Qdrant，这家同名开源向量数据库背后的公司，在由 Spark Capital 领投的 A 轮融资中筹集了 2800 万美元。
成立于2021年的柏林公司Qdrant旨在利用蓬勃发展的AI革命，通过提供开源向量搜索引擎和数据库来吸引开发者——这是生成式AI不可或缺的一部分，需要在非结构化数据（例如未标记或未以其他方式组织的文本、图像或音频）之间建立关系，即使这些数据在实时应用中是“动态”的。根据Gartner数据，非结构化数据占所有新企业数据的约90%，其增长速度是有结构化数据的三倍。
向量数据库领域正如火如荼。近几个月来，我们看到诸如 Weaviate 为其开源向量数据库筹集了 5000 万美元 ，而 Zilliz 获得了 6000 万美元以商业化 Milvus 开源向量数据库。 此外，Chroma 为类似的项目获得了 1800 万美元的种子轮融资，而 Pinecone 则为专有替代方案获得了 1 亿美元。
Qdrant方面，去年四月筹集了750万美元，这进一步凸显了投资者对向量数据库似乎永不满足的需求——同时也指出了Qdrant计划中的增长激增。
“原计划是在今年第二季度进行下一轮融资，但我们在几个月前收到了一个报价，并决定节省时间，现在就开始扩大公司规模，” Qdrant 首席执行官兼联合创始人 Andre Zayarni 向 TechCrunch 解释道。“融资和招聘合适的人选总是需要时间的。”
值得注意的是，Zayarni 表示，公司在收到后续投资报价的同时，实际上拒绝了一家“主要数据库市场参与者”的潜在收购要约。“我们选择了投资，”他说，并补充说，鉴于公司目前主要由工程师组成，他们将利用这笔新注入的资金组建业务团队。
二进制逻辑
在上次融资后的九个月里，Qdrant 已经推出了一种名为二进制量化（BQ）的新的高效压缩技术，专注于低延迟、高吞吐量的索引，据称可将内存消耗减少多达 32 倍，并将检索速度提高约 40 倍。
扎亚尔尼表示：“二进制量化是一种将向量‘压缩’为仅由零和一组成的最简表示形式的方法。”“比较向量变成了最简单的 CPU 指令——这使得查询速度显著加快，并大幅节省内存使用量。这一理论概念并不新颖，但我们以几乎不损失精度的方式实现了它。”
不过，BQ 可能并不适用于所有 AI 模型，用户需自行决定哪种压缩选项最适合其用例——但扎亚尔尼表示，他们发现效果最好的是 OpenAI 的模型， 而 Cohere 也表现良好， Google 的 Gemini也是如此。该公司目前正在对来自 诸如 Mistral 和 Stability AI等公司的模型进行基准测试。
正是这些努力帮助吸引了包括德勤（Deloitte）、埃森哲（Accenture）在内的知名采用者，以及 arguably 其中知名度最高的——X（前身为 Twitter）。或者更准确地说，是埃隆·马斯克（Elon Musk）旗下的 xAI ，一家正在开发 ChatGPT 竞争对手 Grok 的公司，该公司上月在 X 平台上首次亮相。
虽然由于保密协议（NDA），扎亚尔尼没有披露X或xAI如何使用Qdrant的任何细节，但合理推测它正在使用Qdrant来处理实时数据。事实上，Grok使用的是一个名为Grok-1的生成式AI模型，该模型在来自互联网的数据和人类反馈的基础上进行训练，鉴于其与X（现）紧密的关联，它能够将从社交媒体帖子中获取的实时数据整合到其回复中——这正是如今所谓的检索增强生成（RAG），而埃隆·马斯克在过去几个月里曾公开暗示过此类用例。
Qdrant 并未透露其哪些客户使用的是开源版 Qdrant，哪些使用的是其托管服务，但它确实指出了一些初创公司，如 GitBook、VoiceFlow 和 Dust，它们“主要”使用其托管云服务——这实际上使资源受限的公司无需像使用核心开源版本那样自行管理和部署所有内容。
然而，Zayarni 坚称，即使公司选择付费购买附加服务，该公司的开源资质仍然是主要的卖点之一。
Zayarni 表示：“在使用专有或仅云解决方案时，始终存在供应商锁定的风险。”如果供应商决定调整定价或更改其他条款，客户需要同意或考虑迁移到替代方案，而对于重度生产用例来说，这并不容易。“而使用开源软件，您可以更好地控制自己的数据，并且可以在不同的部署选项之间切换。”
随着今日融资消息的公布，Qdrant还正式推出了其托管“本地部署”版，使企业能够选择将所有内容托管在内部，同时利用Qdrant提供的高级功能和支持。这紧随上周的消息之后，即Qdrand的云版即将登陆Microsoft Azure，从而补充了现有的AWS和Google Cloud Platform支持。
除了领投方 Spark Capital 之外，Qdrant 的 A 轮融资还包括 Unusual Ventures 和 42cap 的参与。