在數字化浪潮中，企業每天產生的視頻數據呈爆炸式增長，但這些海量視頻中，真正被有效利用的卻少之又少。大量未被處理的視頻數據如同沉睡的寶藏，被業界稱為“暗數據”。如何將這些PB級的視頻數據轉化為有價值的數字資產，成為視頻AI領域亟待攻克的新課題。
近日，一家專注于視頻AI的初創公司InfiniMind宣布完成580萬美元種子輪融資，為這一難題提供了新的解決方案。這家總部位于日本東京的公司由兩位前谷歌員工創立，旨在通過構建創新基礎設施，幫助企業無需編寫代碼即可將PB級閑置視頻和音頻資產轉化為結構化數據，支持快速查詢和分析，應用于監控、安全及內容深度分析等領域。
本輪融資由亞洲知名深度科技風投公司UTEC領投，CX2（Cox Exponential）、Headline Asia Ventures、Chiba Dojo以及一位來自a16z Scout的人工智能研究員參與跟投。這筆資金將用于加速Deepframe模型的開發、擴展PB級視頻處理的工程基礎設施、招聘工程師以及拓展日本和美國市場。
在互聯網數據中，視頻數據占比超過80%，但現有工具難以有效分析和利用這些數據。企業積累的視頻素材包括數十年歷史的廣播節目存檔、工廠全天候監控錄像、零售監控視頻以及無人機和衛星圖像等。盡管云服務廠商能檢測到人或車輛等目標，但僅限于簡單標記，缺乏對上下文的理解。新一代視頻AI模型雖能處理視頻內容，但處理時長有限，開源方案也僅能應對數小時的視頻，無法滿足企業數天、數周甚至數年的視頻分析需求。
InfiniMind聯合創始人兼CEO Aza Kai表示：“在谷歌工作時，我們發現客戶擁有PB級視頻數據，卻無法從中獲取有效信息。他們提出的問題看似簡單，卻找不到答案。這促使我們思考如何整合視覺、音頻和語音理解功能，將視頻轉化為結構化數據。”
InfiniMind的解決方案是通過構建視頻理解基礎設施，將視頻轉化為結構化企業數據。其技術能夠關聯不同事件，理解垂直行業中長視頻內容的事件因果關系，將目標素材轉化為可搜索、可操作的數據，形成可查詢的知識庫，支持企業商業智能工具的直接集成。
2025年4月，InfiniMind推出了首款AI引擎產品TVPulse。該產品利用AI分析技術，實現對海量電視廣播數據的精確逐秒搜索，幫助媒體和零售公司追蹤產品曝光度、品牌影響力、市場分析、競品活動監測及風險管理等。目前，TVPulse已為批發商和媒體行業的付費企業客戶提供服務，累計分析內容超過10萬小時。
InfiniMind的旗艦產品Deepframe則專注于長視頻理解，能夠處理200小時的視頻和音頻素材，精確定位特定場景、演講者或事件。該產品計劃于今年3月進行測試，4月正式發布。與現有方法孤立分析片段不同，Deepframe以統一數據流方式處理視頻、語音和環境音頻，追蹤長視頻中的因果關系。例如，在安全事件場景中，它能檢測完整敘事：誰進入現場、接觸了什么、去了哪里以及最終發生了什么。
與TwelveLabs等提供通用視頻分析API的公司不同，InfiniMind專注于企業部署，通過虛擬私有云（VPC）和本地部署滿足數據主權要求，解決許多組織采用云端AI時的障礙。Deepframe還包含微調工廠，可生產多種行業專用模型，幫助客戶在成本、精度和速度之間實現最優平衡。
InfiniMind的兩位聯合創始人Aza Kai和Hiraku Yanagita在谷歌有近10年的合作經驗。Aza Kai擁有9年以上工程經驗，曾從事數據科學、機器學習和云基礎設施工作，設計大規模機器學習解決方案并領導亞太地區數據科學團隊。Hiraku Yanagita則在谷歌日本擁有10年以上數字營銷經驗，專注于品牌和數據解決方案，為企業客戶提供深入分析服務。
他們早在谷歌工作時便注意到技術發展的可能性。2021年至2023年，隨著視覺語言模型的進步，視頻AI開始超越簡單物體標記。“過去10年，GPU成本下降和性能提升固然重要，但模型能力的提升才是關鍵。”Aza Kai表示。2024年，技術成熟且市場需求明確，兩人決定創立InfiniMind（曾用名SDio），分別擔任CEO和COO。目前，公司在東京有10余名員工，并與東京大學的研究合作者共同推進模型評估和視頻理解基準測試。
憑借技術創新，InfiniMind入選了多個知名項目，包括AWS生成式人工智能加速器（GAIA 2025）、日本經濟產業省的生成式人工智能挑戰計劃（GENIAC）、NVIDIA Inception計劃以及Google for Startups云計劃。公司計劃將總部遷至美國，同時保留日本辦公室，以進一步拓展全球市場。
