企业正在生成比以往更多的视频。从多年的广播档案到成千上万的商店摄像头，以及无数小时的拍摄素材，大部分内容只是闲置在服务器上，未被观看和分析。这就是暗数据：一种巨大的、未开发的资源，公司自动收集这些数据，但几乎从未以有意义的方式加以利用。
为了解决这个问题，前谷歌员工Aza Kai（首席执行官）和柳田弘（首席运营官）决定打造自己的解决方案。这两位曾在日本谷歌共事近十年的伙伴共同创立了 InfiniMind，这是一家总部位于东京的初创公司，致力于开发基础设施，将拍字节（petabytes）级的未观看视频和音频转化为结构化、可查询的商业数据。
“我的联合创始人曾在日本谷歌领导品牌和数据解决方案团队长达十年，我们当时在谷歌就预见到了这一转折点的到来，”Kai表示。他补充道，到2024年，技术已经成熟，市场需求也变得足够清晰，促使联合创始人决定亲自创办这家公司。
Kai此前在日本谷歌从事过云计算、机器学习、广告系统和视频推荐模型等工作，后来负责领导数据科学团队。他解释说，目前的解决方案迫使人们做出妥协。早期的方法只能对单个帧中的物体进行标记，但无法追踪叙事、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拍字节级素材的客户来说，即使是关于其内容的基本问题也往往得不到解答。
真正带来改变的是2021年至2023年间视觉语言模型的进步。Kai指出，正是在那时，视频人工智能开始超越简单的物体标记。过去十年中，GPU成本的下降以及每年约15%至20%的性能提升起到了推动作用，但更大的故事在于能力——直到最近，模型根本无法胜任这项工作，他对TechCrunch表示。
InfiniMind最近获得了由UTEC领投、CX2、Headline Asia、Chiba Dojo以及a16z Scout的一位AI研究人员参投的580万美元种子轮融资。该公司正将其总部迁往美国，同时继续在日本运营办公室。日本提供了完美的试验场：强大的硬件、优秀的人才以及支持性的创业生态系统，使团队能够在走向全球之前，通过挑剔的客户对其技术进行微调。
其首款产品TV Pulse于2025年4月在日本推出。这款由人工智能驱动的平台实时分析电视内容，帮助媒体和零售公司“追踪产品展示、品牌存在感、客户情绪和公关影响”，据该初创公司介绍。在与主要广播机构和代理商进行试点项目后，它已经拥有了付费客户，包括批发商和媒体公司。
如今，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 footage 以精准定位特定场景、说话人或事件。Kai表示，该产品计划于3月进行Beta版发布，随后于2026年4月全面上线。
Kai表示，视频分析领域高度碎片化。诸如TwelveLabs等公司为包括消费者、专业用户和企业在内的广泛用户提供通用型视频理解API；而InfiniMind则专注于企业用例，包括监控、安全、安保以及通过深入分析视频内容获取洞察。
Kai说：“我们的解决方案无需编码；客户带来数据，我们的系统进行处理并提供可操作的洞察。我们还集成了音频、声音和语音理解功能，而不仅仅是视觉。我们的系统可以处理无限长度的视频，成本效率是我们的主要差异化优势。大多数现有方案优先考虑准确性或特定用例，但未能解决成本挑战。”
种子轮融资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，并拓展日本和美国市场的更多客户。
Kai说：“这是一个令人兴奋的空间，也是通向AGI的路径之一。理解通用视频智能意味着理解现实。工业应用很重要，但我们最终的目标是推动技术边界，以更好地理解现实，并帮助人类做出更明智的决策。”