InfiniMind 押注企業將挖掘未被檢視的影片；獲 UTEC 領投 580 萬美元種子輪

InfiniMind 打造企業影片智慧基礎設施：TV Pulse 為媒體與零售客戶即時分析廣播電視內容，DeepFrame 則可將多達 200 小時的影片素材轉化為可搜尋的知識庫，具備視覺、音訊與語音理解能力，可部署於 VPC 或地端環境。

到了 2024 年，視覺語言模型已能掌握敘事脈絡，因此企業會希望長篇影片可供查詢——於是催生出無程式碼、可私有部署的基礎設施。

Aza Kai 與 Hiraku Yanagita 在 Google 日本共事近十年，Kai 負責雲端／機器學習／資料科學，Yanagita 負責品牌與資料解決方案。在 Google 期間，他們目睹客戶坐擁數 PB 的廣播與攝影機影片，卻連關於這些影片的基本問題都無法回答——物件標註早已存在，但沒有人能追蹤敘事、因果關係或長篇內容。Kai 表示，2021 至 2023 年視覺語言模型的進展改變了可能性，到了 2024 年市場需求已足夠明確，兩人於是離職，在東京創立 InfiniMind（前身為 SDio），期間陸續加入 AWS GAIA 2025、經濟產業省的 GENIAC 及 NVIDIA Inception 等計畫。

InfiniMind 於 2025 年 4 月在日本推出首款產品 TV Pulse：即時分析廣播電視內容，讓媒體與零售公司得以追蹤產品曝光、品牌露出、情緒與公關影響。在與大型廣播公司及代理商進行試點後，它與批發商及媒體公司簽下付費客戶，DeepTech 報導該平台已分析超過 10 萬小時的內容。2026 年 2 月，這家新創宣布由 UTEC 領投的 580 萬美元種子輪，CX2、Headline Asia、Chiba Dojo 及一位與 a16z Scout 有關聯的 AI 研究人員參與；它表示將把總部遷往美國，同時保留東京工程辦公室、增聘工程師，並推出旗艦產品 DeepFrame——可處理多達 200 小時影片素材、具備音訊與語音理解的長篇影片智慧工具——於 2026 年 3 月推出 beta 版、2026 年 4 月正式發布。

未經分析的影片供給早已存在於每個檔案庫與攝影機畫面中，因此關鍵在於分析成本與能力，而非新的資料擷取。

2021 至 2023 年視覺語言模型的躍進，正是 2024 年創立之所以合理的原因——同樣的構想兩年前行不通。

企業層面的限制——隱私、資料主權、無程式碼工作流程、長篇查詢——構成一道護城河，抵禦針對消費者與業餘專業者的通用影片 API。

日本的廣播公司與代理商構成一個緊湊的測試場，讓要求嚴苛的客戶能在進軍美國前驗證這項技術。

透過自適應取樣與混合索引控制成本，瞄準的是每分鐘經濟效益——這正是目前長篇影片分析難以普及的關鍵。

創業應等待能力曲線到位：影片 AI 多年來只會標註物件，因此 Kai 等到視覺語言模型能掌握敘事才行動——時機讓 2024 年對 UTEC 而言具備說服力。

截至 2026-09-02，InfiniMind 已上線並完成種子輪募資：TV Pulse 擁有付費的日本媒體與批發客戶，已分析超過 10 萬小時，580 萬美元資金用於 DeepFrame 開發、招聘及遷移美國總部。DeepFrame 的 beta 版原定 2026 年 3 月推出、正式版原定 2026 年 4 月發布；本條目未驗證其後續里程碑。該公司擁有 10 名以上東京員工及東京大學合作者，主張長篇、因果、多模態的理解——而非片段層級的標註——才是具防禦性的企業利基。