InfiniMind、企業は未視聴の映像を採掘すると賭ける；UTECから580万ドルのシード調達

InfiniMindは企業向け映像インテリジェンス基盤を手がける。TV Pulseはメディア・小売顧客向けに放送テレビをリアルタイムで分析し、DeepFrameは最大200時間の映像を、視覚・音声・発話理解を備えた検索可能なナレッジベースに変換する。VPCまたはオンプレミスに導入可能。

2024年までに視覚言語モデルが物語を追跡できるようになったため、企業は長尺映像を照会可能にしたいと考えるはずだ——そこからノーコードでプライベート導入可能な基盤が生まれた。

Aza KaiとHiraku YanagitaはGoogle日本法人で共に約10年を過ごした。Kaiはクラウド/ML/データサイエンス、Yanagitaはブランドおよびデータソリューションを担当した。Google在籍時、顧客がペタバイト級の放送映像やカメラ映像を抱えながら、それに関する基本的な問いにも答えられない状況を目の当たりにした——物体タグ付けは存在したが、物語、因果関係、長尺コンテンツを追跡できる者は誰もいなかった。Kaiによれば、2021〜2023年の視覚言語モデルの進歩が可能なことを変え、2024年までには市場需要が十分に明確になったため、2人は退社して東京でInfiniMind（旧SDio）を創業した。その過程でAWS GAIA 2025、経済産業省のGENIAC、NVIDIA Inceptionなどのプログラムに参加した。

InfiniMindは2025年4月に日本で最初の製品TV Pulseを投入した。放送テレビをリアルタイムで分析し、メディア・小売企業が製品露出、ブランド認知、感情、PR効果を追跡できるようにする。大手放送局や代理店とのパイロットを経て、卸売業者やメディア企業の間で有料顧客と契約し、DeepTechは同プラットフォームが10万時間超のコンテンツを分析したと報じた。2026年2月、同スタートアップはUTECが主導し、CX2、Headline Asia、Chiba Dojo、a16z Scoutに関連するAI研究者が参加した580万ドルのシードラウンドを発表した。同社は東京のエンジニアリング拠点を維持しつつ本社を米国に移転し、エンジニアを増員し、旗艦製品DeepFrame——最大200時間の映像に対する長尺映像インテリジェンスで、音声・発話理解を備える——を2026年3月にベータ版、2026年4月に正式リリースすると述べた。

未分析の映像はあらゆるアーカイブやカメラフィードに既に存在するため、鍵となるのは新しいデータ取得ではなく、分析コストと能力である。

2021〜2023年の視覚言語モデルの飛躍が、2024年の創業を合理的にした——同じ提案は2年前には通用しなかっただろう。

企業の制約——プライバシー、データ主権、ノーコードワークフロー、長尺クエリ——は、消費者やプロシューマー向けの汎用映像APIに対する堀となる。

日本の放送局や代理店は、要求の厳しい顧客が米国進出前に技術を検証できるコンパクトなテストベッドを提供した。

適応的サンプリングとハイブリッドインデックスによるコスト管理は、今日では長尺映像分析を手の届かないものにしている分あたりの経済性を狙う。

創業は能力曲線を待つべきである。映像AIは長年物体のタグ付けしかできなかったため、Kaiは視覚言語モデルが物語を追跡できるようになるまで待った——そのタイミングが2024年をUTECにとって信頼に足るものにした。

2026年9月2日時点でInfiniMindは稼働中かつシード調達済みである。TV Pulseには日本のメディア・卸売顧客の有料顧客があり、10万時間超を分析済みで、580万ドルのラウンドがDeepFrame開発、採用、米国本社移転を資金面で支える。DeepFrameのベータ版は2026年3月、正式リリースは2026年4月に予定されていた。この項目についてそれ以降のマイルストーンは確認されていない。東京に10名以上の従業員と東京大学の協力者を抱え、同社はクリップ単位のタグ付けではなく、長尺・因果・マルチモーダルな理解こそが防御可能な企業向けニッチだと主張する。