Chang She 此前担任 Tubi 的工程副总裁，也是 Cloudera 的老兵，拥有多年构建数据工具和基础设施的经验。但当 She 开始涉足 AI 领域时，他很快遇到了传统数据基础设施的问题——这些问题阻碍了他将 AI 模型投入生产。
She 在接受 TechCrunch 采访时说：“机器学习工程师和 AI 研究人员往往被困在糟糕的开发体验中。数据基础设施公司并没有从根本层面真正理解机器学习数据所面临的问题。”
因此，作为广受欢迎的 Python 数据科学库 Pandas 的共同创建者之一的 Chang 与软件工程师 Lei Xu 合作共同推出了 LanceDB。
LanceDB 正在开发同名开源数据库软件 LanceDB，该软件旨在支持多模态 AI 模型——即除了文本外，还能训练和生成图像、视频等的模型。在 Y Combinator 的支持下，LanceDB 本月由 CRV、Essence VC 和 Swift Ventures 领投完成了 800 万美元的种子轮融资，使其总融资额达到 1100 万美元。
Chang 表示：“如果多模态 AI 对公司未来的成功至关重要，你就希望你那支昂贵的 AI 团队专注于模型本身，以及将 AI 与业务价值相结合。不幸的是，如今 AI 团队花费大量时间处理底层数据基础设施的细节。LanceDB 为 AI 团队提供了所需的基础设施，使他们能够自由地专注于对企业价值真正重要的事项，并比以往更快地将 AI 产品推向市场。”
LanceDB 的核心定位：专为多模态 AI 设计的向量数据库
LanceDB 本质上是一个向量数据库——一种包含一系列数字（“向量”）的数据库，这些向量编码了非结构化数据（如图像、文本等）的含义。
正如我的同事 Paul Sawers 最近所写，随着 AI 炒作周期达到顶峰，向量数据库正迎来高光时刻，这是因为它们在各种 AI 应用中都非常有用，从电商和社交媒体平台的内容推荐到减少幻觉。
向量数据库领域的竞争十分激烈——仅举几例就有 Qdrant、Vespa、Weaviate、Pinecone 和 Chroma 等供应商（还不包括大型科技 incumbent）。那么 LanceDB 的独特之处何在？据 Chang 介绍，在于其更好的灵活性、性能和可扩展性。
技术优势：基于 Apache Arrow 与 Lance Format
首先，Chang 表示，基于 Apache Arrow 构建的 LanceDB 由一种专为多模态 AI 训练和分析优化的自定义数据格式 Lance Format 驱动。Lance Format 使 LanceDB 能够处理多达数十亿个向量和 PB 级的文本、图像和视频，并允许工程师管理与这些数据相关的各种形式的元数据。
Chang 说：“迄今为止，还没有任何系统能够将训练、探索、搜索和大规模数据处理统一起来。Lance Format 允许 AI 研究人员和工程师拥有一个单一的事实来源，并在整个 AI 管道中获得闪电般的性能。这不仅仅是关于存储向量。”
商业模式与客户生态
LanceDB 通过销售其开源软件的完全托管版本来赚钱，这些版本增加了硬件加速和治理控制等功能——业务发展势头强劲。该公司的客户名单包括文生图平台 Midjourney、聊天机器人独角兽 Character.ai、自动驾驶初创公司 WeRide 以及 Airtable。
不过，Chang 坚持认为，LanceDB 最近的风险投资支持不会使其注意力偏离开源项目，他表示该项目目前每月约有 60 万次下载。
他说：“我们希望创造出一些东西，使处理大规模多模态数据的 AI 团队的工作效率提高 10 倍。LanceDB 提供——并将继续提供——非常丰富的生态系统集成，以最大限度地减少采用成本。”