現(xiàn)在，企業(yè)每天都會產(chǎn)生海量視頻，然而它們真的有價值嗎？如何將服務(wù)器中 PB 級“暗數(shù)據(jù)”變成更有價值的數(shù)字資產(chǎn)，正成為視頻 AI 賽道的新挑戰(zhàn)。

近期，AI 視頻公司 InfiniMind 宣布，已完成 580 萬美元種子輪融資。這家位于日本東京的初創(chuàng)公司由兩位前谷歌員工創(chuàng)辦，旨在通過構(gòu)建基礎(chǔ)設(shè)施，讓用戶在無需編寫任何代碼的條件下，即可將 PB 級閑置視頻和音頻資產(chǎn)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，支持監(jiān)控、安全及內(nèi)容深度分析的快速查詢（注：PB 在數(shù)據(jù)存儲領(lǐng)域代表拍字節(jié)，1PB 等于 1024TB）。

本輪融資由亞洲最大的深度科技風(fēng)險投資公司之一 UTEC 領(lǐng)投，CX2（Cox Exponential）、Headline Asia Ventures、Chiba Dojo，以及一位來自 a16z Scout 的人工智能研究員也參與了跟投。

圖丨InfiniMind 團隊主要成員（來源：InfiniMind）

在互聯(lián)網(wǎng)數(shù)據(jù)中視頻數(shù)據(jù)占據(jù)八成以上，但現(xiàn)有工具無法分析和捕捉絕大部分視頻數(shù)據(jù)。對企業(yè)來說，視頻數(shù)據(jù)仍然是一種不可用的“暗數(shù)據(jù)”（注：指組織收集但未處理、整理或使用的大量信息）。其中，既包括跨越數(shù)十年的廣播節(jié)目存檔、全天候運行的工廠監(jiān)控錄像，也包括零售監(jiān)控視頻、無人機和衛(wèi)星圖像等。

云服務(wù)廠商提供的服務(wù)能檢測到人或車輛等，但需要了解的是，這并非理解上下文，只是一種簡單的標(biāo)記。盡管新一代視頻 AI 模型可處理視頻內(nèi)容，但處理視頻的時長有限，即便是開源方案也僅能處理數(shù)小時的視頻內(nèi)容，這些對于企業(yè)長達數(shù)天、數(shù)周甚至數(shù)年的視頻素材需求來說遠遠不夠。

“我們在谷歌也看到了同樣的模式，客戶擁有 PB 級的視頻數(shù)據(jù)，他們提出的關(guān)于自身內(nèi)容的問題看似簡單，但卻找不到合適的答案。盡管有大量視頻數(shù)據(jù)，但缺乏有效的分析?！盜nfiniMind 的聯(lián)合創(chuàng)始人兼 CEO Aza Kai 說，“我們不僅整合了視覺信息，還整合了音頻、聲音和語音理解功能。”

InfiniMind 提出的解決方案是，通過構(gòu)建視頻理解的基礎(chǔ)設(shè)施將視頻轉(zhuǎn)化為結(jié)構(gòu)化的企業(yè)數(shù)據(jù)。通過將不同的事件聯(lián)系起來，能理解垂直行業(yè)中，長達數(shù)小時視頻內(nèi)容中的事件因果關(guān)系，從而將目標(biāo)視頻素材轉(zhuǎn)化為結(jié)構(gòu)化、可搜索、可操作的數(shù)據(jù)。這相當(dāng)于一種可查詢的知識庫，讓現(xiàn)實世界中的事件也能像數(shù)據(jù)庫一樣被檢索和分析，并能夠直接集成到企業(yè)的商業(yè)智能工具中。

2025 年 4 月，該公司發(fā)布首款 AI 引擎產(chǎn)品 TVPulse。公開資料顯示，TVPulse 利用 AI 分析，能夠“對海量的電視廣播數(shù)據(jù)內(nèi)容進行精確的逐秒搜索”，幫助媒體和零售公司追蹤產(chǎn)品曝光度、品牌影響力、市場分析、競品活動監(jiān)測和風(fēng)險管理等。目前，TVPulse 已為包括批發(fā)商和媒體行業(yè)在內(nèi)的付費企業(yè)客戶提供服務(wù)，截至目前分析內(nèi)容已超過 10 萬小時。

InfiniMind 的旗艦產(chǎn)品，是一款能夠深入理解長視頻的視頻基礎(chǔ)設(shè)施 DeepFrame。它能夠處理 200 小時的視頻和音頻素材，從而精確定位特定場景、演講者或事件。該產(chǎn)品計劃于今年 3 月進行測試，預(yù)計在 4 月正式發(fā)布。

與現(xiàn)有方法孤立地分析片段不同，DeepFrame 的核心亮點是，以統(tǒng)一的數(shù)據(jù)流方式處理視頻、語音和環(huán)境音頻，并追蹤長視頻片段中的因果關(guān)系。以安全事件場景為例，不僅需要檢測到人員或車輛，而是檢測完整的敘事：誰進入了現(xiàn)場，接觸了什么，去了哪里以及最終發(fā)生了什么。

與 TwelveLabs 等公司面向廣大用戶，通過提供通用的視頻分析 API 不同，InfiniMind 專為企業(yè)部署而構(gòu)建：其通過提供虛擬私有云（VPC，Virtual Private Cloud）和本地部署，能夠幫助滿足數(shù)據(jù)主權(quán)要求，而這正是許多組織在采用云端 AI 時面臨的一大障礙。

此外，DeepFrame 還包含一個微調(diào)工廠，可生產(chǎn)多種規(guī)格的行業(yè)專用模型，從而讓客戶能夠在成本、精度和速度之間實現(xiàn)最優(yōu)平衡。

兩位公司的聯(lián)合創(chuàng)始人 Aza Kai 與 Hiraku Yanagita 此前在谷歌密切合作了近 10 年。其中，Aza Kai 在谷歌擁有 9 年以上的工程經(jīng)驗，曾從事數(shù)據(jù)科學(xué)、機器學(xué)習(xí)和云基礎(chǔ)設(shè)施方面的工作，設(shè)計大規(guī)模機器學(xué)習(xí)解決方案，并曾領(lǐng)導(dǎo)了亞太地區(qū)的數(shù)據(jù)科學(xué)團隊。Hiraku Yanagita 則在谷歌日本擁有 10 年以上數(shù)字營銷經(jīng)驗，曾專注于品牌和數(shù)據(jù)解決方案，為企業(yè)客戶提供深入的分析和服務(wù)。

實際上，他們在谷歌工作時就看到了技術(shù)發(fā)展的可能性。2021 年至 2023 年期間，隨著視覺語言模型的持續(xù)進步，視頻 AI 開始超越簡單的物體標(biāo)記?！斑^去 10 年，GPU 成本的下降和每年約 15% 至 20% 的性能提升固然有所幫助，但更重要的還是模型能力的提升?！盇za Kai 對媒體表示。

直到 2024 年，這項技術(shù)發(fā)展成熟且市場需求也變得足夠明確，Aza Kai 與 Hiraku Yanagita 決定共同創(chuàng)立 InfiniMind（公司曾用名 SDio），并分別擔(dān)任公司 CEO 和 COO。目前，InfiniMind 在東京的員工有 10 余名，此外還有來自東京大學(xué)的研究合作者，他們?yōu)槟Ｐ驮u估和視頻理解基準(zhǔn)測試做出了貢獻。

憑借技術(shù)方面的創(chuàng)新，該公司入選了多個項目，包括 AWS 生成式人工智能加速器（GAIA 2025）、日本經(jīng)濟產(chǎn)業(yè)省的生成式人工智能挑戰(zhàn)計劃 （GENIAC）、NVIDIA Inception 計劃以及 Google for Startups 云計劃。

據(jù)公開信息，該公司計劃將總部遷至美國，同時繼續(xù)保留日本辦公室。本輪融資的資金將用于幫助 InfiniMind 團隊繼續(xù)開發(fā) DeepFrame 模型、擴展 PB 級視頻處理的工程基礎(chǔ)設(shè)施、招聘工程師以及拓展在日本和美國的客戶群。

參考資料：

https://infinimind.io/en

https://techcrunch.com/2026/02/09/ex-googlers-are-building-infrastructure-to-help-companies-understand-their-video-data/

https://prtimes.jp/main/html/rd/p/000000007.000166252.html

運營/排版：何晨龍