开源向量数据库初创公司Qdrant获得2800万美元融资

Qdrant，这家背后有同名开源向量数据库的公司，已成功完成由Spark Capital领投的A轮融资，共获得2800万美元。

总部位于柏林的Qdrant成立于2021年，旨在利用蓬勃发展的人工智能革命，针对开发人员提供一个开源的向量搜索引擎和数据库，这是生成式人工智能的重要组成部分。生成式人工智能需要在非结构化数据之间建立关系（例如未标记或未组织的文本、图像或音频），即使这些数据在实时应用中是“动态”的。根据Gartner的数据，非结构化数据占所有新企业数据的大约90%，增长速度是其结构化对应物的三倍。

向量数据库领域正变得炙手可热。最近几个月里，像Weaviate这样的开源向量数据库筹集了5000万美元，而Zilliz筹集了6000万美元用于商业化其开源向量数据库Milvus。另外，Chroma也获得了1800万美元的种子资金用于类似的企划，并且Pinecone以自有替代方案获得了1亿美元。

Qdrant方面在去年四月份筹集了750万美元，进一步凸显了投资者对矢量数据库似乎永无止境的需求，同时也预示着Qdrant计划的高速增长阶段即将到来。

“原计划是在今年第二季度进行下一轮筹款，但我们提前几个月收到了一份报价，并决定节省一些时间，立即开始推动公司的规模发展，” Qdrant的首席执行官兼联合创始人安德烈·扎亚尔尼向TechCrunch解释道。“筹款和招聘合适的人员总是需要时间的。”

值得注意的是，Zayarni表示，该公司实际上拒绝了一家“重要数据库市场参与者”提出的潜在收购要约，同时接到了一笔跟投资要约。“我们选择了投资，”他说道，并补充说他们将利用这笔新注资来扩充业务团队，因为目前公司主要由工程师组成。

二进制逻辑

在最近的九个月中，Qdrant推出了一项名为二进制量化（BQ）的全新高效压缩技术，专注于低延迟、高吞吐量索引。据称，这项技术可以将内存消耗降低多达32倍，并提高检索速度约40倍。

“二进制量化是一种用零和一来‘压缩’向量的方式，”Zayarni说道。“比较这些向量变得非常简单，只需使用最简单的CPU指令——这使得查询速度可以显著加快，并大幅节省内存使用。尽管这个理论概念并非新颖，但我们的实现方式几乎没有损失精确性。”

尽管如此，BQ 并不适用于所有的人工智能模型，用户完全可以自行决定哪种压缩选项最适合他们的用例。 Zayarni 表示，他们发现最好的结果是使用 OpenAI 的模型，Cohere 和 Google 的 Gemini 也表现良好。公司目前正在与 Mistral 和 Stability AI 等公司的模型进行基准测试。

正是这些努力吸引了高调的采用者，包括德勤、安永和据说最高知名度的XX（前身为Twitter）。或者更准确地说，埃隆·马斯克的xAI，一家正在开发ChatGPT竞争产品Grok的公司，上个月在XX平台上首次亮相。

Zayarni并没有透露X或xAI如何使用Qdrant的具体细节，这是因为双方签订了保密协议（NDA）。但可以合理地假设他们正在使用Qdrant来处理实时数据。事实上，Grok使用了一种名为Grok-1的生成AI模型，该模型经过训练，使用了来自网络和人类反馈的数据。由于Grok与X现在紧密合作，它可以将社交媒体帖子的实时数据融入其回复中 - 这就是今天所称的检索增强生成（RAG），埃隆·马斯克在过去几个月中公开暗示了这样的用例。

Qdrant没有透露有哪些客户在使用开源Qdrant版本，哪些客户在使用其托管服务，但它提到了一些初创公司，如GitBook、VoiceFlow和Dust，它们“主要”使用其托管云服务 - 这有效地帮助资源有限的公司避免了自己管理和部署所有内容的工作，就像他们在使用核心开源版本时所必须做的那样。

然而，Zayarni坚信公司的开源资质是主要的卖点之一，即使企业选择为附加服务付费。

“当使用专有或仅云解决方案时，总是存在供应商锁定的风险，” Zayarni说道。“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其他解决方案，如果是重度生产使用情况，这并不容易。使用开源软件，您对数据有更多的控制，可以在不同的部署选项之间切换。”

除了今天的资金，Qdrant还正式发布了自己的“本地托管”版，使企业有选择将所有内容内部托管，但同时可以利用Qdrant提供的高级功能和支持。这是继上周Qdrant的云版登陆Microsoft Azure、进一步增加了对现有AWS和Google Cloud Platform的支持之后的又一项举措。

除了主要投资者Spark Capital外，Qdrant的A轮融资还有不寻常的风险投资和42cap参与。