前谷歌员工打造视频数据理解基础设施平台

企业正在产生比以往更多的视频数据。从多年的广播档案到数千个商店摄像头，再到无数小时的制作素材，大部分视频数据都闲置在服务器上，无人观看和分析。这些就是"暗数据"：企业自动收集但几乎从未有效利用的巨大未开发资源。

为了解决这个问题，Aza Kai（CEO）和Hiraku Yanagita（COO）这两位前谷歌员工决定构建自己的解决方案。他们曾在谷歌日本公司共事近十年，随后共同创立了总部位于东京的初创公司InfiniMind，专门开发将PB级未观看视频和音频转换为结构化可查询商业数据的基础设施。

"我的联合创始人在谷歌日本领导品牌和数据解决方案团队近十年，我们在谷歌工作时就看到了这个拐点的到来，"Kai表示。到2024年，技术已经成熟，市场需求也变得足够明确，促使联合创始人们决定自己创建这家公司。

Kai曾在谷歌日本从事云计算、机器学习、广告系统和视频推荐模型工作，后来领导数据科学团队。他解释说，当前的解决方案存在权衡问题。早期的方法可以标记单个帧中的对象，但无法跟踪叙述、理解因果关系，或回答关于视频内容的复杂问题。对于拥有数十年广播档案和PB级素材的客户来说，即使是关于内容的基本问题也往往无法得到解答。

真正改变游戏规则的是2021年到2023年间视觉语言模型的进步。Kai指出，这时候视频AI开始超越简单的对象标记。过去十年中GPU成本下降和每年约15-20%的性能提升有所帮助，但更重要的是能力突破——直到最近，模型才真正能够胜任这项工作。

InfiniMind最近获得了580万美元的种子轮融资，由UTEC领投，CX2、Headline Asia、Chiba Dojo以及a16z Scout的AI研究员参投。公司正将总部迁至美国，同时继续在日本运营办公室。日本提供了完美的测试平台：强大的硬件、有才华的工程师和支持性的创业生态系统，让团队在全球化之前能够与要求苛刻的客户一起优化技术。

其首款产品TV Pulse于2025年4月在日本推出。这个AI驱动的平台实时分析电视内容，帮助媒体和零售公司"跟踪产品曝光、品牌存在感、客户情感和公关影响"。在与主要广播公司和代理商进行试点项目后，已经拥有付费客户，包括批发商和媒体公司。

现在，InfiniMind已准备好进军国际市场。其旗舰产品DeepFrame是一个长视频智能平台，能够处理200小时的素材以精确定位特定场景、说话者或事件，计划于3月进行beta测试，随后于2026年4月全面推出。

视频分析领域高度分散。TwelveLabs等公司为包括消费者、专业用户和企业在内的广泛用户群体提供通用视频理解API，而InfiniMind专门专注于企业用例，包括监控、安全、安防以及深度视频内容分析。

"我们的解决方案无需编码；客户带来数据，我们的系统处理并提供可操作的洞察，"Kai说。"我们还整合了音频、声音和语音理解，不仅仅是视觉。我们的系统可以处理无限长度的视频，成本效率是主要差异化因素。大多数现有解决方案优先考虑准确性或特定用例，但不能解决成本挑战。"

种子资金将帮助团队继续开发DeepFrame模型，扩展工程基础设施，招聘更多工程师，并在日本和美国接触更多客户。

"这是一个令人兴奋的领域，是通往通用人工智能的路径之一，"Kai说。"理解通用视频智能就是理解现实。工业应用很重要，但我们的最终目标是推动技术边界，更好地理解现实，帮助人类做出更好的决策。"

Q&A

Q1：InfiniMind是什么公司？主要做什么业务？

A：InfiniMind是一家由前谷歌员工创立的东京初创公司，专门开发将PB级未观看视频和音频转换为结构化可查询商业数据的基础设施，帮助企业理解和分析大量闲置的视频数据。

Q2：DeepFrame产品有什么特点和优势？

A：DeepFrame是InfiniMind的旗舰产品，是一个长视频智能平台，能够处理200小时的素材以精确定位特定场景、说话者或事件。它无需编码，整合音频和语音理解，可处理无限长度视频，在成本效率方面具有显著优势。

Q3：视频AI技术发展的关键转折点是什么？

A：关键转折点是2021年到2023年间视觉语言模型的进步。这时候视频AI开始超越简单的对象标记，能够跟踪叙述、理解因果关系，回答关于视频内容的复杂问题，真正具备了处理企业级视频分析任务的能力。