Twelve Labs、動画こそAIの基盤と賭ける。AmazonとNvidiaを擁した1億ドルのシリーズB

Twelve Labsは動画理解の基盤モデル——Marengo（インデックス／検索）とPegasus（動画言語推論）——を構築し、APIとAmazon Bedrockを通じて、大規模な動画アーカイブの検索・分析を行う企業に販売している。

言語ではなく動画がAIの基盤になる。ネイティブな動画モデル（Marengo、Pegasus）によって、機械は人間のように映像を見て、記憶し、推論できるようになる。

2021年、Jae Lee氏が率いる5人の韓国人によってサンフランシスコで創業され、中核となるAI研究はソウルで行われた。創業時の着眼点は「世界はテキストの中で起きるのではない。動きの中で起きる」というものだった。シード資金は約1700万ドルに達し、2023年10月にはNvidiaが韓国の生成AIスタートアップへの初投資を行い、約1000万ドルのプレシリーズAを支援した。

2024年6月：NvidiaのNVenturesとNEAが共同主導し、Index Ventures、Radical Ventures、WndrCo、Korea Investment Partnersが参加した5000万ドルのシリーズA。製品は急速に成熟した。Marengo-2.6はあらゆる形式間の動画検索向けに2024年3月に出荷され、Pegasus-1は動画言語推論向けにベータ版となった。2024年12月：SK Telecomが、自社のAIエージェントおよび監視業務でモデルを利用するため300万ドルを投資した。2025年7月にはAmazonがMarengo 2.7とPegasus 1.2をBedrockで完全マネージド提供した。2026年までに、これらのモデル上に構築されたGS Shopの動画レコメンデーションはクリック率を2倍にし、購買意欲を9倍に高めた。また米国政府機関は防衛および公共安全のための動画インテリジェンスを模索していた。

現在も運営を続け拡大している。2026年7月1日に発表された1億ドルのシリーズB（Naver VenturesとNEAが共同主導、Amazonが参加）により、調達総額は2億700万ドルを超えた。CEOのJae Lee氏は目標を「動画超知能」——人間のように見て、記憶し、推論するAI——と語り、ニューヨークとロンドンへのオフィス開設を計画し、初のAI動画作成アプリRodeoをプレビュー公開している。

Twelve Labsは動画を第二のモダリティではなく主要なデータ型として選び、テキストは現実の非可逆圧縮であり、因果性は連続の中に宿ると主張した。

そのアーキテクチャは動画を機械可読な記憶にした。映像は一度理解され、永続的に保存され、正確な秒単位まで参照可能となる——大規模なアーカイブを抱える企業が実際に必要とするものだ。

Nvidiaの2023年の投資は最初の裏付けであり、くさびとなった。モデル出荷前にこの賭けが信頼に値することを示し、3年間の協業がシリーズBにつながった。

商業的な証明は限られた一例からもたらされた——GS Shopのクリック率2倍と購買意欲9倍——であり、「動画超知能」が到来する前にプラットフォームが収益化できることを示した。

AIの大半が無視したモダリティ——テキストではなく動画——に賭けたことで、NvidiaとAmazonを出資者として引き寄せた。逆張りの賭けは、複利で成長するために依然として企業収益へと転換されねばならない。

2026年9月2日時点で、Twelve Labsは2億7000万ドル超を調達している。2026年7月のシリーズB（1億ドル、Naver VenturesとNEAが共同主導、Amazonが参加）はMarengo、Pegasus、そして同社のVideo Cognition Systemに資金を提供する。企業収益は米国と欧州に集中し、開発者収益は年率80〜120%で成長しており、採用企業にはGS Shopや米国政府機関が含まれ、そのモデルはAmazon Bedrockで完全マネージドで稼働している。ニューヨークとロンドンへのオフィス開設を計画し、動画作成アプリRodeoをプレビュー公開し、台頭する動画インテリジェンス時代のリーダーとして韓国製動画モデルを推し進め続けている。