企業正在產生比以往更多的影片數據。從多年的廣播檔案到數千個商店攝影機，再到無數小時的製作素材，大部分影片數據都閒置在伺服器上，無人觀看和分析。這些就是"暗數據"：企業自動收集但幾乎從未有效利用的巨大未開發資源。
為了解決這個問題，Aza Kai（CEO）和Hiraku Yanagita（COO）這兩位前谷歌員工決定構建自己的解決方案。他們曾在谷歌日本公司共事近十年，隨後共同創立了總部位於東京的初創公司InfiniMind，專門開發將PB級未觀看影片和音頻轉換為結構化可查詢商業數據的基礎設施。
"我的聯合創始人在谷歌日本領導品牌和數據解決方案團隊近十年，我們在谷歌工作時就看到了這個拐點的到來，"Kai表示。到2024年，技術已經成熟，市場需求也變得足夠明確，促使聯合創始人們決定自己創建這家公司。
Kai曾在谷歌日本從事雲計算、機器學習、廣告系統和影片推薦模型工作，後來領導數據科學團隊。他解釋說，當前的解決方案存在權衡問題。早期的方法可以標記單個幀中的對象，但無法跟蹤敘述、理解因果關係，或回答關於影片內容的複雜問題。對於擁有數十年廣播檔案和PB級素材的客戶來說，即使是關於內容的基本問題也往往無法得到解答。
真正改變遊戲規則的是2021年到2023年間視覺語言模型的進步。Kai指出，這時候影片AI開始超越簡單的對象標記。過去十年中GPU成本下降和每年約15-20%的性能提升有所幫助，但更重要的是能力突破——直到最近，模型才真正能夠勝任這項工作。
InfiniMind最近獲得了580萬美元的種子輪融資，由UTEC領投，CX2、Headline Asia、Chiba Dojo以及a16z Scout的AI研究員參投。公司正將總部遷至美國，同時繼續在日本運營辦公室。日本提供了完美的測試平台：強大的硬體、有才華的工程師和支持性的創業生態系統，讓團隊在全球化之前能夠與要求苛刻的客戶一起優化技術。
其首款產品TV Pulse於2025年4月在日本推出。這個AI驅動的平台實時分析電視內容，幫助媒體和零售公司"跟蹤產品曝光、品牌存在感、客戶情感和公關影響"。在與主要廣播公司和代理商進行試點項目後，已經擁有付費客戶，包括批發商和媒體公司。
現在，InfiniMind已準備好進軍國際市場。其旗艦產品DeepFrame是一個長影片智能平台，能夠處理200小時的素材以精確定位特定場景、說話者或事件，計劃於3月進行beta測試，隨後於2026年4月全面推出。
影片分析領域高度分散。TwelveLabs等公司為包括消費者、專業用戶和企業在內的廣泛用戶群體提供通用影片理解API，而InfiniMind專門專注於企業用例，包括監控、安全、安防以及深度影片內容分析。
"我們的解決方案無需編碼；客戶帶來數據，我們的系統處理並提供可操作的洞察，"Kai說。"我們還整合了音頻、聲音和語音理解，不僅僅是視覺。我們的系統可以處理無限長度的影片，成本效率是主要差異化因素。大多數現有解決方案優先考慮準確性或特定用例，但不能解決成本挑戰。"
種子資金將幫助團隊繼續開發DeepFrame模型，擴展工程基礎設施，招聘更多工程師，並在日本和美國接觸更多客戶。
"這是一個令人興奮的領域，是通往通用人工智慧的路徑之一，"Kai說。"理解通用影片智能就是理解現實。工業應用很重要，但我們的最終目標是推動技術邊界，更好地理解現實，幫助人類做出更好的決策。"
Q&A
Q1：InfiniMind是什麼公司？主要做什麼業務？
A：InfiniMind是一家由前谷歌員工創立的東京初創公司，專門開發將PB級未觀看影片和音頻轉換為結構化可查詢商業數據的基礎設施，幫助企業理解和分析大量閒置的影片數據。
Q2：DeepFrame產品有什麼特點和優勢？
A：DeepFrame是InfiniMind的旗艦產品，是一個長影片智能平台，能夠處理200小時的素材以精確定位特定場景、說話者或事件。它無需編碼，整合音頻和語音理解，可處理無限長度影片，在成本效率方面具有顯著優勢。
Q3：影片AI技術發展的關鍵轉折點是什麼？
A：關鍵轉折點是2021年到2023年間視覺語言模型的進步。這時候影片AI開始超越簡單的對象標記，能夠跟蹤敘述、理解因果關係，回答關於影片內容的複雜問題，真正具備了處理企業級影片分析任務的能力。
