Rustで書かれた高性能でオープンソースのベクターデータベースを開発する"Qdrant"がSeries Aで$28Mを調達

Qdrantは、Spark Capitalがリードし、既存投資家のUnusual Venturesと42CAPも参加したSeries Aで$28Mを調達した。今回の資金調達は、Qdrantが2023年4月に実施した$9.8MのSeedに続くもので、同社の資金調達総額は$37.8Mに達した。

Rustで書かれた高性能でオープンソースのベクターデータベースを開発するQdrantは、次世代のAIアプリケーションの強化、クラウド上のDBaaS (Managed Database as a Service)技術としても利用可能で、非構造データを最大限の活用を支援します。

OpenAIののチャットボットChatGPTのようなGenerative AIモデルは、会話形式の質問と回答、検索、要約機能を提供するために、テキスト、画像、音声、動画などの複雑な非構造化データを必要とします。非構造化データによる単純なキーワード検索は、検索されるデータと同様に情報内の文脈的関係が重要である場合うまく機能しません。

「ベクターデータベースは複雑な高次元データを扱うように設計されており、極めて重要なAIアプリケーションの基盤を解き放ちます。ベクターデータベースはデータ管理の新たなフロンティアであり、複雑さは障壁ではなく、イノベーションの機会なのです。」と同社の共同創業者兼CEOは説明します。

ベクターデータベースは、チャットボットが構築されるAIモデルである大規模言語モデル(LLM)に、時間の経過とともに文脈上の関係を記憶させることを可能にします。また、RAG(retrieval-augmented generation)のために大量のリアルタイムの権威ある文脈データを保存することで、Generative AIモデルの信頼性を向上させる基礎にもなります。

これらの技術はどちらも、AIが自信満々に完全に誤った発言をする幻覚を減らすための基本的なものです。RAGは、AIモデルが業界、企業、製品固有の情報に関する専門家レベルの質問に答えるのに苦労する可能性がある企業アプリケーションで特に有用です。このような状況では、業界や企業に関連する情報に関してAIが誤った回答をする可能性を減らすことが重要になります。

Qdrantは、システムプログラミング言語であるRust上でメモリ安全性とスケーラビリティの高いベクトルデータベース製品を開発することで、競合他社と一線を画しています。また、カスタムフィルタリングアルゴリズムを導入することで、数十億のベクトルに対して非常に低いレイテンシで迅速なベクトル検索を可能にしています。

先週、Qdrantはマイクロソフト社のAzureクラウド上で提供するマネージドベクトルデータベースのQdrant Cloudを拡張しました。これにより、顧客はAzure上で迅速に独自の環境を構築し、導入時間を短縮することができます。すでに同社が提供しているAmazon Web ServicesとGoogle Cloud Platformのサポートに追加されます。

今回の資金調達に加え、オンプレミス版エンタープライズ・エディションの発売を発表しました。このエディションでは、顧客が自社でベクター・データベースをホストし、より高いデータ・セキュリティを確保しながら、マネージド・サポートと同じ機能を利用できます。さらに柔軟性を求める顧客には、QdrantがベクターデータベースをサポートするハイブリッドSaaSソリューションも提供します。