Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
ИнфраструктураНаучная статья · В песочницуLanceDB Blog→ оригинал

LanceDB привлёк $57,5 млн на базу данных для обучения моделей на видео и фото

Обучать модели на видео, картинках и логах роботов неудобно: данные лежат в разных местах, а исследователи неделями их собирают и чистят. Стартап LanceDB делает единую «мультимодальную» базу, где всё хранится, ищется и готовится к обучению. Раунд B составил $57,5 млн, общий объём привлечённых денег — $98,5 млн. Если вы строите пайплайн для обучения на неструктурированных данных, стоит присмотреться к открытому формату Lance.

AI-обработка оригинала LanceDB Blog; редакция Hamidun News
LanceDB привлёк $57,5 млн на базу данных для обучения моделей на видео и фото
Источник: LanceDB Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникLanceDB Blog ↗
Главный редактор
Ключевой факт #1Раунд возглавили Bessemer Venture Partners и Innovation Endeavors
Ключевой факт #2Выручка выросла более чем в 10 раз за год, загрузок библиотеки — свыше 120 млн
Ключевой факт #3В одной таблице заявлены более 40 млрд векторов и до 8 тыс. GPU параллельно

Когда прогресс в ИИ измеряется неделями, исследователи не могут позволить себе тратить месяцы на поиск и подготовку данных для обучения. Особенно тяжело с видео, изображениями, сенсорными записями и логами: всё это лежит в разных хранилищах и форматах. Стартап LanceDB привлёк $57,5 млн в раунде B, чтобы закрыть эту проблему единой платформой.

Что за деньги и кто их дал

Раунд возглавили Bessemer Venture Partners и Innovation Endeavors. Также участвовали Theory Ventures, Dimension, Swift Ventures, CRV и Y Combinator. Всего компания привлекла $98,5 млн. Среди клиентов называют Netflix, Microsoft AI, Runway, Luma AI и Midjourney.

Компания заявляет, что со времени раунда A, то есть примерно за год, выручка выросла более чем в 10 раз. Открытая библиотека скачана свыше 120 млн раз, это в 6 раз больше, чем год назад. Цифры приведены самой компанией и независимо не проверялись.

Как это работает на примере

Представьте обучающий пример в Runway. Сначала это видео и текстовый запрос. Потом к нему добавляются эмбеддинги, разрешение, длительность и всё, что понадобится следующему эксперименту. В обычном «озере данных» такие дополнения неудобны: приходится переписывать огромные файлы или заводить отдельные таблицы. По словам CTO Runway Камила Синди, они выбрали формат Lance в 2024 году, потому что он одновременно умел работать с неструктурированными данными, дописывать столбцы, читать данные распределённо и выполнять SQL-запросы.

LanceDB хранит, ищет, обогащает и отдаёт данные для обучения в одной системе. В NVIDIA Cosmos с помощью Lance отобрали около миллиона часов видео для Cosmos 3 и теперь переходят к обучению прямо из этого формата. Microsoft AI использует LanceDB как слой данных для обучения на миллиардах строк изображений и кода, причём в собственном облачном окружении и по своим правилам безопасности.

Заявленные возможности платформы:

  • более 130 тысяч запросов в секунду при задержке 95-го процентиля ниже 210 мс;
  • сотни петабайт в одной таблице;
  • свыше 40 млрд векторов в одной таблице;
  • до 8 тысяч GPU, обучающихся параллельно.

Что нового в Enterprise-версии

Компания добавила три вещи. Первая — надёжный быстрый путь записи для данных, которые поступают в реальном времени. Вторая — распределённое построение индексов на огромных наборах. Третья — управляемое «уплотнение» таблиц: система в фоне наводит порядок в хранилище. Это позволяет работать с таблицами до 100 млрд мультимодальных строк, пока несколько исследователей одновременно читают, пишут и запрашивают одну и ту же таблицу.

Следующий шаг — инженерия признаков. Команда пишет преобразование один раз, а LanceDB применяет его ко всему набору, дозаполняет старые строки и обрабатывает новые по мере поступления. Дальше компания хочет взять на себя больше подготовки данных перед обучением и улучшить загрузку и кэширование во время самих запусков. Она также говорит о сценарии, где исследователи и их агенты запускают много параллельных экспериментов, не портя общие датасеты.

Что это значит для практиков

Рынок смещается от текстовых моделей к видео, мировым моделям и физическому ИИ, и узким местом становится не код обучения, а данные. Если ваша команда работает с петабайтами видео или логов роботов, полезно присмотреться к открытому формату Lance и сравнить его с классическими озёрами данных на Parquet и Iceberg.

Есть и оговорки. Большинство цифр взято из блога самой компании, а клиентские цитаты выбраны для пресс-релиза. Проверять заявленные масштабы стоит на собственных данных. К тому же платформа рассчитана на очень крупные нагрузки, и небольшой команде с парой терабайт, скорее всего, хватит более простых решений.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что за деньги и кто их дал?

Раунд возглавили Bessemer Venture Partners и Innovation Endeavors. Также участвовали Theory Ventures, Dimension, Swift Ventures, CRV и Y Combinator. Всего компания привлекла $98,5 млн. Среди клиентов называют Netflix, Microsoft AI, Runway, Luma AI и Midjourney. Компания заявляет, что со времени раунда A, то есть примерно за год, выручка выросла более чем в 10 раз. Открытая библиотека скачана свыше 120 млн раз, это в 6 раз больше, чем год назад. Цифры приведены самой компанией и независимо не проверялись.

Что известно по теме: как это работает на примере?

Представьте обучающий пример в Runway. Сначала это видео и текстовый запрос. Потом к нему добавляются эмбеддинги, разрешение, длительность и всё, что понадобится следующему эксперименту. В обычном «озере данных» такие дополнения неудобны: приходится переписывать огромные файлы или заводить отдельные таблицы.

Что известно по теме: что нового в Enterprise-версии?

Компания добавила три вещи. Первая — надёжный быстрый путь записи для данных, которые поступают в реальном времени. Вторая — распределённое построение индексов на огромных наборах. Третья — управляемое «уплотнение» таблиц: система в фоне наводит порядок в хранилище. Это позволяет работать с таблицами до 100 млрд мультимодальных строк, пока несколько исследователей одновременно читают, пишут и запрашивают одну и ту же таблицу. Следующий шаг — инженерия признаков.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Закрытый клуб практиков · Vibe Club

Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами

Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.

Вступить в Vibe Club →Тест-драйв Академии (72ч)
Что вы думаете?
Загружаем комментарии…