
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
LanceDB 是一家专注于 AI 原生数据基础设施的公司,最近完成了 5750 万美元的 B 轮融资,使其总募资额达到 9850 万美元。这项重大投资是在公司快速扩张之后进行的,据 Tomasz Tunguz 称,该公司报告称年度营收增长超过 10 倍,开源下载量增长 6 倍,突破 1.2 亿次。
本轮融资吸引了 Bessemer Venture Partners 和 Innovation Endeavors 作为新投资者加入,现有投资者也继续支持,这凸显了市场对能够应对前沿 AI 模型需求的强大数据解决方案日益增长的需求。Tomasz Tunguz 报告称,LanceDB 的核心产品是一个多模态湖仓,它将碎片化的数据类型——例如 blob、Parquet 和向量副本——整合到一个单一、高效的存储中,用于 AI 训练和推理。这种架构已在领先的 AI 实验室和基础设施公司投入生产,包括 Exa、Runway、Microsoft AI、Adobe 和 NVIDIA。
具体的部署案例展示了 LanceDB 技术的规模和多功能性。例如,Exa 在 Lance 表中存储了 35 PB 的数据,涵盖 1000 亿个语义网页,实现了低于五分钟的抓取到搜索延迟,其索引负责人 Jan van der Vegt 指出了列回填的效率。Runway 的首席技术官 Kamil Sindi 表示,2024 年采用的 Lance 格式是唯一能够同时处理非结构化数据、列追加、分布式读取和即席 SQL 的选项,以满足其视频生成堆栈的需求。Microsoft AI 利用 LanceDB 作为其数据层,对数十亿行图像和代码数据进行训练,并支持跨数千个节点的分布式推理,数据平台负责人宋素强(Suqiang “Jack” Song)分享道。Adobe 管理着 40 到 50 PB 的数据,分布在 80 万个表和每天 2200 亿个事件中,其平台团队主张 AI 原生数据应驻留在同一个湖仓中。NVIDIA 也利用 Lance 表直接在数千个 GPU 上进行物理 AI 训练,Cosmos 技术负责人 Max Li 解释道。
像 LanceDB 这样统一的多模态数据湖仓的出现,对于专注于优化整个营收生命周期的营收运营(RevOps)领导者来说,是一个关键的发展。传统的数据架构常常导致销售、营销和客户服务系统之间的数据碎片化,阻碍了对客户旅程的整体视图。一个能够存储和处理各种数据类型——从结构化的客户记录到视频和代码等非结构化交互——的单一湖仓,直接解决了这些数据孤岛问题。这种整合为更准确的归因模型提供了基础层,因为 AI 可以从更丰富、更完整的数据集中获取洞察,从而精确理解各个触点及其对营收的影响。
此外,处理海量数据集和支持分布式推理的能力意味着 AI 驱动的预测模型可以在更全面、更新的信息上进行训练,显著提高预测准确性。对于小型公司而言,这意味着更好的资源分配和更可靠的营收预测。正如 Runway 的用例所强调的,操纵大量文件和支持即席 SQL 查询的效率,意味着营收运营团队可以更快地进行数据分析和策略调整,将洞察迅速转化为可操作的创收举措。归根结底,一个强大、统一的数据基础设施不仅仅是技术问题;它关乎赋能一种数据驱动的文化,通过提高运营效率、深化客户洞察和更精确的战略规划,直接影响营收成果。
HubSpot outlines a structured framework connecting prospecting to lead management, establishing clear lifecycle definitions to protect pipeline hygiene and attribution.

Free meeting scheduling apps offer significant value to revenue operations, but their true impact hinges on deep CRM integration to automate data capture, update records, and trigger workflows, reducing manual effort and preventing lead leakage.

According to HubSpot's 2026 State of Sales report, 22% of leaders struggle with pipeline visibility while 72% say tools fail to deliver accurate revenue data.

Amazon and United Airlines are blocking AI agents at checkout because automated bots bypass high-margin ads and ancillary upsells that drive their operating profits.

评论