una vía de escritura rápida y fiable para datos que llegan en tiempo real. La segunda, la construcción distribuida de índices sobre conjuntos enormes. La tercera, la «compactación» gestionada de tablas: el sistema ordena el almacenamiento en segundo plano. Esto permite trabajar con tablas de hasta 100 000 millones de filas multimodales, mientras varios investigadores leen, escriben y consultan la misma tabla a la vez.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…