公司 LanceDB
融资轮次 B轮
融资金额 5750万美元
投资方 Bessemer Venture Partners、Innovation Endeavors、Theory Ventures、Dimension、Swift Ventures、CRV、Y Combinator
总部 未披露
创始人 未披露
官网 https://www.lancedb.com

从向量检索到训练数据层:产品边界被重新划定

LanceDB的产品叙事在本轮融资中发生了实质性位移。公司通稿称,A轮时客户主要依赖LanceDB对数十亿行多模态数据进行检索,以创建AI模型和应用;而B轮之后,公司明确将重点放在“预训练和后训练AI模型”的工作流上,包括前沿模型、世界模型和机器人动作模型。编辑分析认为,这意味着目标用户从应用开发者向模型构建者和研究团队偏移。

这一偏移在产品功能上体现为三个企业版新增能力:持久化内存加速写入路径用于实时摄取,分布式索引用于跨大规模数据集扩展,托管式压缩在后台持续优化表结构。公司通稿称,企业版托管式压缩使团队可处理最多1000亿行多模态数据,同时允许多位研究人员并发读取、写入和查询同一张表。该能力为公司通稿描述,尚未披露客户生产环境验证数据。这些功能指向的场景不是静态知识库检索,而是训练数据在实验过程中被频繁追加列、修改元数据和回填特征的动态工作流。

从已披露的产品路径看,LanceDB正在把“数据库”重新定位为“数据层”。公司通稿称,后续将扩展训练前的数据准备工作,并改善训练过程中的数据加载和缓存。编辑分析认为,这一方向意味着产品需要同时处理对象存储上的原始数据、向量索引、特征转换逻辑和训练任务的I/O调度。它不再只是回答“哪些数据与查询最相关”,而是试图回答“哪些数据应该进入下一次训练,以及如何让它们更快地到达GPU”。

但这一产品边界的扩展也带来一个待验证问题:当平台从检索系统延伸到训练数据管理时,它需要与现有MLOps工具链、数据版本系统、实验追踪平台和集群调度器竞争或集成。公司通稿并未披露与这些系统的兼容性细节,也未说明客户在多大程度上会将现有数据管道迁移到LanceDB。产品能力声明与真实部署深度之间,仍存在来源材料无法弥合的差距。

性能数字背后:单表400亿向量与8000块GPU的工程含义

公司通稿披露: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;可支持8000块GPU并行训练。这些数字需要放在具体工程约束中理解,而不是孤立地作为速度标签。

编辑分析认为,单表400亿向量意味着索引结构本身必须支持水平扩展,否则元数据管理和索引更新可能成为瓶颈。公司通稿将“分布式索引”列为企业版新增能力,这从侧面说明,达到该规模并非开源版本默认配置的简单延伸。8000块GPU并行训练则对数据读取路径提出更高要求:训练任务通常需要高吞吐的顺序读取,而检索任务更关注低延迟的点查询。一个系统同时满足这两种访问模式,需要在存储格式、缓存策略和预取机制上做出不同设计。

NVIDIA Cosmos技术负责人Max Li在公司通稿中称,Lance采用对象存储原生架构,这“使流式处理、筛选、检查大规模多模态数据集变得更容易,同时让大型GPU集群持续获得数据供给”。编辑分析认为,这一设计选择在成本和大规模并行读取上有优势,但对象存储的高延迟特性通常与低延迟检索需求存在张力。LanceDB如何弥合这一张力,来源材料没有给出技术细节。公司通稿将NVIDIA Cosmos标注为LanceDB开源用户和合作伙伴,未说明其是否为付费客户;Max Li的表述是用户视角,而非独立性能验证。

另一个值得注意的边界是,这些性能数字的测试条件未披露。每秒13万次请求是在什么硬件配置、什么数据规模、什么查询类型下测得,95%延迟低于210毫秒是否包含写入路径,8000块GPU并行训练对应的是读取吞吐还是端到端训练效率,公司通稿均未说明。因此,这些数字可以作为产品能力的方向性指标,但不能直接等同于生产环境中的可复现结果。

客户名单的含金量:从Runway到Microsoft AI的真实使用深度

公司通稿列出的客户包括Netflix、Microsoft AI、Runway、Luma AI和Midjourney。这份名单在AI基础设施领域具有相当分量,但不同客户的使用深度和付费关系存在差异,需要逐一分层。

Runway CTO Kamil Sindi在公司通稿中提供了最具体的使用描述:Runway从2024年开始使用Lance格式,原因是它“是唯一一个能同时处理非结构化数据、列追加、分布式读取和即席SQL的选项”,此后成为LanceDB Enterprise客户。Sindi描述的训练样本演变过程——从视频和提示词开始,逐步添加嵌入向量、分辨率和时长元数据——揭示了LanceDB在动态训练数据场景中的核心价值:训练样本不是静态对象,而是随着实验需求不断追加列和元数据的可变实体。

Microsoft AI数据平台负责人Suqiang Song在公司通稿中的表述则更强调部署模式:团队将LanceDB作为训练数据层,处理数十亿行图像和代码数据,分布式推理在数千个节点上直接读取Lance格式。Song特别指出,在Microsoft自己的租户和安全策略内运行“没有商量余地”。这暗示LanceDB Enterprise的私有化部署能力是进入大型企业客户的关键门槛,而非单纯的性能优势。

NVIDIA Cosmos的案例则展示了另一种关系:Max Li在公司通稿中称,Cosmos 3使用Lance整理了约100万小时视频,并正在转向直接使用Lance进行训练。编辑分析认为,从公司通稿表述看,NVIDIA的使用至少部分基于开源Lance格式,其是否使用付费产品未披露。

Netflix、Luma AI和Midjourney虽被列入客户名单,但公司通稿未提供这三家公司的使用细节或引语。它们的使用深度、付费状态和部署规模均未披露。对于一家以企业版为主要收入来源的公司而言,客户名单的商业价值取决于有多少客户从开源用户转化为付费用户,以及付费客户的续约和扩展情况。

开源下载量增长6倍,但开源到商业化的转化路径仍是核心问题

公司通稿称,开源库累计下载超过1.2亿次,总下载量较一年前同期增长6倍。编辑分析认为,这一数据与前述营收增长数据并列出现,可能构成LanceDB“开源驱动商业增长”叙事的两个支柱;但来源未建立下载量与营收之间的因果关系。开源下载量与商业收入之间的关系,在数据库领域从来不是线性的。

LanceDB Enterprise的差异化功能——持久化内存加速写入、分布式索引、托管式压缩——指向大规模生产环境中的痛点。从公司通稿披露的信息看,LanceDB开源版本本身已经支持相当规模的向量检索和训练数据管理。企业版新增功能主要解决的是“更大规模”和“更低运维”问题,而非基础功能缺失。编辑分析认为,这种定位意味着付费转化更可能发生在数据规模达到一定阈值、团队开始感受到运维复杂性的客户群体中。对于中小规模用户,开源版本可能长期足够。

另一个未披露的关键指标是企业客户数量。公司通稿列出了五家知名客户,但没有披露付费客户总数、净收入留存率或企业版收入占比。融资规模的增长与公司通稿所述营收增长方向一致,但两者因果关系未获披露。投资者最终需要看到的是绝对收入规模与客户集中度。

资本结构变化:从CRV和Theory Ventures到Bessemer与Innovation Endeavors

本轮由Bessemer Venture Partners和Innovation Endeavors领投,Theory Ventures、Dimension、Swift Ventures、CRV和Y Combinator参投。编辑分析认为,这一资本结构变化通常意味着新投资者对公司的估值预期和战略方向有不同判断。

Bessemer Venture Partners合伙人Mike Droesch在公司通稿中称,Chang和Lei“花了近二十年构建支撑全球许多数据平台的核心基础设施”,并称LanceDB正在引领“AI领域最重要的基础设施转变之一:大规模多模态数据训练”。这是投资方的判断,而非独立事实。据公司通稿,Chang和Lei为LanceDB联合创始人。Droesch还称公司增长“不言自明”,从“被广泛采用的开源技术”发展为“行业最先进AI实验室信赖的快速增长企业平台”。

Innovation Endeavors在本轮中的角色同样值得关注。该机构以投资技术基础设施和深度科技公司著称,其参与通常被视为对技术壁垒的认可。但来源材料未提供Innovation Endeavors的具体投资逻辑或引语,因此无法判断其对本轮估值的态度。

公司通稿称,本轮融资后累计融资额达到9850万美元。种子轮800万美元来自2024年5月报道,A轮3000万美元来自2025年6月报道。按已披露金额计算,B轮5750万美元高于此前披露的种子轮与A轮金额;这是基于已披露数字的编辑计算。累计融资额为公司通稿口径,各轮金额不宜直接相加得出累计额。公司通稿未披露本轮估值,也未披露资金在股权和债务之间的分配,因此资本结构的具体变化仍不完整。

资金用途的实质:从“检索”到“实验执行”的跨越有多远

公司通稿将B轮资金用途概括为:支持AI研究团队覆盖模型改进的完整闭环,包括训练数据管理、特征工程、实验执行和数据加载。其中,“实验执行”是一个值得拆解的新方向。

公司通稿称,研究人员及其智能体可以“在一个地方管理拍字节级训练数据、上下文、日志和运行轨迹,并运行大规模并行智能体实验,而不污染共享数据集”。编辑分析认为,这一描述将产品从数据层延伸到了实验管理层。但公司通稿未披露实验执行中的任务调度、资源分配、实验追踪和结果比较等细节,因此LanceDB是从数据层向上延伸进入这一领域,还是仅提供实验过程中的数据隔离和版本管理,来源材料的表述并不明确。

特征工程是另一个被明确提及的投资方向。公司通稿称,团队只需编写一次转换逻辑,LanceDB即可在整个数据集上运行、回填现有行并处理新到达的数据。这一“转换一次、全局执行”的模式在批处理和流处理系统中都有先例,但在多模态训练数据场景中,特征计算的复杂度和计算成本远高于传统表格数据。视频特征提取、图像嵌入计算和传感器信号处理都需要调用外部模型或计算资源,LanceDB如何编排这些计算,来源材料未披露。

公司通稿仅提及正在招聘工程、现场工程和进入市场岗位,未披露资金在工程与市场之间的具体分配,因此资金用途的侧重尚待验证。公司通稿称“替换AI研究下方的数据层是一个长期项目,我们仍处于早期阶段”。编辑分析认为,这笔资金更可能被用于巩固技术壁垒,而非追求短期收入增长。

竞争格局的缺失与AI数据栈的拥挤赛道

来源材料未提供LanceDB的竞争对手信息。编辑分析认为,LanceDB的差异化可能在于将向量检索、多模态数据存储和训练数据工作流整合在单一系统中,并以Lance格式作为开放格式。公司通稿援引Runway CTO的话称,Lance是2024年“唯一一个能同时处理非结构化数据、列追加、分布式读取和即席SQL的选项”。这一表述反映的是2024年的市场状况,且属于公司通稿援引客户的说法,而非独立市场分析。随着其他平台增加类似能力,这一差异化优势的持续性需要持续验证。

Lance格式的具体功能——列追加、分布式读取和即席SQL——是Runway选择它的直接原因。但公司通稿未披露Lance格式的社区治理结构、贡献者多样性和知识产权保护策略,因此其作为竞争壁垒的强度难以评估。

待核验指标包括:客户从其他方案迁移到LanceDB的成本和时间、Lance格式的社区贡献者数量与治理结构、以及企业版客户中来自云平台原生服务替代需求的比例。这些指标未披露之前,LanceDB在AI数据栈中的相对位置仍难以量化。

待验证的假设:从技术指标到商业闭环的距离

LanceDB的B轮融资叙事建立在三个核心假设之上:第一,AI训练数据管理正在从通用数据栈中分离出来,形成独立的基础设施层;第二,多模态训练数据的动态性和规模要求专门的存储格式和索引结构;第三,开源社区的增长可以转化为企业版付费客户的增长。

第一个假设的证据来自客户引语和行业趋势。Runway和NVIDIA Cosmos的使用案例表明,前沿AI团队确实在寻找能够处理动态多模态训练数据的工具。但这两个案例都是公司通稿提供的,且NVIDIA的付费关系未披露。独立验证的客户案例数量有限。

第二个假设的技术证据相对充分。Lance格式支持列追加、分布式读取和即席SQL的组合能力,在传统数据格式中并不常见。但技术优势能否转化为商业壁垒,取决于竞争对手的跟进速度和客户迁移成本。公司通稿未披露客户从其他方案迁移到LanceDB的成本和时间。

第三个假设是最关键的商业问题。前述开源下载量与营收增长数据之间的因果关系,来源材料没有提供直接证据。下载量可能来自开发者试用、学术研究或CI/CD管道,而非商业部署。针对LanceDB已披露的客户名单,需要核验的具体指标包括:Netflix、Microsoft AI、Runway、Luma AI和Midjourney中哪些是付费企业客户、哪些是开源用户;付费客户总数与净收入留存率;以及企业版收入在总营收中的占比。这些指标未披露之前,开源转化效率无法判断。

编辑分析认为,从已披露的A轮和B轮融资节奏看,LanceDB的融资能力可能强于其披露的商业指标。这既反映了投资者对AI数据基础设施赛道的整体乐观,也意味着公司需要在未来12至18个月内证明其企业版产品能够产生可观的经常性收入。公司通稿称“前沿AI发展以天和周为单位”,而研究人员“获取和整理最佳训练数据需要数周甚至数月”。这一时间差是LanceDB存在的根本理由。但弥合这一时间差需要的不仅是更快的数据库,还取决于公司通稿披露的三项资金用途能否落地:训练数据管理能否覆盖拍字节级动态数据集,特征工程能否编排外部模型计算,实验执行能否在不污染共享数据集的前提下支持大规模并行智能体实验。LanceDB的B轮资金是否足以覆盖这些能力建设,还是公司将继续聚焦于存储和检索性能,将决定其最终能否从“数据层”成长为“数据平台”。

验证边界与可复核指标

本文涉及的公司通稿数据均为单方口径,尚无独立验证。公司通稿披露的营收同比增长超过10倍,未披露营收基数与统计口径;性能数据未披露测试条件;客户名单未区分付费企业客户与开源用户。可复核指标包括:付费客户总数、净收入留存率、企业版收入占比、各客户付费状态、客户从其他方案迁移到LanceDB的成本和时间、Lance格式的社区贡献者数量与治理结构,以及企业版客户中来自云平台原生服务替代需求的比例。这些指标未披露之前,LanceDB的开源转化效率、客户部署深度和竞争壁垒强度仍难以量化。

RecodeX 极客视:LanceDB本轮披露的1000亿行托管压缩和8000块GPU并行训练,指向的是训练数据层而非检索数据库的工程边界。真正需要观察的是,这些能力在客户生产环境中能否复现,以及开源Lance格式的使用者是否会为分布式索引、托管压缩和私有化部署付费。当Runway描述的训练样本从视频和提示词不断追加嵌入向量与元数据时,LanceDB的价值取决于它能否把这种动态数据工作流变成可续费的企业产品,而不是停留在令人印象深刻的性能标签上。

信息来源

本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。