InfiniMind aposta que empresas vão explorar vídeos não assistidos; US$ 5,8 milhões em rodada seed da UTEC

A InfiniMind faz infraestrutura de inteligência de vídeo para empresas: o TV Pulse analisa TV aberta em tempo real para clientes de mídia e varejo, e o DeepFrame transforma até 200 horas de gravações em uma base de conhecimento pesquisável, com compreensão visual, de áudio e de fala, implantável em uma VPC ou on-premises.

Os modelos de visão-linguagem de 2024 já conseguiam acompanhar narrativas, então as empresas iriam querer tornar vídeos de longa duração consultáveis — daí a infraestrutura no-code e de implantação privada.

Aza Kai e Hiraku Yanagita passaram quase uma década juntos no Google Japão, Kai em nuvem/ML/ciência de dados e Yanagita em soluções de marca e dados. No Google, viram clientes acumularem petabytes de gravações de transmissão e de câmeras e não conseguirem responder nem a perguntas básicas sobre elas — a marcação de objetos existia, mas ninguém conseguia acompanhar narrativa, causalidade ou conteúdo de longa duração. Kai diz que os avanços de 2021–2023 em modelos de visão-linguagem mudaram o que era possível, e que, em 2024, a demanda de mercado estava clara o suficiente para os dois saírem e fundarem a InfiniMind (antiga SDio) em Tóquio, ingressando ao longo do caminho em programas como AWS GAIA 2025, GENIAC do METI e NVIDIA Inception.

A InfiniMind lançou seu primeiro produto, o TV Pulse, no Japão em abril de 2025: ele analisa TV aberta em tempo real para que empresas de mídia e varejo possam acompanhar exposição de produtos, presença de marca, sentimento e impacto de RP. Após pilotos com grandes emissoras e agências, assinou clientes pagantes entre atacadistas e empresas de mídia, e o DeepTech noticiou que a plataforma havia analisado mais de 100.000 horas de conteúdo. Em fevereiro de 2026, a startup anunciou uma rodada seed de US$ 5,8 milhões liderada pela UTEC, com participação da CX2, Headline Asia, Chiba Dojo e um pesquisador de IA ligado ao a16z Scout; disse que transferiria sua sede para os EUA mantendo o escritório de engenharia em Tóquio, contrataria mais engenheiros e lançaria seu carro-chefe DeepFrame — inteligência de vídeo de longa duração sobre até 200 horas de gravações, com compreensão de áudio e fala — em beta em março de 2026 e lançamento completo em abril de 2026.

A oferta de vídeo não analisado já existe em todo arquivo e feed de câmera, então o desbloqueio é o custo e a capacidade de análise, não a captura de novos dados.

O salto dos modelos de visão-linguagem de 2021–2023 é o que tornou racional fundar em 2024 — o mesmo discurso não teria funcionado dois anos antes.

As restrições empresariais — privacidade, soberania de dados, fluxos de trabalho no-code, consultas de longa duração — são um fosso contra APIs de vídeo de uso geral voltadas a consumidores e prosumidores.

As emissoras e agências do Japão formaram um campo de testes compacto onde clientes exigentes puderam validar a tecnologia antes de uma investida nos EUA.

O controle de custos por meio de amostragem adaptativa e indexação híbrida visa a economia por minuto que hoje mantém a análise de vídeo de longa duração fora de alcance.

A fundação deve esperar a curva de capacidade: a IA de vídeo só marcou objetos por anos, então Kai esperou até que os modelos de visão-linguagem conseguissem acompanhar narrativas — o timing tornou 2024 crível para a UTEC.

Em 2026-09-02, a InfiniMind está no ar e financiada por seed: o TV Pulse tem clientes pagantes japoneses de mídia e atacado e mais de 100.000 horas analisadas, e a rodada de US$ 5,8 milhões financia o desenvolvimento do DeepFrame, contratações e a mudança da sede para os EUA. O beta do DeepFrame estava previsto para março de 2026 e o lançamento completo para abril de 2026; nenhum marco posterior foi verificado para este registro. Com mais de 10 funcionários em Tóquio e colaboradores da Universidade de Tóquio, ela argumenta que a compreensão multimodal, causal e de longa duração — não a marcação em nível de clipe — é o nicho empresarial defensável.