<p>企業生成的視頻數量比以往任何時候都要多。從多年的廣播檔案到成千上萬的商店攝像頭和無數小時的製作視頻，大部分內容都閒置在服務器上，未被觀看和分析。這就是暗數據：一個巨大的、未被開發的資源，企業自動收集但幾乎從未以有意義的方式使用。</p>
<p>為了解決這個問題，Aza Kai（首席執行官）和 Hiraku Yanagita（首席運營官），這兩位曾在 Google 日本工作近十年的前谷歌員工，決定構建自己的解決方案。這對搭檔共同創立了 InfiniMind，一家總部位於東京的初創公司，開發將 PB 級未觀看視頻和音頻轉換為結構化、可查詢商業數據的基礎設施。</p>
<p>“我的聯合創始人曾在 Google 日本領導品牌和數據解決方案十年，我和他在 Google 時就看到了這個轉折點，” Kai 説。到 2024 年，這項技術已經成熟，市場需求變得足夠明確，以至於聯合創始人感到有必要自己建立公司，他補充道。</p>
<p>Kai 曾在 Google 日本從事雲計算、機器學習、廣告系統和視頻推薦模型的工作，並後來領導數據科學團隊，他解釋説，當前的解決方案迫使人們做出權衡。早期的方法可以標記單個幀中的對象，但無法跟蹤敍事、理解因果關係或回答有關視頻內容的複雜問題。對於擁有數十年廣播檔案和 PB 級視頻素材的客户來説，甚至關於其內容的基本問題往往得不到回答。</p>
<p>真正改變的是 2021 年至 2023 年間視覺 - 語言模型的進展。Kai 指出，那時視頻 AI 開始超越簡單的對象標記。GPU 成本的下降和過去十年每年約 15-20% 的性能提升也起到了幫助作用，但更大的故事是能力，直到最近，模型根本無法完成這項工作，他告訴 TechCrunch。</p>
<p>InfiniMind 最近獲得了 580 萬美元的種子融資，由 UTEC 主導，CX2、Headline Asia、Chiba Dojo 和 a16z Scout 的一位 AI 研究員參與。該公司正在將總部遷往美國，同時繼續在日本運營辦公室。日本提供了完美的測試環境：強大的硬件、優秀的工程師和支持初創企業的生態系統，使團隊能夠在全球擴展之前與苛刻的客户微調其技術。</p>
<p>其首款產品 TV Pulse 於 2025 年 4 月在日本推出。該 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、客户情緒和公關影響”，根據這家初創公司的説法。在與主要廣播公司和代理商的試點項目後，它已經擁有付費客户，包括批發商和媒體公司。</p>
<p>Techcrunch 活動</p>
<p>波士頓，馬薩諸塞州 |2026 年 6 月 23 日</p>
<p>現在，InfiniMind 已準備好進入國際市場。其旗艦產品 DeepFrame 是一款長視頻智能平台，能夠處理 200 小時的素材，以精確定位特定場景、發言者或事件，Kai 表示，計劃於 2026 年 3 月進行 Beta 發佈，隨後在 4 月全面推出。</p>
<p><img src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/02/InfiniMind-team-1.jpg/query-dz02ODA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="680" height="453" original-src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/02/InfiniMind-team-1.jpg/query-dz02ODA"/></p>
<p>圖片來源：infinimind</p>
<p>視頻分析領域高度分散。Kai 表示，像 TwelveLabs 這樣的公司為廣泛的用户（包括消費者、專業消費者和企業）提供通用視頻理解 API，而 InfiniMind 則專注於企業用例，包括監控、安全、保障和分析視頻內容以獲取更深入的見解。</p>
<p>“我們的解決方案不需要編碼；客户提供他們的數據，我們的系統處理這些數據，提供可操作的見解，” Kai 説。“我們還整合了音頻、聲音和語音理解，而不僅僅是視覺。我們的系統可以處理無限長度的視頻，成本效率是一個主要的差異化因素。大多數現有解決方案優先考慮準確性或特定用例，但並未解決成本挑戰。”</p>
<p>這筆種子融資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，並在日本和美國吸引更多客户。</p>
<p>“這是一個令人興奮的領域，是通往 AGI 的路徑之一，” Kai 説。“理解一般視頻智能就是理解現實。工業應用很重要，但我們的最終目標是推動技術的邊界，更好地理解現實，幫助人類做出更好的決策。”</p>

<p>InfiniMind 是一家總部位於東京的初創公司，由前谷歌員工 Aza Kai 和 Hiraku Yanagita 共同創辦，正在開發基礎設施，將未觀看的視頻和音頻轉換為結構化的商業數據。該公司最近獲得了 580 萬美元的種子資金，並計劃在 2026 年推出其旗艦產品 DeepFrame。InfiniMind 專注於企業應用場景，提供可操作的洞察，無需編碼。此次融資將支持進一步開發並擴展到美國市場，旨在增強企業的視頻智能能力</p>

<p>Businesses are generating more video than ever. From years of broadcast archives to thousands of store cameras and countless hours of production footage, most of it just sits unused on servers, unwatched and unanalyzed. This is dark data: a massive, untapped resource that companies collect automatically but almost never use in a meaningful way.</p>
<div class="lb-trans"><p>企業生成的視頻數量比以往任何時候都要多。從多年的廣播檔案到成千上萬的商店攝像頭和無數小時的製作視頻，大部分內容都閒置在服務器上，未被觀看和分析。這就是暗數據：一個巨大的、未被開發的資源，企業自動收集但幾乎從未以有意義的方式使用。</p>
</div><p>To tackle the problem, Aza Kai (CEO) and Hiraku Yanagita (COO), two former Googlers who spent nearly a decade working together at Google Japan, decided to build their own solution. The duo co-founded InfiniMind, a Tokyo-based startup developing infrastructure that converts petabytes of unviewed video and audio into structured, queryable business data.</p>
<div class="lb-trans"><p>為了解決這個問題，Aza Kai（首席執行官）和 Hiraku Yanagita（首席運營官），這兩位曾在 Google 日本工作近十年的前谷歌員工，決定構建自己的解決方案。這對搭檔共同創立了 InfiniMind，一家總部位於東京的初創公司，開發將 PB 級未觀看視頻和音頻轉換為結構化、可查詢商業數據的基礎設施。</p>
</div><p>“My co-founder, who spent a decade leading brand and data solutions at Google Japan, and I saw this inflection point coming while we were still at Google,” Kai said. By 2024, the technology had matured, and the market demand had become clear enough that the co-founders felt compelled to build the company themselves, he added.</p>
<div class="lb-trans"><p>“我的聯合創始人曾在 Google 日本領導品牌和數據解決方案十年，我和他在 Google 時就看到了這個轉折點，” Kai 説。到 2024 年，這項技術已經成熟，市場需求變得足夠明確，以至於聯合創始人感到有必要自己建立公司，他補充道。</p>
</div><p>Kai, who previously worked at Google Japan across cloud, machine learning, ad systems, and video recommendation models and later led data science teams, explained that current solutions force a tradeoff. Earlier approaches could label objects in individual frames, but they couldn’t track narratives, understand causality, or answer complex questions about video content. For clients with decades of broadcast archives and petabytes of footage, even basic questions about their content often went unanswered.</p>
<div class="lb-trans"><p>Kai 曾在 Google 日本從事雲計算、機器學習、廣告系統和視頻推薦模型的工作，並後來領導數據科學團隊，他解釋説，當前的解決方案迫使人們做出權衡。早期的方法可以標記單個幀中的對象，但無法跟蹤敍事、理解因果關係或回答有關視頻內容的複雜問題。對於擁有數十年廣播檔案和 PB 級視頻素材的客户來説，甚至關於其內容的基本問題往往得不到回答。</p>
</div><p>What really changed was the progress in vision-language models between 2021 and 2023. That’s when video AI started moving beyond simple object tagging, Kai noted. Falling GPU costs and annual performance gains of roughly 15–20% over the last decade helped, but the bigger story was capability until recently, models just couldn’t do the job, he told TechCrunch.</p>
<div class="lb-trans"><p>真正改變的是 2021 年至 2023 年間視覺 - 語言模型的進展。Kai 指出，那時視頻 AI 開始超越簡單的對象標記。GPU 成本的下降和過去十年每年約 15-20% 的性能提升也起到了幫助作用，但更大的故事是能力，直到最近，模型根本無法完成這項工作，他告訴 TechCrunch。</p>
</div><p>InfiniMind recently secured $5.8 million in seed funding, led by UTEC and joined by CX2, Headline Asia, Chiba Dojo, and an AI researcher at a16z Scout <strong>.</strong> The company is relocating its headquarters to the U.S., while it continues to operate an office in Japan. Japan provided the perfect testbed: strong hardware, talented engineers, and a supportive startup ecosystem <strong>,</strong> allowing the team to fine-tune its technology with demanding customers before going global.</p>
<div class="lb-trans"><p>InfiniMind 最近獲得了 580 萬美元的種子融資，由 UTEC 主導，CX2、Headline Asia、Chiba Dojo 和 a16z Scout 的一位 AI 研究員參與。該公司正在將總部遷往美國，同時繼續在日本運營辦公室。日本提供了完美的測試環境：強大的硬件、優秀的工程師和支持初創企業的生態系統，使團隊能夠在全球擴展之前與苛刻的客户微調其技術。</p>
</div><p>Its first product, TV Pulse, launched in Japan in April 2025. The AI-powered platform analyzes television content in real time, helping media and retail companies “track product exposure, brand presence, customer sentiment, and PR impact,” per the startup. After pilot programs with major broadcasters and agencies, it already has paying customers, including wholesalers and media companies.</p>
<div class="lb-trans"><p>其首款產品 TV Pulse 於 2025 年 4 月在日本推出。該 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、客户情緒和公關影響”，根據這家初創公司的説法。在與主要廣播公司和代理商的試點項目後，它已經擁有付費客户，包括批發商和媒體公司。</p>
</div><p>Techcrunch event</p>
<div class="lb-trans"><p>Techcrunch 活動</p>
</div><p>Boston, MA|June 23, 2026</p>
<div class="lb-trans"><p>波士頓，馬薩諸塞州 |2026 年 6 月 23 日</p>
</div><p>Now, InfiniMind is ready for the international market. Its flagship product, DeepFrame, a long-form video intelligence platform capable of processing 200 hours of footage to pinpoint specific scenes, speakers, or events, is scheduled for a beta release in March, followed by a full launch in April 2026, Kai said.</p>
<div class="lb-trans"><p>現在，InfiniMind 已準備好進入國際市場。其旗艦產品 DeepFrame 是一款長視頻智能平台，能夠處理 200 小時的素材，以精確定位特定場景、發言者或事件，Kai 表示，計劃於 2026 年 3 月進行 Beta 發佈，隨後在 4 月全面推出。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/02/InfiniMind-team-1.jpg/query-dz02ODA" alt="" original-src="https://techcrunch.com/wp-content/uploads/2026/02/InfiniMind-team-1.jpg?w=680"/></p>
<p>image credits: infinimind</p>
<div class="lb-trans"><p>圖片來源：infinimind</p>
</div><p>The video analysis space is highly fragmented. Companies such as TwelveLabs provide general-purpose video understanding APIs for a broad range of users, including consumers, prosumers, and enterprises, Kai said, while InfiniMind focuses specifically on enterprise use cases, including monitoring, safety, security, and analyzing video content for deeper insights.</p>
<div class="lb-trans"><p>視頻分析領域高度分散。Kai 表示，像 TwelveLabs 這樣的公司為廣泛的用户（包括消費者、專業消費者和企業）提供通用視頻理解 API，而 InfiniMind 則專注於企業用例，包括監控、安全、保障和分析視頻內容以獲取更深入的見解。</p>
</div><p>“Our solution requires no code; clients bring their data, and our system processes it, providing actionable insights,” Kai said. “We also integrate audio, sound, and speech understanding, not just visuals. Our system can handle unlimited video length, and cost efficiency is a major differentiator. Most existing solutions prioritize accuracy or specific use cases but don’t solve cost challenges.”</p>
<div class="lb-trans"><p>“我們的解決方案不需要編碼；客户提供他們的數據，我們的系統處理這些數據，提供可操作的見解，” Kai 説。“我們還整合了音頻、聲音和語音理解，而不僅僅是視覺。我們的系統可以處理無限長度的視頻，成本效率是一個主要的差異化因素。大多數現有解決方案優先考慮準確性或特定用例，但並未解決成本挑戰。”</p>
</div><p>The seed funding will help the team continue developing the DeepFrame model, expand engineering infrastructure, hire more engineers, and reach additional customers across Japan and the U.S.</p>
<div class="lb-trans"><p>這筆種子融資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，並在日本和美國吸引更多客户。</p>
</div><p>“This is an exciting space, one of the paths toward AGI,” Kai said. “Understanding general video intelligence is about understanding reality. Industrial applications are important, but our ultimate goal is to push the boundaries of technology to better understand reality and help humans make better decisions.”</p>
<div class="lb-trans"><p>“這是一個令人興奮的領域，是通往 AGI 的路徑之一，” Kai 説。“理解一般視頻智能就是理解現實。工業應用很重要，但我們的最終目標是推動技術的邊界，更好地理解現實，幫助人類做出更好的決策。”</p>
</div>

前谷歌員工正在開發基礎設施，幫助公司更好地理解他們的視頻數據