# 微软、英伟达万卡直训都在用！LanceDB狂揽5750万B轮：营收暴增10倍，如何终结AI多模态数据碎片化？

- Link: https://paooo.com/aigc-news/42643/
- Published: 2026-11-18T13:07:24+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * LanceDB 用单份多模态湖仓统一原图、元数据、向量索引与训练读取，终结数据碎片化。
 * 商业化与开源双线爆发：B 轮 5750 万美元，营收同比增长超 10 倍，下载量破 1.2 亿
   次。
 * 微软、英伟达、Exa、Runway 等实证表明，它已能支撑百亿级数据、400 亿+向量和万卡
   级训练。

> **💡 站外导读：**大模型与多模态训练长期深陷“Blob 存原图、Parquet 存元数据、向量
> 库再抄一份”的分裂泥潭。AI 湖仓数据库 LanceDB 宣布完成 5750 万美元 B 轮融资，自
> 去年 A 轮以来营收同比暴增超 10 倍、开源下载突破 1.2 亿次。从微软数十亿行训练到
> 英伟达 Cosmos 万卡直训，一份多模态湖仓底座正在取代传统数仓堆栈。

![LanceDB 多模态 AI 湖仓统一架构示意图：打通数据清洗、特征工程、大模型训练与向量
检索](https://paooo.com/wp-content/uploads/2026/11/paooo-evaoo-1118-1300-1794978437519-
1965.avif)

LanceDB 多模态 AI 湖仓统一架构示意图：打通数据清洗、特征工程、大模型训练与向量检索

## 一、 资本与增长双爆发：5750 万美元 B 轮背后的 10 倍营收与 1.2 亿下载

Theory Ventures 合伙人 Tomasz Tunguz 最新披露，AI 原生多模态湖仓数据库 **LanceDB**
已正式完成 **5750 万美元 B 轮融资**，使其历史累计融资总额攀升至 **9850 万美元**。
本轮融资由 Bessemer Venture Partners 与 Innovation Endeavors 联合领投，曾在种子轮
下注并领投其 3000 万美元 A 轮的 Theory Ventures，以及 Dimension、Swift Ventures、
CRV 和 Y Combinator 共同参投。

阅读目录

 * [一、 资本与增长双爆发：5750 万美元 B 轮背后的 10 倍营收与 1.2 亿下载](https://paooo.com/aigc-news/42643/#%e4%b8%80-%e8%b5%84%e6%9c%ac%e4%b8%8e%e5%a2%9e%e9%95%bf%e5%8f%8c%e7%88%86%e5%8f%915750-%e4%b8%87%e7%be%8e%e5%85%83-b-%e8%bd%ae%e8%83%8c%e5%90%8e%e7%9a%84-10-%e5%80%8d%e8%90%a5%e6%94%b6%e4%b8%8e-12)
 * [二、 架构范式转移：用单份多模态湖仓终结“Blob + Parquet + 向量库”三套拷贝](https://paooo.com/aigc-news/42643/#%e4%ba%8c-%e6%9e%b6%e6%9e%84%e8%8c%83%e5%bc%8f%e8%bd%ac%e7%a7%bb%e7%94%a8%e5%8d%95%e4%bb%bd%e5%a4%9a%e6%a8%a1%e6%80%81%e6%b9%96%e4%bb%93%e7%bb%88%e7%bb%93blob-parquet-%e5%90%91%e9%87%8f%e5%ba%93)
 * [三、 五大巨头生产级实证：从 Exa 35PB 网页索引到 NVIDIA Cosmos 万卡直训](https://paooo.com/aigc-news/42643/#%e4%b8%89-%e4%ba%94%e5%a4%a7%e5%b7%a8%e5%a4%b4%e7%94%9f%e4%ba%a7%e7%ba%a7%e5%ae%9e%e8%af%81%e4%bb%8e-exa-35pb-%e7%bd%91%e9%a1%b5%e7%b4%a2%e5%bc%95%e5%88%b0-nvidia-cosmos-%e4%b8%87%e5%8d%a1%e7%9b%b4)
 * [四、 产业终局研判：存储层正在从“静态冷归档”进化为“算力直连引擎”](https://paooo.com/aigc-news/42643/#%e5%9b%9b-%e4%ba%a7%e4%b8%9a%e7%bb%88%e5%b1%80%e7%a0%94%e5%88%a4%e5%ad%98%e5%82%a8%e5%b1%82%e6%ad%a3%e5%9c%a8%e4%bb%8e%e9%9d%99%e6%80%81%e5%86%b7%e5%bd%92%e6%a1%a3%e8%bf%9b%e5%8c%96%e4%b8%ba%e7%ae%97)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/42643/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

真正让顶级基础设施投资人重仓的，是其过去一年多在头部 AI 实验室中跑出的硬核增速：
自去年 6 月完成 A 轮融资以来，LanceDB 的商业化营收实现了**超过 10 倍的同比增长（
>10x YoY）**，付费与深度使用版图已覆盖 Netflix、Microsoft AI、Runway、Luma AI 与
[Midjourney](https://paooo.com/tag/midjourney/) 等一线玩家；与此同时，其底层开源
格式与工具链的下载量同比激增 **6 倍**，累计正式突破 **1.2 亿次**。

## 二、 架构范式转移：用单份多模态湖仓终结“Blob + Parquet + 向量库”三套拷贝

在传统的 AI 工程堆栈中，非结构化视频/图像往往躺在对象存储（Blob）里，标签与元信息
写在 Parquet 表中，而语义检索又需要额外抽取并同步进独立的向量数据库。数据团队不仅
要承担多份冗余存储与昂贵的 ETL 搬运开销，更致命的是在增量标注、特征回填与大规模分布
式读取时极易出现数据版本撕裂。

Lance 与 LanceDB 的核心突破在于构建了统一的**多模态 AI 湖仓（Multimodal Lakehouse）**，
将原始非结构化媒体、结构化列式属性、高维向量索引与训练/推理读取通道整合在同一份底层
数据契约之内。目前在生产环境中，这套架构已经经受住了 **1000 亿行级别数据表、400 
亿+ 向量规模以及超过 8000 块 GPU 并行训练**的极端负载考验。

## 三、 五大巨头生产级实证：从 Exa 35PB 网页索引到 NVIDIA Cosmos 万卡直训

在 2026 年 11 月举办的 Reverie Summit 峰会上，五家顶尖机构的一线技术负责人集中公开
了各自在生产环境运行 Lance 与 LanceDB 的真实工程指标：

 * **Exa 索引负责人 Jan van der Vegt** 强调，列级回填能力让百亿级网页索引无需全量
   重写即可完成新特征列上线。
 * **Runway CTO Kamil Sindi** 指出，早在 2024 年选用 Lance 时，它就是业界唯一能将
   非结构化媒体、列追加、分布式读取和即席 SQL 融为一体的格式。
 * **Microsoft AI 数据平台负责人 Suqiang “Jack” Song** 与 **NVIDIA Cosmos 技术负责
   人 Max Li** 则共同印证了“训推一体直读”与“万卡级直训”在[大模型](https://paooo.com/ai-study/)
   基础设施中的决定性价值。

  |  生产落地企业 |  核心业务与数据规模 |  关键工程特性与架构痛点解决 |  实测性能与生产收益 |  
   |  **Exa** |  35 PB Lance 表，覆盖 1000 亿（100B）语义网页 |  借助列级回填（Column Backfills）原地保留旧数据，仅增量写入新增特征列 |  实现全网抓取到可检索（crawl-to-search）端到端延迟压至 **5 分钟以内** |  
 |  **Runway** |  视频生成全栈数据筛选与管理（2024 年起上线） |  单一格式同时兼容非结构化视频、列追加（Column Appends）、分布式读与即席 SQL |  消除多套存储格式割裂，直接支撑视频大模型高吞吐数据筛选（Data Curation） |  
 |  **Microsoft AI** |  数十亿行图像与代码多模态训练数据层 |  运行于微软自有租户与安全边界内，训练与分布式推理共享同一存储格式 |  支撑**数千个计算节点**直接对 LanceDB 执行高并发分布式推理读取 |  
 |  **Adobe** |  40–50 PB 总量、80 万张表、日均 2200 亿次事件 |  坚持“AI 原生数据与常规数据共用同一湖仓与数据契约”，已向上游贡献 20+ PR |  在超大规模企业多租户治理解耦下，统一非结构化创意资产与分析管线 |  
 |  **NVIDIA Cosmos** |  物理 AI（Physical AI）全模态世界模型 |  突破传统数据预处理瓶颈，打通大规模 GPU 集群与 Lance 数据表的直接挂载通道 |  史上首次实现在**数千至数万块 GPU** 规模上直接基于 Lance 表开展训练 |

## 四、 产业终局研判：存储层正在从“静态冷归档”进化为“算力直连引擎”

过去十年的数据湖架构（如 Iceberg/Delta Lake）本质上是为 BI 报表与批处理 SQL 设计
的；但在生成式 AI 与物理世界模型时代，存储层必须直接面对高频随机读取（Random Access）、
多模态张量加载、向量检索以及跨万卡集群的 I/O 饥饿问题。

当 Adobe 将 40–50 PB 的海量资产与每天 2200 亿次事件纳入同一个多模态契约，当英伟达
Cosmos 直接让数万块 GPU 咬住 Lance 表全速吞吐，这意味着下一代 AI 基础设施的竞争重心
正从单纯的“向量检索引擎”全面升维至“训推一体的 AI 原生数据湖仓”。

#### 📝 站长洞察 (Editor’s Insight)

过去两年向量数据库赛道一度陷入“同质化内卷”，但 LanceDB 用一年 10 倍营收增长与 1.2
亿次下载证明：大模型时代的真刚需不是再造一个只存 Embedding 的外挂库，而是重构多模
态数据底座。以前做视觉或视频训练，一份数据要在对象存储、Parquet 和向量库之间倒腾
三遍，算力卡天天在等 I/O。现在 Exa 把 35PB 网页压到 5 分钟可搜、微软和英伟达直接
用万卡集群直读 Lance 表，等于把清洗、特征回填、检索与训练压进同一个零拷贝格式里。
对国内基础设施团队而言，如何在存储层同时搞定列追加与高并发随机读取，才是 AI Infra
的核心护城河。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**Midjourney ↗**

目前地表最强的 AI 图像生成引擎，基于 Discord 频道运作，擅长极具艺术感的视觉重构。

**Luma AI ↗**

Luma AI：AI 3D捕捉、建模和渲染，面向AI 视觉设计场景提供便捷实用的在线功能支持，涵
盖智能工具等实用

**Runway ↗**

AI视频工具，绿幕抠除、视频生成、动态捕捉等功能。

❓ 常见问题解答（FAQ）

LanceDB 为什么能替代传统向量库？

因为它不是只做向量检索，而是把原始媒体、列式元数据、向量索引和训练/推理读取统一到
同一份多模态湖仓里，减少多套存储拷贝与同步成本，避免版本撕裂，适合大规模 AI 数据
管线。

LanceDB 适合哪些 AI 场景？

文章显示它主要适用于多模态训练、数据清洗、特征工程、向量检索和分布式推理读取，尤其
适合视频、图像、网页索引与物理 AI 等需要统一数据底座的场景。

LanceDB 在生产环境有哪些验证？

文中提到 Exa、Runway、Microsoft AI、Adobe 和 NVIDIA Cosmos 都在生产中使用或验证了
Lance/LanceDB，覆盖 35PB、40–50PB、数十亿行数据、400 亿+向量以及数千到数万 GPU 规模。

🔬 语宙深潜追问 · 进阶实操拆解

百亿级多模态数据怎么迁移最稳？

先按数据域分批迁移，保留原 Blob/Parquet 作为回滚底座；优先把高频检索和训练样本接
入统一湖仓，再做 schema、索引和权限映射，最后用双写与校验对齐一致性，避免一次性全量
切换风险过高。

万卡直训场景如何避免向量索引拖慢训练？

把索引构建与训练解耦，采用异步预计算、分层缓存和冷热分离；训练侧只读稳定快照，索引
侧独立扩缩容，并用批量写入和分片路由降低抖动，确保训练吞吐不被在线更新干扰。

🗳️ 读者观点微投票 · 您的实战立场是？

你会用统一多模态湖仓替代三套数据拷贝吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

 * [字节跳动开源Lance 3B：仅30亿参数，一个模型同时搞定AI看图、写图、剪视频](https://paooo.com/aigc-news/17497/)
 * [LanceDB – 为AI应用设计的无服务器向量数据库，降低运维成本](https://paooo.com/aigc-news/27063/)
 * [FastDeploy 2.0深度解析：百度发布2-bit量化技术，单卡部署千亿参数大模型，推理性能飙升](https://paooo.com/aigc-news/14254/)
 * [BigMac – 小红书开源的多模态大模型流水并行训练框架](https://paooo.com/aigc-news/38988/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/42643/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
