LanceDB capta US$ 57,5 mi para acelerar dados de IA em dias
LanceDB levanta US$ 57,5 milhões em rodada Série B para expandir plataforma lakehouse multimodal que acelera acesso e preparo de dados em nuvens como as de Netflix e Microsoft.

Tecnologia
Startup recebe aporte milionário para aprimorar plataforma de dados multimodais em nuvem.
Leia também: Orquestração autônoma em Kubernetes reduz 80% do custo de IA
A LanceDB Inc. anunciou nesta terça-feira (17) a captação de US$ 57,5 milhões em uma rodada Série B para acelerar o desenvolvimento de sua plataforma multimodal lakehouse, que promete reduzir de semanas para poucos dias o tempo de preparação de grandes conjuntos de dados usados no treinamento de modelos de inteligência artificial.
A rodada foi liderada pelos fundos Bessemer Venture Partners e Innovation Endeavors e eleva o total de investimentos na empresa a US$ 98,5 milhões. Também participam Theory Ventures, Dimension, Swift Ventures, CRV e Y Combinator. A tecnologia já é usada por nomes de peso como Runway AI Inc., Netflix Inc. e Microsoft Corp.
Plataforma unifica dados gigantes sem mover arquivos
No centro da aposta dos investidores está a plataforma lakehouse multimodal da LanceDB, que conecta diretamente ao armazenamento em nuvem dos clientes e cria um ponto único de acesso para dados de texto, áudio, imagens, vídeo, informações tridimensionais, séries temporais e geoespaciais.
Em vez de copiar ou mover os arquivos para outro sistema, o software distribui a carga computacional até onde os dados estão, reduzindo gargalos de rede e evitando duplicação de informações em volumes que variam, em média, de 10 a 20 petabytes por conjunto de treinamento — com casos que podem chegar a 80 ou 100 petabytes.
“Tipicamente, equipes de pesquisa precisam colocar diferentes partes do conjunto de dados em lugares distintos, perdendo semanas ou meses para preparar um único conjunto para treinamento”, afirmou o cofundador e CEO Chang She. “Os dados permanecem no local, continuam sendo seus. Não precisamos copiá-los.”
Entenda o contexto
Modelos de IA multimodais — que combinam texto, imagem, áudio, vídeo e dados de sensores — dependem de volumes gigantescos de informação espalhada em múltiplos sistemas. Hoje, boa parte do trabalho de times de pesquisa e engenharia está em localizar, cruzar, limpar e reorganizar esses dados antes de cada rodada de treinamento.
Segundo Chang She, falta uma camada específica de dados desenhada para esse tipo de carga de trabalho. “Há uma camada de dados faltando para IA hoje, e é isso que estamos tentando construir”, disse. A ambição é oferecer uma infraestrutura que permita alimentar modelos com rapidez e regularidade, sem retrabalho a cada novo experimento.
Como funciona o lakehouse multimodal da LanceDB
A tecnologia da empresa é baseada no Lance, um formato aberto pensado para cargas de trabalho de IA que combina dados estruturados com arquivos grandes, como imagens e vídeos. Diferente de formatos analíticos tradicionais, otimizados para processar tabelas inteiras, o Lance foi construído para recuperar e modificar rapidamente registros individuais — algo crucial quando pesquisadores iteram constantemente sobre exemplos específicos de treinamento.
Sobre esse formato, a LanceDB construiu um lakehouse multimodal de grande escala. Na prática, o sistema permite:
• indexar e pesquisar diferentes tipos de dados em um só lugar;
• organizar e enriquecer exemplos de treinamento ao longo do tempo, sem migrar de sistema;
• distribuir o processamento por toda a infraestrutura de nuvem onde os dados já residem.
“Quanto mais rápido pudermos acelerar esse ciclo, mais rápido equipes de pesquisa poderão alcançar modelos de maior qualidade e criar aplicações de IA mais interessantes”, afirmou She, em referência ao que chama de “AI flywheel” — o ciclo de coletar dados, treinar modelos e colocá-los em produção.
Runway, Netflix e Microsoft já usam a tecnologia
Entre os primeiros usuários da plataforma estão empresas que dependem fortemente de modelos avançados de IA. A Runway AI adotou o formato Lance quando as necessidades de treinamento se expandiram, para lidar com vídeos, metadados e experimentos em constante mudança. A companhia hoje é cliente da versão corporativa da LanceDB.
A Netflix construiu um data lake de mídia sobre a tecnologia para apoiar processos de criação de conteúdo. Já a Microsoft utiliza a plataforma como camada de dados para treinar modelos em dezenas de bilhões de linhas combinando imagens e código, concentrando em um único fluxo tarefas de gestão, busca, curadoria e engenharia de atributos dos dados.
O objetivo comum é reduzir a dependência de múltiplos sistemas de armazenamento e bancos de dados, que hoje fragmentam os conjuntos de treinamento e atrasam novos experimentos.
Recursos vão para escala e novos tipos de carga de trabalho
Com os US$ 57,5 milhões da Série B, a LanceDB planeja ampliar a capacidade da plataforma para lidar com conjuntos de dados ainda maiores, de dezenas a até cerca de 100 petabytes, e aprimorar tarefas como curadoria em larga escala, engenharia de atributos e carregamento de dados para manter milhares de unidades de processamento gráfico (GPUs) ocupadas durante o treinamento.
A empresa também mira cargas de trabalho emergentes de IA, como geração de vídeo, modelos de mundo usados em simulações e robótica, que exigem lidar com volumes crescentes de dados de sensores em primeira pessoa, informações sintéticas e múltiplas camadas de anotações.
Para o mercado de infraestrutura de IA, a proposta de manter os dados no lugar e levar o processamento até eles pressiona arquiteturas mais tradicionais de armazenamento e análise, que dependem de movimentação constante de arquivos. Para equipes de pesquisa e desenvolvimento, a promessa é direta: gastar menos tempo empilhando dados e mais tempo treinando modelos e colocando novas aplicações de inteligência artificial em produção.


