InfiniMind押注企业将挖掘未观看视频；UTEC领投580万美元种子轮

InfiniMind打造企业视频智能基础设施：TV Pulse实时分析广播电视，服务媒体和零售客户；DeepFrame将长达200小时的视频转化为可搜索的知识库，具备视觉、音频和语音理解能力，可部署于VPC或本地。

到2024年，视觉语言模型能够理解叙事，因此企业希望长视频变得可查询——由此催生无代码、可私有化部署的基础设施。

Aza Kai和Hiraku Yanagita在谷歌日本共事近十年，Kai负责云/机器学习和数据科学，Yanagita负责品牌和数据解决方案。在谷歌期间，他们看到客户坐拥PB级广播和摄像头素材，却连基本问题都无法解答——对象标记存在，但无人能追踪叙事、因果关系或长视频内容。Kai表示，2021至2023年视觉语言模型的进步改变了可能，到2024年市场需求已足够明确，两人离开后在东京创立了InfiniMind（前身为SDio），并先后加入AWS GAIA 2025、经产省GENIAC和NVIDIA Inception等项目。

InfiniMind于2025年4月在日本推出首款产品TV Pulse：实时分析广播电视，帮助媒体和零售公司追踪产品曝光、品牌呈现、情感和公关影响。在与大型广播公司和广告代理商的试点后，它赢得了批发商和媒体公司等付费客户，DeepTech报告称该平台已分析了超过10万小时的视频内容。2026年2月，这家初创公司宣布获得由UTEC领投的580万美元种子轮融资，参与方包括CX2、Headline Asia、Chiba Dojo以及一位与a16z Scout有关联的AI研究员；同时表示将把总部迁至美国，保留东京工程办公室，增聘工程师，并推出旗舰产品DeepFrame——可理解长达200小时视频及音频和语音内容的长视频智能——于2026年3月发布测试版，4月全面上市。

未分析的视频供给已存在于每个档案和摄像头流中，因此解锁的是分析成本和能力，而非新数据采集。

2021至2023年视觉语言模型的飞跃使2024年创业成为理性选择——同样的理念提前两年不会奏效。

企业约束——隐私、数据主权、无代码工作流、长视频查询——是防御通用视频API（面向消费者和高端用户）的护城河。

日本的广播公司和广告代理商提供了紧凑的试验场，在进军美国前可让严苛客户验证技术。

通过自适应采样和混合索引控制成本，瞄准目前长视频分析难以触达的每分钟经济性。

创业应等待能力曲线：视频AI多年仅能标记对象，因此Kai等待视觉语言模型能够理解叙事——时机使2024年对UTEC而言值得信服。

截至2026年9月2日，InfiniMind已运营并获得种子资金：TV Pulse拥有付费日本媒体和批发客户，已分析超过10万小时视频，且580万美元资金支持DeepFrame开发、招聘和美国总部迁移。DeepFrame测试版原定于2026年3月，全面发布为4月；本条目未核实后续里程碑。拥有10余名东京员工及东京大学合作者，InfiniMind主张长视频、因果、多模态理解——而非片段级标记——是可防御的企业利基。