地球充斥着关于自身的数据，每天卫星都会捕获大约100太字节的图像。但理解这些数据并不总是容易的，看似简单的问题回答起来可能极其复杂。
以加州防火带为例：该州有多少防火带可以阻止野火蔓延？它们自上个火灾季以来发生了怎样的变化？LGND联合创始人兼首席执行官Nathaniel Manning表示：“最初需要人工查看图片，但这扩展性有限。”近年来，神经网络虽使机器学习专家能训练算法识别防火带，但创建此类数据集成本高达数十万甚至数百万美元，且仅能完成单一任务。
LGND希望将这些数字降低一个数量级或更多。联合创始人兼首席科学家Bruno Sánchez-Andrade Nuño强调：“我们并非要取代从业者，而是希望让其效率提高10倍乃至100倍。”
900万美元种子轮融资
LGND独家向TechCrunch透露，公司最近由Javelin Venture Partners领投，完成了900万美元的种子轮融资。AENU、Clocktower Ventures、Coalition Operators、MCJ、Overture、Ridgeline和Space Capital参与投资；Keyhole创始人John Hanke、Ramp联合创始人Karim Atiyeh及Salesforce高管Suzanne DiBianca等多位天使投资者也加入了本轮融资。
核心产品：地理数据向量嵌入
该公司核心产品是地理数据的向量嵌入（vector embeddings）。如今大多数地理信息以像素或传统矢量形式存在，解读需深入领域知识或计算能力。而地理嵌入能以更易发现位置关系的方式总结空间数据。
Nuño指出：“嵌入技术让你提前获得90%的非差异化计算量。它是通用的超短摘要，体现了无论如何都必须进行的90%计算。”
以防火带为例，其可能表现为道路、河流或湖泊，形态各异但具共同特征：无植被且具备取决于周围植被高度的最小宽度。嵌入技术使得在地图上快速定位符合描述的位置变得更加容易。
应用场景与市场潜力
LGND开发了企业应用帮助大型企业回答空间数据问题，并提供API供有具体需求的用户调用。Manning认为，该技术将鼓励公司以全新方式查询地理空间数据。
例如AI旅行代理场景：用户寻找靠近优质浮潜点的三居室短租房，要求白色沙滩、二月海藻少且预订时一公里内无施工。构建传统模型逐一处理这些问题耗时费力，而嵌入技术可高效应对。
若能将此类工具普及给大众或专业人群，LGND有望切入价值近4000亿美元的市场。Manning表示：“我们正试图成为该数据领域的‘标准石油’。”