前谷歌团队创办公司，把闲置视频变成结构化数据

现在，企业每天都会产生海量视频，然而它们真的有价值吗？如何将服务器中 PB 级“暗数据”变成更有价值的数字资产，正成为视频 AI 赛道的新挑战。

近期，AI 视频公司 InfiniMind 宣布，已完成 580 万美元种子轮融资。这家位于日本东京的初创公司由两位前谷歌员工创办，旨在通过构建基础设施，让用户在无需编写任何代码的条件下，即可将 PB 级闲置视频和音频资产转化为结构化数据，支持监控、安全及内容深度分析的快速查询（注：PB 在数据存储领域代表拍字节，1PB 等于 1024TB）。

本轮融资由亚洲最大的深度科技风险投资公司之一 UTEC 领投，CX2（Cox Exponential）、Headline Asia Ventures、Chiba Dojo，以及一位来自 a16z Scout 的人工智能研究员也参与了跟投。

在互联网数据中视频数据占据八成以上，但现有工具无法分析和捕捉绝大部分视频数据。对企业来说，视频数据仍然是一种不可用的“暗数据”（注：指组织收集但未处理、整理或使用的大量信息）。其中，既包括跨越数十年的广播节目存档、全天候运行的工厂监控录像，也包括零售监控视频、无人机和卫星图像等。

云服务厂商提供的服务能检测到人或车辆等，但需要了解的是，这并非理解上下文，只是一种简单的标记。尽管新一代视频 AI 模型可处理视频内容，但处理视频的时长有限，即便是开源方案也仅能处理数小时的视频内容，这些对于企业长达数天、数周甚至数年的视频素材需求来说远远不够。

“我们在谷歌也看到了同样的模式，客户拥有 PB 级的视频数据，他们提出的关于自身内容的问题看似简单，但却找不到合适的答案。尽管有大量视频数据，但缺乏有效的分析。”InfiniMind 的联合创始人兼 CEO Aza Kai 说，“我们不仅整合了视觉信息，还整合了音频、声音和语音理解功能。”

InfiniMind 提出的解决方案是，通过构建视频理解的基础设施将视频转化为结构化的企业数据。通过将不同的事件联系起来，能理解垂直行业中，长达数小时视频内容中的事件因果关系，从而将目标视频素材转化为结构化、可搜索、可操作的数据。这相当于一种可查询的知识库，让现实世界中的事件也能像数据库一样被检索和分析，并能够直接集成到企业的商业智能工具中。

2025 年 4 月，该公司发布首款 AI 引擎产品 TVPulse。公开资料显示，TVPulse 利用 AI 分析，能够“对海量的电视广播数据内容进行精确的逐秒搜索”，帮助媒体和零售公司追踪产品曝光度、品牌影响力、市场分析、竞品活动监测和风险管理等。目前，TVPulse 已为包括批发商和媒体行业在内的付费企业客户提供服务，截至目前分析内容已超过 10 万小时。

InfiniMind 的旗舰产品，是一款能够深入理解长视频的视频基础设施 DeepFrame。它能够处理 200 小时的视频和音频素材，从而精确定位特定场景、演讲者或事件。该产品计划于今年 3 月进行测试，预计在 4 月正式发布。

与现有方法孤立地分析片段不同，DeepFrame 的核心亮点是，以统一的数据流方式处理视频、语音和环境音频，并追踪长视频片段中的因果关系。以安全事件场景为例，不仅需要检测到人员或车辆，而是检测完整的叙事：谁进入了现场，接触了什么，去了哪里以及最终发生了什么。

与 TwelveLabs 等公司面向广大用户，通过提供通用的视频分析 API 不同，InfiniMind 专为企业部署而构建：其通过提供虚拟私有云（VPC，Virtual Private Cloud）和本地部署，能够帮助满足数据主权要求，而这正是许多组织在采用云端 AI 时面临的一大障碍。

此外，DeepFrame 还包含一个微调工厂，可生产多种规格的行业专用模型，从而让客户能够在成本、精度和速度之间实现最优平衡。

两位公司的联合创始人 Aza Kai 与 Hiraku Yanagita 此前在谷歌密切合作了近 10 年。其中，Aza Kai 在谷歌拥有 9 年以上的工程经验，曾从事数据科学、机器学习和云基础设施方面的工作，设计大规模机器学习解决方案，并曾领导了亚太地区的数据科学团队。Hiraku Yanagita 则在谷歌日本拥有 10 年以上数字营销经验，曾专注于品牌和数据解决方案，为企业客户提供深入的分析和服务。

实际上，他们在谷歌工作时就看到了技术发展的可能性。2021 年至 2023 年期间，随着视觉语言模型的持续进步，视频 AI 开始超越简单的物体标记。“过去 10 年，GPU 成本的下降和每年约 15% 至 20% 的性能提升固然有所帮助，但更重要的还是模型能力的提升。”Aza Kai 对媒体表示。

直到 2024 年，这项技术发展成熟且市场需求也变得足够明确，Aza Kai 与 Hiraku Yanagita 决定共同创立 InfiniMind（公司曾用名 SDio），并分别担任公司 CEO 和 COO。目前，InfiniMind 在东京的员工有 10 余名，此外还有来自东京大学的研究合作者，他们为模型评估和视频理解基准测试做出了贡献。

凭借技术方面的创新，该公司入选了多个项目，包括 AWS 生成式人工智能加速器（GAIA 2025）、日本经济产业省的生成式人工智能挑战计划 （GENIAC）、NVIDIA Inception 计划以及 Google for Startups 云计划。

据公开信息，该公司计划将总部迁至美国，同时继续保留日本办公室。本轮融资的资金将用于帮助 InfiniMind 团队继续开发 DeepFrame 模型、扩展 PB 级视频处理的工程基础设施、招聘工程师以及拓展在日本和美国的客户群。

参考资料：

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

运营/排版：何晨龙