LanceDB – Lakehouse đa phương thức cho AI

LanceDB Inc. phát triển lakehouse đa phương thức cho AI, xây trên định dạng cột mã nguồn mở Lance. Giải pháp nhắm tới các đội ngũ phải quản lý hình ảnh, video, văn bản, embedding và dữ liệu cảm biến phục vụ tìm kiếm, xây dựng đặc trưng và huấn luyện mô hình, vốn là điểm yếu của data lake truyền thống và cơ sở dữ liệu vector độc lập.

LanceDB lưu dữ liệu đa phương thức gốc, embedding và đặc trưng trong một bảng trên object storage, hỗ trợ truy xuất vector, toàn văn, SQL, phân nhánh kiểu Git và lượng tử hoá RaBitQ. Hệ thống đạt hơn 100 nghìn truy vấn mỗi giây, bảng trên 100 tỷ dòng và tìm kiếm ở quy mô 10 tỷ vector. Sản phẩm tích hợp DuckDB, Spark, Ray, Hugging Face Hub, LangChain và được Netflix, Uber, Runway, Midjourney, ByteDance Volcano Engine, WeRide, UBS sử dụng.

• Định dạng Lance: định dạng cột mã nguồn mở tối ưu cho dữ liệu đa phương thức và truy cập ngẫu nhiên.
• Tìm kiếm vector và lai: truy xuất vector, toàn văn, SQL với lượng tử hoá RaBitQ nhiều bit.
• Xây dựng đặc trưng: tính và lưu đặc trưng cạnh dữ liệu gốc ở quy mô petabyte.
• Nạp dữ liệu huấn luyện: truyền dữ liệu cho các tác vụ huấn luyện PyTorch, LeRobot.
• Phân nhánh kiểu Git: tạo nhánh và phiên bản cho bộ dữ liệu để thử nghiệm an toàn.
• Hệ sinh thái mở: chạy cùng DuckDB, Spark, Ray, Hugging Face Hub, Unity Catalog, AWS Glue.

• Startup AI Việt Nam quản lý bộ dữ liệu ảnh, video, văn bản để huấn luyện mô hình thị giác và ngôn ngữ.
• Nền tảng truyền thông, thương mại điện tử tìm kiếm đa phương thức trên ảnh và video sản phẩm.
• Đội phát triển xe tự hành, robot tuyển chọn dữ liệu cảm biến cho huấn luyện mô hình.

• Một bảng duy nhất cho tuyển chọn dữ liệu, đặc trưng, tìm kiếm và huấn luyện thay vì nhiều pipeline rời.
• Định dạng Lance v2.2 giảm hơn 50% dung lượng lưu trữ, đọc blob nhanh tới 68 lần, theo nhà cung cấp.
• WeRide rút khai phá dữ liệu từ một tuần xuống một giờ; Volcano Engine rút pipeline từ bảy ngày xuống một ngày.
• Đạt tới 70% hiệu suất FLOPS mô hình khi huấn luyện trực tiếp từ bảng Lance.

Các đội ngũ AI ngày càng huấn luyện và vận hành mô hình trên video, hình ảnh, âm thanh và dữ liệu robot, gây áp lực lên data lake dựa trên Parquet và các kho vector độc lập. Nhu cầu về một lớp dữ liệu đa phương thức thống nhất đang tăng ở các công ty xe tự hành, truyền thông và AI tạo sinh, trong đó có cộng đồng phát triển AI, robot đang lớn mạnh tại Việt Nam.

LanceDB Inc., đặt tại San Francisco theo blog của công ty. Gọi vốn Series A 30 triệu USD tháng 6/2025. Phát hành Lance SDK v1.0.0 tháng 12/2025 và định dạng Lance v2.2 tháng 4/2026. Có huy hiệu tuân thủ SOC, GDPR và HIPAA.