Amsterdam-Basado tejido, una empresa que crea, mantiene y comercializa la base de datos de vectores de código abierto Weaviate, anunció que ha recaudado 50 millones de dólares (aproximadamente 45.65 millones de euros) en una ronda de financiación de Serie B.
La ronda fue liderada por Index Ventures con la participación de Battery Ventures. Los inversores existentes Erin Price-Wright, Dharmesh Thakker y Danel Dayan también participaron en esta ronda.
¿Qué ofrece Weaviate?
Fundada en 2019 por Bob van Luijt, Micha Verhagen y Etienne Dilocker, Weaviate (anteriormente Tecnologías SemiMI) es una base de datos vectorial de código abierto.
Es una base de datos vectorial de baja latencia que admite muchos formatos de medios (texto, gráficos, etc.). Incluye funciones como búsqueda semántica, extracción de preguntas y respuestas, clasificación y modelos personalizables (PyTorch/TensorFlow/Keras).
Weaviate almacena tanto objetos como vectores, lo que permite la combinación de búsqueda de vectores con filtrado estructurado y la tolerancia a fallas de una base de datos nativa de la nube. Todo esto está disponible a través de GraphQL, REST y una variedad de lenguajes de programación del lado del cliente.
La compañía dice que su objetivo es triple. “En primer lugar, queremos que sea lo más fácil posible para que otros creen sus propios sistemas semánticos o motores de búsqueda de vectores (por lo tanto, nuestras API se basan en GraphQL)”.
“En segundo lugar, tenemos un fuerte enfoque en el elemento semántico (el 'conocimiento' en 'bases de datos vectoriales', por así decirlo). Nuestro objetivo final es que Weaviate lo ayude a administrar, indexar y 'comprender' sus datos para que pueda crear aplicaciones más nuevas, mejores y más rápidas”.
“Y en tercer lugar, queremos que puedas ejecutarlo en todas partes. Esta es la razón por la que Weaviate viene conrisere."
Actualmente, Weaviate es utilizado por software desarrolladores como una base de datos de ML primero para sus aplicaciones; por ingenieros de datos como una base de datos vectorial diseñada desde cero con ANN en su núcleo; y por científicos de datos en MLOps para implementar sus aplicaciones de búsqueda.