Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarLanceDB Blog→ original

LanceDB capta US$ 57,5 milhões para banco de dados de treinamento de modelos com vídeo e imagens

Treinar modelos com vídeos, imagens e logs de robôs é trabalhoso: os dados ficam espalhados por lugares diferentes, e os pesquisadores passam semanas coletando e limpando tudo. A startup LanceDB quer resolver isso com um banco "multimodal" único, onde os dados são armazenados, pesquisados e preparados para o treinamento. A rodada B somou US$ 57,5 milhões, e o total captado pela empresa chega a US$ 98,5 milhões. Se você constrói um pipeline de treinamento com dados não estruturados, vale dar uma olhada no formato aberto Lance. A rodada foi liderada pela Bessemer Venture Partners e pela Innovation Endeavors. A receita cresceu mais de 10 vezes em um ano, e a biblioteca já ultrapassou 120 milhões de downloads. A empresa afirma que a plataforma suporta mais de 40 bilhões de vetores em uma única tabela e até 8 mil GPUs treinando em paralelo.

Processado por IA de LanceDB Blog; editado por Hamidun News
LanceDB capta US$ 57,5 milhões para banco de dados de treinamento de modelos com vídeo e imagens
Fonte: LanceDB Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalLanceDB Blog ↗
Editor-chefe
Dado-chave #1mais de 130 mil consultas por segundo, com latência do percentil 95 abaixo de 210 ms;
Dado-chave #2centenas de petabytes em uma única tabela;
Dado-chave #3mais de 40 bilhões de vetores em uma única tabela;

Quando o progresso em IA é medido em semanas, pesquisadores não podem se dar ao luxo de gastar meses procurando e preparando dados para treinamento. Isso é especialmente difícil com vídeos, imagens, registros de sensores e logs: tudo isso fica em armazenamentos e formatos diferentes. A startup LanceDB captou US$ 57,5 milhões em uma rodada B para resolver esse problema com uma plataforma única.

Quem investiu e quanto foi captado

A rodada foi liderada pela Bessemer Venture Partners e pela Innovation Endeavors. Também participaram Theory Ventures, Dimension, Swift Ventures, CRV e Y Combinator. No total, a empresa captou US$ 98,5 milhões. Entre os clientes estão Netflix, Microsoft AI, Runway, Luma AI e Midjourney.

A empresa afirma que, desde a rodada A, ou seja, em cerca de um ano, a receita cresceu mais de 10 vezes. A biblioteca de código aberto foi baixada mais de 120 milhões de vezes, seis vezes mais do que há um ano. Os números foram divulgados pela própria empresa e não foram verificados de forma independente.

Como funciona na prática

Imagine um exemplo de treinamento na Runway. Inicialmente, há um vídeo e uma instrução em texto. Depois, são acrescentados embeddings, resolução, duração e tudo o que o próximo experimento vai precisar. Em um "data lake" comum, esses acréscimos são incômodos: é preciso reescrever arquivos enormes ou criar tabelas separadas. Segundo o CTO da Runway, Camil Sindi, a equipe escolheu o formato Lance em 2024 porque ele lida ao mesmo tempo com dados não estruturados, permite adicionar colunas, lê dados de forma distribuída e executa consultas SQL.

O LanceDB armazena, pesquisa, enriquece e entrega os dados de treinamento em um único sistema. Na NVIDIA Cosmos, com o Lance, foi selecionado cerca de um milhão de horas de vídeo para o Cosmos 3, e agora o treinamento passa a ser feito diretamente a partir desse formato. A Microsoft AI usa o LanceDB como camada de dados para treinar com bilhões de linhas de imagens e código, em seu próprio ambiente de nuvem e de acordo com suas próprias regras de segurança.

Recursos anunciados da plataforma:

  • mais de 130 mil consultas por segundo, com latência do percentil 95 abaixo de 210 ms;
  • centenas de petabytes em uma única tabela;
  • mais de 40 bilhões de vetores em uma única tabela;
  • até 8 mil GPUs treinando em paralelo.

O que há de novo na versão Enterprise

A empresa acrescentou três recursos. O primeiro é um caminho de escrita rápido e confiável para dados que chegam em tempo real. O segundo é a construção distribuída de índices sobre conjuntos enormes de dados. O terceiro é a "compactação" gerenciada de tabelas: o sistema organiza o armazenamento em segundo plano. Isso permite trabalhar com tabelas de até 100 bilhões de linhas multimodais, enquanto vários pesquisadores leem, gravam e consultam a mesma tabela ao mesmo tempo.

O próximo passo é a engenharia de features. A equipe escreve a transformação uma única vez, e o LanceDB a aplica a todo o conjunto, preenche as linhas antigas e processa os novos dados conforme eles chegam. A empresa quer também assumir mais da preparação de dados antes do treinamento e melhorar o carregamento e o cache durante as próprias execuções. Ela ainda fala em um cenário em que pesquisadores e seus agentes rodam muitos experimentos em paralelo sem comprometer os datasets compartilhados.

O que isso significa para quem trabalha com a área

O mercado está migrando de modelos de texto para vídeo, modelos de mundo e IA física, e o gargalo deixa de ser o código de treinamento e passa a ser os dados. Se a sua equipe trabalha com petabytes de vídeo ou logs de robôs, vale a pena conhecer o formato aberto Lance e compará-lo com os data lakes tradicionais baseados em Parquet e Iceberg.

Há, porém, ressalvas. A maioria dos números vem do blog da própria empresa, e as citações de clientes foram escolhidas para o comunicado de imprensa. As escalas anunciadas devem ser testadas com dados próprios. Além disso, a plataforma foi pensada para cargas muito grandes, e uma equipe pequena com alguns terabytes provavelmente se sairá bem com soluções mais simples.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Quem investiu e quanto foi captado?

A rodada foi liderada pela Bessemer Venture Partners e pela Innovation Endeavors. Também participaram Theory Ventures, Dimension, Swift Ventures, CRV e Y Combinator. No total, a empresa captou US$ 98,5 milhões. Entre os clientes estão Netflix, Microsoft AI, Runway, Luma AI e Midjourney. A empresa afirma que, desde a rodada A, ou seja, em cerca de um ano, a receita cresceu mais de 10 vezes. A biblioteca de código aberto foi baixada mais de 120 milhões de vezes, seis vezes mais do que há um ano.

Como funciona na prática?

Imagine um exemplo de treinamento na Runway. Inicialmente, há um vídeo e uma instrução em texto. Depois, são acrescentados embeddings, resolução, duração e tudo o que o próximo experimento vai precisar. Em um "data lake" comum, esses acréscimos são incômodos: é preciso reescrever arquivos enormes ou criar tabelas separadas.

O que há de novo na versão Enterprise?

A empresa acrescentou três recursos. O primeiro é um caminho de escrita rápido e confiável para dados que chegam em tempo real. O segundo é a construção distribuída de índices sobre conjuntos enormes de dados. O terceiro é a "compactação" gerenciada de tabelas: o sistema organiza o armazenamento em segundo plano. Isso permite trabalhar com tabelas de até 100 bilhões de linhas multimodais, enquanto vários pesquisadores leem, gravam e consultam a mesma tabela ao mesmo tempo.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…